Yapay Görme, Galaksiler Çalışmasını Nasıl Yeniden Keşfediyor?

Galaxy Zoo, Web'deki en dikkat çekici kitle kaynaklı bilim projelerinden biridir. 2007'den beri, neredeyse bir milyon galaksinin görüntülerini sınıflandırmak için dünya çapında yarım milyondan fazla vatandaş bilim insanının yardımına alındı.



Bu çaba, galaksi oluşumu anlayışımızda devrim yaratma sürecindedir. Galaksilerin şekilleri, boyutları ve renkleri, yaşlarının, oluştukları koşulların ve milyarlarca yıl boyunca diğer galaksilerle olan etkileşimlerinin sonucudur.

Bu nedenle, gökada türlerinin ayrıntılı bir sınıflandırması, bu cisimlerin kökenlerini ayırt etmek için çok önemlidir. Gerçekten de Galaxy Hayvanat Bahçesi, Sloan Dijital Gökyüzü Araştırması olarak bilinen bir proje tarafından fotoğrafı çekilen 900.000 galaksiyi sınıflandırma sorununa bir çözüm olarak tasarlandı.





Bu, makine zekası için ideal gibi görünüyor. Ancak galaksileri sınıflandırma görevi insanlar için nispeten basit olsa da, her zaman makine görme teknolojisinin erişiminin ötesinde olmuştur. Şimdiye kadar.

Son birkaç yılda, derin evrişimli sinir ağları adı verilen bir teknikteki büyük ilerlemeler, birçok görevde makine görüşünü insan görüşüne eşit hale getirdi. Örneğin, geçen yıl ya da öylesine derin evrişimli sinir ağları yüz tanıma konusunda insanlar kadar iyi hale geldiler , bilgisayar bilimcilerini onlarca yıldır şaşırtan bir problem.

Yüz tanıma ile karşılaştırıldığında, galaksi sınıflandırması çocuk oyuncağı olmalıdır. Ve böylece ortaya çıkıyor. Bugün, Belçika'daki Ghent Üniversitesi'nden Sander Dieleman ve birkaç arkadaş, çok çeşitli galaksileri doğru bir şekilde sınıflandırabilen evrişimsel bir sinir ağını mükemmelleştirdiklerini söylüyorlar; bu, Galaxy Zoo'nun şu anda yaptığı işlerin çoğunu otomatikleştirmeyi vaat eden bir başarı.



Dahası, yapay görme yaklaşımı kitle kaynak kullanımından daha etkili bir şekilde ölçeklenir, bu da bilgisayarların dünyadaki ve uzaydaki gözlemevlerinin önümüzdeki yıllarda üretmeye hazır olduğu yüz milyonlarca galaksi görüntüsünü analiz edebilmesi gerektiği anlamına gelir.

Yapay görme, iki ayrı faktör nedeniyle son yıllarda önemli ölçüde iyileşmiştir. İlki, daha etkili evrişimli sinir ağları ve daha hızlı bilgisayarlar gibi teknolojideki gelişmeleri içerir.

İkincisi, yeni kitle gücü olgusu sayesinde büyük eğitim veri kümelerinin birdenbire kullanılabilir hale gelmesidir. Galaksi sınıflandırması için bu eğitim veri seti, yüz binlerce insanın galaksilerin açıklamalı görüntülerine sahip olduğu Galaksi Hayvanat Bahçesi sürecinin kendisinden gelir.

Bu devasa veri seti çok önemli. Bilgisayar bilimcileri bu tür açıklamalı veri kümelerini belirli özellikleri tanımak için sinir ağlarını eğitmek için kullanırlar - bu durumda bir galaksinin düz ve yuvarlak olup olmadığı, merkezde bir çubuğun olup olmadığı, merkezin bir çıkıntısı olup olmadığı veya herhangi bir işaret olup olmadığı. spiral kol desenleri vb.



asal ve bileşik sayı oyunu

Bunlar tam olarak kalabalığın Galaxy Zoo veri setinde yanıtladığı sorular. Bu nedenle, bir evrişimli sinir ağını eğitmek için bir veri örneğini almak nispeten basittir. Dieleman ve ekibi, bu görev için yaklaşık 60.000 açıklamalı resim seçiyor.

Bu, modern standartlara göre nispeten küçük bir eğitim veri setidir. Boyutunu artırmak için, her bir görüntüyü merkezlemeyi değiştirerek, bir ayna görüntüsü oluşturmak için ters çevirerek ve hepsinden öte, sinir ağının galaksilerin dönme simetrisinden yararlanmayı öğrenmesi için döndürerek değiştirdiler.

