Machine Learning üzerine…

Machine Learning üzerine bir yazı yazmak zor, çünkü başlamak için öncelikle terimin Türkçe’sini bulmak gerekiyor ki örneğin “özdevimli öğrenme” kalıbından insan koşarak uzaklaşmak istiyor. “Makina öğrenimi” biraz daha kabul edilebilir. Literatürde nadir kullanılan “yapay öğrenme” amacına daha uygun gibi fakat bu da yapay zeka ile karıştırılmaya elverişli. “Öğrenen makinalar” diye bir kullanım bulamadım ama olsaydı bana daha yakın gelirdi.

Machine Learning bilgisayar bilimlerindeki “yapay zeka” (artificial intelligence) alanının alt konularından biri. Yeni bir konu olarak bilinse de geçmişi 1950’lere dayanıyor. 1950’de Alan Turing bir bilgisayarın gerçekten zekası olup olmadığını belirlemek için Turing Test’i geliştirmiş. O günden bu yana, zaman zaman işe yaramadığı düşünülerek rafa kaldırılmaya çalışılmış ama inananlarının çalışmaları sonucunda her seferinde küllerinden doğmuş. Machine Learning’in amacı; en az varsayımla, regresyon, kümeleme, sınıflandırma gibi istatistiksel yöntemlerle veriyi modellemek ve bu model ile ilgilenilen bir ‘soru’nun, gittikçe doğruya daha da yakınsayan cevabını, veriden bulmaya çalışmak. Tüm sürecin hedefi ise, bulunan doğru cevaplar ile bir kullanım alanında fayda yaratmak.

Disiplinler arasındaki yerini aşağıdaki gibi bir grafik ile tarifleyebiliriz:

Bilgisayar bilimlerinde kullanılagelen, algoritmaları önceden belirlenmiş problem çözüm yöntemlerinden farklı olarak, Machine Learning’de giren veri üzerinden model sürekli yenileniyor. Dolayısı ile karar verme süreçleri, yenilenen veri ile yeniden öğrenen model üzerinden yürütülüyor.

Machine Learning yöntemleri 2 alternatifle aktarılıyor. Bunlar arasında temel fark öğrenilen geri bildirimin gelişen sisteme nasıl aktarıldığı ile belirginleşiyor. “Güdümlü öğrenme” yönteminde, girdi ve çıktı veriler insanlar tarafından beklenen çıktıları işaret edecek şekilde etiketleniyor. Böylece çıktıyı öğrenen makina, beklenen ve gerçekleşen arasındaki farka yol açan hatayı göz önüne alarak modeli modifiye ediyor. “Güdümsüz öğrenme”de ise bir etiketleme mekanizması kullanılmıyor. Dolayısı ile veri kısıtlanmıyor. Belirli bir doğru işaret edilmeden karmaşık bir veriden bazı şablonlar çıkarılabiliyor. Örnek vermek gerekirse, ilk yöntemde bilgisayara hangi verilerin ağaç resimleri içerdiği öğretilirken, diğerinde ağaçların ortak özelliklerini belirlemesi sağlanıyor.

Machine Learning‘de en çok kullanılan algoritmalar en yakın komşu, karar ağacı ve yapay sinir ağları. En yakın komşu tekniğinde veri, en yakınında bulunan belirli sayıdaki diğer verilerle karşılaştırılıyor ve sınıflandırılmaya çalışılıyor. Karar ağacı; karar alternatifleri ile beraber bunların olası sonuçları ve olasılıklarının ile alt alta sıralanarak değerlendirme yapıldığı teknik. Yapay sinir ağları yöntemi, biyolojik sinir ağları yapısından esinlenilerek geliştirilmiş ve bu yöntemle pek çok alanda çalışma yapılabiliyor. En önemli alt alanı olan Derin öğrenme’de; çoğunlukla resim, yazı ve seslerin insana yakın doğrulukta algılanması çalışmaları yapılıyor. Dolayısı ile bu yöntem ile ağırlıklı olarak, insan bünyesindeki en karmaşık yapılardan biri olan sinir sisteminin vardığı sonuca, karmaşık bir veri ağı üzerinden ulaşılmaya çalışılıyor.

Yüz tanıma, metin tanıma, tavsiye motorları gibi uygulamalar, Machine Learning alanında yapılan çalışmalara örnek olarak sayılabilir. Cep telefonlarımıza resmimiz ile kendimizi tanıtmamız, bizlere müzik, video, ürün vb önerilmesi, telefonlarımızın işlem sistemlerinin bizimle diyalog kurabilmeleri, insansız arabalar, telefonda IVR sistemlerinin bizi sesimizden tanıması, web sitelerinin “canlı destek” hizmetlerinin bir kısmında sorulan soruların otomatik cevaplandırılması gibi hizmetler bu çalışmaların hayatımıza yansıyan alanlarındandır.

Son not olarak, Machine Learning çalışmalarında bilgisayar dili olarak çoğunlukla Python ve R kullanıldığını belirtelim.

Ben bu yazıyı yazdım çünkü yakın çevrem bu konular ile ilgili çalışıyor ve onların kendi aralarındaki konuşmalarını anlamak için çaba göstermem gerekiyordu J

Asimov’a saygıyla…

Kaynaklar:

https://www.digitalocean.com/community/tutorials/an-introduction-to-machine-learning

https://www.forbes.com/sites/bernardmarr/2016/02/19/a-short-history-of-machine-learning-every-manager-should-read/#6bae3e5a15e7

https://www.mathworks.com/discovery/deep-learning.html

m