Makine öğrenmesi bir yapay zeka uygulaması olup sistemlerin deneyimleri aracılığı ile öğrenerek kendilerini geliştirmesini sağlar. Bu tür sistemlerde, bahsi geçen geliştirmeler için özel olarak programlanma ihtiyacı bulunmaz. Makine öğrenmesi, toplanan verilere erişim sağlayabilen bilgisayar programlarının gelişimine odaklanır ve onların kendi başlarına öğrenmelerini sağlar.
Öğrenme süreci gözlem ya da veriler ile başlar. Bu veriler örnekler, doğrudan kazanılan deneyimler ya da adım adım verilecek yönergeler olabilir. Bahsi geçen veriler, gelecekte benzer durumlar ile karşılaşıldığında, daha iyi karar verilebilmesi için kullanılır. Bu alandaki birincil amaç, bilgisayarların herhangi bir insan müdahalesi ya da desteği olmadan öğrenebilmeleri ve davranışlarını bu öğrendiklerini göre şekilledirebilmeleridir.
Makine Öğrenmesi Yöntemleri
Makine öğrenmesi algoritmaları genel olarak denetlenen ve denetlenmeyen olarak iki gruba ayrılır.
Denetlenen Makine Öğrenmesi Algoritmaları
Bu tür algoritmalarda geçmişte öğrenilenler işaretli örnekler aracılığı ile yeni verilere uygulanabilir ve bu sayede gelecek ile ilgili tahminlerde bulunabilir. Eğitim verilerinin analizi ile işe başlanır ve öğrenme algoritması çıkarımlar yaparak öngörülerde bulunur. Sistem yeterli eğitimin ardından yeni hedefler belirleyebilecek noktaya ulaşabilir. Öğrenme algoritması ayrıca, kendi elde ettiği sonuçlar ile olması gereken sonuçları karşılaştırarak hataları bulur ve model üzerinde düzenlemeler yapabilir.
Denetlenmeyen Makine Öğrenmesi Algoritmaları
Öğrenme için kullanılan bilgilerin etiketli ya da kategorize edilmediği durumlarda denetlenmeyen makine öğrenmesi algoritmaları devreye girer. Denetlenmeyen sistemler, işlemlere müdahale ederek etiketlenmemiş verilerden gizli yapılara ulaşabilir. Doğru çıktıya ulaşamasa da bu tür algoritmalar verileri inceleyip etiketsiz verilerde gizli kalmış yapılar ile ilgili çıkarımlarda bulunabilir.
Yarı Denetlenen Makine Öğrenmesi Algoritmaları
Yukarıda değinilen denetlenen ve denetlenmeyen algoritmaların arasında bir yapıya sahip algoritmalardır. Zira hem etiketli hem de etiketsiz verilerden faydalanırlar. Genel olarak az sayıda etiketlenmiş veri ile büyük miktarlarda etiketsiz verileri girdi olarak alırlar. Bu yöntemi benimsemiş sistemler, öğrenme becerisini gözle görülür biçimde artırır. Yarı denetlenen makine öğrenmesi algoritması, genellikle toplanan etiketli verilerin işlenebilmesi ve öğrenme amacı ile kullanılmasının beceri ve ilgili bilgi gereksinimi olan durumlarda tercih edilir. Öte yandan, toplana etiketlenmiş veriler genel olarak ek bir kaynağa ihtiyaç gereksinimi doğurmaz.
Desteklenen Makine Öğrenmesi Algoritması
Bu tür algoritmalarda öğrenim metodu çevre ile etkileşime girip eylemlerde bulunarak hataları ve ödüllendirmeleri keşfetmektir. deneme yanılma arayışı ve gecikmeli ödüllendirme, desteklenen makine öğrenmesi algoritmalarının karakteristik özelliklerinin başlıcaları olarak sayılabilir. Bu yöntem, makinenin ya da yazılımın, belirli durumlar için, otomatik olarak ideal davranışı belirlemesine ve performansını artırmasına yarar. Basit bir ödüllendirici geri dönüş, öğrenme yardımcısı olarak önemli bir yere sahiptir ve buna destek sinyali adı verilir.
