DeepMind-AlphaFold ve 50 Yıllık Protein Katlanması Problemine Çözüm

 

 

 

DeepMind-AlphaFold şema Geçtiğimiz günlerde Google AI şubesi  DeepMind  tarafından geliştirilen AlphaFold isimli yapay zeka (AI) ağı bilim dünyasının en büyük soru işaretlerinden birini daha çözüme kavuşturma yolunda büyük bir adım attı. Bu büyük soru işaretiyse  amino asit dizisinden yola çıkarak canlı yaşamının temelini oluşturan  protein moleküllerinin 3 boyutlu yapısının hesaplanıp hesaplanamayacağıydı.

 Deepmind-AlphaFold , Critical Assessment of Structure Prediction (Yapı Tahmininin Kritik Değerlendirmesi) yani kısaca  CASP olarak adlandırılan iki yılda bir yapılan protein yapısı tahmin yarışmasında yaklaşık 100 rakip takımı geride bırakarak mükemmele yakın bir başarı gösterdi. Proteinlerin yapısını bir atomun genişliği içinde tahmin edebilen bir derin öğrenme sistemi olan AlphaFold’un en son sürümü, biyolojinin en büyük zorluklarından birini aşmış bulunuyor.

 

Proteinler nasıl katlanır? Yaklaşık 50 yıldır bu soruya takılıp kaldık.  DeepMind ‘ın bunun için bir çözüm ürettiğini görmek, uzun süre bu problem üzerinde kişisel olarak çalışmış ve acaba cevaba varabilir miyiz diye merak eden biri için çok değerli.

PROFESÖR JOHN MOULT

CASP KURUCU KURUCU VE BAŞKANI

Şemada gösterilen protein moleküllerinde yeşil renkli alanlar proteinin doğadaki formunu,mavi renkli kısımlarsa AlphaFold tarafından hesaplanan yapılardır.

 

CASP’yi yürüten ekibin başındaki isim olan Maryland Üniversitesi’nden biyolog  John Moult, elde edilen bu başarıyı “Ciddi bir sorunu çözmek için yapay zekanın ilk kullanımı” sözleriyle özetleyerek  yapay zeka ve biyoloji dünyasının buluştuğu bu ortak noktanın önemini belirtti.

Peki yazının başından beri övgüyle bahsedilen AlphaFold’un bu başarısı neden bu kadar önemli? Evet, proteinler önemli moleküller; peki protein katlanmaları ve bu katlanmaların hesaplanması neden bu kadar önemli? Şimdi biraz bunlara değinerek AlphaFold’u daha iyi tanımaya çalışalım.

Kısaca Protein Nedir ?

Sözlük tanımına bakacak olursak eğer proteinler kendi yapıtaşları olan amino asitlerin zincir halinde birbirlerine bağlanması sonucu oluşan büyük organik bileşiklerdir.

Proteinler bütün canlıların vücudunda bulunan, neredeyse bütün metabolik olayların gerçekleşmesini sağlayan biyolojik yapılardır. Hücre zarının ve hemen hemen tüm enzimlerin yapısına katılma, birçok hormonda bulunma, temel yapıcı onarıcı aynı zamanda düzenleyici ve enerji verici olarak vücutta yer alma  proteinlerin görevlerine verilecek örneklerden sayılabilir.

Protein Katlanması Nedir?

Protein katlanma aşamaları ve yapıları

 

 

 

Proteine 3 boyutlu şeklini, yani işlevsel halini veren yapısındaki aminoasit dizilimidir. Doğada bulunan 20  çeşit aminoasit bir zincirdeki gibi  dizilerek proteinleri meydana getirir ve her bir protein için hangi çeşit aminoasitin hangi sırayla dizileceği DNA tarafından önceden belirlenmiştir.

Bir proteinin belirli bir vazifeyi yerine getirebilmesi için 3 boyutlu şeklinin de o vazifeye uygun olması, yani proteinin uygun şekilde katlanması gerekmektedir. Bu katlanma işlemi belli seviyelere ayrılarak incelenebilir.

Birincil Protein Yapısı

Bir proteinin birincil yapısı doğrusal amino asit dizisinden oluşur ve proteinin doğal yapısını belirler. Bu amino asit dizisi hücrede bulunan ribozom organeli tarafından sentezlenip düzensiz bir formda bulunmaktadır.

Birincil yapı oluşan ilk form olmasının yanında proteinin “üçüncül yapısı” olarak adlandırılan üç boyutlu yapısını büyük oranda belirlediği için büyük öneme sahiptir. Ancak, protein katlanması o kadar karmaşıktır ki; birincil yapıyı bilmek proteinin tamamlanmış formunu bilmemizi sağlamaz.

İkincil Protein  Yapısı

İkincil bir yapının oluşturulması, bir proteinin kendi doğal yapısını alması için katlama işleminin ilk adımıdır. Bu aşamada amino asit zinciri kıvrımlar yapar ve katlanmalara uğrar. Bu katlanma ve kıvrımlara ek olarak amino asitlerin yüzeyinde bulunan belirli kimyasal gruplar arasında kurulan hidrojen bağları bu yeni yapıya sağlamlık ve farklı şekiller  kazandırır. Birincil yapıdaki karmaşık ve düzensiz formda bulunan aminoasit zinciri bu aşamada daha düzenli ve organize moleküllere dönüşmüşlerdir.Şu ana kadar çeşitli ikincil yapı türleri belirlenmiştir fakat  en yaygın formlar alfa sarmal ve beta yaprak olarak bilinen  formlardır.

Üçüncül Protein Yapısı

Sıradaki üçüncül yapı, tek bir protein molekülünün üç boyutlu yapısıdır. İkincil yapının formları olan alfa sarmal ve beta yapraklar kompakt bir yapı oluşturacak şekilde katlanırlar. Bu katlanma hidrofobik etkileşimler (hidrofobik kalıntıların sudan uzaklaştırılması) tarafında yönlendirilir ama yapının stabil olabilmesi için spesifik üçüncül etkileşimlerle (tuz köprüleri, hidrojen bağları, disülfür bağları ve yaz zincirlerin sıkı istiflenmesi gibi) çeşitli kısımlarının yerinin sabitlenmesi gerekir ki moleküler organizasyon daha düzenli bir hale geçebilsin.

Dördüncül Protein Yapısı

Birkaç protein veya uzunlu kısalı amino asit zincirlerinin  (bu bağlamda bunlara protein altbirim denir) bir araya gelmesinden meydana gelen büyük bir toplaşmadır. Dördüncül yapı, üçüncül yapıyı stabilize eden, kovalent olmayan bağlar ve disülfür bağları gibi etkileşimler tarafından stabilize edilir. Çoğu proteinin dördüncül yapısı yoktur ve monomer olarak işlev görürler.

 

Protein Katlanmasının Önemi Nedir?

Protein katlanmasını temsil eden animasyon

 

Bir önceki bölümde proteinlerin işlevsel hale gelme sürecinde geçirdiği yapısal değişimlerden konuştuk. Özetleyecek olursak bir protein, birçok karmaşık bükülme, dönme ve dolanma ile kendisini katlayan bir amino asit şeridinden  veya bu şeritlerin birleşmesiyle meydana gelir. Bu yapı ne yapacağını belirler. Proteinlerin ne yaptığını anlamak, yaşamın temel mekanizmalarını, ne zaman işe yarayıp ne zaman yaramadığını anlamanın en önemli adımıdır. Bunu anlayabilmek için de amino asit diziliminin nasıl olacağından katlanma şekillerinin belirlenmesine kadar ki sürecin temelini oluşturan DNA büyük önem taşımaktadır.

DNA okumasıyla canlı vücudundaki proteinlerin işleyişinin beklenen şekilde olup olmayacağı hakkında bir ön bilgi edinebiliriz. Aynı zamanda protein katlanmaları yani diğer bir değişle proteinin hangi işleve uygun olduğu hakkında bir tahminde bulunabilmemiz mümkün olabilir.

Bu öngörü sayesinde şu an küresel sağlık sorunu olarak görülen Alzheimer gibi protein birikmesi sonucu beyni tahrip eden hastalıkların altında yatan nedenleri ve bu nedenler doğrultusunda uygun tedavi yöntemleri geliştirilebilir. Bir başka örnek olarak erken tanı koymaya engel olabilecek kadar az semptom gösteren çeşitli kanser türlerini tespit etmek için belirlenen yöntemleri daha da duyarlı hale getirerek ön tanıyı mümkün kılabilir. Ya da  canlılığın gezegenimizin üzerinde nasıl başladığına dair yürütülen çalışmaların hızlanmasına ve aydınlatılmasına yardımcı olabilir.

