Makine Öğrenmesi Nedir ve Hangi Yöntemleri Vardır?
Yapay zeka ancak yapay bir öğrenme (machine learning) ile gerçeklenebilir. Bunun için de matematik özellikle de istatistik bilgisi çok önem kazanmaya başlamaktadır. Eğer bir bilgisayarı programlamak değil de zekaya dair birşeyler öğretmek istiyorsanız 3 değişik yöntemden birini kullanmak zorundasınız. Bunlar Güdümlü Öğrenme (Supervised Learning), Güdümsüz Öğrenme (Unsupervised learning) ve Ödüllendirme ile Öğrenme (reinforcement learning) yöntemleridir. Bu yöntemlerin karışımı olan Yarı Güdümlü Öğrenme (Semi-Supervised Learning) gibi yöntemler de kullanılsa bile bu konulara burada girmeyeceğiz.
Güdümlü ve güdümsüz olan öğrenme yöntemlerinde büyük sayılabilecek derecede veriye ihtiyacımız vardır. Verinin miktarı öğrenmenin ne kadar başarılı olacağında en belirleyici kriterlerden birisidir. Ödül ile öğrenme yöntemlerinde ise veri ihtiyacı bulunmamaktadır. Gelin bu yöntemleri biraz daha derinlemesine inceleyelim.
Güdümlü Öğrenme – Supervised Learning
Bilgisayar tarafından çözülmesine ihtiyacınız olan bir probleminiz var ve burada çok şanslısınız ve elinizde etiketlenmiş bir veri setiniz de var. Tam olarak kullanmanız gereken yöntem güdümlü öğrenmedir.
Mesela bir deri üstü lekesinin şekline, büyüklüğüne ve renk desenine göre kanserli olup olmamasına göre sınıflandırılmış bir veri setiniz olsun. Bunları öğrenmiş olan bir bilgisayar daha sonrasında vereceğiniz herhangi bir lekenin kanserli olup olmamasını çok rahatlıkla tesbit edebilir. Burada zorluk etiketlenmiş veri bulmaktır. Eğer yeteri kadar başarı elde edebilecek kadar etiketli veriniz varsa basit bir yöntem ile makinenizi eğitebilirsiniz.
Sürücüsüz arabalardan Facebook’taki yüz tanımaya, amazon alışveriş sitesindeki şunu da almak isteyebilirsiniz tavsiyesinden google’ın çevirisine kadar birçok yapay zeka uygulaması bu yöntemleri kullanıyor.
Güdümsüz Öğrenme – Unsupervised Learning
Gene bir probleminiz var , aynı şekilde veriniz de var ama bu sefer veriniz etiketlenmemiş durumda. Elle etiketlemeye çalışmak da zor veya imkansız denecek kadar çok. Bu durumlarda sizin veriyi kümelendirmeye ihtiyaç var. İşte güdümsüz öğrenme de bu noktada işe yarıyor.
Aynı örnekle gidecek olursak elinizde deri üstü leke fotoğraflarınız var gene kanserli olup olmadığını anlamaya çalışıyorsunuz. Elinizdeki kanserli ya da değil diye etiketlenmemiş olan fotoğrafların üzerinde bazı özellikler belirleyip (renk, boyut, şekil vs) bu özelliklere göre resimleri kümelendirmeniz gerekiyor. Bu kümeleri oluşturduktan sonra o kümelerdeki fotoğrafların bir kısmına bakıp kanserli olup olmadığına göre kümeleri isimlendirebilirsiniz. Eğer doğru özellikler seçtiyseniz zaten kümelendirmeniz başarılı olacaktır.
Ödül ile Öğrenme – Reinforcement Learning
Benim en sevdiğim ama en zor olan öğrenme şeklidir. Bu yöntem aslında insanların öğrenmesine de benzer. Temel kuralları ve başarının neyle ölçüleceğini yani ödülü belirtiyorsunuz. Sonra yazılım kendi kendine her türlü hatayı yaparak yaptığı hatalardan öğrenmeye başlıyor ve bunları kullanarak daha iyi yapmaya başlıyor.
Mesela satranç oynayan bir yazılım için ona her bir taş türünün ne tür hareketler yapabileceğini ve oyunu kazanmanın ödül olduğunu anlatıyoruz. Sonrasında milyonlarca hareket yaparak neredeyse tüm olasılıkları deneyerek yenile yenile yenmesini öğreniyor.
Bu sistemi bir robotun bir yürümeyi öğrenmesi için kullanmak, her bir düşmede fiziksel bir hasar alacaksa çok effektif olmayabilir.
Hangisi gerçek makine öğrenmesi ve yapay zekadır
Aslında birçok veri bilimci ve matematikçi güdümsüz öğrenme ve ödül ile öğrenmeyi daha yapay zeka saysa da aslında günümüzdeki yapay zeka uygulamalarının neredeyse tamama yakını güdümlü öğrenme yöntemleri ile başarılmıştır.
En büyük problem her zaman için veridir ve günümüzde artık “Nesnelerin İnterneti (IoT – Internet of Everything) “ ile beraber heryerden büyük veriler gelmeye başlamış durumda. Bizim yapmamız gereken sadece bu verileri doğru yöntemler ile kümelendirip sonrasında da amacımıza ulaşmamız.
Kişisel bir öneri : Eğer bir yapay zeka yapacaksanız, bunun için makine öğrenmesi algoritmalarına ihtiyacınız olacaktır. İleriki yazılarımızda bunlardan birçoğuna da değineceğiz fakat mümkünse ilk yapmanız gereken istatistik bilgilerinizi tazelemek olacaktır. Yapay zeka denilen şey aslında olasılık ve istatistik temelli bir geliştirme yöntemidir ve bu bilgileriniz olmadan makine öğrenmesi ile ilgili bir baları elde etmeniz oldukça zor olacaktır.
Sen Ne Düşünüyorsun ?