Makine öğrenmesi sayesinde devasa boyutlardaki veriler analiz edilebiliyor. Bu teknoloji sayesinde genel anlamda hızlı ve doğru sonuçlar elde ederek karlı yatırımlar ya da tehlikeli riskler önceden belirlenebiliyor olsa da, makine öğrenmesini kulanabilmek için zaman ve kaynak ayırarak, düzgün bir şekilde geliştirmeleri gerekliliği göz ardı edilmemeli. Makine öğrenmesi teknolojisini yapay zeka ve bilişsel teknolojilerle entegre bir şekilde kullanmak, bu algoritmaların büyük veri ve bilgileri daha verimli bir şekilde işlemesine olanak sağlayacaktır.
Makine Öğrenmesi Örnekleri:
Yapay zeka ve makine öğrenmesi teknolojilerinin hayatımıza etki ettiği, iş hayatında verilen kararlar üzerinde pay sahibi olduğu ve dünyanın önde gelen firmaları da dahil olmak üzere operasyonel düzenlemelerde önemli görevler üstlendiği, tüm bunları da perde arkasında, çoğumuzun haberi bile olmadan yaptığı gerçeği inanılması güç bir durum. Bu yazıda, yapay zeka ve makine öğrenmesi teknolojilerinin şu anda kullanılan 27 olağanüstü örneğini listeleyeceğiz.
Tüketici Ürünleri
Doğal dil işleme, makine öğrenmesi ve gelişmiş analiz destekleri sayesinde, “Hello Barbie” diye bilinen oyuncak, çocukları dinliyor ve cevap veriyor. Barbie bebeğin boynundaki kolyede bulunan mikrofon çocukların söylediklerini kayıt altına alıp ToyTalk’ta bulunan sunuculara aktarıyor. Bu sunucularda analiz edilen kayıtlar, 8 bin satırlık diyalog kümesinden en doğru cevap ile eşleştiriliyor. Sunucular, eşleştirmenin ardından uygun cevabı bir saniyeden kısa sürede Barbie bebeğe göndererek çocuğa cevap vermesini sağlıyor. En sevdikleri yemek gibi, çocuklar tarafından verilen cevaplar da kayıt altına alınıyor ki, gerekli olduğında sohbet sırasında kullanılabilsin.
Coca Cola, 500’den fazla içecek markası ile geniş bir ürün gamına ve faaliyette olduğu 200’ün üzerinde ülke ile küresel bir markete sahip, dünyanın en büyük içecek firması konumunda. Şirket, devasa veriler yaratmasının yanı sıra, yeni teknolojileri benimseyip bu verileri; yeni ürün geliştirmelerinde, yapay zeka yatırımlarında ve hatta şişeleme tesislerinin artırılmış gerçeklik ile test edilmesinde kullanıyor.
Yaratıcı Sanatlar
Yemek sanatı, insan dokunuşunu gerektirir inancı, doğruluğunu yitirmeye başladı. IBM firması tarafından geliştirilen Yapay zekaya sahip Şef Watson, yapay zeka teknolojisinin insanlara mutfakta nasıl yardım edebileceğini, yeni tatlar ve dokunuşlar sunabilecek şekilde tarifleri değiştirebileceğini gösteren bir sistem olarak kendini gösteriyor. Yapay zeka ile insanın birlikte çalışması, çok daha fazla şey sunabilir.
Büyük veri ve yapay zekanın yaratıcılık üzerine olumlu bir etkisi de sanat ve tasarım düyası üzerine olacaktır. IBM’e ait Watson’a Gaudi’nin eserleri ve Barcelona, şehrin kültürü, biyografiler, tarihi metinler ve şarkı sözleri gibi ressamın esin kaynağı olan farklı materyaller verildi. Watson, bu verileri analiz ettikten sonra, sunduğu ilham ile, bir heykeltraşın Gaudi’nin tarzında hayat verdiği eserine fikir verdi.