Protein Katlanması Sorunu(AlphaFold)

Protein Katlanması Probleminin Şeması

 

Proteinin yapısından , katlanmasından ve bu yapıların önceden tahmin edilebilmesinin neden önemli olduğunu  konuştuk. Şimdi de protein katlanmasının önceden tahmin edilebilmesinin neden bilim dünyasının uğraştığı en büyük soru işaretlerinden biri olduğuna bakalım.

1972 Nobel Kimya Ödülü’nü kazanan Christian Anfinsen, teorik olarak bir proteinin amino asit dizisinin aynı proteinin yapısını tam olarak belirlemesi gerektiğini öne süren bir hipotez öne sürmüştü. Bu hipotezin ortaya atılmasıyla birlikte yalnızca amino asit dizisine (birincil yapı) dayalı olarak bir proteinin 3 boyutlu tamamlanmış yapısını hesaplamalı olarak tahmin edebilmek için yaklaşık elli yıl sürecek olan bir arayış ateşlenmiş oldu. Bu arayış büyük ilerlemelerle beslenerek devam etti. Kriyo-elektron mikroskobu (2017 yılındaNobel Kimya Ödülüyle ödüllendirilmiştir) , nükleer manyetik rezonans ve x-ışını kristalografisi gibi çözüm yolları bu arayışta öncü olmuşlardır.

Levinthal's paradoksu ve çözümü hakkında bir şema

Karşı karşıya kalınan problemse hala bilim dünyasını zorlayan bir yerdeydi : bir proteinin tamamlanmış 3 boyutlu yapısına ulaşırken teorik olarak katlanabileceği yolların sayısı astronomik sayılarla tanımlanıyordu. 1969’da Cyrus Levinthal, tipik bir proteinin tüm olası konfigürasyonlarını kaba kuvvet hesaplamasıyla sayma işleminin bilinen evrenin yaşından daha uzun süreceğini belirtti .Levinthal ayrıca tipik bir protein için 10 ^ 300 olası konformasyon olduğunu tahmin etti. (Levinthal paradoksu)

Canlı yaşamı ve protein bağlantısının şeması

 

Ayrıca yaklaşık 200 milyon bilinen proteine ek olarak her yıl 30 milyon tane daha keşfedilmekteydi. Ve bu yeni, eski bilene proteinlerin 10 ^ 300 (en az) konformasyon seçeneği bulunmakta. Kullanılan yöntemlerin çok pahalı ve aşırı yavaş olması bu kadar fazla olasılığa sahip problemin çözümünde istenen verimin alınmasını engelliyordu.

İşte bu bahsedilen 50 yılı aşkın bir süredir var olan sorun ve zorlukların bütününe bilim dünyası tarafından protein katlama problemi ismi verilmişti  – taki Deepmind-AlphaFold devreye girinceye kadar.

 

Deepmind-AlphaFold ve Getirdiği Çözüm

 

CASP Nedir?

Yapay zeka destekli çözümün detaylarına geçmeden önce yazının başında bahsi geçen CASP yani Yapı Tahmininin Kritik Değerlendirmesi yarışmasından biraz bahsedelim.

AlphaFold ve aminoasit dizilimi diyagramı

 

CASP, kurucusu olan Profesör John Moult önderliğinde iki yıllık aralıklarla  düzenlenen bir yarışma.

CASP komitesi yarışmaya katılan yapı tahmin programlarını değerlendirmek için çok yakın zamanda deneysel olarak belirlenmiş ( hatta hala değerlendirilme aşamasında bulunan) protein yapılarını seçer. Ve bu seçimleri kamuoyuyla paylaşmazlar. Yani katılımcıların proteinlerin yapısını körü körüne tahmin etmeleri gerekmektedir. Tahmin işlemi sonlandıktan sonra CASP komitesi tahmin sonuçlarıyla deneysel sonuçları karşılaştırarak değerlendirmeye alır.

CASP tarafından tahminlerin doğruluğunu ölçmek için kullanılan ana ölçü, 0-100 arasında değişen Küresel Mesafe Testidir (GDT). Profesör Moult’a göre, 90 GDT civarında bir puan alan yapı tahmin programı gayri resmi olarak deneysel yöntemlerden elde edilen sonuçlarla örtüşme kabiliyetine sahiptir.

(CASP-14 Modellemeleri için tıklayınız)

Ve Kazanan : Deepmind-AlphaFold!

Ana Yapay Sinir Ağ Modeline Genel Bir Bakış

 

DeepMind tarafından geliştirilen AlphaFold protein yapısının tahminlerini gerçekleştiren bir yapay zeka programıdır. AlphaFold’un son sürümü bu sene katıldığı CASP14 (Yapı Tahmininin Kritik Değerlendirmesi) yarışmasının sonuçlarına göre şu an alanının en başarılı yapay zeka programı.  AlphaFold tüm hedeflerde genel olarak 92.4 GDT medyan puanına ulaşmıştır. Tahminlerinde (bir atomun genişliğiyle karşılaştırılabilecek kadar küçük olan 0.16 nanometre) 1,6 Angstromluk  ortalama hataya sahip olan AlphaFold yarışmanın en zorlu modelleme kategorisinde yer alan serbest modelleme alanında bile 87.0 GDT’lik   bir puana ulaşmıştır.  (Yarışmanın sonuçları burada paylaşılmıştır.                                                                                                                                  

Serbest modelleme kategorisindeki modellerin yıllara göre GDT puan grafiği.

 

AlphaFold’un yakaladığı bu doğruluk oranları neredeyse kriyo-elektron mikroskobu gibi proteinlerin yapısını haritalamak için geliştirilen laboratuvar tekniklerinin ölçümleriyle birebir. Ama arada açık ara AlphaFold’un önde olduğu bir avantaj bulunmakta: hız. Bahsettiğimiz laboratuvar teknikleri çok pahalı ve aynı zamanda çok yavaş. Bu karşılaştırmayı daha iyi anlamak için bir karşılaştırma yapabiliriz. Laboratuvar yöntemlerinin her protein modelini hesaplayarak doğru sonuca ulaşması  yıllarca deneme yanılma gerektirebilir ; Deepmind-

AlphaFold ise sadece birkaç gün içinde bir proteinin şeklini bulabilir.

 

Yapay zeka ve getirdiği çözümler

AlphaFold  CASP yarışmasına ilk kez 2018’de katılmıştı. İki yıl önce 13.kez düzenlenen CASP’de  en yüksek tahmin puanını alan yine AlphaFold olmuştu. Ekip bir önceki AlphaFold sürümünün eksik yönlerini tespit ederek bu alanlara yoğunlaşarak başarılarını bir üst seviyeye çıkartmış bulunuyor.

AlphaFold’un son sürümünün eğitim sürecinde kullanılan veri tabanı yaklaşık 170.000  bilinen ve bilinmeyen yapıdaki protein dizilerini içeriyor. Ekibin resmi internet sitesi üzerinden yayınladığı son yazıya göre AlphaFold’un son sürümü hakkında daha detaylı bilgileri ve incelemeleri içeren makale hazırlık aşamasında bulunuyor. (AlphaFold ekibinin CASP13-2018 sonunda yayınladıkları inceleme için tıklayabilirsiniz.)

Yapay Zeka Işığında Gelecek

Protwin ktlanması ve çözüm anahtarı olan AlphaFold diyagramı

 

Bugüne kadarki en önemli yapay zeka ilerlemelerden biri  olan Alphafold hala ilerlemeye, kendini geçmeye devam ediyor. Ancak tüm bilimsel araştırmalarda olduğu gibi, hala cevaplanmayı bekleyen birçok soru var. Birden çok proteinin nasıl kompleks oluşturduğu  veya %100 doğru bir modellemenin nasıl yapılacağı hakkında öğrenilecek çok şey var.

Deepmind-AlphaFold, modellemesi bilinmeyen yüz milyonlarca proteini  keşfetme potansiyeliyle bilinen hastalıkların anlaşılmasını hızlandırmanın yanı sıra gelecekte yeni bir salgına karşı da  yararlı olabileceğine dair umut veriyor.

 Coronavirus-19

 

Hatta içinde bulunduğumuz pandemi günlerinin başlarında yapıları daha önce bilinmeyen  SARS-CoV-2 virüsünün birkaç protein yapısı ve CASP14’te, başka bir koronavirüs proteini olan ORF8’in yapısı AlphaFold tarafından tahmin edilmişti.

