Derin öğrenme patlaması: ImageNet ve GPU’lar

Sinir ağı fikri 1950’lerden beri vardı. 2012’de üç şey bir araya geldi ve oyun değişti. Bu derste o üç şeyi tanıyacaksınız.

Aklınıza bir soru mu takıldı?

Sorunuzu ya da aradığınız konuyu yazın Ders bul

Bu derste neler öğreneceksiniz?

• ImageNet veri kümesinin ne olduğunu ve neden önemli olduğunu
• 2012 yarışmasında AlexNet’in ne yaptığını
• Grafik işlemcilerin (GPU) bu işte neden kritik olduğunu
• Bu patlamanın bugünkü araçlara bağlantısını

Birinci unsur: Veri

Fei-Fei Li liderliğindeki bir ekip, 2006’da Princeton Üniversitesi’nde ImageNet projesine başladı. Proje, görüntülerin etiketlendiği çok büyük bir veri tabanıydı. Veri tabanı 2009’da CVPR konferansında bir poster olarak tanıtıldı. 30 Nisan 2010 tarihli istatistiklere göre 14.197.122 görüntü içeriyordu; bugün 14 milyonu aşkın görüntüden söz ediliyor.

Burada önemli bir ayrım var: ImageNet bir yapay zekâ modeli değil, bir veri kümesidir. Modelin öğrenmesi için gereken örnekleri sağlar. Veri kümesine eşlik eden yıllık ILSVRC yarışması (ImageNet Büyük Ölçekli Görsel Tanıma Yarışması) ise farklı yöntemlerin aynı örnekler üzerinde karşılaştırılmasını sağladı. Fei-Fei Li’nin hikâyesi Portreler dizisinde ayrıntılı anlatılıyor.

İkinci unsur: Grafik işlemciler

Sinir ağlarını eğitmek, aynı basit hesabı milyonlarca kez tekrarlamayı gerektirir. Grafik işlemciler (GPU) bu tür paralel işlerde yetenekliydi. AlexNet’in eğitiminde iki adet Nvidia GTX 580 kartı kullanıldı; her birinde 3 GB bellek vardı. Eğitim yaklaşık beş ila altı gün sürdü. Kaynaklar, GPU kullanımının evrişimli sinir ağlarını bu ölçekte uygulanabilir kıldığını belirtiyor.

Üçüncü unsur: Çok katmanlı ağ ve 2012 sonucu

Alex Krizhevsky, Ilya Sutskever ve Geoffrey Hinton’ın geliştirdiği AlexNet, 2012 ILSVRC yarışmasına katıldı. Ağ, görüntülerde şekilleri katman katman öğrenen bir evrişimli sinir ağıydı. İlk beş tahmini içinde doğru etiketi bulamama oranı (ilk beş hata oranı) yüzde 15,3 olarak ölçüldü. Bu sonuç, ikinci sıradaki yöntemin 10,8 puandan fazla önündeydi. Sonuç 30 Eylül 2012’de yarışmaya gönderildi. Aradaki fark, küçük bir iyileşme değil bir sıçramaydı.

İlk beş hata oranını bir örnekle düşünün. Bir fotoğrafta kedi var. Model, bu fotoğraf için en olası beş etiketi sıralar. Doğru etiket bu beşin içindeyse tahmin başarılı sayılır. Yüzde 15,3’lük hata oranı, bu ölçüte göre her yüz fotoğrafın yaklaşık on beşinde doğru etiketin ilk beşte yer almadığı anlamına gelir. AlexNet’in sonucu da bu ölçüyle verilir ve yöntemleri tek bir sayıyla karşılaştırmayı mümkün kılar.

Derin öğrenme sözcüğü, çok katmanlı sinir ağlarıyla öğrenmeyi anlatır. Bu fikir 2012’de icat edilmedi. 2024 Nobel Fizik Ödülü’nü paylaşan John Hopfield ve Geoffrey Hinton’ın çalışmaları 1980’lerden itibaren sürüyordu. Nobel Komitesi, ödüllerini makine öğrenmesini mümkün kılan temel buluşlar için verdi. Ödül 8 Ekim 2024’te açıklandı.

Üç unsuru birlikte düşünmek öğreticidir. Algılayıcı 1950’lerde vardı, ağ fikri yeni değildi. Ama milyonlarca etiketli görüntü ancak 2009 dolaylarında kullanıma sunuldu ve bu görüntüleri makul sürede işleyecek donanım ancak 2010’ların başında bir araya geldi. Yani bir buluşun etkisi, yalnızca fikre değil, o fikri taşıyacak veri ve donanımın hazır olmasına da bağlıdır.

Bugün sizin için ne anlama geliyor?

Telefonunuzda fotoğrafları içeriğine göre aramanız, bir yazıyı kameranıza okutmanız ya da sesinizi yazıya çevirmeniz gibi işlerde çoğu zaman bu patlamanın mirasından yararlanılır: çok sayıda örnek, güçlü işlemci ve çok katmanlı ağ. Sohbet asistanları da bu patlamanın devamında ortaya çıktı.

Bu bilgi size pratik bir ipucu verir: bir yapay zekâ aracının hangi veriyle eğitildiği, ne kadar iyi çalışacağını belirler. Araç sizin alanınızdan örnek görmediyse, başarısı düşebilir. Bu yüzden ilk denemeyi her zaman kendi gerçek örneğinizle yapın.

Eğitim verisinin sınırı da buradan çıkar. AlexNet, etiketli görüntülerden öğrendi; yani insanların önceden hangi görüntüye hangi adı verdiğine bağlıydı. Etiketlerde bir eksik ya da yanlış varsa, ağ da bunu öğrenir. Bu nedenle bir görüntü aracının cevabına, onu eğiten verinin sınırları içinde güvenmek gerekir.

Adım adım uygulama

1. Telefonunuzdan, kişisel olmayan bir nesnenin (bir bitki, bir fincan) fotoğrafını çekin.
2. Görüntü tanıyan bir asistana yükleyin ve ne olduğunu sorun.
3. Cevabı gerçeğiyle karşılaştırın; doğru bildiği ve yanıldığı yerleri not edin.
4. Aynı nesneyi farklı açıdan ve kötü ışıkta çekip yeniden deneyin.
5. Sonuçlardan, aracın hangi koşulda zorlandığına dair kısa bir not çıkarın.

Kontrol listesi

• Fotoğrafta kişi, belge ya da adres yoktu
• Veri, işlemci ve ağ üçlüsünü kendi cümlelerimle anlatabiliyorum
• Aracın yanıldığı bir örnek buldum
• Sonucu kendi gözümle kontrol ettim

Sık yapılan hatalar

• ImageNet’i bir yapay zekâ modeli sanmak; o bir veri kümesidir
• Derin öğrenmenin 2012’de icat edildiğini düşünmek; çalışmaları 1980’lere uzanır
• Başarıyı yalnızca algoritmaya bağlamak; veri ve işlemci gücü de belirleyiciydi
• Fotoğraf tanıma sonucunu kontrol etmeden kesin saymak

Kendinizi deneyin

Kaynaklar

• Wikipedia: ImageNet (İngilizce)
• Wikipedia: AlexNet (İngilizce)
• Nobel Ödülü: 2024 Fizik Ödülü basın duyurusu (İngilizce)

Son kontrol: 8 Kasım 2026

Kaynak: yzdersleri.com/ders/derin-ogrenme-patlamasi-imagenet-gpu/ · Yapay Zeka Dersleri