Melodi oluşturan algoritmalar ise, yeni şarkıları doğuruyor. Milyonlarca sohbet içeriği, gazete manşeti ve konuşmalardan oluşan yeterli girdi sağlandığında, sözlere uygun melodiler ortaya çıkarılabilir. Watson BEAT gibi birçok makine, bestecilere ilham verebilecek farklı müzikal ögeleri ortaya koyabiliyor. Yapay zeka müzisyenlerin, dinleyici taleplerini anlamasına ve başarılı olacak şarkıları bulmasına yardımcı oluyor.
Enerji
Enerjide küresel anlamda lider konumda bulunan British Petrol yani BP firması, büyük veri ve yapay zekanın sektörleri için neler sunabileceğini en iyi anlayan şirket olarak da öne çıkıyor. Firma teknolojiyi performans seviyelerini artırmak, kaynakların kullanımını artırmak ve petrol ile doğalgaz üretimi ve rafine edilmesinde istikrar ve güvenliği sağlamak amacı ile kullanıyor. Petrol ve doğalgaz üretimi yapılan sahalardaki durumu takip etmek için kullanılan sensörlerden, operasyonların etkinliğini artırmak amacı ile kullanılan yapay zeka teknolojisine kadar hemen her alanda, veriler BP tarafından mühendislerine, bilim insanlarına ve karar verici kadroya sunuluyor. Bu sayede de performans artırılıyor.
Enerji iletim görevini 21. yüzyıl standartlarına taşımak amacı güden bir diğer firma olan General Eleectric Power, büyük veri, makine öğrenmesi ve Nesnelerin İnterneti teknolojilerini kullanarak enerjinin İnternet ile entegrasyonunu sağlıyor. İleri düzey analizler ve makine öğrenmesi sayesinde öngörülebilir bakımlar, enerji dağılımı, operasyon ve iş optimizasyonu konularında General Eletric Power firması işlerini hızlandırıyor ve dijital santral hayaline yaklaştırıyor.
Finansal Hizmetler
Kredi değerlendirme kurumu Experian, sahip olduğu ve her geçen gün büyüyen 3,6 petabaytlık verisi ile devasa bir pazarlama veri bankasına, işlem kayıtlarına ve kamuya açık bilgilere sahip. Bu veriler, dünyanın dört bir yanındaki bireylerden toplanan veriler. Firma elindeki veriler ile kullandığı makine öğrenmesi teknolojisini, tüm ürünlerine entegre ederek daha hızlı ve daha doğru karar alım süreci ortaya çıkarmak için uğraşıyor. Makineler zamanla, hangi verilerin daha önemli olduğunu, hangilerinin ise göz ardı edilebileceğini öğreniyor.Makinelerden elde edilen sonuçlar, Experian firmasının çalışmalarını optimize etmek için kullanılıyor.
American Express firmasının dolaşımda 1 trilyon doları ile kullanımda olan 110 milyon AmEx kartı bulunuyor. Firma dolandırıcılığa karşı, neredeyse gerçek zamanlı çalışabilen makine öğrenmesi algoritmaları ile veri analizlerine güveniyor ve bu sayede milyonlarca dolar kaybetmekten kurtuluyorlar. Buna ek olarak, AmEx kartları aracılığı ile toplanan veriler uygulama geliştirme amacı ile kullanılıyor. Bu uygulama kartlığa bağlanarak ürün, hizmet ve özel teklifler sunuyor. Firma ayrıca, tüccarlara çevrimiçi trend analizleri ve sektörel karşılaştırmalar da sunuyor.