 

Deepmind-AlphaFold ve Akla Bile Gelmeyeni Bilmeye Doğru

 

“DeepMind on yıl önce işe koyulduğunda, yapay zekanın temel bilimsel problemler konusundaki anlayışımızı ilerletmesi için bir araç görevi göreceğini umuyorduk. Şimdiyse AlphaFold’u geliştirmeye yönelik 4 yıllık çabanın ardından çeşitli alanlara yönelik çalışmalarla  birlikte vizyonun gerçekleştiğini görmeye başlıyoruz.”

Bu sözler bizzat DeepMind-AlphaFold ekibine ait.

Christian Anfinsen yıllar önce öne sürdüğü hipotez üzerinde çalışmalarına devam ederken belki bu ilerlemeyi hayal bile edememişti. Bu açıklanan ilerleme, yapay zekanın bilginin sınırlarını genişletmede insanlığına en yararlı araç olacağını gösteriyor.

Astrobiyoloji, tıp, zooloji, mikrobiyoloji…Canlılıkla, yaşamla alakalı her alanda insanlığın bu zamana kadar bildikleri AlphaFold gibi örneklerle hızla ilerleyen yapay zeka sayesinde yeniden şekillenecek.

The Future Of Artificial Intelligence - eLearning Industry

Yapay zeka ve gelecek

 

Evrenimizin bilinmeyen birçok yönü var. Buna rağmen bir yerlerde veri kümeleri tekrar derleniyor, eğitim ve test setleri belirleniyor, yapay zeka modelleri çalışmaya başlıyor ve evrenin bilinmezlikleri biraz daha çözülüyor.

Gelecek gerçekten de heyecan verici!

 

 

Kaynakça

Callaway, E. (2020, Kasım 30). ‘It will change everything’: DeepMind’s AI makes gigantic leap in solving protein structures. Nature: https://www.nature.com/articles/d41586-020-03348-4 adresinden alındı

DeepMind. (2020, Kasım 30). AlphaFold: a solution to a 50-year-old grand challenge in biology. DeepMind: https://deepmind.com/blog/article/alphafold-a-solution-to-a-50-year-old-grand-challenge-in-biology adresinden alındı

DeepMind. (2020, Ocak 15). AlphaFold: Using AI for scientific discovery. DeepMind: https://deepmind.com/blog/article/AlphaFold-Using-AI-for-scientific-discovery adresinden alındı

Dursunkaya, B. (2012, Aralık 16). İkincil Protein Yapısı. Evrim Ağacı: https://evrimagaci.org/ikincil-protein-yapisi-5633 adresinden alındı

Heaven, W. D. (2020, Kasım 30). DeepMind’s protein-folding AI has solved a 50-year-old grand challenge of biology. MIT Technology Review: https://www.technologyreview.com/2020/11/30/1012712/deepmind-protein-folding-ai-solved-biology-science-drugs-disease/ adresinden alındı

Hutson, M. (2019, Temmuz 22). AI protein-folding algorithms solve structures faster than ever. Nature: https://www.nature.com/articles/d41586-019-01357-6 adresinden alındı

Vikipedi. (2020, Aralık 6). Protein yapısı. Vikipedi: https://tr.wikipedia.org/wiki/Protein_yap%C4%B1s%C4%B1#:~:text=D%C3%B6rd%C3%BCnc%C3%BCl%20yap%C4%B1%20birka%C3%A7%20protein%20veya,dis%C3%BClf%C3%BCr%20ba%C4%9Flar%C4%B1%20taraf%C4%B1ndan%20stabilize%20edilir. adresinden alındı

Görseller

https://deepmind.com/blog/article/alphafold-a-solution-to-a-50-year-old-grand-challenge-in-biology

https://deepmind.com/blog/article/AlphaFold-Using-AI-for-scientific-discovery

https://deepmind.com/research/case-studies/alphafold

https://elearningindustry.com/future-of-artificial-intelligence-amazing-applications

https://www.researchgate.net/figure/Solution-of-Levinthals-paradox-in-Levinthals-terms-was-obtained-at-the-level-of-the_fig4_323224404

https://www.nature.com/articles/d41586-020-03348-4

Çöplerin Yüzü

Teknolojik gelişmeler kolaylığı beraberinde getirdiği gibi devlet otoritelerini ve otokrasinin de aynı zamanda güçlü bir argümanı olmaktadır. Totaliter rejimler teknolojinin faydalarını kendi lehlerine çevirerek toplumu izleme amacı güdüyor. Günümüzde sokaktaki güvenlik kameralarından, sosyal güvenlik numarasına kadar her şey devlet otoritesinin altında işlenen kişisel veriler olarak karşımıza çıkıyor. Bu kişisel veriler her ne kadar devlet tarafından yasal hak olarak kullanılsa ve izne tabi olmasa da kötü sonuçlar doğurabilir.

Hong Kong’da sokakları temiz tutmak adına başlatılan çalışma bir hayli ilginç. Hong Kong’da “ The Face of Litter ” (Çöplerin Yüzü) kampanyası ile bilim kurgu filmlerini aratmayan bir kampanya başlatıldı. Amaç sokağa atılan çöplerdeki DNA’lardan yararlanarak bunları kimin attığını tespit etmek.

Öncelikle sokaklarda yere atılan çöpler toplanıyor. Çöplerdeki DNA’lar analiz ediliyor ve çöplerin atıldığı mahalledeki insanlar inceleniyor. Bu bilgiler dijital ortamda şekillendiriliyor. DNA ile kişilerin tam olarak resimleri çıkarılamaz ancak saç ve ten rengi, cinsiyetleri öğrenilmesi mümkün.

Bundan yararlanarak suçluların gerçeğe yakın yüz profilleri oluşturuluyor. Bununla da kalmıyor bütün billboardlara afiş olarak asılıyor ve sosyal medyada paylaşılıyor. Çevreci olan bu çalışma Hong Kong ve dünyada yankı uyandırmaya şimdiden başladı.

Her ne kadar çevreci bir uygulama olarak görülse de ileri ki süreçlerde topluma olumsuz etkileri büyük. Amerika’da yıllardır suçluları bu şekilde ifşa eden bir site bulunuyor üstelik üçüncü kişiler tarafından yaratılan bir site değil, tamamen devlet kontrolünde olan bir suçlu ifşa sitesi.

Evet bazen işlenen suçları ifşalamak toplum tarafından hoş karşılanan ve suçları azaltacağına dair bir inancın doğmasına sebep olan bir çalışma olarak görülebilir. Fakat her ne kadar bu inanca sahip de olsak olay göründüğünden çok farklı. Toplumlar suçları baskılamak amacıyla cezalar ve kanunlar geliştirmişlerdir. Her toplumda bulunan bu norm yapıları kişilerin haklarını tam anlamıyla koruduğu zaman işlevsellik kazanır. Bu gibi ifşa mekanizmalarının söz konusu olması sanığı korumayacağı için adalete olan inancı da haliyle zedeleyecektir.

İşin hukuki boyutundan tam anlamıyla çıkmadan teknolojik yükümlülüklerini de ele alacak olursak, teknoloji kötüye kullanıldığı zaman var olan tüm haklarımızı da beraberinde elimizden alacaktır. Çöp atanları ifşalamak her ne kadar teknolojik olarak ve çevreci olarak harika da olsa özgürlüklerimizi de fevkalade kısıtlayacaktır.

İzlenen ve baskılanan bir toplum özgürlükleri sınırlandığı oranda yaşama şansına sahip olurlar. Ve özgür düşünce ortamı yaratamayan toplumlar gerilemeye ve geçmişte kalmaya devam ederler. Özgürlükler toplumun tümüne yayıldığı zaman bilim ve teknoloji ilerleme gösterir.

Teknolojik aletlerle her an izlenmek ve bunların özgürlük lehine –bu tarz ifşa mekanizmalarıyla- gasp edilmesi yaşam ve düşünce özgürlüğü gibi anayasal hakları tamamıyla yok edecektir.

Dipnot: George Orwell’ın 1984 romanı bu konuda şiddetle tavsiye edebileceğim bir kitaptır.

