Təşəkkür edirik! 24 saat ərzində sizə geri dönüş ediləcək

Süni neyron şəbəkələr əsasında işləyən proqramlar bu günə kimi mükəmməl fəaliyyətə nail olmayıb və bir çox məsələləri həll etmək qüvvəsində deyillər. Gələcəkdə IT mütəxəssislərin robotlarla əvəz olunmaqları ilə bağlı indiki zamanda fikirlər müxtəlifdir, lakin qeyd etmək olar ki, bəzi məsələləri bölərək daha sürətli həll etmək üçün süni intellekt əsasında işləyən alətlərdən faydalanmaq mümkündür. Bu dəfə qrafik dizayn sahəsinə aid olan ən maraqlı və faydalı vasitələrdən danışacam.

Süni neyron şəbəkələri

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.

Oxuyanlar: 1,887

Tarıqulu Xasizadə

Bakalavr təhsilini Qafqaz Universitetində aldıqdan sonra, Magistr dərəcəsini Budapeşt Biznes Məktəbində tamamlamışdır. Hazırda BP şirkətində Business Insights SME olaraq çalışır.

Süni neyron şəbəkələr və qrafik dizayn

Süni neyron şəbəkələr əsasında işləyən proqramlar bu günə kimi mükəmməl fəaliyyətə nail olmayıb və bir çox məsələləri həll etmək qüvvəsində deyillər. Gələcəkdə IT mütəxəssislərin robotlarla əvəz olunmaqları ilə bağlı indiki zamanda fikirlər müxtəlifdir, lakin qeyd etmək olar ki, bəzi məsələləri bölərək daha sürətli həll etmək üçün süni intellekt əsasında işləyən alətlərdən faydalanmaq mümkündür. Bu dəfə qrafik dizayn sahəsinə aid olan ən maraqlı və faydalı vasitələrdən danışacam.

Tipoqrafika
Fontmap – süni intellekt ilə hazırlanmış interaktiv şrift xəritəsidir. Alətin yaradıcısı Kevin Xo öz işində süni neyron şəbəkəsi ilə şəkillər xəritəsini tətbiq edən Stenfordun tədqiqatçısından ilhamlanıb. Kevin öz bloqunda yazır ki, şəkillər ilə eksperiment süni neyron şəbəkələrinin nə qədər faydalı olduğunu göstərərək, süni intellektin dizayn prosesində tətbiq olunması ilə bağlı düşünməyə vadar edib və beləliklə şrift uyğunlaşdırma seçimi alətini kəşf edib.

Kevinin fikirinə görə yeni layihələr üçün dizaynerlər adətən eyni şriftlər istifadə edirlər və onları sadə kateqoriyalar ilə seçirlər, həmin kateqoriyalar arasında böyük fərqlilik spektri mövcud olduğu üçün seçilən bir şrift digəri ilə nəticədə uyğun görünməyə bilər, o zaman Kevin Google Creative Lab ilə əməkdaşlıqda Fontmap proqramını tətbiq edib. Süni neyron şəbəkələr əsasında hazırlanan proqram şriftləri vizual xüsusiyyətlərə görə çeşidləyir və uyğun olanları istifadəçiyə təqdim edir. Hazırda Fontmap bazasında 750-ə yaxın şrift mövcuddur.

İllüstrasiya
Autodraw – Google tərəfindən tətbiq olunan rəsm alətidir. Proqram süni intellektin əsasında, əl ilə çəkilən eskizi hazır illüstrasiyaya çevirməyi bacarır və ikonların daha tez hazırlanmasına kömək edir. Proqram rəsmi analiz edərək, onun növünü təyin edir və ən uyğun hesab etdiyi bir neçə oxşar ikonları təqdim edir, istifadəçinin isə onların arasında seçim etmək imkanı olur. Bəzi hallarda proqram yanlış nəticələr təqdim edir, amma onun daha dəqiq işləməsi, bizim bu alətdən nə qədər çox istifadə etməyimizdən asılıdır.

Şəkil
Let’s Enhance – aşağı keyfiyyətli şəkillərin keyfiyyətini artırmağa kömək edir. Onun yaradıcısı Aleksandr Savsunenko uzun müddət süni neyron şəbəkələri ilə işləyib. Sayt üçün ideyanı tapmaqda Aleksandra atası kömək edib. O, kaminlərin, saunaların və onlara aid olan aksesuarların satışı ilə məşğul olur və məhsulları müxtəlif ölkələrdən gətizdirir. Çində istehsal olunan məhsulların şəkil keyfiyyəti isə AliExpress-dən məlumdur.

