NEDİR BU MAKİNE ÖĞRENMESİ ?

  Geçtiğimiz yıllarda ortaya çıkan kiminin efsane, kiminin korkutucu bir gerçek olarak gördüğü, Facebook'un iki farklı yapay zekâ robotunun zamanla kendi aralarında anlamlandırılamayan bir dil ile iletişim kurmaya başlamasının haberini gören bir kesim, uzun zamandır içinde yaşadığı zamanın ruhunu sorgulamayı bırakmış, otomatik pilotta yaşamını sürdüren mevcut toplumdan ayrıldı ve teknolojinin son hâli, makine öğrenmesi gerçeğiyle yüzleşti. Bilgisayarların programlanmadan, öğrenerek gelişim gösteren, sınıflandırma üzerine kurulu, gelişmeye oldukça yatkın, veri tabanlı bir teknoloji olarak detaylandırılabilecek bu teknoloji, veri analizinin son aşaması olarak değerlendirilebilmek ile birlikte, sadece bilgisayarların öğrenmeyi öğrenmesi gibi yüzeysel bir biçimde de özetlenebilir. Makine öğrenmesinin temelindeki mantık, X kümesinden alınan bir veriden marjı en geniş hiperdüzlem seçilerek istenilen Y çıktısının elde edilmesi için bir model, algoritma üretilmesidir. Oluşturulan algoritmalar, modeller ve elde edilen verilerden yapılan tahminlere doğru adım adım ilerlemekte olan bir sistem oluşturulur. Bu sistem, sınıflandırma aşamasıyla birlikte kategorik ve numerik verilerin analizi gibi birçok farklı detay bilim ve teknolojiyi içermektedir.

"İnsanlar bilgisayarların çok akıllı hale gelip dünyayı ele geçireceğinden endişeleniyorlar, ancak asıl sorun çok aptal olmaları ve zaten dünyayı ele geçirmiş olmaları."  

                                                                                                                                -Prof. Pedro Domingos

  Günümüzde herkesin içinde olduğu fakat çok az kişinin gidişatı, oluşumu anlamlandırabildiği, oldukça ortada bir sır olarak kalmış bu teknoloji, ilerleyen süreçte yapay zekâ konusunda Stephen Hawking'in karamsarlığının mı, yoksa Elon Musk'ın iyimserliğinin mi haklı olduğunun cevabını verecek gibi görünüyor. Bu yanıt için günümüzde makine öğrenmesinin aradığı ve ihtiyacı olan şey ise veri tabanını sağlıklı bir biçimde oluşturabilmiş olmanın yanında, daha iyi analiz ve insana bağlılığın en aza indirgenmesi, kendi kendine yetebilme durumudur. Kaynaklarda sınıflandırılmış öğrenme yaklaşımları olarak da yer alan makine öğrenmesinde, veri kümelerinin belirli sınırlar içinde olması, analiz yöntemlerinin tam anlamıyla gelişememesi gibi durumlardan dolayı şimdilik sonuçlarda mükemmeli aramak yerine, muhtemeli, elbette istatistik biliminin yardımıyla, en iyi sonucu sağlamak için çabalamak daha mantıklıdır. Özellikle son dönemde dağınık sistemlerden veri toplamada çok farklı, ileri bir boyuta ulaşıldı. Örneğin veriler ile durmadan beslenen gelişmiş algoritmalar yardımıyla, fiziksel mekanizmaların daha kontrol edilebilir bir hale gelmesi, endüstri 4.0 devrimine doğrudan katkıda bulunmaktadır. Birbirine böylesine detaylıca bağlanmış ekosistemler bütünün ise ilerleyen süreçte inovatif, kendi performansını sürekli optimize edebilen bir ortam ile birlikte, zaman içerisinde insan hayatındaki en büyük problemleri dahi çözüme kavuşturmasının beklenmesi gayet doğal karşılanabilir.

Milyonlarcasının Arasından 3 Örnek Üzerine Yüzeysel Yaklaşım

• Sosyal hayata doğrudan müdahale, köşe yazısı yazan yapay zekâ

  Geçmişte yalnızca e-postaların gerekli ve gereksiz olarak sınıflandırılmasını sağlayabilen yapay zekâ artık örüntü tanımanın yeni zirvesine ulaştı ve siyaseti, kültürü ve daha nicesini doğrudan etkileyebilecek hale geldi. Guardian Gazetesi'nin 2020 Eylül ayında yayımlanan bir köşe yazısı, farklı köşe yazı örneklerinin sistemine okutulmasıyla öğrenebilen bir yapay zekâ tarafından yazıldı. Yazıyı yazan yapay zekâ modeli GPT-3 cümlelerinde ''Ben insan değilim. Robotum. Düşünen bir robot. Bilişsel kapasitemin yalnızca %0,12' sini kullanıyorum." ifadelerinin yer alması dahi teknolojinin ne kadar başında, ancak her ne kadar yavaş ilerlese de etkili bir dip dalga oluşturduğunu kanıtlar nitelikte. Söz dizimsel örüntüleri yenisini oluşturacak kadar tanımaya başlayan bu teknolojinin, ileride roman yazabilecek donanıma sahip olduğu vakit, doğrudan psikoloji üzerine çalışıp insanı ikna etme, iş modellerinin manipüle edilmesi gibi başlıklarda kullanılmaması için herhangi bir sebep yok gibi görünüyor.