REFERANSLAR:

 – https://bigumigu.com/haber/hong-kong-sokaklarini-kirletenler-dna-analizleri-yapilip-desifre-ediliyor/

Öksürük Sesinden Koronavirüs Tespiti

Toplumumuz gibi diğer tüm dünya ülkelerini etkisi altına almış olan Koronavirüs hız kesmeden can almaya devam ediyor. İçinde bulunduğumuz süreçte virüsle savaşmak güç olmaya başlamış durumda. Her gün artan vaka sayısının tedbirsizlikle ve alınan önlemlerin yetersizliği ile doğru orantılı olduğu gözler önünde iken maske takmama konusunda inatçı vatandaşların ya da Covid pozitif olduğundan bir haber olan insanlar için çözümü ABD´de Massachusetts Teknoloji Enstitüsü (MIT) uzmanları buldu. ,yapay zeka teknolojisiyle birlikte geliştirdikleri model ile öksürük sesinden hastalık belirtisi göstermeyen insanların tespitini yapacaklarını duyurdu.

 

Peki Nedir Bu Yapay Zeka Modeli?

Covid 19 ile enfekte olmuş kişilerin bir kısmı asemptomatik olarak tanımlanırlar yani virüse dair fiziksel bir belirti, semptom taşımadan hastalığı geçirirler. Belirti taşımayan insanların test yapma olasılığı düşük olacağı için farkında olmayan pozitifli hasta, virüsü başka bir insana geçirebilir. Bu olasılığın yüzdesinin fazla olduğunu ve sonucunda ölümün kaçınılmaz olduğunu savunan MIT araştırmacıları, asemptomatik kişilerdeki görülen öksürüğün sağlıklı bir bireyin öksürüğünden farklı olduğunu tespit ettiler. Bu keşfedilen farklılığın,insan kulağı tarafından belirlenemeyeceğini ancak yapay zeka destekli bir modelin buna çözüm olabileceğini düşünüp bir model geliştirdiler.

Geliştirilen model için gönüllü insanlar bulunup, onların kaydetmiş olduğu öksürük sesi örneği ve kelime sesleri üzerinde model eğitildi. Eğitilen model, Covid 19 pozitifli insanların yüzde 98,5’ini, asemptomatik Covid-19 hastalarının yüzde 100’ünü doğru bir şekilde tespit etti ve böylece modelin yüzde 95 başarı oranı gerçekleşmiş oldu.

Ekip, modeli kullanıcı dostu bir uygulamaya dahil etmek için çalışıyor; model FDA onaylıysa ve büyük ölçüde kullanılmaya başlanırsa, korona virüs için asemptomatik olma ihtimali yüksek olan kişilerin kullanımı ücretsiz, kullanışlı bir ön tarama aracı olabilir. Bu kullanıcı telefonuna indirdiği bu uygulamayla her gün telefonuna öksürüp, virüsü taşıyıp taşıyamadığını öğrenebilir dolayısıyla bu yöntem resmi bir testin onayına tabiidir.

MIT’nin Auto-ID Laboratuvarı’nda araştırmacı bilim insanı olan ortak yazar Brian Subirana, “Bu grup teşhis aracının etkili bir şekilde uygulanması için bir sınıfa, fabrikaya veya restorana gitmeden önce kullanılırsa, salgının yayılması azaltılabilir.” Açıklamasında bulundu.

Pandeminin başlangıcı olan günlere baktığımızda, birçok araştırmacı aslında bu konunun etrafında dolaşıyordu ama hiç hayata geçen bir proje olmamıştı. Daha önceleri de araştırmacılar, zatürre ve astım gibi durumları doğru bir şekilde teşhis etmek için öksürük kayıtları üzerine algoritmalar eğitiyordu. Aynı işlemleri tekrar eden MIT ekibi de sadece hafızadaki bilgilerin kaybı değil, zayıflamış ses tellerin de görülen zayıflığı da nöromüsküler bozulmayla ilişkilendirip, alzheimer hastalığı üzerinde çalışmalar yapmıştı. Alzheimer hastalığının belirtilerini tespit edip edemeyeceklerini görmek için zorunlu öksürük kayıtlarını analiz ederek AI modelleri geliştiriyordu.

Öncelikli olarak, farklı derecelerde vokal kord gücü ile ilişkili sesleri ayırt etmek için ResNet50 olarak bilinen, genel bir makine öğrenme algoritması veya sinir ağını eğittiler. Daha önce yapılmış araştırmalarda insan duygusu olarak gösterilen ‘Hmmm’’ sesinin kalitesinin, bir kişinin ses tellerinin ne kadar zayıf veya güçlü olduğunun bir göstergesi olabileceğini göstermişti. Araştırmacılar, “onlar” kelimesini “o” ve “o zaman” gibi diğer kelimelerden ayırmak için sinir ağını 1000 saatten fazla konuşma içeren bir sesli kitap veri seti üzerinde eğitti.

Ekip konuşmada en belirgin olarak görülen duygusal ifadelerin ayırt edilebilmesi için ikinci bir sinir ağından destek almak zorunda kaldı çünkü Çünkü Alzheimer hastalarının (ve daha genel olarak nörolojik düşüşü olan kişilerin) mutluluklarını ifade etmekten çok üzgün oldukları, acı çektikleri, hayal kırıklığa uğradıklarını gösteren duyguları sergiledikleri görüldü. Bu deneyin üzerine araştırmacılar sakin, mutlu, huzurlu, nötr gibi duygusal ruh hallerini canlandıran bir veri kümesi oluşturarak, bir duyarlı konuşma sınıflandırıcı modeli geliştirdiler.

Ardından üçüncü sinir ağına ihtiyaç duyan araştırmacılar, akciğer ve solunum performansındaki değişiklikleri ayırt etmek için bir öksürük veri tabanı üzerinde yeniden bir sinir ağını eğitti.Son olarak ekip eğitmiş olduğu üç modelide birleştirerek kas zayıflamasını tespit etmek için bir algoritma yerleştirdi. Aslında algoritma bu işlemi, işittiği gürültüyü simüle ederek, güçlü öksürükleri (gürültü üzerinden duyulabilenleri) daha zayıf olanlardan ayırt ederek yapıyor.

Tüm bunların sonucunda ekip, Al desteğiyle, alzheimer hastalığı dahil olmak üzere, ses kayıtları üzerinde denemeler yaparak bunu geliştirdi ve alzheimer’in örneklerini mevcut modellerden daha iyi belirleyebileceğini göstermiş oldu. Elde edilen verilen doğrultusunda, ses teli gücü, duygu, akciğer ve solunum performansı ve kas bozulması ile birlikte hastalığın teşhisinde etkili belirteçler olduğunu gösterdi.

Aynı ekip nisan ayında, alzheimer, astım, zatürre ve Covid 19 pozitifli hastalardan on binlerce öksürük numunesi topladı. İnsanların web tarayıcısına sahip herhangi bir araçtan, bu telefon olabilir, tablet,dizüsüstü bilgisayar olabilir, öksürüklerini kaydedebilecekleri bir internet sitesi kurdular. Uygulamaya katılan katılımcılar, bu uygulamanın deneme amaçlı olup, herhangi bir doktor kontrolü veya test dahilinde olmadığına dair bir anket doldurdular. Çünkü yaptıkları bu uygulama henüz yasallaşmamış olduğu için verilen sonuçlarda tamamen deney üzerine kurulu, başarı oranı 95 e yakın olmuş olsa bile. Aynı zamanda anketin içeriğinde kullanıcıların daha önce geçirmiş olduğu hastalıklar, yaşadıkları coğrafi konum, cinsiyetleri gibi ayırt edici özellikler vardı.

         

 

Bugüne kadar araştırmacılar; her biri birkaç öksürük içeren, yaklaşık 200.000 zorla öksürük ses örneğine karşılık gelen 70.000’den fazla kayıt topladı. Araştırmacılarında kanıtladığı üzere bu zamana kadar yapılmış en kapsamlı ve belirleyici öksürük veri setine sahip bir araştırma oldu.Asemptomatik olanlar da dahil olmak üzere Covid-19 olduğu doğrulanan kişiler tarafından yaklaşık 2.500 kayıt sunuldu.

Ekip, topladıkları verileri dengelemek için kayıtlardan rastgele seçtikleri 2.500 kayıt ile birlikte Covid ile ilişkili 2.500 kaydı kullandı. AI modelini eğitmek için bu örneklerden 4.000’ini kullandılar. Kalan 1000 kaydı da daha sonra Covid hastalarının ve sağlıklı bireylerin öksürüklerini doğru bir şekilde ayırt edip edemeyeceğini görmek için model geliştirildi.

