Bir akıllı telefonun son günlerde trend olması için minimum kalınlıkta çerçeveler, yüksek bir 18:9 ekran, mükemmel bir kamera sistemi ve yapay zeka ve/veya makine öğrenimi gibi etkenler büyük rol oynamaktadır.
Yapay zeka ve makine öğrenimi akıllı telefonun çipi üzerinden işletim sistemine kadar tümüyle benimsenen ve uygulanan ana hatlar haline geldiler.
Peki bu terimler bilim kurgu pazarlaması mı yoksa gerçekte bu teknoloji var mı?
Yazımızı okumaya devam ederseniz kolay anlaşılır ve mümkün olduğunca az terim içeren bir genel bakışa sahip olacaksınız.
Yapay Zeka ve Makine Öğrenimi Arasındaki Farklar
Yapay zeka en iyi şekilde bir makinenin öğrenme, davranış ve iletişim gibi insandan ayırt edilemez bir fark yaratan yetenekleri sergilemesi olarak tanımlanabilir. Elbette bu sadece bilim kurgu alanlarına mı aittir? Biraz daha derine inelim…
Yukarıda açıklanan AI genellemesini (Genel AI) ele almak yerine onu daraltıp konuyla daha ilgili olan belirli bir alanı seçelim. Örneğin; Görüntü tanıma ve biz bunu Dar AI olarak adlandıracağız.
Akıllı telefonlarımızın aniden bir araba veya bir tabak yemeği tanıyabilme ve ayırt edebilme becerisi hala geliştirilmedi.
Bir akıllı telefonun en saf haliyle yeni bir şeyler öğrenmesi yani müdahale olmaksızın bunu yapmasının hala uzun bir süreç olduğunu öğrendik.
Geçmişte 16 milyonu aşkın kart sahibi olan büyük bir market için bir sadakat kartı düzenleyen ekibin parçasıydım. Şimdi topladığımız veri hacmini hayal edin. Kayıt işlemi sırasında 16 milyon adet cinsiyet, yaş, çocuk, adres gibi bilgileri içeren bir müşteri veritabanı! Satın alınan her öğenin bu müşteri ile ilişkili tarih, saat, mağaza dahil olmak üzere yapılan her işlemin bir veritabanı.
Belirli bir demografiyle eşleşen kaç kadın örneğin belirli bir parfüm markasını satın almadı. Bu anlayışı alabilir ve marka değiştirmeyi deneyebiliriz. Bu durum bizim tarafımızdan oluşturulan kurallar ve mantıkla birlikte büyük çapta da olsa bir veri madenciliği anlamına geliyordu.
İşte bu noktada makine öğreniminin devreye girmesi gerekiyor…
Şimdi akıllı telefonlarımıza geri dönelim. Pratik bir örnek vermek gerekirse; Apple Fotoğraflar uygulamasında Kişiler Albümü’nde hiç bir şeyi daha önce etiketlemediğimizi bir an için farz edelim.
Kişiler Albümü’nü ilk kez görüntülediğinizde yalnızca bir “yüzün” geometrisinin tanımlandığı fotoğrafları gösterir ve isimler görünmez.
- İsimsiz bir yüz seçin ve bir isim verin.
- Daha sonra bu kişi başka bir yüzün olduğunu doğrulamaya çalışacaktır. Bu noktada sadece çalışacak ilk yüze sahip olacak. Böylece sunulan yüze ikinci kez yol kapalı olacaktır. Yani ‘evet’ veya ‘hayır’ komutları makine tarafından tekrarlanarak verilecektir.
Her yineleme sayesinde telefon o yüz hakkında farklı açılardan yani değişen saç stillerinden ve yaşlandıkça neler olduğu hakkında daha fazla şey öğreniyor. Bu nedenle bu kişinin fotoğrafını çektiğinizde artık otomatik olarak doğru adla etiketlenir.
Dar Yapay Zeka’yı etkinleştirmek için kullanılan Makine Öğrenimi’nin en iyi örneği işte bu fotoğraf etiketleme örneğidir.
Yukarıdaki örneğimizde akıllı telefonumuza arkadaşlarımızın yüzleri hakkında bize özgü olduklarını öğretme çabasına girdik. Kamera uygulamalarımızda ve destekleyici arayüzümüzde bu çabaya temel olarak sunulan diğer şirketler tarafından daha önce girilmişti. Çok sayıda fotoğrafı günlüğe kaydetmek ve kategorilere ayırmak için Makine Öğrenimi’ni kullandılar. Bu sayede yediğiniz yiyeceklerden oluşan mükemmel bir tabağı fotoğrafta gösterdiğinizde akıllı telefonunuz yemeği algılayarak mümkün olan en iyi fotoğrafı çekmek için uygun filtreleri bilir ve uygular.
Gelecekte bu Dar AI alanları birbirleriyle daha iyi çalışacak şekilde genişletilecektir. Yüz tanıma teması ile gelen iPhone X yüzünüzü tanıyarak iPhone’unuzun kilidini açmak için Face ID içinde AI yani yapay zekayı kullanır. İlk tanıma aşamasına ya da başka resimlerin eklenmesine yardımcı olmak için ve yüzünüz hakkında daha iyi bilgi edinmek için bu işlemin otomatik olarak Fotoğraflar uygulamasına genişletildiği bir gelecek hayal edin.
