Son zamanlarda “yapay zekâ artık hayatımızda”, “işlerimizi elimizden alacak”, “efendim, makineler bizlere saldıracak diyorlar, siz bu konuda ne düşünüyorsunuz?” ve benzeri yazılar ve sorular havalarda uçuşuyor. Yıllardır yapay zekâ ile mutlu mesut yaşarken, evet yıllardır, bir anda neden bu soruları sormaya ve de korkmaya başladık? Oysa ki ne güzel izliyorduk The Terminator, The Matrix, Ex Machina gibi içeriği yapay zekâ dolu filmleri. İngilizce adıyla Artificial Intelligence yani yapay zekâ tabii sadece filmlerde değil, her geçen gün daha da fazla hayatımızda yer almaya başladı. Henüz bunu çok fark edememiş olanlar veya bildiklerini biraz tazelemek isteyenler olabilir dedik ve bu nedenle yapay zekâ ve kullanım alanlarına bu yazımızda yer vermek istedik.

Öncelikle yapay zekâ ne demektir ve yapay zekâ ile ilgili bu sıralar adını daha da çok duymaya başladığımız Machine Learning ve Deep Learning kavramlarını anlamamız gerekiyor. Şimdi bunlardan kısaca bahsedelim:

-Yapay zekâ’yı, insan zekâsına özgü işlevleri gerçekleştirebilen zekâ olarak tanımlayabiliriz. Bu işlevler örneğin; planlama, nesneleri, görselleri ve sesi tanıma, öğrenme ve sorun çözebilme gibi.

-Machine Learning’i (ML) ise yapay zekâ ile öğrenme, otomatik öğrenme veya makine öğrenmesi şeklinde Türkçeleştirebiliriz. Çok kısaca açıklamak gerekirse, ML’de veri öncelikle 0’lar ve 1’lerden oluşan bir vektör haline getirilerek sayısallaştırılır, böylece veriyi bilgisayarın anlayabileceği bir biçime dönüştürmüş oluruz. Bu şekilde daha çok veri ile bilgisayarı eğitmiş oluyoruz. Makine, bu eğitim sırasında kullandığımız verideki ortak özellikleri ortaya çıkarır ve eğer eğitim kısmı başarılı ise eğitim setinde olmayan başka bir veriyi makineye test amaçlı sunduğumuzda bize o görselin, yazının veya ses, video verisinin ne olduğuna dair doğru bir sonuç vermesini bekleriz. Bu bahsettiğimiz ML, gözetimli yani supervised ML olarak adlandırılır. Bir de gözetimsiz (unsupervised) ML yöntemi vardır ki verileri özelliklerine göre sınıflandırır ve örnek bir görselin hangi sınıfa ait olabileceğini size sonuç olarak verir. İyi bir ML kullanıcısı hangi sorunu çözmek için hangi ML tekniğini kullanması gerektiğini bilir. ML’nin en önemli avantajlarından biri zaman içerisinde makinenin kendi hatalarından öğrenerek kendi kendini geliştirebiliyor olması. Bunu da (hatalardan ders çıkarmak) biz insanlardan daha hızlı yapabiliyor, bu da ML’nin başka bir artısı.

-Deep Learning ise ML yöntemlerinden biridir ve yapay sinir ağlarından (Artificial Neural Networks, ANN) oluşur. İlk olarak 1940’li yıllarda ortaya çıkan bu yöntem yapay sinir ağları aracılığıyla insan beyninin bir bilgiyi nasıl analiz ettiğini taklit edebilir.