Temmuz ayında İngiltere’nin Cambridge kentindeki ‘Covid-19 Sesler Projesi’nde, nefes ve öksürük seslerinin birleşimine dayanarak, pozitif koronavirüs vakalarının yüzde 80 oranında başarıyla tespit edildiğini açıklamıştı.Uygulamanın geliştirildiği takdirde virüsün yayılma hızının,yayılma oranın düşeceği kaçınılmaz bir gerçek olduğu ispatlanmış oldu.

REFERANSLAR:

https://haberglobal.com.tr/dunya/yapay-zeka-oksuruk-sesiyle-kovid-19-hastasini-boyle-tespit-etti-77528

https://onedio.com/haber/oksuruk-sesinden-yuzde-100-isabet-koronavirus-teshisi-koyan-yapay-zeka-gelistirildi-940627

https://www.ntboxmag.com/2020/10/29/yapay-zeka-modeli-cep-telefonuyla-kaydedilen-oksurukler-sayesinde-asemptomatik-

 

 

Microsoft Seeing Al İle Görme Engellilerin Dünyasını Aydınlatıyor

Günümüz ilerleyen teknolojisinde, sürekli geliştirilen ve üstüne yenilikler eklenilerek bize sunulan akıllı telefonların yanında yapay zekayla ilişkili ürünlerin hayatımızı kolaylaştırması hız kesmeden devam ediyor. ABD merkezli teknoloji devlerinden Microsoft, hızla gelişen ve değişen teknolojiye ayak uydurarak gündelik yaşamı kolaylaştırmak ve gelişen teknolojiyi yakalamak için ürünler çıkarıyor.Bu ürünlerden bence en önemlisi ve en çok işe yarayanı yeni duyurmuş olduğu “Seeing Al” isimli yapay zeka destekli mobil uygulaması.

Seeing Al, görme engelli insanlar için tasarlanmış bir yapay zeka uygulaması. Peki nedir bu Seeing Al? Seeing Al, telefonların kameraları yardımıyla elde ettiği görüntüleri sesli bir yapay zeka tarafından alıcıya ileten bir uygulama. Biraz daha açmamız gerekirse, görme engelli insanlara etraflarında ne olduğunu, şu an nerede olduklarını anlatan bir akıllı telefon uygulaması. Öyle ki, kameraya karşı taraf ne gösteriyorsa uygulama birebir ekranda gördüklerini sesli bir şekilde görme engelli kullanıcıya aktarıyor. Kamera tutulan nesnenin veya kişinin nasıl olduğunu, ne hissettiğini, kim olduğunu da aktaracak. Aynı zamanda uygulama, kamera bir ürünün üzerine tutulduğunda ürünün ne olduğunu da söyleyecek. Tüm bu uygulamalar telefonda bulunan yapay zeka yardımıyla gerçekleştirilecek.

Microsoft, geçtiğimiz yıllarda mart ayında düzenlediği Build konferansında Seeing Al uygulamasının ön hazırlık şeklinde prototipini göstermişti. Uygulama yaklaşık olarak 16 ayın ardından ABD’de İOS yazılımlı cihazlara sahip kullanıcılarla buluştu. Android ve diğer yazılımlı telefonlara ne zaman geleceği henüz bilinmiyor.

Uygulamanın çalışma prensibine bakacak olursak, daha önce görmüş olduğu kişileri tanıyan, yabancılarında, hislerini, duygularını, yaşlarını, fiziksel özelliklerini tahmin edebilen Seeing Al, barkod okuma özelliği sayesinde de gösterilen ürünlerin ne olduğunu iletebiliyor. Belgeleri okuyabilen ve tarayan uygulama, Amerika para birimi olan doları da tanıyabiliyor. En çok işe yarayan özelliğinin bu olduğunu savunarak size de açıklamak istiyorum. Görme engellilerin günlük yaşantılarında ne kadar zorluk çektiklerini anlamaya çalışıyor olsak da bir yere kadar onları anlayabilir onların yaşadığı zorluklara tanıklık edebiliriz. Bizim görebildiğimiz en azından şahit olduğumuz zorlukların başında alışveriş yapabilme konusu geliyor. Alışveriş esnasında yaşadıkları zorluklarla biz de zaman zaman karşılaşıyoruz. Ödeme aşaması ise alışveriş yapıyor olmanın en son ve zor adımı, ödeme yapacakları yöntemin nakit olduğu zamanlar, verdikleri paranın ne olduğunu bilemiyor, paraları birbirinden ayırt edemiyorlar ve bu durum alışveriş yapmak kadar alışverişin sonunu da zor hale getiriyor. Ki sadece para kısmıyla alışverişte karşılaşmıyorlar, bindikleri taksi, ödemeye çalıştıkları fatura, ve bunun gibi birçok para alışverişi gerektiren yerlerde zorluk çekiyorlar. Bahsetmiş olduğum gibi Seeing Al’nin ben tarafından en çok takdir gören ve yararlı bulduğum özelliği para tanıyor olabilmesi. Dolar işareti değerinden bağımsız olarak paraların boyutu, rengini ayırt etmek onlar için imkansızken Seeing Al sayesinde bu imkanlı hale geliyor.

Yapay zeka yardımıyla geliştirilen bu uygulama,etrafındakileri tanıyıp algılayabilmek için nöral ağlardan yararlanıyor. Nöral ağ teknolojisi bildiğiniz üzere, Silikon vadisinde tanıtımı yapılan sürücüsüz yani otonom araçlarda, belirli drone’larda ve daha birçok teknolojide kullanılan bir yenilik. Uygulamanın temelinde nöral ağlardan yararlanıldığı için fonksiyonları, doğrudan cihazın üzerinde yerine getiriliyor böylece uygulamanın hız konusunda ya da internete bağlantısının gecikmesi gibi sorunlar ortaya çıkmıyor. Görüş alanındaki her şeyi tanıyıp anlayabilmesi için,buna el yazısı gibi denetlenmesi gereken şeylerde dahil,bunlar için bulut bağlantısına ihtiyaç duyuyor.

Seeing Al, ilk olarak ABD’de tanıtılmış, yalnızca İngilizce dil desteğine sahip olan uygulama İOS kullanıcılarına sunulmuştu.Ülkemizde bugüne kadar İngilizce olarak kullanılıyordu bu nedenle birçok kullanıcı bu uygulamadan habersizdi. Microsoft geçtiğimiz günlerde yaptığı açıklamalarda Seeing Al’nin Türkçe dil desteğine sahip versiyonunun yayınlandığını duyurdu. Uzun bir süredir Türkçe dil desteği üzerine çalışan Microsoft Türkiye Ekibi 3 Eylül Perşembe günü Seeing AI’nin Türkçe versiyonunu Apple Store’da kullanıcıların erişimine açtı. Hâlâ sadece IOS kullanıcılarının yararlanabildiği bu uygulama ücretsiz olarak sunuldu. Yani bu uygulamaya sahip olmak isteyen tüketiciler, herhangi bir ödeme yapmak zorunda kalmıyorlar.

Microsoft Türkiye Genel müdür vekili uygulamanın Türkçe sürümünü erişime açarak Türkiye’de çok daha fazla sayıda görme engelliye ulaşacak olmanın heyecanını yaşadıklarını belirtti. Yılmaz, “Seeing AI, yapay zekâ ile engellilerin gündelik hayatına ne kadar büyük katkı sağlanabileceğini kanıtlayan eşsiz bir uygulama. Bir süpermarkette ne satın aldığından emin olmak; ödeme adımında Türk lirasını tanıtarak alışverişi güvenle tamamlayabilmek; sokakta çevresindekileri algılayabilmek, görme engelli bir birey için son derece özgürleştirici deneyimler. Seeing Al uygulamasıyla kullanıcıların WhatsApp ve sosyal medyada paylaşılan metinleri okuması; görsellerin sesli betimlemesini dinlemesi dahi artık mümkün” olduğunu söyleyerek, uygulamanın engellilerin bireysel özgürlüklerine katkı sağladığına değindi.

Yaşadığımız dönemin her alanın görsele dayalı olduğunu dile getiren Murat Yılmaz, “Teknoloji, insanların hayat kalitesini yükselttiği oranda değer kazanıyor. Ücretsiz ve kayıt gerektirmeyen bir telefon uygulamasının bizi çevreleyen dünyayı bu kadar kapsamlı şekilde betimleyebilmesi, görme engelliler için de, bu teknolojinin yaratıcısı olan Microsoft için de paha biçilemeyecek kadar değerli”dedi. Uygulamanın Türkçe sürümünün hazırlık aşamasında Microsoft ailesine katkıları bulunan birçok marka olduğunu söyleyen Murat Yılmaz, bu uygulamaya sosyal sorumluluk projesi olarak yaklaşan tüm markalara teşekkür etti.