O zaman Aleksandr Vladislav Pranskevicius ilə birgə “Let’s Enhance” platformasını yaratdı. Alət şəkillərdən jpeg-artefaktlarını qaldırır, ölçüsünü 4 dəfə böyüdür, xırda qüsurları bərpa edir və şəkillərin aydınlığını artırır.

RemoveBG Düşünürəm alətin adı elə özü haqqında məlumat verir, bu alət şəklin fon hissəsini silməyə kömək edir. Baxmayaraq ki, mən əl ilə (qrafik proqramların alətləri və qrafik planşet ilə) həll etməyə daha çox üstünlük verirəm, bir çox halda RemoveBG kifayət qədər prosesi asanlaşdırmağa kömək edir və şəkli yükləməkdən başqa heç bir əlavə əməliyyat tələb etmir.

Baxmayaraq ki, proqram fonu və obyekti təyin etməkdə bəzən səhvlər edir, amma saçlar kimi xırda və nazik materialları təyin edərək ayırmağı kifayət qədər yaxşı həll edir. Proses bitəndən sonra şəffaf fon ilə png şəkli yükləmək mümkün olur, hansı ki, həmin an redaktora daxil edib işə davam etməyə kömək edir.

Image Inpainting – NVDIA şirkətinin tədqiqatçıları tərəfindən süni intellekt əsasında hazırlanan proqram, şəkillərin qüsurlarını düzəltməyə və silinən hissələri bərpa etməyə kömək edir. Image Inpainting adlanan alət, 2000-ci illərdə Adobe Photoshop CS5 proqramında tədbiq olunan əlavəyə bənzəyir.

Baxmayaraq ki, proqram 55.116 fərqli forma və xətlərdən ibarət olan şəkil hissələri ilə təmin olunub, texnologiyanın dəqiqliyi 25.000 şəkil hissəsi əlavə olunandan sonra təsdiqlənib.

Aydentika
Düşünürəm gələcəkdə süni neyron şəbəkələri ilə vizual brendinqin elementlərini hazırlamaq kifayət qədər məşhur alət olacaq. Elə indiki zamanda da bəzi alətlərin köməyi ilə əlavə olunan məlumatın əsasında loqotip hazırlayan proqramlar mövcuddur.

Təxmin etmək olar ki, bəzi şirkətlər indiki zamanda da süni neyron şəbəkələri əsasında aydentikanın hazırlanmasını təcrübədən keçirirlər.

«Полированный бетон» şirkətinin loqotipi

«Лови лаваш» kafesinin loqotipi

«Пельменей ванлав» şirkətinin loqotipi (altında xırda yazı)

Düşünürəm ki, bu işlərin müəyyən dərəcədə süni intellekt ilə hazırlanmasını təxmin etmək olar. Bu məsələdə əlbəttə ki, tamamilə alqoritmlər əsasında hazırlanan işlər nəzərdə tutulmur, insan və süni neyron şəbəkələrin birləşmiş işi nəzərdə tutulur.

Artemiy Lebedev Studiyası uzun müddət süni neyron şəbəkələri ilə fərqli eksperimentlər keçirir, studiyada hazırlanan ağ-qara şəkilləri rəngli edən proqramı misal gətirmək olar. Kolor-monoxrom şəkilləri alqoritmlər əsasında avtomatik rəngli edir. vc.ru üçün verilən müsahibələrin birində Artemiy Lebedev deyib ki, dizaynerlərin ixtisası başqa bir şeyə çevrilmək sərhədindədir və onun studiyası həmin istiqamətdə irəliləməyə çalışır. Onun fikirlərinə görə gələcəyin dizaynerləri tamamilə başqa biliklərə malik və ümumilikdə texlonoqlara daha yaxın olacaqlar. Həmçinin, o, qeyd edib ki, dizayner emosiyalara və ağıla cavabdeh olacaq və başqa hər şeyi alqoritmlar həll edəcək.

Böyük ethimal, yuxarıda sadalanan proqramlar gələcəkdə artıq demo və eksantrik alətlər kimi qəbul olunmayacaq, onlarla indi istifadə və gələcəkdə istifadə edilən qrafik proqramlar təmin olunacaq, çünki süni neyron şəbəkələrinin ən böyük üstünlüyü müəyyən bir iş prosesini sürətləndirməyə kömək etməyindədir.