Sağlık Sektörü
Yapay zeka ve derin öğrenme teknolojileri, Infervision firması tarafından hayat kurtarmak amacı ile kullanılıyor. Çin’de her yıl, akciğer kanseri gibi hastalıkların erken tanı ile belirlenebilmesi için ihtiyaç duyulan yaklaşık 1,4 milyar tomografi için yeterli sayıda radyolojist bulunamıyor. Radyologlar günde yüzlerce sonucu incelemek zorunda kalıyor ki bu sadece çok yorucu bir iş olmakla kalmayıp bu yorgunluk ölümcül hatalara da sebep olabiliyor. Bu noktada devreye giren Infervision firması, geliştirip eğittikleri algoritmaları sayesinde, radyologların hastalık belirtilerini teşhis etmelerini kolaylaştıran bir sistem sundu.
Nörobilim, Google tarafından geliştirilen ve insan beynini taklit etmesi için eğitilen DeepMind projesi için ilham kaynağı oldu. DeepMind oyunlarda insanları yenmeye başlamış olsa da, daha çok ilgi çeken konu, bu projenin sağlık alanında sunabilecekleri oldu. DeepMind, tedavi sürecinin planlanmasında ve makineler sayesinde hastalıkların teşhis edilmesinde önemli faydalar sağlayabilir.
Üretim
Otomobiller her geçen gün daha fazla teknoloji ile iç içe giriyor ve daha fazla veri üretiyor. Bu veriler de birçok alanda kullanılabilir. Volvo bu verileri, ürettiği araçlarında hangi parçaların ne zaman sorun çıkarabileceğini ve aracın servis ihtiyacının ne zaman olacağını belirlemek amacı ile kullanıyor. Firma bu sayede, üst düzey olan güvenlik standartları daha ileri taşıyıp sürücü ve yolcular için daha fazla kolaylık sağlayabiliyor. Bir başka yazımızda ayrıntılı bir şekilde de anlattığımız gibi, Volvo firması kendi otonom araçları için de çalışmalarını sürdürüyor.
İş modelinin kalbinde büyük veri ve bununla ilgili teknolojileri kullanan bir diğer firma da Alman BMW otomobil üreticisi. Firma elindeki verileri iş, tasarım, mühendislik, satış ve satış sonrası tüm alanlarda karar almak amacı ile kullanıyor. Sürücüsüz otomobil yarışında ön planda olan firma, Level 5 olarak tanımlanan ve herhangi bir insan müdahalesine ihtiyaç duymadan otomobili yönetebilen sürücüsüz otomobillerini 2021 yılında piyasaya sürmeyi planlıyor.
Yapay zeka teknolojisi tarım sektörüne de adım attı. John Deere firması, veri analiz programları ile otomasyon teknolojilerini, çiftçilerin hizmetine sundu. Firma, Blue River Technology firmasını bünyesine katarak ileri düzey makine öğrenmesi algoritmalarını kullanan robotların hava durumu ve benzeri verileri değerlendirmesi ya da ilaçlama planlamalarının yapılması gibi çözümler sunmaya başladı. Firma halihazırda, ekim ve hasat için kullanılan, GPS yardımı ile kesin bir şekilde yönlendirilebilen otomatik tarım araçlarını üretiyor ve Farmsight sistemi sayesinde de tarım ile ilgili kararlar alınmasını kolaylaştırıyor.
Medya
Makineler ile Konuşma “Talking with Machines” adlı BBC projesi, dinleyicilerin katılarak akıllı bir hoparlör ile sohbet etmeleri üzerine kurgulanan sesli bir drama. Makine tarafından yönlendirilen dinleyiciler, verdikleri cevaplar ile hikayenin bir parçası olabiliyor. Projede Amazon Echo ve Google Home akılı hoparlörleri kullanılıyor fakat, ileride diğer ses ile aktive edilen cihazların da bu projede yer alması amaçlanıyor.
