Yapay Zeka, Makine Öğrenimi ve Derin Öğrenme Nedir?

Bir süredir ortada dolaşan ‘’Yapay zeka’’ terimini duymuşsunuzdur. Gelin yapay zeka ve makine öğrenimini tanımlamadan önce ikisinin de merkezinde yer alan bir kavramı açıklayalım.

A- A+

07.11.2018 tarihli yazı 12528 kez okunmuştur.

Algoritma Nedir?

Algoritma bir problemin çözümünde izlenecek yol demektir. Problemin çözümünün adımlar halinde yazılmasıyla oluşur. Tüm algoritmaların özellikle yapay zeka veya makine öğrenimi ile ilgili olmadığını belirtmek önemlidir; ancak makalenin hedefleri doğrultusunda, bunlara odaklanacağız.

Algoritmalar bilgisayarlara bir yanıt bulmasını veya bir görev gerçekleştirmesini söyleyebildiğinden, cevabından emin olmadığımız veya veri analizini hızlandıracağımız durumlar için faydalıdırlar. Algoritmalar, aklınıza gelebilecek hemen hemen tüm yapay zeka sistemleri için talimatlar sunar:

►Hareket algılama algoritmaları sayesinde sensör gerektirmez
►Facebook algoritmaları nasıl reklam verileceğini
►Google aritması önceden hangi sayfaları kullandığımızı
►Kuantum bilgisayar algoritmaları

Yapay zeka söz konusu olduğunda, algoritmayı bir tarif olarak düşünebiliriz . Yapay zekaya girmeden sinir ağları, bilgisayar komutları, veri işleme hakkında bilgi sahibi olmak gerekir. Bunların hepsi, talimatların bir listesi olarak hareket etmek için algoritma akışını düzenler.

Yapay Zeka Nedir?

Yapay zeka (AI), insanlar gibi çalışan ve tepki veren akıllı makinelerin oluşturulmasını vurgulayan bir bilgisayar bilimi alanıdır. Yapay zekaya sahip bilgisayarlardan bazıları; konuşma tanıma, öğrenme, planlama, problem çözme için tasarlanmıştır.
Robotik yapay zekanın önemli bir alanıdır. Robotlar; yerelleştirme, hareket planlama ve haritalama alt problemleri ile birlikte, nesne yönlendirmesi ve navigasyon gibi görevlerin üstesinden gelmek için bilgi gerektirir.

Makine Öğrenimi Nedir?

Makine öğrenimi, temel olarak yapay zekadan kaynaklanır. Yani makine öğreniminin yapay zekanın alt dalı olduğu söylenilebilir.

►İlginizi Çekebilir: Makine Öğrenimi için 6 Araç

Makine öğrenimi, bilgisayar deneyimini öğrenmeye, örneklerle öğrenmeye ve bu öğrenme yeteneklerinin zaman içinde zeka sisteminin performansını geliştirmesine olanak sağlayan uyarlamalı mekanizmayı içerir. Öğrenme süreçlerini parçalara ayırırsak:

►Makine öğrenimi nedir?
►Makine öğrenmeye başlamak
►Makine öğrenimi için programlama
►Makine öğrenimi için matematik
►Veri analizi adımı
►Algoritmalar
►Makine öğrenimi için kitaplar ve çevrimiçi kaynaklar

olarak son bulur.

Makine öğrenmede ilk adım problem tespitidir. Bu aşamadan sonra veriler alınır ve keşifsel veri analizi işlemleri başlatılır. Bu aşamada temel olarak ham veriler anlaşılır bir formata dönüştürülür. Veri setleri geliştirir, eğitim ve test setlerine ayırır, modeli son haline uyarlar. Bu aşamada genellikle doğrusal tepki, lojistik geri dönütler, destek vektör makinesi, vb. Gibi farklı sınıflandırmalar veya regresyon algoritmaları kullanılır. Son aşamada elde edilen sonuçlar iyileştirmeye alınır ve modelin en iyi hali bulunmaya çalışılınır.

Makine Öğrenmeye Başlarken

Adım 1: Programlama araçları : Makine öğreniminde Phyton ve R yaygın kullanılırken C++, Java , Javascript gibi programlama dilleri de tercih edilebilir. Ancak bunlar arasında Phyton açık ara öndedir.

