Hareketli ve Hareketsiz Görüntülerde Yapay Zekanın Kısa Tarihi

Güvenlik kameraları, polis kameraları, canlı yayınlar ve sosyal medya yayınları derken yıllardır çeşitli platformlarda kaydediliyoruz. Biri bizi kaydettiğinde, bu durumdan herhangi bir şekilde etkilenmeyeceğimize dair güvence duyuyoruz. Öyle ki herhangi bir videodan birinin bizi arayıp bulması ve tanıması gerçek dışı geliyor. İnsanlar için durum böyle olabilir ancak robotlar için böyle değil. Onlar için tüm bu işlemleri yapmak neredeyse dakikalar sürüyor. Facebook gibi şirketler yapay zeka teknolojisi yıllardır kullanıyor. Yapay zeka uygulamaları geliştikçe, sistem, insanların yanı sıra nesneleri ve eylemleri de tanımlayabilecek şekilde genişliyor ve bu oldukça büyük bir yenilik olarak karşımıza çıkıyor.

2012 yılı dönüm noktası oldu

Yapay zeka araştırmacıları, bir görüntüye bakıp gördüğünü söyleyebilecek algoritmalar inşa etmek için uzun yıllar boyunca çalıştı. Benzersiz desenler oluşturan milyonlarca piksel içeren görüntülerin karmaşıklığı, elle kodlanmış algoritmaların güvenilir bir şekilde çalışması için oldukça karmaşıktı.

2012 yılına gelindiğinde araştırmacılar, beynimizdeki nöronlardan esinlenerek derin öğrenme adlı bir tekniği geliştirdi. Nöronların çalışma prensibini alıp matematiksel fonksiyonlara çeviren bu sistem, yüksek imaj verileriyle çalışmak için en iyi sonuçları sağladı. Araştırmacılar sanal derin sinir ağına yeterince örnek verildiğinde, ortak olan şekil ve dokular gibi imgeler arasında paylaşılan kalıpların ortaya çıkarılabileceğini keşfetti.

2012’den bu yana yapay zekaya dayalı sistemler büyüyerek daha karmaşık hale geldi. Nvidia gibi donanım üreticileri, ağları daha hızlı hale getirmek için özel işlemciler geliştirmeye başlarken, daha büyük ağlar için "nöronlar" yapmaya başladı. Sonuç olarak yapay zeka sistemlerinin başarabilecekleri şeylerde patlama yaşandı. Büyük bir görüntü veya video verisi göz önüne alındığında, bu sistemler bir kişinin yüzünün nasıl göründüğünü öğrenmek ve tekrar tekrar tanımlamak için eğitilebilir hale geldi.

Teknolji devleri yapay zeka için yarışıyor

Washington Üniversitesinin geliştirdi MegaFace sistemin geldiği noktayı anlamak için önemli bir durak. MegaFace projesinin verileri Flickr’dan sağlanan 672.000 kişinin yaklaşık 5 milyon görüntüsünü içeriyor. MegaFace ekibi geçtiğimiz temmuz ayında, veri setinde eğitilen algoritmalar için en son skorları sundu. Aynı kişinin iki görüntüsü 1 milyon yüz imajından oluşan ayrı bir veri kümesiyle eşleştirmek için test edildiğinde, üst düzey ekipler tek bir şans verildiğinde % 75 doğruluk oranına, 10 seçenek verildiğinde ise % 90'ın üzerinde doğruluk oranına ulaşıldı.

Video yapay zekası ise hareketsiz görüntülere benzer teknikleri kullanıyor, ancak sistem daha yüksek işlem gücü gerektiriyor. Çinli arama devi Baidu, Ağustos 2017’de, 300.000 video arasından, insanların ahşap doğrama, pencereleri temizleme ve köpekli yürüyüş gibi eylemlerini % 87.6 doğruluk oranıyla etiketleyerek ActivityNet Challence kazandığını açıkladı.

Baidu’nun yanı sıra kişilerin ne yaptıklarını anlamak için Facebook da bu teknolojiye ilgi gösterdi. Facebook makine öğrenme bölümü direktörü Joaquin Quiñonero Candela geçen yıl verdiği bir röportajda ‘’ Facebook yapay zekası, kullanıcıların videolarında neler olduğunu anlayacak’’ dedi. Uygulama video koleksiyonlarında küratörlük işlevi sağlayacak.

Yapay zekanın hareketli ve hareketsiz görüntüleri tanıma yeteneği, uygulamalardan gerçek dünyaya sızmaya başladı bile. Baidu çeşitli etkinlikler için bilet yerine yüz tanımanın kullanıldığı bir program başlatacağını duyurdu. Uygulama ile bir mekana girerken, mekan sosyal medya profilinize erişecek ve yüzünüzü tarayarak içeri girip girmeyeceğinizi söyleyecek. Benzer bir özellik Paris Charles de Gaulle havaalanında da test edildi, ancak programın sonuçları henüz yayınlanmadı.

New York'taki motorlu taşıtlar departmanı, yüz tanıma teknolojisi kullanarak 4000'den fazla tutuklamayı gerçekleştirdiğini açıkladı. Polis görüntüleri teker teker taramak yerine, bir yazılım sayesinde, sürücülerin lisans fotoğraflarını veritabanında bulunan görüntülerle karşılaştırmak için kullanıyor. Taser olarak bilinen ve ABD'de polis kameralarının en büyük distribütörü olan Axon, kısa bir süre önce yapay zekayı ürünlerine katmak ve için 2 AI şirketi satın almak için kolları sıvadı. Intel Nisan ayında güvenlik kameraları için "kalabalık yoğunluğu izleme, stereoskopik görüş, yüz tanıma, insanlar sayma ve davranış analizi yapabilen donanım geliştirdiğini duyurdu.

Yapay zekayı kandırmak mümkün mü?
Kimi durumlar için geçerli olsa da cevap evet. Yapılan bazı araştırmalar, özel gözlükler ve çeşitli yüz boyalarıyla yüz tanıma yazılımının ya algoritmaların kandırabileceğini belirledi, ancak bunu yapabilmek için yüz tanıma algoritmasının nasıl çalıştığına dair detaylı bilgi sahibi olmak gerekiyor.