YAPAY ZEKANIN İNCİSİ: DERİN ÖĞRENME

Son zamanlarda insan becerilerini öğrenen makineler insanların dilinde çok dolanıyor. Peki hiç merak ettiniz mi Google Çeviri nasıl olur da saniyeler içinde uzun paragrafları çevirebilir. Netflix, Instagram nasıl olur da beğendiğimiz kategorilere göre bize sonuçlar verir. Cevabımız yapay zekanın incisi derin öğrenmede. O zaman hadi derin öğrenmenin içine dalalım.

DERİN ÖĞRENME NEDİR?

Derin öğrenme, yapay zekanın alt dalı olan makine öğreniminin bir alt dalıdır (Makine öğrenimi ne derseniz ondan da aşağıda bahsedeceğim). Derin öğrenme, bilgisayar algoritmasıyla kendi başına öğrenme ve gelişmeye dayalı bir sistemdir. Yani insanlara öğretilen şeyleri öğrenmeye çalışır, geliştirir ve uygular. Makine öğrenimi gibi geçmişte gözlemlenen verileri ele alarak gelecekteki sonuçları tahmin eder. Ayrıca derin öğrenme, makinelerin insan zekasına en yakın halidir. Öte yandan derin öğrenme, insan beyninin yapısından esinlenmiş yapay sinir ağları denilen çok katmanlı algoritmalarla çalışır. Ancak bu yapay sinir ağlarını çalışma mekanizmasını öğrenmeden öne insan beyninin doğal sinir ağlarına bir göz atalım.

DOĞAL SİNİR AĞLARI

Beynimizde nöron adı verilen bilgin alınımı, değerlendirilmesi ve geri bildirim sağlayan yapılar vardır. Bilginin alınım yerine reseptör denilir ve reseptörler bilgiyi dentrit denilen çoklu çıkıntılar ile alır. Dentritler alıkları bilgileri hücre gövdesine iletir ve oradan hücre gövdesi bilgileri aksona taşır. Aksona gelen bilgiler akson ucunda sinaps yaparak bilgileri diğer nöronun dentritine yollar ve bu bilgi akışı böyle devam eder. Şimdi dentrittler reseptörler aracılığıyla bilgiyi aldı sonra bu bilgiler sinapsla aktarılarak beyinin merkezi sisteminde değerlendirilir. Daha sonra değerlendirilen bilgiler efektör denilen tepki organına gelir ve tepki olarak bize geri dönüş yapar. Ayrıca nöronlar arası bilgi aktarımı elektrokimyasal olarak gerçekleşir. Az çok beynimizin iletişim ağı olan nöronları anlamışsınızdır. İşte derin öğrenmenin mekanizması olan yapay sinir ağları da bu nöronlardan esinlenerek oluşturulmuştur. Hadi şimdi bu sinir ağlarına ve çalışma mekanizmasına bakalım.

DERİN ÖĞRENME MEKANİZMASI: YAPAY SİNİR AĞLARI

Dediğim gibi çoğu derin öğrenme yönteminde yapay sinir ağları kullanılır. Hatta derin öğrenmenin bir diğer adı derin sinir ağlarıdır. Yapay sinir ağları, dediğim gibi nöronlardan etkilenerek oluşturulmuştur. Nöronlar arasında bağlantılar olduğu gibi yapay sinir ağlarında da çok katmanlı algoritmik bağlantılar vardır. Bu bağlantılar 3 kısımdan oluşur: Giriş, gizli ve çıkış katmanları.

Giriş katmanı reseptörler gibi gerekli olan verileri alır ve gizli katmana iletir. Gizli katmanlarda matematiksel hesaplamalar yapılır bu aynı beynimizin merkezi sinir sistemi olan değerlendirme merkezi gibidir. Ayrıca “derin” terimi de sinir ağlarındaki gizli katman sayısını ifade eder. Gizli katmanda işlem yapıldıktan sonra veriler çıktı katmanına yönlendirilir ve sonuç burada işlenir. Nöronlar arasındaki her bağlantı bir ağırlık değeriyle ilişkilidir. Bu ağırlıklar giriş katmanına göre şekillenir. Çıktı katmanındaki verileri standartlaştırmak için her sinir ağı aktivasyon fonksiyonuna sahiptir.

YAPAY ZEKA-MAKİNE ÖĞRENİMİ-DERİN ÖĞRENME

Yapay zeka bir sürü alt dallara sahiptir ve bunlardan biri de makine öğrenimidir. Makine öğrenimin de çeşitli alt dalları vardır ancak en önemlisi derin öğrenmedir. Bu muhteşem üçlünün kullanım alanlarına baktığımız zaman ortak bir noktaları çoktur hatta bazen ayırt etmek zordur. Hadi biz de bunları ayırt etmeye çalışalım

Yapay Zeka: 1950 yıllarında oluşturulmuş olan yapay zeka, bilgisayar ve ya kontörlündeki makinelerin faaliyetleri canlılara benzer şekilde yerine getirmeye çalışan bir bilgisayar bilimidir.