Birleşik Krallık haber ajansı Press Association (PA), yerel haberciliğin yapay zeka ve robotlar sayesinde kurtulabileceğini umuyor. Ajans, haber otomasyon uzmanı Urbs Medya ile işbirliğine giderek RADAR (Reporters and Data and Robots-Muhabirler ve Veri ve Robotlar) adı verilen proje kapsamında, robotlara her ay 30 bin yerel haber kaleme aldırıyor. Kamu, sosyal hizmetler ve yerel yönetimler ile ilgili çeşitli veriler ile beslenen sistem, doğal dil teknolojisi kullanarak yerel haberler yazıyor. Bu robotlar, insanlar tarafından kaleme alınmayan haberleri ele alarak bu boşluğu dolduruyor.
Büyük veri analizleri Netflix firmasına da, müşterilerinin neleri izlemekten hoşlanacağı ile ilgili fikir veriyor. Firma bir süredir sadece dağıtıcı olma rolünden uzaklaşarak yaratıcı statüsü de kazanmaya başladı ve elindeki verileri, hangi yapımların başarılı olabileceğini ve yatırım yapılacak en doğru tercihleri belirlemek amacı ile de kullanmaya başladı. Verilerden elde ettikleri sonuçlara güveni öylesine yüksek ki, Netflix yeni televizyon programları için, sadece pilot bölüm yerine birkaç sezon ödemeyi rahatlıkla kabul edebiliyor.
Perakende Satış
Burberry markasına aşina olanların zihninde dijital bir işletme değil, ilk olarak lüks moda markası imajı canlanır. Fakat marka kendini yeniden tanımlayıp büyük veri ve yapay zeka teknolojilerinin yardımı ile sahte ürünler ile savaşıyor, satışlarını artırıyor ve müşterileri ile olan ilişkilerini sağlamlaştırıyor. Firmanın satışları artırmak için kullandığı strateji, müşterileri ile derin ve kişisel bağlar kurmak üzerine kurulu. Bu stratejinin bir parçası olan ödüllendirme sadakat programları sayesinde oluşan veri, her bir müşteri için kişiselleştirilmiş alışveriş deneyimleri yaratmak amacı ile kullanılıyor. Kısacası, Burberry’nin fiziksel mağazalarında sunduğu deneyimler, çevrimiçi deneyimler kadar yenilikçi sayılabilir.
Dünyanın en büyük ikinci perakendecisi Walmart, sektörde yenilikler geliştirmekte ve müşterilerine daha iyi hizmetler sunmakta lider isimlerden. Büyük veri, yapay zeka ve nesnelerin İnterneti teknolojilerini harmanlayarak çevrimiçi müşterilere, fiziksel mağazalarındaki deneyimin oldukça benzerini yaşatabiliyor ki 11 binin üzerindeki mağazası ile rakibi Amazon’un erişemeyeceği bir noktada bulunuyor. Geliştirdikleri yenilikler arasında “Tara ve Git” adlı akıllı telefon uygulaması özelliği, ürün teslim alma noktaları ve deneysel aşamada olan yüz tanıma teknolojisi ile müşterilerinin mutlu olup olmadıklarını anlamaya yarayan teknolojileri bulunuyor.
Hizmet Sektörü
Microsoft firmasının sunduğu hizmetlerin temelinde akıllı makinelerin emekleri yer alıyor. Sanal asistan Cortana, Skype’a hayat veren, müşteri hizmetlerinde kullanılan, hava durumu, seyahat güzergahları gibi bilgileri ileten chatbotları ile firma, tüm akılı özellikleri Office ürünü ile ilişkilendirmiş vaziyette. Diğer firmalar da, Microsoft’a ait yapay zeka platformunu kullanarak kendilerine ait akıllı cihazları geliştirebiliyor. Microsoft firması gelecekte, merkezi bir yapay zeka ile akıllı makinelerin her işi yapabilmelerini umuyor.
