Feysbuk, Casual Conversations İsimli Veri Setini Yayınladı
Feysbuk, suni zeka algoritmalarının ten rengi, yaş ve cinsiyetleri tespit etme ve değişik koşullarda aynı performansı sunabilme noktasında ne durumda olduklarının kontrol edilmesinde kullanılabilecek 10 TB’lık bir veri seti yayınladı. Bu veri seti, makine öğrenimi ve suni zeka alanında çalışan araştırmacıların projelerini geliştirmelerine destek olacak.
Suni zekaların kullanımı, artık günlük hayatımızın neredeyse her anına birlikte rol alır durumda. Kullandığımız telefonları, evlerimizi, baktığımız tüm ekranları giderek daha akıllı hale getiren suni zeka, tesir alanının hızla artmasını her geçen gün gelişen yetkinliklerine borçlu. Suni zeka algoritmaları geliştiren araştırmacıların en mühim problemlerinden biri ise bilhassa ses ve görüntü tanıma noktasında değişik koşullarda ve değişik insanlarda eşit derecede başarıya ulaşmış sonuçlar elde edebilme durumu.
Feysbuk da bugün, tam da bu mevzuda araştırmacılara destek olacak yeni bir veri seti yayınladı. Casual Conversations adı ile gösterilen 10 TB’lik veri setinde 3011 katılımcıdan alınmış toplamda 45 bin dakikalık videolar var. Değişik ten rengi, yaş ve cinsiyetten kişilerden, izinleri doğrultusunda anlaşmalı olarak toplanan bu veriler, suni zeka algoritmalarının geliştirilmesi noktasında kullanılabilecek.
Veri setinin katılımcı çeşitliliğinin gelecekte artırılması hedefleniyor:
Veri setinin yayınlanmasının temel amacı, suni zekanın her renkten, her yaştan ve her cinsiyetten insana eşit davranıp davranmadığını kontrol ederek bu aşamada gelişmesine destek olmak. Feysbuk AI Red Team‘in araştırma yöneticisi Cristian Canton, geliştiricilerin bu veri setinden tam olarak iyi mi yararlanacaklarını anlatmak için bir Feysbuk Portal örneği kullanmış. Feysbuk’un bilhassa görüntülü görüşmelerin standardını çoğaltmak için geliştirdiği ve sonrasında yeni özellikler ile sağlamlaştırdığı Portal, akıllı kamerası yardımıyla büyük kullanım kolaylıkları sunuyor.
Canton, örneğinde ise durumu şöyleki özetliyor: “Portal cihazını düşünün. İçinde insanları izleyen bir kameramız var. Bugün bu teknolojiyi geliştiren mühendis olsaydım, kapsayıcı olduğundan güvenilir olmak için yayınladığımız bu veri kümesini alıp portaldaki seyretme algoritması vasıtasıyla çalıştırabilir; nerede iyi performans göstermediğini ölçebilirdim. Mesela, belli bir yaş, renk yada cinsiyetteki bir şahıs için düşük ışıkta işe yaramadığını fark edebilirdim O vakit algoritmamın belirli bir alt grup için eksikliği bulunduğunu anlardım.”
Ekip bununla beraber veri setinin çeşitliliğini çoğaltmak için gelecekte dünyanın değişik ülkelerinden kişileri içeren bir emek harcama da yapmayı hedefliyor. Böylelikle suni zeka algoritmalarının tüm insanoğlu için eşit seviyede performans sunabilmesi amaçlanıyor.