►İlginizi Çekebilir: R Programlama

Adım 2: Matematik : Makine öğreniminin önemli bir parçasıdır. İstatik, Cebir, Olasılık, Geometri alanlarında iyi derecede birikime sahip olunmalıdır.

Adım 3 : Veri Ön İşleme: Makine öğrenimi projelerinin en önemli aşamasıdır. Veri işleme; yapılandırılmamış verilerle nasıl işlem yapılacağını ve yapılandırılmış bir şekilde nasıl dönüştürüleceğini ifade eder. Burda değişken tanımlama, eksik veriler, aykırıklarla ilgilenilir. Ayrıca tek yada iki değişkenli analiz, çok değişkenli analiz olarak değişkenlerin analizini ve optikleştirmesi yapılır.

Derin Öğrenme Nedir?

Derin öğrenme insansız araçlar arkasındaki önemli bir teknolojidir. Derin öğrenmede, bir bilgisayar modeli, sınıflandırma görevlerini doğrudan görüntülerden, metinlerden veya sesten gerçekleştirmeyi öğrenir. En derin öğrenme yöntemleri, sinir ağı mimarilerini kullanılır.

►İlginizi Çekebilir: MATLAB ile"Derin Öğrenme" Algoritmaları Kullanarak Görüntü İşleme

Derin sinir ağlarının en bilinen türlerinden biri, konvolüsyonel sinir ağları (CNN veya ConvNet) olarak bilinir . Bir CNN, giriş verileriyle birlikte öğrenilen özellikleri içerir ve 2B katlamalı katmanları kullanır ve bilgiyi işlemeye uygun hale getirir.
CNN'ler manuel özellik çıkarma ihtiyacını ortadan kaldırır. Bu nedenle görüntüleri sınıflandırmak için kullanılan özelliklerin ayrıca tanımlanması gerekmez. CNN, özellikleri doğrudan görüntülerden ayıklayarak çalışır. Bu otomatik özellik çıkarımı, nesne sınıflandırma gibi bilgisayar görme görevleri için derin öğrenim modellerini oldukça hassas kılar.

Makine Öğrenimi ve Derin Öğrenme Arasındaki Fark

Derin öğrenme, makine öğreniminin daha özel halidir. Makine öğrenimi kullanıcının manuel olarak görsellerden çıkardığı özellikler ile başlar. Bu özellikler görüntüdeki nesneleri kategorilere ayırmada kullanılmak için kullanılır. Derin öğrenmede ilgili özellikler otomatik olarak görüntülerden çıkarılır.

►İlginizi Çekebilir: Robotlar Nesneleri Görüp Algılamayı Öğreniyor

Diğer bir önemli farklılık ise derin öğrenme algoritmaları veri ile ölçeklendirilirken, makine öğrenmesi yaklaşmadır. Makine öğrenme, daha fazla örnek eklendiğinde ve ağa veriler eklediğinde belirli bir performans düzeyine sahip olan makine öğrenme yöntemlerini ifade eder.

Türkiye'de Yapay Zeka Girişimleri

1) Udentity

ODTÜ YFYİ girişimleriden olan Müşteri davranışlarını çözümleyen bir girişim. Bir resim karesi içinde insan figürlerinin tüm özelliklerini (omuz yapısı, bel yapısı, yüz yapısı) makinelere öğretiliyor. Kameraya olan mesafeye göre bu figürlerin boyutları değiştiği için öğrenim sürekli devam ediyor. Gerçekleşen hareket ve insanın temel özelliklerinin analizinden sonra video içindeki her fotoğrafta makinenin aynı insanı bulmasını sağlanıyor.

2) Monument

Monument; resim ve videoları benzerliklerine göre gruplandırma, bulanık resimleri anlama, otomatik albüm oluşturuyor. Bunları yaparken içerik tanıma ve yüz tanıma özellikleri geliştiriliyor. Monument bu çalışması ile Kickstarter da en çok fonu almayı başaran şirket oluyor.

3) Anatolian Technologies& Labs

Anatolian Technologies & Labs, otomobillerin günlük konuşma dili ile dünyaya bağlantı kurabilmesine imkan veriyor. Ayrıca otomobillerin arızalarını tespit edebilmesini ve kullanıcıya sesli aktarımını yapıyor.

Kaynak:

► becominghuman