Yapay Zeka Destekli Akıllı Telefon İşlemcileri
Yapay Zeka (AI) destekli akıllı telefon işlemciler son dönemde çıkan amiral gemilerinin ana odak noktaları haline geldiler. Özellikle LG G7 ThinQ ve Huawei Honor 10 amiral gemisi telefonları tanıtımlarında AI teriminin üzerine vurgu yaptıkça yaptı.
AI ile ilgili donanım dahil olmak üzere yonga setlerine bilindik örnekler;
- Huawei’nin HiSilicon Kirin 970 Nöral İşleme Ünitesi (NPU)
- Qualcomm’un Snapdragon 845 Hexagon 685 DSP AI platformu
- Apple’ın A11 Bionic Nöral Motoru
Nöral ağ donanımları saniyede 100 milyara kadar işlem gerçekleştirebilir.
Yine de akıllı telefonunuzdaki yonga setinin herhangi bir özel AI desteği içermemesi durumunda bu işlemler yazılım kısmında gerçekleştirilecektir. Telefon da özel olarak hızlandırılmış AI desteğini alamayacağı için daha az verimli olacak. Böylece öncelikle GPU’yu ve bazı durumlarda CPU’yu kullanacaktır.
Geliştiriciler
Yakın zamana kadar AI yerleşik uygulamalar ve süreçler için işletim sistemi tarafından erişilirken geliştiricilerin uygulamalarında yerel cihaz içi AI görevleri kullanılamıyordu.
Bunu yapmak için kendi AI desteklerini getirmeleri veya Amazon’un AWS Makine Öğrenimi gibi bir üçüncü tarafın sağladığı çerçeveye uygulamalarını yerkleştirmeleri gerekiyordu. Hem Android 8.1 hem de iOS 11 API’leri geliştiricilerin uygulamalarına kolayca makine öğrenimini kazandırmalarına izin verdikten sonra bu manzara değişti.
Android 8.1
Android Neural Networks API (NNAPI) makine öğrenimi için hesaplamalı yoğun işlemlerin yürütülmesi için tasarlanmıştır. NNAPI sinir ağlarını inşa eden ve eğiten üst düzey makine öğrenimi çerçeveleri (TensorFlow Lite, Caffe2 veya diğerleri gibi) için temel bir işlev katmanı sağlamak üzere tasarlanmıştır.
iOS 11
Core ML ise Siri, Camera ve QuickType gibi Apple ürünlerinde kullanılan temel makine öğrenim çerçevesidir.
Gizlilik
Şirketler bunu sağlamak için bazı farklı yaklaşımları kullanarak veri gizliliği konusunda çok çabalıyorlar. Bazı şirketler için veriler asla telefondan ayrılmaz ve eğer yapılırsa bu belirtilir. Diğerleri için de bu veriler bulutta şifrelenmiştir. Deneyimi geliştirmek ve zenginleştirmek için ek fırsatları şirkete sağlar.
Sizler de biliyorsunuz ki arkadaşlarla aile arasında verilmiş olan izin paylaşım seviyesi hepimize ek zaman tasarrufu sağlayan avantajlar sağlayacaktır. Ancak AI konusunda yaşanan gizlilik konusundaki şüpheler kullanıcılar açısından sanırım uzun bir süre yok olmayacak gibi görünüyorlar.
Hem yazıyı kısa tutmak hem de etrafta zıplamaktan kaçınmak için bu parçada yoğun bir şekilde fotoğrafçılığa odaklandık.
Ancak diğer AI ve Makine Öğrenimi alanları aşağıdakiler için de geçerli:
- Konuşma ve el yazısı tanıma dahil doğal dil anlayışı
- Kullanıcı ortamlarında neler olup bittiğini daha iyi anlamak için akıllı telefon sensörlerini kullanma
- Tahminli arayüzler, kullanıcı iş akışı ve içerik sansürü / ebeveyn kontrolleri
- Telefon güvenliği
- Gelişmiş görüntü işleme
- Artırılmış Gerçeklik ve AI vizyonu
- Pil ömrünü daha da artırmak için cihaz uygulaması / sistem yönetimi
Yazıyı bitirmeden önce son bir noktaya daha değinmek isteriz. Bu alanda standartların ortaya çıkması halinde davranışlarınızın farklı üreticilerin cihazları ve servisleri arasında paylaşılmasına izin verilebilir. Biliyoruz bu biraz uçuk ama diğer yandan çok da arzuladığımız bir düşünce.
Hemen endişelenmeyin. Akıllı telefonunuz Skynet’e benzer bir şekilde sizi tanıma yeteneğine sahip değildir ve telefonunuzu kulağınıza kaldırdığınızda sizi öldürmeye çalışmaz.
Gördüğümüz şu ki telefonlarımızın artık her zamankinden daha fazla şekilde “akıllı” kısmı öne çıkmaya başlıyor. Bu nedenle makine öğrenimi yoluyla yapay zekanın cihazlarımızla günlük etkileşimlerimize getirdiği tüm avantajlardan yararlanmaya bakalım.
İlgili bağlantılar:
