LÜTFİ ABAY YAPAY ZEKA VE ROBOTİK LABORATUVARI

 

Yapay zekâ kavramı ilk olarak Alan Turing’in “Makineler Düşünebilir mi?” sorusuyla gündeme gelmiştir. John McCarthy 1956’daki Dartmouth Konferansında ilk kez yapay zekâ terimini ortaya atmış ve önceleri az sayıda alanda kısıtlı kullanımı olsa da günümüzde robotik, doğal dil işleme, bilgisayarla görme, tıp gibi birçok alanda kullanılır hale gelmiştir. Yapay zekâ 1980’lerde makine öğrenmesinin ortaya çıkması ile birlikte popülerlik kazanmaya başlamıştır. Şu anda ise büyük miktarda verilerin kolay elde edilebilir olması ve güçlü donanımların geliştirilmesi sonucu, konuşma tanıma, örüntü/görüntü tanıma ve otonom arabalar gibi nefes kesici yapay zekâ uygulamalarının geliştirildiğini görüyoruz. Dolayısıyla günümüzde yapay zekâ hızlanarak büyümekte ve her geçen gün biraz daha hayatımıza girmektedir.

Yapay zekâ konusunda yapılan araştırmalar sonucunda, her ne kadar uzun bir yol kat edilmiş olsa da önümüzde daha uzun bir yol var. Öyle ki halen günümüzdeki akıllı makinelerin hiçbiri insan zekasının genişliğine ve derinliğine erişememektedir. Dolayısıyla SBTÜ ailesi olarak temel hedefimiz , insanların daha iyi, daha güvenli, daha üretken ve daha sağlıklı yaşam sürmelerine yardımcı olacak yapay zekâ algoritmalarının ve sistemlerinin geliştirilmesine katkıda bulunmaktır.

LABARATUVARIMIZDA YÜRÜTÜLEN ÇALIŞMALAR

Genişlemekte olan akademik kadromuz ile beraber aşağıda listelenen konularda çalışmalar yapılmaktadır.

1. Makine öğrenmesi

Makine öğrenmesinin temel bileşeni veridir. Yeterli sayıda veri bilgisayar tarafından işlenir ve özümsenir dolayısıyla bilgisayar yeni elde edilen verileri değerlendirme yeteneğini elde eder. Derin öğrenme, makine öğrenmesinin bir alt dalıdır ve daha karmaşık verilerin değerlendirilmesini sağlayan daha kapsamlı yapay sinir ağlarını konu almaktadır. Son yıllarda işlemcilerin de geliştirilmesi ile birçok yeni alanda (doğal dil işleme, video analizi, vs.) derin öğrenme uygulamaları geliştirilmiştir. Gelecekte de bu uygulama alanlarının genişlemesi ve bu alanlarda yapılan çalışmaların hızlanarak artışı beklenmektedir.

2.Doğal Dil İşleme

Yapay zekâ uygulamaları ile konuşma ve anlama konusunda oldukça başarılı sonuçlar elde edilebilmektedir. Bilgisayarlar bir konuşmayı dinleyebilir ve bu konuşmada geçen kelimelerin ve cümlelerin anlamlarını öğrenebilir. Fakat insanların doğal konuşma dilini (hata içeren) anlamak çok daha zorlu bir işlemdir. Bu yüzden doğal dil işleme yapay zekâ araştırmalarının en aktif olduğu alanlardan biridir.

3.Bilgisayarlı Görü

İnsanlar gözleriyle bakarlar ama beyinleriyle görürler. Bilgisayarlı görü ise piksellerin tek tek işlenerek kavramlar oluşturması ve bunların bir araya getirilerek bir konsept oluşturulmasıdır. Bilgisayar görmesi uzun yıllar boyunca araştırmacılar tarafından çalışılmaktadır. 2009 yılında ImageNet veri seti geliştirilmesi ve sinir ağlarının kullanılması ile birlikte nesnelerin sınıflandırılması neredeyse insanlar gibi sağlanmıştır. Bir sonraki gelişim bir resimdeki çoklu nesnelerin tespitidir. Örneğin bir resimde bulunan arabaların marka ve model ve üretim yıllarına kadar tanımlanması sağlanabilmektedir. Bir sonraki adım bilgisayarın bir resimdeki ilişkiyi ortaya çıkarmasıdır. Örneğin bir resimden, “Kedi masanın üstünde ayakta.” veya “Kedi yatakta bilgisayarın yanında yatıyor” gibi cümleler veya hikâyeler oluşturabilmesidir. Bir sonraki adımın daha komplike algoritmaların geliştirilmesi ile 3 boyutlu karmaşık gerçek dünya sahnelerinin öğrenilmesi olması beklenmektedir.

4.Robotik

Temel olarak robotik alanında yapay zekâ, insanlar gibi fiziksel olarak hareket eden, iletişim kuran ve insan davranışlarını yapabilen makineler inşa etmeye çalışılan uygulamalarda kullanılmaktadır. Dolayısıyla bilgisayar bilimlerinin yanı sıra makine mühendisliği, elektrik elektronik mühendisliği gibi mühendislik alanlarını ve ayrıca psikoloji gibi sözel alanları da kapsamaktadır. Robotik uygulamaları savunma sanayi, endüstri sanayisi ve sağlık gibi oldukça geniş yelpazede kullanılmaktadır. Robotların kendi tecrübelerinden ve diğer robotların tecrübelerinden öğrenmesi hedeflenmektedir. Örneğin bir robota bir nesne taşıması söylendiğinde, robotun çevresini gözlemlemesi ve etrafta dolaşan insanlar gibi ortam değişikliğine uyum sağlaması beklenmektedir.

5.Otonom Araçlar

Sürücüsüz arabalar, uçaklar, tekneler vb. yakın gelecekten itibaren insanların hayatlarını ve çevremizi derinden değiştirecek. Araştırmacılar ise insan davranışları nedeniyle sürekli olarak değişen bir ortamda otonom araçların güvenli bir şekilde nasıl çalışabileceklerini araştırıyorlar. Otonom araçlar bazı kısıtlamalar ile beraber bazı bölgelerde yollara çıktı fakat yayaların, bisikletlerin olduğu şehir içi trafikte güvenli bir şekilde yollara çıkabilmeleri için hala yeterli seviyede değiller. Öyle ki saatte 100 km veya daha fazla yol kat eden ve 1-3 ton ağırlığında bir robotun kontrolü kolay bir görev değildir. Otonom araçlar robotik, bilgisayar görmesi, insan bilgisayar etkileşimi, makine öğrenmesi ve karar verme gibi birçok alanı ilgilendiren araştırmacıların birlikte çalışmasını gerektirmektedir.

6.Çok-Ajanlı Otonom Sistemler

Çok-ajanlı otonom sistemler, temel olarak İHA sürüleri gibi birden çok otonom sistemin ortak bir hedef doğrultusunda hareket etmesi olarak özetlenebilir. Araştırma konusu olarak çok-ajanlı otonom araçların birbiri ile iletişimi nasıl olacak, nasıl ortak hareket edecekler, yol ve güzergâh planlaması gibi eylemlerin yapay zekâ yardımı ile gerçekleştirilmesini kapsamaktadır. Tabii ki tüm bu işlemler ve daha fazlasının gerçek zamanlı olarak hesaplanması ve uygulanması gerekmektedir.

7.Otonom Uzay Araçları

Dünya koşullarından farklı koşullarda faaliyet göstermekte olan uzay araçlarının görev esnasında hasar almaması ve çalışır durumunu koruması büyük önem arz eder. Uzayda bulunan insan kontrolü hareket eden cisimlerin çarpma tehlikesi, görev yapılacak gezegenin yer çekimi kuvveti gibi Dünya’dan farklılık gösteren koşulları her bir görevin ayrı bir titizlikle yerine getirilmesini gerektirmektedir. Otonom uzay araçlarından temel olarak, bu koşullara uyum sağlayabilmesi görevini bu koşullara rağmen başarılı bir şekilde yerine getirmesi beklenmektedir. Otonom uzay araçları özellikle, uçuşu planlama, çarpışma önleme, yörünge planlama, gezegenlere otonom iniş gibi alanlarda kullanılmaktadır. Bu kapsamda makine öğrenme teknikleri ve pekiştirmeli öğrenme tekniği araştırılacak ve geliştirilecektir.

8.SLAM (Eş Zamanlı Konum Belirleme ve Haritalama)

Otonom araçlarda haritalama, görüntüleme ve engel teşhisi gibi uygulamalarda yaygınca kullanılan lazer mesafe ölçer mantığına dayanan LIDAR sisteminin laboratuvarımıza entegre edilmesi büyük önem taşımaktadır. 2D ve 3D görüntüleme yapabilen LIDAR sistemi otonom araçlar dışında tarım, su altı görüntüleme, hava kirliliği analizi ve yapı tünel modelleme gibi birçok uygulama alanına sahip olmasıyla birlikte günümüz savunma teknolojilerini bir adım daha ileriye taşımıştır. Bu kapsamda böyle bir sistemin laboratuvarımıza entegre edilmesi, disiplinler arası uygulamalara vesile olacak ve üniversitemizin uzmanlık alanı olan savunma teknolojilerinde yenilikçi projeler geliştirmemize vesile olacaktır. LIDAR uygulamalarına verebileceğimiz bazı örnekler:

9.IoT (Nesnelerin İnterneti)

Nesnelerin İnterneti kavramı yani IoT (Internet of Things) teknolojisi akıllı cihazların birbiriyle iletişime geçmesi ve haberleşmesidir. Günümüzde nesnelerin interneti küçük ev aletlerinden akıllı şehirlere kadar uzanmaktadır. Burada oluşan veriler ‘big data’ yani büyük veri olarak karşımıza çıkmaktadır. Büyük veri tüm dijital verilerin bir yerde toplanıp birikmesi sonucu oluşmaktadır. Buradaki veriler genel olarak yapay zekâ algoritmaları tarafından analiz edilip günlük hayatımızda birçok işimize yaramaktadır.

10.Veri Madenciliği ve Büyük Veri

Veri madenciliğinde yapay zekâ ve büyük veri teknikleri, sınıflandırma, planlama, tahmin, müşteri bilgilerini toplama ve analiz etme gibi çeşitli alanlarda yaygın olarak kullanılmaktadır. Günümüzde, veri artık her yerde dolayısıyla büyük miktarda üretilen bu verilerin işlenmesi ve anlamlı bilgi elde edilmesi oldukça önemlidir. Yapay zekâ genellikle bu tür verileri işlemek için kullanılmaktadır. Temel olarak, Yapay Zekâ ve alt dallarının tümü (örneğin Makine Eğilimi, Derin Öğrenme, Sinir Ağları) algoritma tabanlıdır. Bu algoritma yöntemleri, istenen sonuçları üretmek ve modelleri veya tahminleri bulmak için çok miktarda veri üzerinde çalışmaktadır. Dolayısıyla büyük veri üzerinde yapay zekâ yardımıyla insan hayal gücüyle yapılamayacak karmaşık analitik görevler hızlı bir şekilde yapılabilmektedir.

11.Yapay Zekanın Akışkanlar Mekaniğine Uygulanması ve Optimal Kontrol

Silindir sürüklenmesi ve modellenmesi gibi akışkanlar mekaniğindeki bazı özel problemlerdeki akışı modellemek ve optimize etmek için sinir ağları ve evrişim stratejileri kullanılmaktadır. Özellikle son yıllarda hızla artan hesaplama kapasiteleri ile birlikte hesaplamalı akışkanlar dinamiğinde yeni yaklaşımlar getirilmiştir. Laboratuvarımızda akış kontrolünün hesaplanmasında makine öğrenmesi algoritmalarının kullanılması yönelik çalışmalar yapılacaktır.

12.Genomik ve Sağlık

Genomik, tıp biliminin bilgisayar bilimi ile buluşmasıdır. Yapılan çalışmalarda gen dizilerinin normalden sapmaları, hipertansiyondan uyku apnesine kadar hastalıklarla ilişkili olduğu görülmüştür.  Yapay zekanın genomik uygulamaları bu hastalıklara neden olan gen dizilerinin tespiti gibi sayısız katkılar sağlamaktadır.

13.Diğer Alanlar

Yapay zekâ uygulamaları artık her alanda kullanılmaktadır. İlerleyen dönemlerde farklı alanlarda da çalışmalar yapılması planlanmaktadır. Aşağıda ilerleyen dönemlerde çalışılması planlanan diğer konular verilmiştir.