İnsan sinir ağına benzer yapı
En bilinen misyonu dünyayı birbirine bağlamak olan Facebook, mevcut 1.3 milyar günlük kullanıcının sosyal ağı kullanma şeklini değiştirecek yeni bir araçla dün itibariyle bu yönde bir adım daha attı. Böylece kullanıcıların arkadaşları ve aileleriyle yaptıkları paylaşımlar daha da kolaylaşacak. Firmanın Yapay Zeka araştırma ekibi (FAIR) dün sabah dil çeviri verimliliğini arttırmaya yönelik yıllık projelerinin tamamlandığını açıkladı. Facebook’un bir blog gönderisinde yazdığına göre ‘Kıvrımsal Nöral Networkler (CNNs)’ olarak bilinen yönteme dayalı olan yeni metod, kullanımda olan en yüksek teknolojinin gösterdiği başarının dokuz katı daha fazla bir başarıyı sergiledi. Bu, sosyal ağ için hayati bir geliştirme. Zira kullanımda olan binlerce dil var ve firma kullanıcılarının yapmış oldukları gönderilerin başkalarınca anlaşılmadıkları için göz ardı edilecek olmalarına dair bir çekinceleri olmasını istemiyor.
Yann LeCun’un yönetiminde ilk kez FAIR’in geliştirdiği CNN’ler, ölçeklenebilir otomatize edilmiş, doğal dil anlama ve resim algılama araçlarının geliştiriminde yapı taşları olarak tasavvur edilirler. Hatta öyle ki ses tanıma ya da görüntüsel arama sistemlerinde dahi aynı durum geçerlidir. Ki bunların hepsi de Facebook için değer ifade ederler. Bununla birlikte lisan tercümesi büyük oranda ‘Devingen Nöral Networkler(RNNs)’ olarak bilinen ve yüksek seviyeli doğruluk oranı nedeniyle daha iyi bir seçenek olarak görülüp kullanılan yönteme dayanıyor.
Fakat RNN’ler aynı zamanda tercüme söz konusu olduğunda bir dezavantajı da beraberinde getiriyorlar: Bu yöntem hedef dildeki ilgili diğer kelimenin anlamını tahmin etmeyi denemeden önce tek bir kelimeyi ele alır. “Bu metod, modern makine öğrenimine güç kazandıran yüksek oranda paralel GPU donanımına pek uyum sağlamıyor” diye yazan Facebook “zira her bir kelime, ağ önceki kelimeyle işini halledene kadar beklemesi gerekiyor ve bu nedenle işlem bütünsel olarak paralelize edilemiyor” şeklinde açıklamalarına devam ediyor.
Diğer yandan CNN’ler tüm kelimeleri aynı anda ele alırlar ve bilgiyi hiyerarşik tarzda işlerlerken dahi daha etkilidirler. Tabii bu da RNN’lerin verilerin karmaşık ilişkilerini ele alış yöntemine nazaran daha iyi iş çıkarmalarına imkan veriyor.
Geçmişte RNN’ler,CNN’lere oranla daha iyi tercüme yapıyorlardı fakat FAIR, CNN’lerin veri mimarisini ele alış biçimindeki potansiyeli gördü ve nihayetinde LeCun’un yapımının dünya çapında kullanılan 6.500 farklı dilin tercümesinde daha iyi verim elde edebileceği sonucuna vardı.
Facebook, yapay zeka araştırma paylaşımına olan eğilimine yaraşır şekilde firmanın tercüme araştırma ile ilgili kaynaklarını açık hale getirdiğini, başkalarının da bu kaynağı kendi tercüme maksatlı çalışmaları için kullanabileceğini de söyledi.
' yöntemiyle tercüme hızını 9 kat arttıracak){kind=link}