Üretken yapay zekâ, bilgisayarlı görünün geleceğini değiştiriyor

Üretken yapay zekâ, mevcut verilerdeki örüntüleri öğrenerek görüntü, metin veya ses gibi yeni içerikler oluşturan bir yapay zekâ (AI) dalıdır. Son gelişmeler sayesinde artık çoğu zaman insan yaratıcılığını taklit eden son derece gerçekçi içerikler üretmek için kullanılabiliyor.

Ancak üretken yapay zekânın etkisi yalnızca içerik oluşturmanın ötesine geçiyor. Ultralytics YOLO modelleri gibi gerçek zamanlı bilgisayarlı görü modelleri gelişmeye devam ederken üretken yapay zekâ, görsel verilerin işlenme ve zenginleştirilme biçimini de yeniden tanımlıyor ve gerçek dünya senaryolarındaki yenilikçi uygulamaların önünü açıyor.

Bu yeni teknolojik değişim, Ultralytics tarafından düzenlenen yıllık hibrit etkinlik YOLO Vision 2024 (YV24) kapsamındaki ilgi çekici sohbet konularından biriydi. YV24, yapay zekâ meraklılarını ve sektör liderlerini bilgisayarlı görü alanındaki en son atılımları tartışmak üzere bir araya getirdi. Etkinlik; inovasyon, verimlilik ve gerçek zamanlı yapay zekâ çözümlerinin geleceğine odaklandı.

Etkinliğin öne çıkan başlıklarından biri Üretken Yapay Zekâ Çağında YOLO konulu panel sohbetiydi. Panelde Ultralytics Kurucusu ve CEO'su Glenn Jocher, Ultralytics Kıdemli Makine Öğrenimi Mühendisi Jing Qiu ve Tsinghua Üniversitesinden Ao Wang yer aldı. Üretken yapay zekânın bilgisayarlı görü üzerindeki etkisini ve pratik yapay zekâ modelleri oluşturmanın zorluklarını ele aldılar.

Bu makalede, sohbetlerinden öne çıkan bilgileri yeniden ele alacak ve üretken yapay zekânın Vision AI'ı nasıl dönüştürdüğüne daha yakından bakacağız.

Ultralytics YOLO modellerinin geliştirilmesi#

Glenn Jocher'ın yanı sıra birçok yetenekli mühendis, Ultralytics YOLO modellerinin geliştirilmesinde hayati bir rol oynadı. Bunlardan biri olan Jing Qiu, YOLO ile beklenmedik şekilde başlayan hikâyesini anlattı. Yapay zekâya olan ilgisinin üniversite yıllarında başladığını açıkladı. Alanı keşfetmeye ve öğrenmeye önemli miktarda zaman ayırdı. Jing Qiu, GitHub'da Glenn Jocher ile nasıl bağlantı kurduğunu ve çeşitli yapay zekâ projelerine nasıl dahil olduğunu hatırladı.

Glenn Jocher, Jing Qiu'nun söylediklerine ek olarak GitHub'ı, "paylaşım için inanılmaz bir yol; hiç tanışmadığınız insanların birbirlerine yardım etmek ve birbirlerinin çalışmalarına katkıda bulunmak üzere bir araya gelmesini sağlıyor. Harika bir topluluk ve yapay zekâya başlamak için gerçekten harika bir yol" olarak tanımladı.

Şekil 1. YV24'te Glenn Jocher ve Jing Qiu sahnede konuşurken.

Jing Qiu'nun yapay zekâya olan ilgisi ve Ultralytics YOLOv5 üzerindeki çalışmaları modelin geliştirilmesine yardımcı oldu. Daha sonra, daha fazla iyileştirme sunan Ultralytics YOLOv8 modelinin geliştirilmesinde önemli bir rol oynadı. Bunu inanılmaz bir yolculuk olarak tanımladı. Jing Qiu bugün Ultralytics YOLO11 gibi modelleri geliştirmeye ve bunlar üzerinde çalışmaya devam ediyor.

YOLOv10: Gerçek dünya performansı için optimize edildi#

Çin'den panele uzaktan katılan Ao Wang, kendisini doktora öğrencisi olarak tanıttı. Başlangıçta yazılım mühendisliği eğitimi aldı, ancak yapay zekâya olan ilgisi onu bilgisayarlı görü ve derin öğrenmeye yöneltti.

