Machine Learning ( Makine Öğrenimi )

Machine Learning yani makine öğrenimi, Teknolojinin gelişmesiyle birlikte son zamanlarda ismini çok sık duyduğumuz bir dil olmakla birlikte, gelişen robot ve makine sektöründe önemli bir rol üstlenmeye başlamıştır. Bu yazımda makine öğreniminin ne olduğunu, gelecekteki konumunu ve yapay zekayla olan ilişkisini sizlerle birlikte inceleyeceğiz.

Basitçe ifade etmemiz gerekirse, makine öğrenimi, bilgisayarda depolanan verileri tahmin süzgecinden geçirerek nasıl doğru tahminler yapabileceğini bilgisayara öğretme sürecidir. Tahmin süzgecinden geçen ‘’doğru tahminler’’ bir fotoğraftaki objelerin birbirinden ayırt edilmesi gibi birçok olanak sağlar. Yolda seyir halinde olan bir aracın, önünden geçen nesnenin insan mı yoksa farklı bir canlı mı olduğuna karar verebilecek kadar gelişmiş bir sistemdir.

Makine öğrenmesinin başlangıcını 1959 senesinde Amerikan bilgisayar bilimcisi Arthur Samuel tarafından geliştiğini savunabiliriz. Arthur Samuel’in ifadesine göre : “makine öğrenmesi” terimi, “bilgisayarın açıkça programlanmadan öğrenme yeteneği” olarak tanımlanmaktadır. Makine öğrenimi bu zamana kadar insan aracılığıyla kullanılan bilgisayarların görevlerini üstleniyor. Bu üstlendiği görevle birlikte yapay zekayla eş zamanlı ilerlemektedir.

Makine öğrenmesi, tahmin süzgecinden geçen doğru verilerin algoritmalar eşliğinde analiz edilmesiyle oluşur. Algoritmalar sayesinde makine öğrenimi modeli belirlenir. Algoritmanın doğru verileri içermesi, yapılan seçim ve uygulama modelin belirlenmesinde önemli basamak sağlar. Algoritma eğitildikten ve veriler hazırlandıktan sonra makine öğrenme modeli, alınan veriler hakkında tahminler yapıp karar verebilir duruma gelir. Karar verebilir duruma gelen makine modeli, herhangi bir aracın ağır ya da hafif tonajlı olup olmadığına karar vermek için toplanan veriler yardımıyla oluşturulan algoritmayla karar verir. Makine öğrenmesi bu işlemi hiçbir şekilde bir insan yardımı olmadan gerçekleştirir. Özetlememiz gerekirse, makine öğreniminin temeli veriler yardımıyla işleyebileceği algoritmalar oluşturarak sonucu tahmin etmektedir.

Algoritmalar; Denetimli makine öğrenmesi, denetimsiz makine öğrenmesi, yarı denetimli öğrenme, takviyeli öğrenme, derin öğrenmeden oluşur.

Denetimli Öğrenme

Bir görevi yerine getirmek için, sisteme hedefi yani toplanan çıktıları ve makine öğrenmesine verilen eğitimin denetlenmesini içerir. Verilen eğitimde operatör karar mercii durumundadır. Soruların doğru cevaplarını bilmesine rağmen, algoritma verideki kalıpları açıklar, gözlemleri doğrular ve tahminlerde bulunur. Algoritma tahminlerde bulunurken operatör bu tahminleri denetler. Bu oluşturulan sistem algoritma en iyi performans ve en doğru tahmini elde edene kadar devam eder. Denetimli öğrenme için bir çeşit organize sistemi diyebiliriz.

Denetimsiz Öğrenme

Denetimsiz öğrenme algoritması, toplanan verileri kendi aralarında veya diğer verilerle birlikte kümeler haline getirerek, belirli özelliklere göre sınıflandırır. Bu sınıflandırmaya göre bir anlam çıkarmaya çalışır. Etiketlenmemiş yani belirsiz veriler üzerinde çalışır. Denetimli algoritmadaki gibi yapılan tahminin doğru olup olmadığına dair bir geri bildirim almaz bu nedenle serbest çalışma konusunda ve düzen konusunda denetimli öğrenmeye göre geriden gelir. Doğruluk konusunda ise denetimli öğrenmeye göre daha yanlış sonuçlar elde eder. Denetimli öğrenme süreci doğru tahmini bulana kadar devam ederken, denetimsiz öğrenmede ‘’doğruya en yakın’’ olan bulunur, bu nedenle doğruluk konusunda orta derecede sonuç elde eder. Buna en güzel örneği sosyal medya sınıfında yer alan Twitter ve Instagram örneğini verebiliriz.