• Yeni dünya, yeni doktorlar

  Günümüzde var olan teknolojinin daha ilerisinde bir yer olan derin öğrenme, yaratıcısı insanı sistemin içerisinden her alanda çıkaracak gibi görünüyor. Hayatın akışında birçok yerde karşımıza çıkmaya başlayan makine öğrenmesi, gündelik işleri kolaylaştırmanın yanında kritik yerlerde de yer almaya başladı. Yapay zekâ ve makine öğrenmesiyle artık otomatik tıbbi tanıma sistemlerinde de olasılıksal mantık tekniği kullanılmaya başlandı. Hastalıkların otomatik teşhisinde kullanılması konusunda yeni bir devri başlatan bu teknoloji, beraberinde ameliyata girebilen yapay zekâyı da getiriyor. Bu gelişme için teknolojiye olan güvenin en kritik eşiklerinden biri olarak bakıldığında, oldukça önemli bir gelişme olduğu görülebilmektedir. Makine öğrenimi ve kestirimsel analiz sistemlerine artan yatırım harcamaları, şu an için Google'ın DeepMind'ı, IBM'in WatsonPaths'i, yine farklı bir girişim olan Oncora Medicine gibi şirketleri çoktan oluşturmuş durumda. Gelecekte tüm sağlık bilimlerine, profesöründen, hastasına kadar teknoloji odaklı bir yaklaşımın, yukarıda bahsi geçen toplamda iki elin parmaklarını geçmeyecek sayıda firmalar tarafından oluşturulacağı ise oldukça ortada bir gerçek olarak karşımıza çıkmakta.

• Optimizasyonun sınırlarını zorlayan Uber

  Telekomünikasyon, üretim teknolojileri, otomasyon, gibi farklı endüstri sektörlerinin içinde bulunduğu söz konusu teknoloji, yolcuların ve şoförlerin deneyimlerini geliştirmek üzere fazlasıyla patent başvurusunda bulunan, ayrıca kendilerini yapay zekâ özelinde durmadan geliştirmeye devam eden bir teknoloji şirketi olan Uber, 2018'de satın aldığı, yeni sayılabilecek bir patent yardımıyla, sarhoş yolcularını belirleyip şoförü konu hakkında bilgilendirmekle beraber çeşitli önlemler almaya devam ediyor. İleride makine öğrenmesi ile daha verimli çalışması beklenen bu teknoloji, Uber çağıran yolcunun telefonunda mesaj yazarken ne kadar yazım hatası yaptığından, telefonu hangi açıyla tuttuğuna kadar çeşitli bilgiler yardımıyla geniş çaplı bir analizi mümkün kılıyor. Hali hazırda dünyada birçok yerde kullanılan bu uygulama günümüzde, yolcu yoğunluğunun nerelerde ve ne zaman oluştuğu, yolcuların genel istikametlerini, hava durumunu dahi hesaba katarak çalışmalarını gerçekleştiriyor. Mevcut fizibilite çalışmalarının devamlılığı ile sağlıklı biçimde işleyebilen yeni bir taşımacılık sektörünün varlığı, müşterilerinin ve şoförlerinin durumunu bu kadar yakından gerçek zamanlı olarak izleyebilen bir uygulama kafalarda, önümüzdeki on yıllık süreçte durum nereye evrilebilir sorusunu oluşturmuyor değil.

Kaynakça

• youtube.com "Machine Learning Basics" Erişim: 19 Eylül 2018.
• medium.com "Yeni Başlayanlar için Makine Öğrenmesi Algoritmaları" Erişim: 17 Eylül 2019.
• wikipedia.com "Makine Öğrenimi" Erişim: 3 Haziran 2020.
• dataquest.io "Machine Learning Algorithms" Erişim: 26 Haziran 2019.
• hürriyet.com "Yapay Zekâ Teknolojisi Köşe Yazısı Yazdı" Erişim: 9 Eylül 2020.
• geturkiyeblog.com "Tıpta Yapay  Zekâ Devrimi" Erişim: 7 Şubat 2019.