Ünlü YOLO modeliyle ilk kez çeşitli yapay zekâ tekniklerini ve modellerini denerken karşılaştı. Hızından ve doğruluğundan etkilendi; bu da onu nesne algılama gibi bilgisayarlı görü görevlerini daha derinlemesine incelemeye teşvik etti. Ao Wang yakın zamanda YOLO modelinin yeni bir sürümü olan YOLOv10'a katkıda bulundu. Araştırması, modeli daha hızlı ve daha doğru olacak şekilde optimize etmeye odaklandı.

Üretken yapay zekâ ile Vision AI arasındaki temel fark#

Ardından panel, üretken yapay zekâyı tartışmaya başladı ve Jing Qiu, üretken yapay zekâ ile Vision AI'ın amaçlarının birbirinden çok farklı olduğunu belirtti. Üretken yapay zekâ metin, görüntü ve video gibi şeyler oluşturur veya üretirken Vision AI, var olanı, özellikle de görüntüleri analiz eder.

Glenn Jocher, boyutun da büyük bir fark olduğunu vurguladı. Üretken yapay zekâ modelleri çok büyüktür ve çoğu zaman modelin verilerden öğrenmesine yardımcı olan dahili ayarlar olan milyarlarca parametre içerir. Bilgisayarlı görü modelleri ise çok daha küçüktür. Şöyle dedi: “Elimizdeki en küçük YOLO modeli, en küçük LLM [Büyük Dil Modeli] modelinden yaklaşık bin kat daha küçük. Yani 3 milyon parametreye karşılık üç milyar.”

Şekil 2. YV24'te üretken yapay zekâ ve Vision AI panel tartışması.

Jing Qiu, üretken yapay zekâ ile bilgisayarlı görü eğitim ve dağıtım süreçlerinin de oldukça farklı olduğunu ekledi. Üretken yapay zekânın çalışması için çok büyük ve güçlü sunucular gerekir. Öte yandan YOLO gibi modeller verimlilik için tasarlanmıştır ve standart donanım üzerinde eğitilip dağıtılabilir. Bu da Ultralytics YOLO modellerini gerçek dünyada kullanım için daha pratik hâle getirir.

Farklı olmalarına rağmen bu iki alan iç içe geçmeye başlıyor. Glenn Jocher, üretken yapay zekânın Vision AI'a yeni gelişmeler kazandırarak modelleri daha akıllı ve verimli hâle getirdiğini açıkladı.

Üretken yapay zekânın bilgisayarlı görü üzerindeki etkisi#

Üretken yapay zekâ hızla ilerledi ve bu atılımlar, bilgisayarlı görü de dahil olmak üzere yapay zekânın diğer birçok alanını etkiliyor. Şimdi panelden bu konuyla ilgili bazı ilgi çekici bilgileri ele alalım.

Donanım gelişmeleri yapay zekâ inovasyonlarını mümkün kılıyor#

Glenn Jocher, panelin başlarında makine öğrenimi fikirlerinin uzun zamandır var olduğunu, ancak bilgisayarların bunları çalıştıracak kadar güçlü olmadığını açıkladı. Yapay zekâ fikirlerini gerçeğe dönüştürmek için daha güçlü donanımlar gerekiyordu.

GPU'ların (Grafik İşlem Birimleri) son 20 yılda paralel işleme yetenekleriyle yükselişi her şeyi değiştirdi. GPU'lar, yapay zekâ modellerinin eğitimini çok daha hızlı ve verimli hâle getirerek derin öğrenmenin hızla gelişmesini sağladı.

Günümüzde TPU'lar (Tensor İşleme Birimleri) gibi yapay zekâ çipleri ve optimize edilmiş GPU'lar, daha büyük ve karmaşık modelleri işlerken daha az güç kullanıyor. Bu da yapay zekâyı gerçek dünya uygulamalarında daha erişilebilir ve kullanışlı hâle getirdi.

Her yeni donanım iyileştirmesiyle hem üretken yapay zekâ hem de bilgisayarlı görü uygulamaları daha güçlü hâle geliyor. Bu gelişmeler, gerçek zamanlı yapay zekâyı daha hızlı ve verimli kılıyor ve daha fazla sektörde kullanıma hazır hâle getiriyor.

