Makine Öğrenmesi Bilgisayarları Çılgınca Eğitiyor

Yeni yıl hedeflerime her gün 1 TED videosu izleme görevi koydum ve daha önce şurada yaptığım gibi bu konuşmaların önemli bölümlerini blogumda paylaşmaya çalışacağım.

Bugünün videosu veri bilimci Jeremy Howard’ın konuşması; The wonderful and terrifying implications of computers that can learn. (Konuşmayı en altta görebilirsiniz.)

Howard, bu konuşmayı TEDxBrussels’de 2014'te yapılmış, yani sonuçlar açısından biraz eski ama özellikle Arthur Samuel detayını öğrendiğime sevindim. Konuşma özetle makine öğrenmesi yoluyla bilgisayarların nasıl çılgın birer öğrenici haline geldiğini anlatıyor. İşte çıkardığım notlar;

  • İnsan ile bilgisayarların kapışması masaüstünde kapışması ilk kez 1956’da başlamış. Yani Deep Blue — Kasparov ve Alpha Go — Lee Sedol kapışmalarının ilki 1956’da Arthur Samuel ile başlamış. Samuel bilgisayarıyla binlerce kez dama oynayarak ona dama oynamasını öğretmiş ve o bilgisayar 1962'de Connecticut eyaleti dama şampiyonunu yenmiş.
  • Howard, Programlamayı “Her adımı, her detayı bilgisayarın yapmasını istediğin her şeyi, amacına ulaşman için tasarlaman gerekir.” şeklinde tanımlıyor ve “bilgisayarların insanlardan daha iyi görebildiğini 2011 yılında anladık” diyor.
  • Veri analizi ve makine öğrenmesi farklı uzmanlık alanlarının sorunlarını çözebiliyor. Yani tıp alanında büyük bir sorunu çözmek için tıp doktoru olmanız şart değil. Tıpkı e-ticarete adım atmak veya başarılı olmak için fiziki bir mağaza açmış olmanıza gerek olmadığı gibi.
  • Google, 2012'de Youtube videolarını izleyen ve aylık 16.000 bilgisayardaki veriyi sıkıştırabilen derin öğrenme algoritmaları olduğunu açıklamış. Geoffrey Hinton adlı veri bilimci 2012'de 1.5 milyon fotoğrafa bakarak neyin fotoğrafları olduğunu çözmeye çalışmış ve ImageNet yarışmasını kazanmış. 2014 yılında görüntü tanımada %6’lık hata payı yakalanmış ki o tarihte bile bilgisayarların insanlardan daha iyi olduğunu gösteriyor.
  • Google, Fransa’daki her bir konumu 2 saatte haritada işaretlemiş ve cadde numaralarını okumak ve tanımlamak için cadde görüntülerini (Street View) bir derin öğrenme algoritmasında kullanmış. Burada farkettim ki Google yıllardır captcha’larda bize Street View ile çektiği sokak numaralarını soruyor. :)
  • Bir başka makine öğrenmesi çalışması kanser hücrelerinin yanındaki hücrelerin de kanser hücreleri kadar önemli olduğunu keşfetmiş. Bu patoloji uzmanlarına onlarca yıldır öğretilenlerin tam tersi. Geliştirilen bu sistem kanserli alanları daha isabetli olarak belirleyebiliyor, ya da en az patoloji uzmanı kadar. Bu proje de, bilgisayarların nöronları insanlar kadar isabetli segmentleyebildiğini de tıbbi geçmişi olmayan kişiler göstermiş. Elbette makine öğrenmesi yoluyla.
  • Howard’ın kendisi de sağlık alanında bir şirket kurmuş. Gelecekte hastaneleri tıp profesörleri değil, bilgisayar / matematik bilimleri profesörleri açacak demek sanırım yanlış olmaz.
  • Konuşmada 1.5 milyon araba resmi 16 bin boyutlu bir uzayda gösteriliyor ve bu da bilgisayarların görüntüleri farklı açılardan daha iyi algılamasını sağlıyor.
  • Howard, esas meselenin insanın yerine bilgisayarın geçmesi değil birlikte çalışmaları olduğunu söylüyor. “Şu fotoğraf işinde 6–7 kişilik bir takımın yaklaşık 7 senede yapacağı bir şey, bir kişi tarafından yaklaşık 15 dakikada yapılabiliyor.” diyor ama ben de Howard’a soruyorum; 1) Takımın diğer üyeleri ne yapacak? 2) O işi başaran 1 kişi kalan 7 senede ne yapacak?
  • Dünya Ekonomik Forumu’na göre; gelişen dünyada doktor kıtlığı 10 ile 20 katı arasında ve 300 yıl alacak. Gelişen dünyadaki istihdamın %80'inin yaptığı şeyler, aynı zamanda bilgisayarın nasıl yapılacağını öğrendiği şeyler. / Yani çocuklarımızı veri bilimci olarak yetiştirsek iyi olur.
  • Howard, 5 yıllık süre içinde bilgisayarlar bu çizelgenin dışında olacağını söylüyor. “Makine Öğrenmesi Devrimi, sanayi devriminden çok daha farklı olacak çünkü Makine Öğrenmesi Devrimi asla durulmayacak” diye ekliyor. Evet, her şey şu üssel artış olayında bitiyor. Bilgisayarlar çok hızlı.
  • Konuyu Howard’ın son sözleriyle kapatalım;
  • Bilgisayarlar gerçek anlamda düşünemez, duygusal davranmaz, şiirden anlamaz, nasıl çalıştıklarını tam olarak anlamıyoruz. Ne fark eder? Bilgisayarlar şu an insanların ücret alarak zamanlarının çoğunu harcadıkları şeyleri yapabiliyor. O zaman sosyal ve ekonomik yapımızı nasıl uyduracağımızı düşünmeye başlamamızın ve bu yeni gerçekliğin farkında olmamızın tam zamanı.
Bu eposta aracını siz de kullanmak isterseniz tıklayın.

Originally published at Fırat Demirel.

One clap, two clap, three clap, forty?

By clapping more or less, you can signal to us which stories really stand out.