Aslında hayatımızın birçok alanında yapay zekâ yıllardır bizimle birlikte. Çok sevdiğimiz ve bir an olsun yanımızdan ayır(a)madığımız “akıllı” telefonlarımız ve bilgisayarlarımız bizlere kısacık sürede gideceğimiz yer için en uygun yol tarifini ve de alternatif yolları önümüze seriyor. Özellikle kalabalık şehirlerdeki o yoğun trafikte bir noktadan bir noktaya varabilmek bir işkenceye dönüşmüşken yapay zekâ meyvelerinden faydalanmak büyük bir artı. ML kullanarak yol durumu tahminlerinde bulunan şirketlerden biri de hepimizin her gün kullandığı, hatta her şeyi bilmesi sebebiyle bir aile büyüğümüz olmuş Google şirketinin Google Maps isimli uygulaması ile trafikte hareket halindeki araçların hızlarından yola çıkarak anlık yol durumu tahminlerini ML ile güçlendiriyor. Ayrıca, trafik uygulaması Waze’i kullanarak trafikteki kişilerin bildirimleri sayesinde yol yapım çalışmaları ve kazalar gibi bilgilere de daha çabuk ulaşmış oluyor. Son yıllarda trafikte bir başka yardımcımız olan Uber ve Lyft araç hizmetleri de yolculuğunuzun ne kadar tutacağını ve tahmini araç bekleme süresini hesaplarken yapay zekâ tekniklerini kullanıyor.

Elektronik posta (e-posta) kontrolünü yine akıllı telefonlarımız üzerinden yapmayı çok seviyoruz. Gelen kutusunda olmasını istemediğimiz kötü ve zararlı e-postaların ayıklanması sürecinde de yine ML sayesinde filtrelenme yapılıyor. Bunun bir diğer faydası da gelen postaları türlerine göre sınıflandırabiliyor olması. Bir adım daha öteye gidersek, bilgisayarınız ya da telefonunuz sizin yerinize e-postalarınıza cevap verse, ne de güzel olur değil mi? Google birkaç sene önce bunu da yaptı ve akıllı cevaplama seçeneğini kullanıcılarına sundu.

E-postalar derken tüm dünyayı fethetmiş olan sosyal medyaya da yaklaşmış olduk. Facebook’ta paylaştığımız kimi zaman neşeli kimi zaman da geçmiş anılarımızla dolu o fotoğraflarımızda bazen bizim bile adını hemen söyleyemediğimiz tanıdıklarımızı Facebook hemen tanıyıveriyor. Bu da yetmezmiş gibi bir de bu fotoğraftaki kişi ya da kişileri isimleriyle etiketlemek ister misiniz diye soruyor. Facebook, tam da kendi ismi gibi yüzlerimizi okuyor diyebiliriz. Doğrusu Facebook yüz tanımak için yapay zekâ teknolojisindeki yapay sinir ağı yöntemini (ANN) kullanıyor. Tabii bu Facebook’un yapay zekâ metotlarını kullandığı alanlardan sadece biriydi. Instagram, Snapchat, Pinterest gibi diğer sosyal medya uygulamaları ve Youtube, Netflix, Hulu gibi şirketler de yine yapay zekâ ile beslenerek müşterilerine daha iyi hizmet veriyor.

Her şeyin çoktan otomatikleşmeye başladığı bu dönemde evden dışarı çıkmadan alışveriş yapmak da kaçınılmaz oldu. Amazon, Ebay, Alibaba ve benzeri şirketler, bir ürünü ararken ya da sipariş verdiğimiz ürünlerin benzerleri hakkında bizlere tavsiyeler sunarken tabii yine yapay zekânın meyvelerinden faydalanıyor. Sanal alışverişlerde ödeme sırasında kullanılan kartlarda dolandırıcılığı önlemek için yapay zekâ çaldığımız bir kapı. Şirketler, kartınızla yaptığınız alışveriş tercihlerinizi takip ederek olası bir dolandırıcılık girişimini önlemeyi hedefliyor. Sanal alışverişlerde Amazon’un akıllı kişisel asistanları olarak bilinen Alexa, Echo ve Dot da sesi yazıya dönüştüren yapay zekâ tekniğini kullanarak bizlerin daha rahat alışveriş yapmasına, istediğimiz bir şarkıyı çalmaya, bir alışveriş listesi oluşturmak veya yapılacakların listesini oluşturmaya, ajandamıza hatırlatmalar eklemeye, pizza siparişi vermeye ve bunlar gibi birçok aktivitemize yardımcı oluyorlar. Bu üç sevimli kişisel asistanın yanı sıra Siri ve Google Now da avuçlarımızın içindeler (Bu sanal asistanların, farklı aksanlara sahip kullanıcıları anlamaya çalışma çabaları da gerçekten kayda değer).