Yarı Denetimli Öğrenme

Az önce bahsetmiş olduğumuz denetimli ve denetimsiz öğrenmeye benzer özellikleri bulunan bir algoritmadır. Benzeme sebeplerinden en önemlisi denetimli öğrenmeden kullanılan etiketli verileri, denetimsiz öğrenmede ise etiketsiz verileri içerisinde barındırmasıdır. Etiketlenmemiş büyük miktarda bir veriyle beraber etiketlenmiş küçük miktarda bir verinin aynı zamanda kullanılmasıdır. Genele bakacak olursak, etiketlenmiş verilerin daha çok kullanıldığından bahsedebiliriz. Genetik sıralama ve web sayfalarını sıralamada kullanılır.

Takviyeli Makine Öğrenmesi

Takviyeli makine öğrenmesinde kesin bilgilerin yeterli olmadığı durumlarda hiçbir ön bilgiye ihtiyaç duymadan yani elimizde bir veri olmadan da süreci başlatabilen bir algoritmadır. Bu algoritma kesinlikten ziyade deneme yanılma yöntemiyle çalışır. Robotik bir makineyi ele alacak olursak, bu robotun kendine göre karar verebilmesini, hedeflediği sisteme ulaşabildiğinde doğru kararlar vererek doğru tahmine ulaşmasını öğreten algoritma diyebiliriz. Takviyeli makine öğrenmesinde bir eğiticiye ihtiyaç duyulur fakat denetimli öğrenmede bahsetmiş olduğumuz büyük verilerle bu öğrenme algoritmasında karşılaşamayız, takviyeli makine öğrenmesi büyük verilere ve ayrıntıya yer veremez. Bunun yerine öğrenen sistem tahminin doğruluğuna ya da yanlışlığına karar verir. Bu algoritma oyun programlamada, hastalıkların tanı ve teşhisinde, Otomasyon sektöründe sıklıkla kullanılmaktadır.

Derin Öğrenme

Yapay zekanın alt dalı olarak sayılan derin öğrenme, günümüzde otonom araçlarda ve yüz tanıma sistemlerinde kullanılır. Derin öğrenmede denetimli öğrenmeye göre çok daha büyük veri girişi sağlanır. Bu kapsadığı büyük veri girişleriyle ayırt edici özellikleri kendisi öğrenir. Öğrenme işlemi için ne kadar çok veri girişi sağlanırsa başarı orantıda aynı doğrultuda artmaktadır. Derin öğrenme, makinelerin dünyayı ve çevrede değişen, gelişen olayları kavrama konusunda yapay zekâ geliştirmede çok tercih edilen bir yaklaşımdır.

Yapay zeka ve Machine Learning

Yapay zekâ nedir? ne işimize yarar? sorularına cevap olarak insan beynini belli komutlar doğrultusunda taklit eden bir sistem bütünü diyebiliriz. Yıllar boyu süregelen tartışma konusu yapay zekanın işsizliği artıracağı diğer yönden ise hayatı kolaylaştıracağı konusundadır. Her iki düşünceye de farklı açılardan bakacak olursak, belirli algoritmalar doğrultusunda insan beynini taklit ederek insan gibi davranışlar sergilemek, hareket etme, konuşma gibi bir sürü özelliğe sahip yapay zekanın gelişen teknolojiyle birlikte hayatımızı kolaylaştıracağı kaçınılmaz bir gerçek. Diğer boyutuna bakacak olursak, yapay zekanın insan gücünü azaltacağı, emek gerektiren tüm işlerde insanların kolaya kaçarak yapay zekayı kullanıp her şeyi otomatikleştirmesi, bir diğer konudaki dezavantaj görüşü ise, botlar otomatikleştirilebilir ve bu sayede siyasette vb. alanlarda sahte ses kayıtları, şantajların çok kolay gerçekleştirilebileceği konusu. Her ne kadar iki görüş çatışıyor olsa da her anlamda tüm dünyayı büyük ölçüde etkileyeceği çok açık.

Peki makine öğrenimiyle yapay zekanın ilişkisi nedir ?

Yapay zekanın bir kolu olarak sayabileceğimiz makine öğrenimi, yıllar bazında da yapay zekadan daha sonra gelerek derin öğreniminde kapsayarak yapay zekanın bir kolu olarak karşımıza çıkıyor. Temelde tüm yapay zekalar makine öğrenmesiyle başlıyor. Yapay zekâ insan gibi davranan bir teknolojiyken, makine öğrenmesi, belli başlı algoritmalarla birlikte doğru verilere ulaşma amacı taşıyan bir sistemdir. Yapay zekâ makine öğreniminin aksine doğal dil işleme, Bilgi tabanları, robotik vb. gibi daha geniş alanları kapsar. Makine öğreniminde davranışları deneysel verilere dayanarak saptar, böylece belli yönelgeler yardımıyla ve yeni durumlara hazırlanarak yazılımdan fazlasını yapabilirler. Makine öğrenimi için, makinenin görevi, nasıl gerçekleştirileceğiyle ilgili bilgi verilerek tecrübeler yardımıyla o makineyi eğitmektir. Tüm bu bilgiler ışığında, yapay zekâ ve makine öğreniminin birbirinden ayrılmaz bir ikili olduğu, makine öğrenimin yapay zekanın bir alt dalı olduğunu, yapay zekanın genel bir kavram olduğunu ve ‘’zekâ’’ teknolojisine daha yakın olduğunu, makine öğreniminin ise bir eğitim sürecinin ardından bunu gerçekleştirebileceğini görmüş olduk.