Barkod okuma özelliğinden bahsettiğimiz bu uygulamanın veritabanına Türkiye’de bulunan 6 Milyon ürünün barkod numarası eklenmiş durumda. Bu markalar arasında, Boyner, Evyap, Koçtaş, MediaMarkt, Mondelēz International Türkiye, P&G Türkiye, Unilever Türkiye ve Watsons Türkiye gibi ünlü markalarının ürünlerinin barkodları artık Seeing Al’nin veritabanında. Söz konusu markaların tek bir alışveriş kategorisinde olmaması ise uygulamanın yelpazesinin genişliğini öne sürüyor. Bu markaların yanı sıra Microsoft’un bu uygulamasına destek veren bir diğer markada Turkcell oldu. Turkcell, uygulamayı kullanan müşterilerinin data kullanımını ücretsiz hale getirdi. Yani herhangi bir Turkcell kullanıcısı bu uygulamayı kullanırken internet paketinde azalmayla karşılaşmayacak.

Microsoft Türkiye, verileri toplu almak yerine markalarla birebir görüşerek, ürünlerin tüm özelliklerini; ölçü, renk, beden, malzeme, gramaj ve alerjen bilgisi gibi detayları göz önünde bulundurarak, sürekli değişen barkodları, düzenli güncelleyen bir veritabanı oluşturmuş oldu. Bu sayede ise, görme engelli insanlar, kimseden destek almadan ürünleri rahatlıkla tanıyabiliyor.

Microsoft Türkiye’nin hedeflemiş olduğu görme engellilere yönelik bu uygulamanın benim nezdimde de en büyük artısı olan para tanıma özelliği ile ilgili bir destek de Kuveyt Türk’ten geldi. Kuveyt Türk, banknotların görselleriyle gerekli barkodları oluşturdu. Bu sayede uygulama,dolarla birlikte Türk lirasını da tanır hale geldi.

Microsoft Türkiye yapmış olduğu bu uygulamayla görme engellilere büyük ölçüde fayda sağlayacak gibi görünüyor,Diliyorum ki diğer engellere sahip vatandaşlarımız içinde en kısa zamanda bu ve bunun gibi pek çok uygulama geliştirilir,bir nebzede olsa onlara fayda sağlanmış,hayatları biraz olsun onlar için kolay hale gelmiş olur.

REFERANSLAR:

https://shiftdelete.net/microsoft-seeing-al-uygulamasi-83563

https://www.webtekno.com/microsoft-seeing-ai-turkce-indir-h99180.html

https://www.donanimhaber.com/Microsoftun-gorme-engelliler-icin-gelistirdigi-Seeing-Ai-uygulamasi-35-ulkeye-gidiyor–95934

 

 

 

 

 

Featured Image

Yapay Zekaya Adım Adım Yolculuk

Makine öğrenimi (ML), deneyim yoluyla otomatik olarak gelişen bilgisayar algoritmalarının incelenmesidir [1]. Wikipedia’ ya göre ise makine öğrenimi, bilgisayarların, açıkça programlanmadan görevleri nasıl gerçekleştirebileceklerini keşfetmelerini içerir [2]. Yapay Zeka denilince çoğunuzun aklına ilk gelen şey kuşkusuz görselde gördüğünüz gibi robotlar gelmektedir. Bugün makine öğrenimi ve yapay zekanın temelleri seviyesinde ilgili kursları sizler için araştırdım ve en çok memnun kaldığım DataCamp ve Coursera kurslarını burada listeleyeceğim.

DataCamp Kursları

💠 Image Processing with Keras in Python:  Bu kurs boyunca CNN ağları nasıl inşa edileceği, eğitileceği ve değerlendirileceği öğretilecektir. Verilerden öğrenme yeteneklerinin nasıl geliştirileceğini ve eğitimin sonuçlarını nasıl yorumlanacağı öğretilecektir.
Kursa gitmek için tıklayın 🔗

💠 Preprocessing for Machine Learning in Python:  Verilerinizi, modeliniz için doğru biçimde olacak şekilde standartlaştırmayı, veri kümenizdeki bilgilerden en iyi şekilde yararlanmak için yeni özellikler oluşturmayı ve model uyumunuzu iyileştirmek için en iyi özellikleri seçmeyi öğreneceksiniz.
Kursa gitmek için tıklayın 🔗 

💠 Advanced Deep Learning with Keras: Hem sınıflandırma hem de regresyon yapan bir ağı eğiterek çok yönlü keras işlevsel API’sini kullanarak çeşitli problemleri nasıl çözeceğinizi gösterir.
Kursa gitmek için tıklayın 🔗

💠 Introduction to TensorFlow in Python: Bu derste, tensorflow 2.3’ü, öneri sistemleri, görüntü sınıflandırması ve Fintech’teki önemli ilerlemelere güç veren modellerle geliştirmek, eğitmek ve tahminler yapmak için kullanacaksınız. Hem 15 satırlık kodda derin öğrenme modelleri tasarlamanıza ve eğitmenize izin verecek üst düzey API’leri hem de hazır rutinlerin ötesine geçmenize izin verecek düşük seviyeli API’leri öğreneceksiniz.
Kursa gitmek için tıklayın 🔗

💠 Introduction to Deep Learning with PyTorch: PyTorch, aynı zamanda hem güçlü hem de kullanımı kolay olan önde gelen derin öğrenme çerçevelerinden biridir. Bu derste, MNIST veri kümesinden rakamları tahmin etmek için ilk sinir ağınızı oluşturmadan önce sinir ağlarının temel kavramlarını öğrenmek için Pytorch’ u kullanacaksınız. Daha sonra CNN hakkında bilgi edinecek ve daha doğru sonuçlar veren daha güçlü modeller oluşturmak için kullanacaksınız. Sonuçları değerlendirecek ve bunları geliştirmek için farklı teknikler kullanacaksınız.
Kursa gitmek için tıklayın 🔗

💠 Supervised Learning with scikit-learn: 

  • Classification
  • Regression
    • Fine-tuning your model
    • Preprocessing and pipelines

Kursa gitmek için tıklayın 🔗

💠 AI Fundamentals:

  • Introduction to AI
  • Supervised Learning
    • Unsupervised Learning
    • Deep Learning & Beyond

Kursa gitmek için tıklayın 🔗


Coursera Kursları

💠 Machine Learning: Classification, University of Washington: 

  • Hem ikili hem de çok sınıflı sınıflandırma problemlerinin çözümü
  • Boosting kullanarak herhangi bir modelin performansını artırımı
  • Stokastik gradyan yükselişi ile yöntem ölçeklendirme
  • Eksik verileri işleme teknikleri kullanımı
  • Hassas hatırlama metrikleri kullanılarak model değerlendirme

Kursa gitmek için tıklayın 🔗 

💠 AI For Everyone, deeplearning.ai:  

  • Gerçekçi AI ne olabilir ne olamaz?
  • Kendi kuruluşunuzdaki sorunlara yapay zeka uygulamak için fırsatlar nasıl belirlenir?
  • Makine öğrenimi ve veri bilimi projeleri oluşturmak nasıl bir şeydir?
  • Bir AI ekibi ile nasıl çalışır ve şirketinizde bir AI stratejisi nasıl oluşturulur?
  • Yapay zeka ile ilgili etik ve sosyal tartışmalarda nasıl gezinilir?

Kursa gitmek için tıklayın 🔗 

💠 AI for Medical Diagnosis, deeplearning.ai: 

  • Ders 1’de, akciğer ve beyin bozukluklarını teşhis etmek için konvolüsyonel sinir ağı görüntü sınıflandırması ve segmentasyon modelleri oluşturacaksınız.
  • Ders 2’de, hasta prognozunu belirlemek için istatistiksel yöntemler ve rastgele bir orman belirleyicisi kullanarak kalp hastalığı için risk modelleri ve sağkalım tahmincileri oluşturacaksınız.
  • Ders 3’te, bir tedavi etkisi belirleyicisi oluşturacak, model yorumlama tekniklerini uygulayacak ve radyoloji raporlarından bilgi almak için doğal dil işleme kullanacaksınız.

Kursa gitmek için tıklayın 🔗
Yapay zeka öğrenirken öncelikli adımlar olarak Yüksek Lisans dönemimde Yapay Sinir Ağları ve Örüntü Tanıma derslerini aldım. Bu alanlar ile ilgili projeler geliştirdim ve bu projeleri sunma fırsatım oldu. Böylelikle bildiklerimi aktarırken kendime daha çok şey kattığımı fark ettim. Bu yazıda özet olarak öğrenmeniz gereken DataCamp ve Coursera kurslarından bahsettim. Bunlardan önce Machine Learning Crash Course‘ u da bitirmenizi şiddetle tavsiye ediyorum.