Bulut tabanlı hesaplama, jeolojik tabanlı haritalandırma ve makine öğrenmesi teknolojileri harmanlandığında, gerçekten ilginç sonuçlar elde edilebiliyor. Google, yapay zeka ve uydu verilerini bir araya getirerek yasa dışı balıkçılığı engelliyor. Hergün dünya üzerindeki gemilerin konumlarını gösteren 22 milyon veri noktası beliriyor. Google mühendisleri bu verileri makine öğrenmesini beslemek için kullandıklarında, hangi geminin neden suda olduğunu belirleyebileceklerini gördüler. Bunun sonucunda Küresel Balıkçılık İzleme sistemi kuran ekip, nerelerde balıkçılık yapıldığını ve nerelerde yasa dışı avlanıldığını belirleyebildiler.
Sunduğu olağanüstü hizmet ile her zaman zirvede olan Disney, büyük veri sayesinde daha da başarılı hale geliyor. Her müşteri bileklerine taktıkları ve kimlik görevi gören kendilerine özel MagicBand sayesinde, otel odalarına girebiliyor, bilet alabiliyor, hızlı geçişlerde kullanabiliyor ve ödeme yapabiliyor. Müşteriler bu sayede oldukça rahat ederkeni Disney firması da müşterilerinin talepleri hakkında fikir edinebilecekleri verileri elde ediyor ve hizmetlerini daha ileri taşıyor. Elde ettikleri veriler sayesinde müşterilerine özel hizmetler sunabilen, trafiği düzenleyebilen firma, çalışanlarını da daha verimli bir şekilde organize ederek işleyişi daha etkin hale getirebiliyor.
Google, 2011 yılında Google Brain projesi ile hızlı bir şekilde girdiği derin öğrenme teknolojisinde öncü konumda. Google derin öğrenme teknolojisini öncelikle görüntü tanıma amacı ile kullandı ve şimdi bu sayede görüntüleri iyileştirme becerisine sahip. Google derin öğrenmeyi dil işleme ve Youtube’da daha alakalı öneriler sunma amaçları ile de kullanıyor. Zira firma, içerikleri izledikçe izleyicilerin davranışları üzerine çalışıyor. Bunların ardından gelen Google sürücüsüz araç çalışmaları da derin öğrenmenin sunduklarından faydalanıyor. Google ayrıca, veri merkezlerinde kullanılacak doğru donanım ve soğutucular için de makine öğrenmesinden yardım alıyor ve bu sayede daha az enerji harcayarak bu merkezleri çalışır durumda tutabiliyor. Yapay zeka ve makine öğrenmesi, Google’a sürdürülebilirlik yolunda yeni yollar sundu.
Sosyal Medya
Hangi tweetlerin önerileceğinden tutun da, uygunsuz ya da ırkçı içeriklerin engellenmesine ve kullanıcı deneyiminin daha iyi bir hale getirilmesine yönelik çalışmalar için, Twitter da perde arkasında yapay zeka teknolojisine başvuran firmalar arasında. Kullanılan sistem, devasa boyutlardaki verileri işleyerek zaman içerisinde kullanıcıların tercihleri hakkında fikir sahibi olmaya başlıyor.
Facebook’un değerini katlayan en önemli faktör olan ve yaklaşık 2 milyar insanın durumlarını paylaşarak oluşturduğu, her dakika 293 bin kez güncellenen veriler için de derin öğrenme teknolojisi imdada koşuyor. Firmanın derin öğrenme teknolojisinin ekseriyeti Torch platformu üzerine kurulu ve derin öğrenme ile insan beyni örnek alınarak kurulan bilgisayar sistemi nöral ağ üzerine odaklanmış vaziyette.
Instagram firması da hedefe yönelik reklam, siber zorbalıkla mücadele ve saldırgan yorumları engelleme amaçları için yapay zeka ve büyük veri’den yardım alıyor. Her geçen gün artan içerik karşısında, platformun yapay zeka kullanarak kullanıcılara doğru önerilerde bulunması, spam içeriklerle başa çıkması ve kullanıcı deneyimini daha iyi hale getirmesi hayati önem taşıyor.
