İnsanoğlu olarak biz, her şeyi programlayarak çözemeyiz. Bunun için ne yeterli zamana ne de işgücüne sahibiz. Bu yüzden makinelerin, bizim onlara teslim ettiğimiz verileri inceleyerek kendi kendilerine bir şeyler öğrenebilir hale gelmeleri gerekiyor. Fikir güzel ama bu, çok ama çok zor bir süreç.
ABD’nin California eyaletindeki San Jose şehrinde, GPU Teknolojileri Konferansı’nın açılış konuşmasındayız. Kocaman sahneye birdenbire bir Audi otomobil giriyor, birkaç metre ilerledikten sonra sahnedeki adamların önünde duruyor. Sahnede duran iki adamdan biri, NVIDIA CEO’su Jen-Hsun Huang. Otomobilin içinde şoför yok. Binlerce kişinin önünde sahneye çıkan bu sürücüsüz otomobilin kalbinde NVIDIA’nın grafik işlemcileri var.
Bilgisayarlar modern yaşamımızı oluşturan her şeyin temelini atan cihazlar olmalarına rağmen bundan birkaç yıl öncesine kadar, grafik teknolojileri dendiğinde aklımıza sadece oyunlar geliyordu. Bilgisayarların büyük hesaplamaları yapmak için ihtiyaç duyduğu işlem gücü, kısaca “işlemci” dediğimiz merkezi işlem birimiyle (CPU) sağlanıyordu.
Son yıllarda CPU’lardan çok daha hızlı şekilde gelişen grafik işlemciler (GPU) artık birçok bilim insanının işlemci tercihini oluşturuyor. GPU’ların en çok kullanıldığı alanlardan biri de “makine öğrenimi” (machine learning).
Makine öğreniminde bilgisayarların insan sinir sistemine benzer şekilde çalışması amaçlanıyor. Tıpkı sinir hücrelerimizden oluşan sinir ağımız gibi yapay bir sinir ağı oluşturuluyor ve bir şeyi “öğrenmek” gibi sinir hücreleri arasında bağlantılar kuruluyor.
Google’ın birkaç yıl önce başladığı gizli projelerinden biri Google Brain adını taşıyordu. Google mühendisleri 1.000 sunucuyu (16 bin çekirdek) kullanarak 10 milyon 200×200 piksel çözünürlüğündeki görüntüyü tarayarak 1 milyar “bağlantı” oluşturdu. Bu işlem 3 gün sürdü. Proje, Google’a 5 milyon dolara mal oldu. Sonuç mu? Google artık, YouTube videolarında kedi suratlarını tanımayı öğrenmişti.
Epey pahalıya mal olan bu deney bugün GPU temelli sadece 3 sunucuyla, 33 bin dolar maliyetle gerçekleştirilebiliyor. Bilim insanları için çığır açan bir gelişme bu.
NVIDIA’nın yeni teknolojileri sayesinde bu süreçler atık “deney” olmaktan çıkıp, çok kısa süre içinde hayatlarımıza girmeye başlayacak. NVIDIA’nın CUDA çekirdeklerini kullanarak farklı alanlarda makine öğrenimini hayata geçiren teknoloji devleri arasında Adobe, IBM, Flickr, Yandex, Baidu gibi isimler var. Örneğin Baidu, inanılması güç ama, gerçek zamanlı sesli çeviri üzerinde çalışıyor. Üstelik bunu, çoğu kişinin aklına gelmeyeceği biçimde, NVIDIA’nın grafik işlemcileriyle yapıyor. Görünen o ki Otostopçunun Galaksi Rehberi’yle bilimkurgu evrenimize giren Babil balığı da yakında gerçek olacak.
0 yorum