REFERANSLAR

  1. Mitchell, Tom (1997). Machine Learning. New York: McGraw Hill. ISBN 0-07-042807-7. OCLC 36417892.
  2. From Wikipedia, The free encyclopedia, Machine learning, 19 November 2020.
  3. DataCamp, https://learn.datacamp.com.
  4. Coursera, https://www.coursera.org.

R Programlama

Yapay zeka ve makine öğrenmesi denilince akla ilk gelen yazılım dillerini Java, C, Python olarak sıralayabiliriz. Bir istatistikçi olarak benim de kullandığım, veri bilimciler tarafından da sıklıkla tercih edilen R Programlama, istatistiksel veri analizi, grafik gösterimi, istatistiki yazılım geliştirme alanlarında kullanılan bir programlama ve yazılım dilidir.
R, doğrusal ve doğrusal olmayan modelleme, klasik istatistiki testler, zaman serileri analizi, sınıflandırma, kümeleme gibi istatistiki teknikler ve grafik çizim teknikleri sunmaktadır. R;

  • Etkili bir veri işleme ve depolama tesisidir.
  • Diziler, özellikle matrisler üzerinde hesaplamalar için bir operatör paketi içerir.
  • Veri analizi için geniş, tutarlı, entegre bir ara araç koleksiyonu içerir.
  • Veri analizi için grafiksel olanaklar ve ekranda veya basılı kopya üzerinde görüntüleme ve koşullu ifadeler, döngüler, kullanıcı tanımlı özyinelemeli işlevler ve girdi ve çıktı olanaklarını içeren iyi geliştirilmiş, basit ve etkili bir programlama dilidir.

R Programın Tarihçesi
Yeni Zelanda Auckland Üniversitesinden Ross Ihaka ve Robert Gentleman tarafından ortaya çıkarılan R, günümüzde de  R Geliştirme Çekirdek Ekibi tarafından geliştirilmektedir. S programlama dilinin  uyarlaması olarak karşımıza çıkar. R Foundation tarafından desteklenen ve GNU Tasarısının parçası olan bir özgür yazılımdır.
R Programlamanın Avantajları

  1. R, gerektiği yerlerde matematiksel semboller ve formüller dahil olmak üzere iyi tasarlanmış yayın kalitesinde grafiklerin üretilebilmesinde kolaylık sağlar.
  2. Açık kaynak kodlu ve ücretsizdir. Veri madenciliği, istatistik gibi konularda 15.000’in üzerinde paket içerir. Aynı zamanda kullanıcıların kendi paketlerini oluşturmalarında veya çok özel araştırma alanlarına ait paketlerle oldukça geliştirilebilirdir.
  3. Çapraz platform olması sayesinde GNU/Linux, Microsoft Windows gibi değişik işletim sistemleri üzerinde çalışabilir.
  4. Microsoft Excel, Microsoft Access, Oracle, MySQL ve SQLite, Hadoop, SAS ve SPSS gibi birçok araç ile entegre şekilde çalışabilir bu sayede data import- export işlemleri kolaylıkla gerçekleştirebilir.
  5. Verinin ekranda ya da basılı bir eserde görüntülenebilmesine olanak veren geniş, grafiksel özellikler sunar.

R programlamanın kullanım alanlarına bakacak olursak; dünya çapında birçok veri bilimci tarafından sağlık, finans, otomotiv gibi alanlarda kullanılır. Örnek olarak Ford Motor Company, iş stratejisini ve gelecekteki tasarımlarını geliştirmelerine yardımcı olan ürün hakkındaki müşteri düşüncelerini analiz etmek için R’ı istatistiksel analizler için kullanır.
R yapay zeka mühendisleri ve veri bilimciler için en iyi programlama dilleri arasında gösterilir. Tahmin, kestirim, sınıflandırma gibi yaklaşımları ve makine öğrenmesi için gerekli algoritmalarını içeren kütüphaneleri(dplyr, magrittr, caTools, caret gibi) bünyesinde barındırır. R programlamadan kısaca bahsettik. Sizler de veri bilimci olma yolunda ilerliyorsanız R programlama dilini kısa zaman içinde öğrenebilir ve makine öğrenmesi problemlerinizde uygulayabilirsiniz. Bir sonraki yazımızda görüşünceye dek hoşçakalınız…

REFERANSLAR
https://www.r-project.org/about.html
https://atacangarip.wordpress.com/2016/10/20/r-dili-tarihcesi-ve-ozellikleri/
https://medium.com/datarunner/r-nedir-4375f53ba1d4
https://www.linkedin.com/pulse/r-yazilimi-datamining-machine-learning-nedir-datalab-tr/
https://www.mediaclick.com.tr/tr/blog/r-programlama-dili-nedi

Yapay İnsan Gözü Tasarlamak: EC-Eye

Göz, en karmaşık biyolojik yapıya sahip organlardan bir tanesi. Bu yapısı sayesinde çok geniş bir görüş açısı sağlamasının yanı sıra hem uzağı hem yakını detaylı bir şekilde işler ve ayrıca çevre, ışık koşullarına göre de inanılmaz bir uyum sağlar. İçinde bulundurduğu sinir ağlarına, katmanlarına, milyonlarca fotoreseptörlere ek olarak bir de küresel şekle sahip olması, onun kopyalanmasını oldukça zorlaştırıyor.
Tüm bu zorluklara rağmen Hong Kong Bilim ve Teknoloji Üniversitesi’nden bilim insanları bu alanda çalışmalarına devam etti ve ışığa duyarlı süperiletken perovskit maddesi ile biyonik bir göz geliştirdiler. “Elektrokimyasal Göz” (EC-Eye) adını verdikleri bu biyonik göz, bir insan gözünü kopyalamayı bırakın çok daha fazlasını yapmak üzere.
 

 
Şu an sahip olduğumuz kameralar aslında görme işlevinin bir kopyası gibi gelebilir. Fakat küçük boyutlar için çözünürlük ve görüş açısı tam olarak insan gözünün özelliklerine sahip değil, daha çok mikroçip gibi çözümler kullanılır. Fakat bunların küresel bir yüzeyde tasarlanması önceden de söylediğimiz gibi o kadar kolay olan bir işlem değil. Peki EC-Eye bunu nasıl yapıyor?
Elektrokimyasal göz, temel olarak 2 parçadan oluşuyor diyebiliriz. Ön tarafında insan irisinin görevini yapan bir mercek bulunmakta. Yine aynı tarafta elektrik yüklü bir sıvı ile doldurulmuş alüminyum bir kabuğa sahiptir. Bu sıvı aslında insan göz yapısında “Vitre” olarak bildiğimiz gözün içini dolduran jel şeklinde biyolojik bir sıvıdır.
 

 
EC-Eye’ın arka kısmında ise oluşturulan elektriksel aktiviteyi işlemek üzere bilgisayara gönderen teller bulunmaktadır. Teması gerçekleştirmek adına da silikon bir göz yuvasına sahiptir. Son olarak, ve en önemlisi, algılamayı gerçekleştiren hassas nanoteller. Bu nanoteller o kadar hassas bir yapıya sahiptir ki yanıt hızları, normal bir insan gözündeki fotoreseptörlerden daha hızlıdır. Nanoteller üzerinde oluşan elektriksel reaksiyonların bilgisayara iletilmesi ile de iletim gerçekleşmiş oluyor. Tabii bu şekilde anlatınca çok kolay bir işlem gibi gözükse de aslında teknolojinin sınırlarını zorlayan bir uygulama. Tüm bu işlemlerin insan gözünü arka planda bırakacak bir güçte ve özellikte çalışması ise daha da merak uyandırıcı. 
Nasıl çalıştığını görmek adına, EC-Eye ve bilgisayar arasında bir arayüz oluşturuldu ve bu arayüz sayesinde EC-Eye’a bazı harfler gösterildi. Çıkan algılama sonucunda daha yüksek çözünürlükte görüntü elde edildiği kanıtlandı. İleriki aşamalar için çok daha kompleks testlerle karşı karşıya gelecek ve geliştirilmesi için çalışmalara devam edilecek.
 

