Elşən Kazım elsn.me bloqunda Machine learning və digər sahələrdə yazılar paylaşmaqdadır.
Bu yazımda hal-hazırda trenddə olan süni intellekt anlayışlarından birini – süni neyron şəbəkələrini sadə dildə izah etməyə çalışacam. Süni neyron şəbəkələri əvvəlcədən təmin edildiyi nümunələr əsasında yeni daxil edilən nümunə ilə bağlı təxmin verməyə xidmət edir. Məsələn, fərz edin ki, bizdə çoxlu sayda it və pişik şəkilləri var. Biz bu şəkilləri uyğun olaraq “it” və “pişik” kimi etiketləyərək modelə tanıtsaq, onları modelə “öyrətmiş” olacayıq və daha sonra əvvəlcədən modelə tanıtmadığımız yeni şəkil əlavə etdikdə model şəkildə it və ya pişiyin olmasını təxmin edə biləcək. Prosessin necə baş verdiyini daha detallı yazının davamında öyrənəcəksiniz. Bəs neyron nə deməkdir? Biologiya fənnini yaxşı oxumusunuzsa, “Neyron” termini sizə tanış gələ bilər. Xatırlamayanlar üçün bu terminin biologiyada nə anlama gəldiyi haqqında qısa məlumat verməyim süni neyron şəbəkələrinin nə olduğunu başa düşməyə kömək edəcəyini düşünürəm. Bizim sinir sistemlərimiz neyron adlı hüceyrələrdən təşkil olunmuşdur və hər bir neyronun vəzifəsi ümumilikdə beynimizin həll edəcəyi problemlərin kiçik bir hissəsini həll etməkdir. Süni neyron şəbəkələrini də bir növ insan beyninin bu cür işləmə prinsipinin yamsılaması olaraq meydana gəlmişdir. Bu bənzətmə beynimizin öyrənmək üçün tək bir alqoritm işlətməsi hipotezinə əsaslanır.
Hər bir neyron hüceyrəsində bir akson və dendritlər olur. Dendritlər siqnalları qəbul etməyə, akson isə siqnalları neyrondan göndərməyə xidmət edir. Başqa sözlə, neyronlar dendritlər vasitəsi ilə qəbul etdiyi məlumatları birləşdirib akson vasitəsi ilə digər neyronlara göndərir.
Əvvəlcə, onu qeyd edim ki, hər bir neyron şəbəkəsi ümumilikdə 3 qatdan ibarət olur: giriş qatı (input layer), gizli qat (hidden layer) və nəticə qatı (output layer). Giriş qatında x1,x2,..x5 verilənləri, oxların üzərindəki w11,w12,..w54 isə onların çəkilərini (weight) göstərir. Süni neyron şəbəkələrində bir və ya bir neçə gizli qat olur (bu nümunədə cəmi bir gizli qat var) və neyronlar bu qatda yerləşir. Gizli qatda gördüyünüz f(θ)-lar isə aktivasiya funksiyalarıdır. Neyronlardan sağdakı oxlar dendritləri, soldakı oxlar isə aksonu təmsil edir. x1,x2,..x5 verilənləri göstərdiyini qeyd etmişdim, bəs bu verilənlər əslində nədir? Fərz edək ki, biz şəkillərin tanınması üçün model yaratmışıq. Bildiyimiz kimi, şəkillər piksellərdən ibarətdir. Məsələn, 25×25 ölçülü şəkildə 625 ədəd piksel var. Şəkillər ağ-qara olduğu halda, giriş qatında hər piksel üçün 1 ədəd verilən, ümumilikdə isə 625 ədəd verilən olacaq. Neyron şəbəkəsi də bu verilənləri analiz edərək sonda bizə nəticə verir.
Süni neyron şəbəkələri hal-hazırda trendə çevrilməsinə baxmayaraq hələ ötən əsrin 40-ci illərində bu anlayışla bağlı məqalələr yazılırdı, amma əvvəlki dövrlərdə kompüterlərin gücünün yetərsizliyi səbəbindən süni neyron şəbəkələri bugünkü qədər populyarlıq qazanmamışdı. Süni neyron şəbəkələri daha çox şəkillərin və səslərin tanınması üçün istifadə olunur. PhotoMath-da əl yazısının tanınmasından tutmuş, FaceApp effektləri, Facebookun şəkillərdə sizi tanıması, sürücüsüz maşınlar, Siri və Google Assistant kimi çatbotlar və digər bir çox qarşılaşdığımız texnologiyalar süni neyron şəbəkələrinin sayəsində mövcuddur, hansı ki, bunları ənənəvi proqramlaşdırma üsulları ilə etmək mümkün deyildi. Bunlardan başqa banklarda kredit skorinq modellərinin qurulması və stok qiymətlərinin təxmin edilməsi üçün də süni neyron şəbəkələri geniş istifadə olunur.
Yazını oxuduğunuz üçün təşəkkür edirəm və ümid edirəmi ki, bu yazı sizin üçün faydalı oldu. Yazı ilə bağlı fikirlənizi yazmağı və bəyəndiyiniz təqdirdə yazını paylaşmağı unutmayın.
Məqalənin əsli elsn.me bloqunda paylaşılmışdır.