Diyeceksiniz ki hep son yıllardaki örneklerden bahsediyorsunuz, peki daha önceleri yapay zekâ teknolojisinin kullanıldığı bir alan var mı? Şimdi sıkı durun uçuşa geçiyoruz: uçaklardaki oto pilot sistemi de yapay zekâ teknolojisi ile 1914’lü yıllardan bu yana hayatımızda. Ortalama bir uçuşta yalnızca 8 dakika gibi bir sürenin insan kontrolündeyken geri kalan sürede de akıllı oto pilot kaptanlığı sayesinde sevdiklerimize kavuşuyoruz, şaşırtıcı değil mi? Uçaklardan bahsetmişken tabii kendi kendine gidebilen (sürücüsüz) arabalardan bahsetmemek olmaz. Test çalışmalarından çıkan sonuçlara göre sürücüsüz araçların trafikteki kaza oranlarını %90’a kadar azaltabileceği, tüm seyahat süresinin de %26 oranında daha kısa süreceği öngörülmekte.

Eh biraz da paradan bahsedelim mi? Bankalar da yapay zekâyı kullananlardan. Dünyadaki büyük bankaların bazıları çeklerin bozdurulması işlemini müşterinin bankaya gelmeden yapmasına imkân sağlıyor. Telefonunuza yüklediğiniz ML kullanan uygulama sayesinde çeklerin üzerindeki el yazısını dijital yazıya dönüştürerek (OCR tekniği) online bankacılık ile çek bozdurma işlemini gerçekleştiriyorsunuz. Bunun yani sıra kredi taleplerinin değerlendirilmesinde önemli rol oynayan risk değerlendirmesi hesaplarında da ML’nin rolü büyük.

Gelelim sağlık sektörüne. Burada da yapay zekânın yeri gün geçtikçe artmaya başladı. Hepimizin evinde, çantasında ve hatta arabasında eminim ki en az bir ilaç kutusu vardır. Bazen adını bile hatırlamadığımız ya da alıp da hiç kullanmadığımız ilaçlarla dolabiliyor evlerimiz. Hiç düşündünüz mü sadece bir ilacın tasarımı ve geliştirilmesi için ortalama ne kadarlık bir bütçeye gerek vardır? Tufts merkezinin (Tufts Center for the Study of Drug Development) geçen yılki araştırma sonuçlarına göre bu fiyat tam 2.7 milyar dolar, yani neredeyse 11 milyar TL gibi çok yüksek miktarlardan bahsediyoruz. Bu bedeli azaltabilmek için yapay zekâ tekniklerinden faydalanmaya çoktan başlanıldı bile. İlaç adayı olabilecek moleküllerin taranmasında ML kullanılıyor. Klinik deneme aşamasına gelmiş bir ilaç için araştırmaların daha ileriye götürülmesinde de ML tahminlerinden yararlanılmaktadır.

Bu kadar çok faydalarından bahsetmişken merak edenler, öğrenmek isteyenler için bir kaynak önerisi vererek yazımızı bitiriyoruz. ML kaynaklarının çok güzel listelendiği bir sayfa (bütün kaynaklar ücretsiz değil maalesef): https://webrazzi.com/2017/05/04/en-iyi-online-machine-learning-dersleri/

Hepinize keyifli ve yapay zekâ dolu çalışmalar dilerim!

 

Hazirlayan: Arzu Uyar

Düzenleyen: Sibel Kalyoncu Uzunlar

 

Kaynaklar:

https://www.techemergence.com/everyday-examples-of-ai/

https://webrazzi.com/2017/05/04/en-iyi-online-machine-learning-dersleri/

http://www.bahadirakin.com/machine-learning-uygulamasi-giris/

https://paidpost.nytimes.com/facebook/artificial-intelligence-how-we-help-machines-learn.html?tbs_nyt=2018-feb-nytsocial_twitter&189293206

https://www.nature.com/articles/d41586-018-02174-z?error=cookies_not_supported&code=b40f2a7b-84db-42cd-8393-f35ac31b21b8

https://www.techemergence.com/machine-learning-in-pharma-medicine/

Resim kaynağı: https://www.pexels.com/photo/coding-computer-data-depth-of-field-577585/