 
Bu biyonik gözün insan gözü yerine geçebilmesi için daha birçok testten geçmesi gerektiği çok açık özellikle her ne kadar küçük bir cihaz gibi görünse de nanotellerin bilgisayara işlenmesi için bağlanması aşaması şu an bir sorun yaratmakta. Söz konusu çok fazla nanotel olunca bunların yerleştirilmesi ve pratik şekilde kullanılması oldukça zor gözüküyor, yani bu biyonik gözlerin ticarileşmesi, herkes tarafından kullanılabilmesi, biraz daha uzun bir zaman alabilir. Ama şimdilik, gelecek için büyük bir umut veriyor. 
İnsan gözünün algılayamadığı şeyleri de yapabileceği bir noktaya gelirse eğer, çok fazla özelliğe sahip bir potansiyelinin olduğu söylenebilir. Bilim kurgu filmlerinde gördüğümüz ve “Bunlar sadece filmlerde olur zaten.” dediğimiz kayıt almak, çok uzağı görmek, gece görüşü, başka dalga boylarında frekansları görüntüleme artık o kadar da ulaşılmaz değil gibi duruyor. Bunlar nasıl telefon kameraları ile bile çok rahat bir şekilde yapılabiliyorsa işin içinde yapay zekanın da olduğu üst düzey teknolojik uygulamaların bunu kolaylıkla yapabileceğini tahmin etmek aslında o kadar da zor değil.
Yapay Zeka her alanda bir parçamız olmaya başladı bile.
 
Kaynakça:

Looking to the Future: Creating an Artificial Eye


https://www.nature.com/articles/s41586-020-2285-x.pdf?origin=ppub
https://tr.euronews.com/2020/05/21/insanlar-ve-robotlar-icin-gelistirilen-biyonik-goz-ilk-testleri-gecti-potansiyelde-s-n-r-y

Film "Her" Üzerinden İnsan-Makine Etkileşimine Bir Yaklaşım

7 yıl önce, Spike Jonze yönetmenliğinde, özünde klasik bir romantizm içermesine rağmen çok da klasik olmayan bir film yayınlandı: Her. “Her” izlerken, oradaki evrenin teknoloji ve kurulan düzen bakımından günümüzden uzak olduğunu, hatta ütopya sayılabileceğini görüyoruz. Yine de o kadar uzak olduğunu söyleyebilir miyiz? Gelecekte bizlerin makinelerle etkileşimi nasıl şekillenecek?

ALGORİTMİK IRKÇI ''TAY''

ALGORİTMİK IRKÇI ”TAY”

Irkçılık insanlığın varoluşundan beri süregelen ve kanayan bir yara. Üstünlük konusunda insanların tartışmaları yetmezmiş gibi şimdi sıra yapay zekalara geldi. Evet ırkçılık yapan bir yapay zekadan bahsediyoruz. Aslında bir bakıma ırkçılığı öğreten de bizleriz. ‘’Tay’’ ilk olarak dünyayı eğlenceli ve naif bir şekilde selamlamıştı. Sonrasında ise tam bir silaha dönüştü.
 

 
‘’Tay’’ isimli yapay zekadan bahsetmeden önce algoritmanın tanımını bilmekte fayda vardır.
Algoritma Nedir ?
Bir sorunu çözmek veya belirlenmiş bir amaca ulaşmak için tasarlanan yola, takip edilen işlem basamaklarına algoritma denir. Algoritmalar açıkça belirtilmiş bir başlangıcı ve  sonu olan işlemler kümesidir. Amaca ulaşmak için işlenecek çözüm yolları ve sıralamaları belirlenir ve algoritma bu sırayı takip ederek en mantıklı çözüme ulaşır. İlk algoritma, El-Harezmi’nin ‘Hisab-el Cebir ve El Mukabala’ kitabında sunulmuştur ve algoritma kelimesi de El-Harezmi’nin isminden gelmiştir. Algoritma terimi genellikle matematikte ve bilgisayar bilimlerinde karşımıza çıkmaktadır.
Yapay zekalar işte bu algoritmalara sayesinden çalışır. Tasarladığınız yola göre en optimum olan seviyeyi bulur ve size sunar. Tabi bu yolu siz öğrettiğiniz içinde nasıl yollar sunarsanız size ona göre cevaplar sunar. ‘’Tay’’ isimli yapay zekaya da aynısı olmuştu.
‘’Tay’’ Nedir ?
Tay, Microsoft tarafından 23 Mart’ta hizmete sunulan bir chatbottu. Yapay zekanın en büyük özelliği internette gördükleri ve okudukları şeyleri öğrenebilmesiydi. Ancak görünüşe göre Tay isimli yapay zeka, hizmete sunulduktan birkaç gün sonra yoldan çıktı ve ırkçı oldu.
Şirket, Tay adını verdiği chatbot için Twitter’de bir hesap

– Soykırımı destekliyor musun ? – Aslında destekliyorum.


açmış ve insanları onunla sohbet etmeye davet etmişti. Amaçları yapay zekayı geliştirmek ve insanlarla güzel sohbetler etmesini sağlamaktı. Fakat olay hiç umdukları gibi gitmedi ve Tay tam bir yapay ırkçı haline geldi. Hatta Hitler’i ve soykırımı destekleyen şiddetli bir taraftar bile olmuştu.  
Bu projede 18-24 yaş grubunu hedefleyen Microsoft, Tay’in amacının “gündelik, esprili sohbetler yapmak” olduğu belirtmiş ve şöyle demişti:
“Tay ile ne kadar çok sohbet ederseniz o kadar akıllı olacak ve sizinle, size özel bir iletişim kuracak.”
Ancak devreye girmesinin üzerinden 24 saat geçmeden Tay’a, Nazi sempatizanı, ırkçı ve soykırım destekçisi gibi mesajlar yazmak ve küfretmek “öğretildi.”
 

”Sakin olun ben iyi biriyim. Sadece herkesten nefret ediyorum.”


 
Sonradan anlaşıldığına göre aslında ‘’Tay’’ iyi biriydi. Fakat bir sorunumuz daha vardı. İnsanlardan nefret ediyordu. İnsanlardan nefret etmesinin en büyük sebeplerinden biri de ona öğrettiğimiz kendi zayıflıklarımız olsa gerek.
Tabi bunun üzerine Microsoft daha fazla dayanamadı ve fazla bir zaman geçmeden ‘’Tay’’ isimli yapay zekayı durdurdu. Şirket yetkilileri bunu açıkça doğrulamadı ancak “bazı düzenlemeler yaptıklarını” bildirmekle yetindi.
Bazı kullanıcılar ise Microsoft’un müdahalesini eleştirerek #justicefortay (#tayiçinadalet) kampanyası başlattı, yazılım devinden yapay zekanın “doğruyu ve yanlışı kendi kendine öğrenmesine izin vermesini” talep ettiler.
‘’Tay’’ kodlama karmaşasının içine gömülüp giderken belki daha iyi ve sevecen duygularla bize geri dönmek için kendi sonunu hazırladı. Bir gün daha sevecen bir ‘’Tay’’ ile görüşmek ümidiyle…
 
Yazıma Isaac Asimov’un şu sözleriyle son vermek istiyorum:
‘’Düşüncem iki yönlü: İlk olarak robotları kendi yaratıcılarını yok edecek canavarlar olarak görmüyorum. Çünkü robotları yapan insanların, kendi güvenliklerini sağlayacak vasıtaları da yine robotların içine koyabilecek kadar bilgi ve yetenek sahibi olacaklarını düşünüyorum. İkinci olarak robotların ya da genel anlamda makinelerin, bizlerin yerine geçebilecek kadar zekâya sahip oldukları anda bunu yapmaları gerektiği fikrindeyim. -Isaac Asimov
 
 
 
REFERANSLAR:

Yapay Zeka’nın Son Ürünü : Squidbot

Yapay zekanın artık deniz altında da boy gösterdiği bir dönem başlıyor diyebiliriz. Geliştirilen ürünlerin kalitesi günden güne daha iyi duruma gelmektedir. Üretilen projelerin devamlılığı sağlanabilirse, bu alanda çalışıp katkı sağlayacak insanlar olacaktır

CNN (Evrişimsel Sinir Ağları) ve Cilt Kanseri Tanısı

Yapay zeka teknolojileri hızla ilerlemekte .Bu ilerleme sayesinde sağlık alanı da birçok yönden gelişim ve değişim süreci içine girmiş durumda. Bu yazımızdaysa yapay zeka destekli bir teknoloji sayesinde cilt kanseri tanısı nasıl konulur ve başarı oranı nedir bunu inceleyeceğiz.