Nvidia yapay zekâ sistemlerinin eğitimi için geliştirdiği yeni yaklaşımı duyurdu. Üretici Ters Ağ (GAN) eğitiminde kullanılabilecek olan bu yeni yaklaşım, söz konusu sistemlerin çok daha fazla görevi yapabilmesini mümkün kılacak. Bu noktada her GAN sisteminde üretici ve ayıklayıcı olmak üzere iki farklı nöral ağın bulunduğunu belirtmekte fayda var.
Algoritmanın yeni görseller oluşturması hedeflendiğinde ayıklayıcı ağ binlerce görseli inceliyor. Ardından bulduğu verilerle karşıtı olan üretici ağı eğitiyor. Tutarlı ve inanılabilir sonuçların üretilmesi için GAN sistemleri 50 ila 100 bin arasında eğitim görseline ihtiyaç duyuyor. Örnek sayısının yeterli olmaması durumunda ayrıştırıcı üretici ağı eğitmek için gerekli kaynaklara ulaşamıyor.
Yapay zekâ araştırmacıları geçmişte bu problemin etrafından dolaşmak için veri artırma isimli bir yöntemi kullanıyordu. Bu yaklaşımda bir görüntü algoritması örnek olarak alınıyor ve yeterli materyalin olmaması durumunda mevcut materyaller çoğaltılıyor. Çoğaltma sırasında orijinal görselde değişiklikler yapılıyor ve sistemin farklı görüntüler görmesi mümkün oluyor.
Bu yaklaşım, GAN sistemlerinin yeni bir şey öğrenmek yerine bu değişiklikleri taklit etmeyi öğrenmesine neden olabiliyor. Nvidia’nın yeni sistemi, yeni veri artırma yaklaşımından faydalanıyor ancak bunu uyarlamalı şekilde gerçekleştiriyor. Tüm eğitim sürecinde mevcut görüntülerin bozulması yerine seçici bir uygulama yapılıyor ve böylelikle örneklerin istatiksel modele fazla uyumlu olması durumunun önüne geçiliyor.
Nvidia yeni yapay zekâ eğitimi yaklaşımıyla tahmin edilenden çok daha anlamlı ve önemli sonuçların alınmasına yardımcı olabilir. Bu yeni sistemle ilgili detaylar hâlihazırda devam eden NeurIPS 2020 konferansında paylaşılacak.