Bu son derece önemlidir çünkü bir galaksinin sınıflandırması, görüldüğü yöne bağlı olmamalıdır. Bu değişmezlik özelliğini yakalamak çok önemlidir.

Dieleman ve ekibi daha sonra bu veri setini galaksilerin şeklini ve yapısını tanımak, kaç tane sarmal kol olduğu, bunların ne kadar sıkı sarıldığı, galaksi hakkında garip olan şeyler gibi soruları yanıtlamak için bir evrişimsel sinir ağını eğitmek için kullanırlar. insanların zaten cevaplamış olduğu aynı sorular). Ağları, her biri daha yüksek seviyeli özellikler için verileri etkili bir şekilde filtreleyen yedi katmandan oluşur.

Ekip daha sonra, açıklama eklenmemiş 80.000 görüntüyü daha değerlendirmek için eğitimli ağı kullanır ve ardından sonuçları insan sınıflandırmasının doğruluğuyla karşılaştırır.

hedeflenen bireyleri takip eden çete

Sonuçlar etkileyici. Dieleman ve arkadaşları, çoğu sınıflandırma için insanlar ve makineler tarafından elde edilen doğrulukların karşılaştırılabilir olduğunu söylüyor. Dönme simetrisinden yararlanmaya yönelik yeni yaklaşımımız, son teknoloji ürünü performansı elde etmek için gerekliydi, belirtiyorlar.

Ancak, kendi yapay görme sınıflandırmalarının insan sınıflandırmasından daha iyi olduğunu doğrudan söylememeye özen gösteriyorlar. Bu çağrı kaçınılmaz olarak diğer gözlemcilere bırakılacaktır. Söyledikleri, yapay görmenin uzmanların işini kolaylaştıracağıdır. Bu yaklaşım, doğruluğu etkilemeden uzmanların iş yükünü büyük ölçüde azalttığı sonucuna varıyorlar.

En önemli ilerleme, bu tekniğin kitle gücünden çok daha etkili bir şekilde ölçeklenebilmesidir. Sonuçta, evrişimli sinir ağları 7/24 çalışabilir ve asla yorulmaz. Dieleman ve diğerleri, bu algoritmaların daha büyük eğitim verisi kümelerine uygulanmasının, gelecekteki anketlerin sonuçlarını analiz etmek için kritik olacağını söylüyor.

Gerçekten de, yalnızca katı bir şüpheci, bu tekniğin yakın gelecekte galaksilerin sınıflandırılma şeklini değiştirmeyeceğini söyleyebilir.

Bu, insanların galaksi sınıflandırma sürecinden dışlanacağı anlamına gelmez. Ne münasebet. Bu tür otomatik çalışma, eğitim veri setinin kalitesine büyük ölçüde bağlıdır. Bu nedenle, gökbilimciler galaksiler hakkında farklı sorular sormak ve bunları yanıtlamak için makine vizyonunu kullanmak istiyorlarsa, önce insanlar tarafından doğru bir şekilde açıklanmış büyük bir eğitim veri seti oluşturmaları gerekecek.

Dolayısıyla kitle gücünün rolü değişmeye ve bir anlamda daha da önemli hale gelmeye hazırlanıyor. Gelecekte vatandaş bilim adamları, yapay görme algoritmalarının görevlerini öğrenmek için kullanacağı altın standart eğitim veri kümelerini üretecekler.

Bu önemli bir iş olacak ve bir süre daha devam edecek gibi görünüyor. En azından, yeni nesil akıllı makineler bu adımı bile ortadan kaldırana kadar.

Referans: arxiv.org/abs/1503.07077 : Galaksi Morfolojisi Tahmini İçin Dönme Değişmeyen Evrişimli Sinir Ağları

saklamak

Gerçek Teknolojiler

Kategori

Kategorize Edilmemiş

Teknoloji

Biyoteknoloji

Teknoloji Politikası

İklim Değişikliği

İnsan Ve Teknoloji

Silikon Vadisi

Bilgi Işlem

Mit Haber Dergisi

Yapay Zeka

Uzay

Akıllı Şehirler

Blok Zinciri

Özellik Hikayesi

Mezun Profili

Mezun Bağlantısı

Mit Haber Özelliği

1865

Benim Görüşüm

77 Toplu Cadde

Yazarla Tanışın

Cömertlik Içindeki Profiller

Kampüste Görüldü

Mezun Mektupları

Haberler

Seçim 2020

İle Indeksi

Kubbenin Altında

Yangın Hortumu

Sonsuz Hikayeler

Pandemi Teknoloji Projesi

Başkandan

Kapak Hikayesi

Fotoğraf Galerisi

Tavsiye