Bu içerik Onedio üyesi kullanıcı tarafından üretilmiş, Onedio editör ekibi tarafından müdahale edilmemiştir. Siz de Onedio’da dilediğiniz şekilde içerik üretebilirsiniz.

Özgür Akın Yazio: Derin Öğrenme (Deep Learning)

11PAYLAŞIM
Yazio Banner

Yüksek teknolojide hızla yaşanan gelişmeler yapay zekâ ve insansı robotları günlük hayatımızın bir parçası haline getirirken bu süreçte hepimizin bilmesi gereken yeni kavramlar da hayatımızda yer edinmeye başladı. Bu yeni kavramlardan bir tanesi de derin öğrenme (deep learnig)’dir.

Derin öğrenme, yapay sinir ağ adı verilen beynin yapısı ve işleyişini örnek alan algoritmalarla ilgili makine öğreniminin alt kolu olarak hayatımıza girmiş bir kavramdır.

Kısaca yapay zekanın içerisinde bulunan makine öğreniminin altında yer almaktadır. Derin öğrenme algoritmaları, verileri belirli bir mantıksal yapı ile sürekli olarak analiz ederek insanlardaki gibi benzer sonuçlar çıkarmaya çalışır. Bunu sinir ağları adı verilen çok katmanlı bir algoritma yapısı kullanarak başarmaktadır.

Derin öğrenmenin çalışma prensibini hiçbir şey bilmeyen bir bebeğin keşfe çıkarak, hatalar yapması ve yaptığı hatalardan ders almasına, gençlikte önceki deneyimlerle gelecekteki seçim ve davranışlarını şekillendirmesine ancak bunun yanında yeni kazanımlar elde ederken hatalar yapmaya devam etmesine, yetişkinliğinde birçok deneyime sahip olmasına ve yaşanılan tecrübelerden zor süreçleri kolay hale getirebilen insanın gelişim süreçleri gibi örneklendirebiliriz.

1950’li yıllarda ünlü İngiliz matematikçi ve bilgisayar biliminin kurucusu Alan Turing, hazırladığı “Computing Machinery and Intelligence” başlıklı makalesinde makinelerin insanlar gibi düşünüp düşünemediğini gündeme getirmiştir.

Kendi adını verdiği test, kişinin makine ile gerçek insanı birbirinden ayırmasına olanak sağlamaktadır. Bu test ile kişi, verdiği tepkileri değerlendirerek makine ile girdiği etkileşimin sonucunda bir insanla mı yoksa makineyle mi etkileşime girdiğini ayırt edemiyorsa o makine,  zeki bir makine demektir. Derin öğrenme öncelikle çok büyük miktarda veri gerektirir. Bu verileri milyonlarca fotoğraf, yazı ya da binlerce saatlik video görüntüleri gibi tanımlayabiliriz. Bu nedenledir ki işlem sırasında çok fazla veri işler, dolayısıyla bu durum güçlü bilgi işlem hızı ve yüksek teknolojiyi gerektirmektedir. Bu tür sebepler nedeniyle yapay zekâ, makine ve derin öğrenme günümüze kadar oldukça yavaş ilerlemiştir.

Yapay Zekâ terimini ilk kez 1956'da Amerikalı bilgisayar bilimcisi John McCarthy kullanarak bu alanla ilgili Dartmouth Konferansı'nı düzenledi. Bu konferans sonunda katılımcılar tarafından yapay zekâ konusundaki çalışmaların ilerletilmesi yönünde fikir birliğine varıldı. Son yıllarda ise artık yapay zekâ, bilim kurgu film türü olmaktan çıkarak hayatımızın her alanında yer almaya başladı. Bilgi yarışmasını kazanan, zekâ oyununda dünya şampiyonunu yenen uygulamalar ve bu alanda yaşanan gelişmeler bugün yapay zekayı hepimizin gündemine sokmuştur.

Günümüzde önemin daha da anlaşılması ve teknolojideki gelişmelerle birlikte yapay zekâ, makine öğrenme ve derin öğrenme alanlarında birçok firma bu alanlar üzerine ciddi yatırım ve çalışmalar yapmaktadır.

Yaşanan gelişmeler neticesinde artık kullandığımız cep telefonlarımızda, sosyal medyada ve arama motorlarında ve günlük hayatımızın birçok alanında yapay zekayı hatta makine öğrenimini deneyimleyebiliyoruz. Yazımın üst kısmında da belirttiğim gibi eğer bir etkileşimin arkasında bir makinenin olup olmadığını ayırt edemiyor ve insanlara has tepkiler ile karşılaşıyorsak, karşımızda zeki yani yapay zekaya sahip bir makine ile karşı karşıyayız demektir.

Makine öğrenimin bilinilirliğini sağlayan en önemli uygulamalardan bir tanesi de fotoğraf tanıma uygulamasıdır. Bu uygulama için öncelikle sistemin eğitilmesi ya da öğretilmesi gerekmektedir. Bunun için ilgili fotoğrafın ne olduğunu makinenin öğrenmesi için birçok kez birbirine benzeyen fotoğrafların tanıtılması gerekmektedir. Böylece makine tanıtılan fotoğrafa benzer dizileri, desenleri, benzer pikselleri tanımlayarak artık o resimlerin ne olduğunu tanımlayabilme özelliğine sahip olmaktadır.

Bu sistem ile farklı fotoğraf birbirinden ayırt edilerek aynı tip fotoğrafların ortak noktalarının tespiti yapılabilir hale gelmektedir. Günümüzde çevrimiçi çalışan pek çok uygulama makine öğrenimini kullanmaktadır. Örneğin günlük hayatta kullandığımız sosyal medya uygulamaları, size zaman tünelinde ne göstereceğine bu algoritma ile karar vermekte, online alışveriş yerleri hangi ürünleri tavsiye edeceğini, film izleme platformları hangi filmleri önereceğini yine makine öğrenimi ile gerçekleştirmektedir. Kısaca içerisinde bulunan mevcut verilere göre sizi tanıyıp sizin nelerden hoşlanacağınızı tahmin ederek kararlar vermekteler.

Türkiye’de de birçok üniversite derin öğrenme konusunda Ar-Ge çalışmaları yapmaktadır. Derin öğrenme algoritmaları oluşturma konusunda henüz istenilen seviyede olunamasa da yapılan çalışmalar devam etmektedir.

Çalışmaların hız kazanması neticesinde yakın zamanda insandan daha hızlı öğrenen, daha nitelikli sonuçlar ortaya getiren bu sisteminin önemi ülkemizde daha açık şekilde anlaşılacaktır.

İnternet ortamına depolanmış milyonlarca veri yapay zekalar tarafından öğrenilecek, belki hızlı değil ama kendilerinden emin ve kararlı bir biçimde insanlardan daha zeki hale gelecekler. Gelişimini tamamlama yolunda ilerleyen yapay zekalar tüm toplumsal kural ve tabuların da sonunu beraberinde getirecek. Evrende harikulade yer edindiğini düşünen insan, sadece minik bir nokta olduğunu fark edecek.

Korkmayın! Ya da Korkun!

BU İÇERİĞE EMOJİYLE TEPKİ VER!
Helal olsun!
Hoş değil!
Yerim!
Çok acı...
Yok artık!
Çok iyi!
Kızgın!

ONEDİO ÜYELERİ NE DİYOR?

Yorum Yazın
Görüş Bildir