Üretken yapay zekâ nesne algılama modellerini nasıl şekillendiriyor?#

Jing Qiu'ya üretken yapay zekânın bilgisayarlı görüyü nasıl etkilediği sorulduğunda, Transformer'ların—yapay zekânın bir görüntünün en önemli kısımlarına odaklanmasına yardımcı olan modellerin—yapay zekânın görüntüleri anlama ve işleme biçimini değiştirdiğini söyledi. İlk büyük adım, bu yeni yaklaşımı nesne algılama için kullanan DETR (Detection Transformer) oldu. Doğruluğu artırdı, ancak bazı durumlarda daha yavaş çalışmasına neden olan performans sorunları vardı.

Bunu çözmek için araştırmacılar RT-DETR gibi hibrit modeller oluşturdu. Bu modeller, Evrişimli Sinir Ağları (CNN'ler; görüntülerden özellikleri otomatik olarak öğrenip çıkaran derin öğrenme modelleri) ile Transformer'ları birleştirerek hız ve doğruluk arasında denge kurar. Bu yaklaşım, Transformer'ların avantajlarından yararlanırken nesne algılamayı hızlandırır.

İlginç bir şekilde YOLOv10, performansını artırmak için Transformer tabanlı dikkat katmanlarını (görüntüdeki en önemli alanları öne çıkarırken daha az ilgili ayrıntıları göz ardı eden, spot ışığı gibi çalışan model parçalarını) kullanır.

Ao Wang ayrıca üretken yapay zekânın modellerin eğitim biçimini nasıl değiştirdiğinden bahsetti. Maskeli görüntü modelleme gibi teknikler, yapay zekânın görüntülerden daha verimli öğrenmesine yardımcı olarak büyük ve elle etiketlenmiş veri kümelerine olan ihtiyacı azaltıyor. Bu, bilgisayarlı görü eğitimini daha hızlı ve daha az kaynak gerektiren bir süreç hâline getiriyor.

Üretken yapay zekâ ile Vision AI'ın geleceği#

Panelde tartışılan bir diğer önemli fikir, daha yetenekli modeller oluşturmak için üretken yapay zekâ ile Vision AI'ın nasıl bir araya gelebileceğiydi. Glenn Jocher, bu iki yaklaşımın farklı güçlü yönleri olsa da bunları birleştirmenin yeni olanakların önünü açabileceğini açıkladı.

Örneğin YOLO gibi Vision AI modelleri, nesneleri tanımlamak için çoğu zaman bir görüntüyü ızgaraya böler. Izgara tabanlı bu yöntem, dil modellerinin hem ayrıntıları tam olarak belirleme hem de bunları açıklama becerisini geliştirmesine yardımcı olabilir; bu, günümüzde birçok dil modelinin karşılaştığı bir zorluktur. Esasen bu tekniklerin birleştirilmesi, gördüklerini doğru şekilde algılayıp açıkça açıklayabilen sistemlere yol açabilir.

Şekil 3. Üretken yapay zekâ ve Vision AI'ın geleceği. Görselin sahibi: yazar.

Önemli çıkarımlar#

Üretken yapay zekâ ve bilgisayarlı görü birlikte ilerliyor. Üretken yapay zekâ görüntüler ve videolar oluştururken, Vision AI modellerini daha doğru ve verimli hâle getirebilecek yeni ve yenilikçi fikirler sunarak görüntü ve video analizini de geliştiriyor.

Bu bilgilendirici YV24 panel sohbetinde Glenn Jocher, Jing Qiu ve Ao Wang bu teknolojilerin geleceği nasıl şekillendirdiğine dair düşüncelerini paylaştı. Daha iyi yapay zekâ donanımlarıyla üretken yapay zekâ ve Vision AI gelişmeye devam ederek daha büyük yeniliklere yol açacak. Bu iki alan, günlük yaşam için daha akıllı, daha hızlı ve daha kullanışlı yapay zekâ oluşturmak üzere birlikte çalışıyor.

Vision AI hakkında daha fazla bilgi edinmek için topluluğumuza katıl ve GitHub depomuzu keşfet. Bilgisayarlı görü projelerine başlamak için lisanslama seçeneklerimize göz at. Üretimde yapay zekâ veya otonom araçlarda bilgisayarlı görü gibi yeniliklerle ilgileniyor musun? Daha fazla bilgi edinmek için çözümler sayfalarımızı ziyaret et.