Machine Learning Ve Gelecek

Makine öğrenimi alanı özellikle bilgisayarların görüşü konusunda gelişen teknolojiyle birlikte bugün katlanarak büyüyor. Günümüzde insanlarda bilgisayar görüş hata oranı %3’tür bu verilen oran, bilgisayarların yüz tanıma, görüntüleri analiz etmede insanlardan daha az hata oranı verdiğini gösteriyor. Bundan yıllar önce bilgisayar bir bilgi kutusundan ibaretken, şu an insan beynine en yakın şekilde bir sistem haline gelmiş oluyor. Yapay zekayla birlikte makine öğrenimine gündelik yaşantımızda çok sık rastlar olduk. Her gün kullandığımız akıllı cihazlarımızda yüz tanıma, dil çeviri yazılımı, kendi kendine giden arabalar vb. Biz farkında olmasak da hayatımızın birçok yerinde yapay zekâ ve makine öğrenmesiyle karşılaşıyoruz. Bunun en güzel örneği olan hepimizin bildiği, çoğumuzun çok sık kullandığı Spotify.

Sıkı kullanan kullanıcıların bildiği gibi Spotify her gün size özel listeler oluşturur, bu listeleri daha önce dinlemiş olduğunuz parçalardan tahmin ederek oluşturur. Peki, dünya çapında yüz binlerce insanın kullandığı bu uygulama, bu kadar kişiselleştirilmiş önerileri nerden buluyor? tabii ki makine öğrenmesiyle gelişmiş yapay zekânın zamanların popüler uygulamalarından olan Trendyol, Yemek sepeti ve benzeri uygulamalarda canlı destek özelliğinin öncelere göre çok daha aktif kullanıldığını görmeyen yoktur diye düşünüyorum. Canlı destek özelliğinde görüştüğümüzün bir yapay zeka eseri Chat robot olduğunu düşünürsek aslında bizim farkındalığımızın dışında hayatımızın her yerinde yapay zekâ ve makine öğrenmesiyle karşılaştığımızı görüyoruz.

Hepimizin gördüğü üzere, dünyanın önde gelen şirketlerinin de tercih ettiği yapay zekâ ve makine öğrenmesi uzmanların söylemlerine göre yakın gelecekte çoğu uygulamada kullanılır hale gelecek olduğundan hem fikirler, teknolojik gelişmelerde bunu destekler nitelikte. Bunların tahminden öte gerçeklik olduğunu kabul edecek olursak, önümüzdeki yıllarda makine öğrenmesine çok daha sık rastlayacağımızı söyleyebiliriz.

Sıkı kullanan kullanıcıların bildiği gibi Spotify her gün size özel listeler oluşturur, bu listeleri daha önce dinlemiş olduğunuz parçalardan tahmin ederek oluşturur. Peki, dünya çapında yüz binlerce insanın kullandığı bu uygulama, bu kadar kişiselleştirilmiş önerileri nereden buluyor? Tabii ki makine öğrenmesiyle gelişmiş yapay zeka. Son zamanların popüler uygulamalarından olan Trendyol, Yemek sepeti ve benzeri uygulamalarda canlı destek özelliğinin öncelere göre çok daha aktif kullanıldığını görmeyen yoktur diye düşünüyorum. Canlı destek özelliğinde görüştüğümüzün bir yapay zekanın eseri chat robot olduğunu düşünürsek aslında bizim farkındalığımızın dışında hayatımızın her yerinde yapay zeka ve makine öğrenmesiyle karşılaştığımızı görüyoruz.

Hepimizin gördüğü üzere, dünyanın önde gelen şirketlerinin de tercih ettiği yapay zeka ve makine öğrenmesi uzmanların söylemlerine göre yakın gelecekte çoğu uygulamada kullanılır hale gelecek olduğundan hem fikirler, teknolojik gelişmelerde bunu destekler nitelikte. Bunların tahminden öte gerçeklik olduğunu kabul edecek olursak, önümüzdeki yıllarda makine öğrenmesine çok daha sık rastlayacağımızı söyleyebiliriz.

REFERENCES :

https://kkpatel7.files.wordpress.com/2015/04/alppaydin_machinelearning_2010.pdf

https://towardsdatascience.com/the-future-of-machine-learning-ce0a9dc18cb8

https://www.beyaz.net/tr/yazilim/makaleler/derin_ogrenme_deep_learning_nedir.html

https://medium.com/batech/makine-%C3%B6%C4%9Frenmesi-machine-learning-fcb8b326fedd

Leave a Reply

Your email address will not be published. Required fields are marked *