Space Invaders, Breakout ve Pong gibi klasik atari oyunlarında iyi olduğunuzu mu düşünüyorsunuz? Tekrar düşün.
Bugün Nature’da yayınlanan çığır açan bir makalede , DeepMind kurucu ortağı Demis Hassabis liderliğindeki bir araştırma ekibi, bu tür oyunları uzman düzeyinde oynamayı öğrenebilen derin bir sinir ağı geliştirdiğini bildirdi.
Bu başarıyı daha da etkileyici kılan şey, programa oyunlarla ilgili herhangi bir arka plan bilgisi verilmemiş olması. Sadece puana ve ekrandaki piksellere erişimi vardı.
Yarasalar, toplar, lazerler veya oyunları oynamak için insanların bilmesi gereken diğer şeyleri bilmiyordu.
Ancak bilgisayar, birçok oyunu defalarca oynayarak önce nasıl oynanacağını ve sonra nasıl iyi oynanacağını öğrendi.
Sıfırdan öğrenen bir makine
Bu, günümüzde yapay zekanın (AI) en sıcak konularından biri olan derin öğrenmedeki bir dizi atılımın en sonuncusu.
Aslında DeepMind, oyun oynamadaki ilk başarı değil. Yirmi yıl önce TD-Gammon olarak bilinen bir bilgisayar programı , yine bir sinir ağı kullanarak insanüstü düzeyde tavla oynamayı öğrendi.
Ancak TD-Gammon satranç, Go veya dama (taslaklar) gibi benzer oyunlarda hiç bu kadar başarılı olmamıştı.
Ancak birkaç yıl içinde, Google arama sonuçlarınızda bu tür derin öğrenmeyi görmeniz olasıdır. Geçen yılın başlarında, bunun gibi sonuçlardan ilham alan Google, DeepMind’ı İngiltere’de 500 milyon sterlinlik bir rapor karşılığında satın aldı .
Diğer birçok teknoloji şirketi bu alanda büyük harcamalar yapıyor.
“Çinli Google” Baidu, Derin Öğrenme Enstitüsü’nü kurdu ve Stanford Üniversitesi profesörü Andrew Ng gibi uzmanları işe aldı .
Facebook, başka bir derin öğrenme uzmanı Yann LeCun tarafından yönetilen Yapay Zeka Araştırma Laboratuvarını kurdu .
Ve daha yakın zamanda Twitter , başka bir derin öğrenme girişimi olan Madbits’i satın aldı .
Derin öğrenmenin ardındaki gizli sos nedir?
Geoffrey Hinton bu alandaki öncülerden biridir ve Google’ın yakın zamanda işe aldığı bir diğer kişidir. Yapay Zekayı Geliştirme Derneği’nin geçen ayki yıllık toplantısında ilham verici bir açılış konuşmasında, bu son atılımların üç ana nedenini özetledi.
İlk olarak, çok sayıda Merkezi İşlem Birimi ( CPU ). Bunlar evde eğitebileceğiniz türden sinir ağları değil. Bu ağların birçok katmanını eğitmek için binlerce CPU gerekir. Bu, ciddi bir bilgi işlem gücü gerektirir.
Aslında, aynı arcade oyunlarında grafik motorlarına güç veren süper hızlı yongalar olan Grafik İşlem Birimlerinin ( GPU’lar ) ham beygir gücü kullanılarak çok fazla ilerleme kaydediliyor.
İkincisi, çok sayıda veri. Derin sinir ağı, atari oyununu milyonlarca kez oynar.
Üçüncüsü, öğrenmeyi hızlandırmak için tek bir ağ yerine bir dizi ağ eğitimi gibi birkaç şık numara. Kalabalığın bilgeliğini düşünün.
Derin öğrenme ne işe yarar?
Derin öğrenme teknolojileri hakkındaki tüm heyecana rağmen, yapabilecekleri konusunda bazı sınırlamalar var.
Derin öğrenme, fazla düşünmeden yaptığımız düşük seviyeli görevler için iyi görünüyor. Bir resimdeki kediyi tanımak, telefondaki bazı konuşmaları anlamak veya bir uzman gibi atari oyunu oynamak.
Bunların hepsi, kendi harika sinir ağlarımıza “derlediğimiz” görevlerdir.
Hype’ı keserek, derin öğrenmenin üst düzey akıl yürütmede bu kadar iyi olup olmayacağı çok daha az açıktır. Bu, zor matematiksel teoremleri kanıtlamayı, karmaşık bir tedarik zincirini optimize etmeyi veya bir havayolundaki tüm uçakları programlamayı içerir.
Derin öğrenme için sırada nerede?
Derin öğrenme, çok geçmeden yakınınızdaki bir tarayıcıda veya akıllı telefonda ortaya çıkacaktır. Bir sonraki isteğinizi tahmin ederek hayatınızı kolaylaştıran süper akıllı Siri gibi ürünler göreceğiz .
Ancak, bu teknolojinin sınırlamalarıyla karşılaştığımızda, birkaç yıl içinde sonunda derin bir öğrenme tepkisi olacağından şüpheleniyorum. Özellikle daha derin öğrenme girişimleri yüz milyonlarca dolara satıyorsa. Tüm bu doların beraberinde getirdiği beklentileri karşılamak zor olacak.
Bununla birlikte, derin öğrenme, AI yapbozunun başka bir parçası gibi görünüyor. Bunları ve diğer parçaları bir araya getirmek, biz insanların yaptığı şeylerin çoğunun bilgisayarlar tarafından kopyalandığını görecektir.
Yapay zekanın geleceği hakkında daha fazla bilgi edinmek istiyorsanız, sizi 21 Nisan 2015’te Melbourne’deki Next Big Thing Summit’e davet ediyorum. Bu, Victoria başkentinde gerçekleşen iki günlük CONNECT konferansının bir parçası.
Sebastian Thrun ve Rodney Brooks gibi yapay zeka uzmanlarıyla birlikte, tüm bunların bizi nereye götürdüğünü tahmin etmeye çalışacağım.
Ve nostaljik hissediyorsanız ve bu oyunlardan birinde şansınızı denemek istiyorsanız, Google Görseller’e gidin ve “atari kaçışı” arayın (veya bu bağlantıyı izleyin ). Oynamak için Atari klasiğinin bir tarayıcı sürümüne sahip olacaksınız.