Makine Öğrenimi: 1960 yıllarında oluşturulmuş olan makine öğrenimi, insanlar için zor olan görevleri otomatikleştirmek için eski verilerden yeni verileri oluşturan bir yapay zeka türüdür. Makine öğreniminde minimum insan müdahalesi vardır.

Derin Öğrenme: 2000 yıllarında oluşturulmuş olan derin öğrenme, beyindeki nöron ağını taklit eden ayrıca yapay zekaya öğrenmeyi öğreten son teknoloji sistemdir.

  • Derin öğrenme, büyük ölçekli veri kümeleriyle baş edebilirken makine öğrenimi küçük veya orta ölçekli veri kümeleriyle baş edebilir.
  • makine öğrenimi daha düşük kaliteli makinelerle çalışırken derin öğrenme için daha güçlü makineler gerekir. 
  • Derin öğrenme daha 1 günden az sürede sonuçlanma gerçekleşirken makine öğreniminde bu haftalara kadar çıkar.
  • Makine öğrenimi derin öğrenmeye göre daha zor algoritma yorumlar.
  • Derin öğrenmede giriş katmanına verilerin girmesi için insan müdahalesine ihtiyaç duymazken makine öğrenimi veriler için insan müdahalesine ihtiyaç duyar.

DERİN ÖĞRENME KULLANIM ALANLARI VE GELECEKTEKİ YERİ  

AlphaGo adlı bir oyunda derin öğrenmeye dayalı robotun şampiyon olması sonucu derin öğrenmenin popüleritesi artmıştır. Biz fark etmesek de derin öğrenme hayatımızın içine girmiş durumda. Derin öğrenmenin kullanım alanlarını okuduğunuz zaman konuyu daha iyi anlamış olacaksınız. Haydi gelin bakalım.

Sesli Asistanlar: Siri, Cortana, Alexa, Google Now gibi asistanlar konuşmak, cevap vermek, değerlendirmek için derin öğrenmeyi kullanır.

E-posta: Birçok e-posta platformu gelen kutusuna gelmeden önce mailleri tanımlamada uzmanlaşmıştır.

Sürücüsüz Arabalar: Sürücüsüz arabalar deyince aklımıza Tesla gelir. Sürücüsüz arabalar; sürücü insanların yapabileceği çoğu şeye sahiptir ve sahip olacak gibi de duruyor.

Renklendirme: Siyah- beyaz renkleri renklendirme boyamayla yapılıyordu ancak derin öğrenme sayesinde artık siyah-beyaz görüntüyü renkli olarak yeniden kullanabilmektedir.

Yüz Tanıma: Derin öğrenme sadece güvenlik için değil ayrıca Facebook’da insan etiketlemek için de kullanılıyor.

İlaçlar: Özellikle kanser hastalarına özel kişileştirilmiş ilaçlar derin öğrenme sayesinde gerçekleştiriliyor.

Sohbet ve Servis Robotları: Sesli asistanlar gibi robotlar da akıllıca bizi ve canlıları algılar ve cevap oluşturur.

Eğlence: Örnek olarak Netflix’i verebiliriz. Netflix izlediğimiz film veya dizilere göre bize öneriler oluşturuyor. Bu da derin öğrenme sayesinde gerçekleşiyor.

Sağlık: Kanseri ve ya bunun gibi hastalıkların önceden tespitinde derin öğrenmenin de çok büyük bir etkisi vardır.

Derin öğrenme henüz başlangıç aşamasındadır ancak önümüzdeki dönemlerde insanlık için bir devrim haline gelebilir. Derin öğrenme, kitlesel olarak benimsenmeye doğru ilerledikçe, veri görselleştirme, tahmine dayalı analitik pazarlama, iş zekası gibi kavramların ayak izlerini takip edecek. Ancak bazı araştırmacılar derin öğrenmenin gelecekte etiğe aykırı olacağını ve bununla alakalı yasaların geleceğini ve bu yüzden devrim niteliğinde olamayacağını da dile getiriyor. Bakalım gelecekte bizi neler bekliyor. 

Son zamanlarda insan becerilerini öğrenen makineler insanların dilinde çok dolanıyor. Peki hiç merak ettiniz mi Google Çeviri nasıl olur da saniyeler içinde uzun paragrafları çevirebilir. Netflix, Instagram nasıl olur da beğendiğimiz kategorilere göre bize sonuçlar verir. Cevabımız yapay zekanın incisi derin öğrenmede. O zaman hadi derin öğrenmenin içine dalalım.

DERİN ÖĞRENME NEDİR?

Derin öğrenme, yapay zekanın alt dalı olan makine öğreniminin bir alt dalıdır (Makine öğrenimi ne derseniz ondan da aşağıda bahsedeceğim). Derin öğrenme, bilgisayar algoritmasıyla kendi başına öğrenme ve gelişmeye dayalı bir sistemdir. Yani insanlara öğretilen şeyleri öğrenmeye çalışır, geliştirir ve uygular. Makine öğrenimi gibi geçmişte gözlemlenen verileri ele alarak gelecekteki sonuçları tahmin eder.  Ayrıca derin öğrenme, makinelerin insan zekasına en yakın halidir. Öte yandan derin öğrenme, insan beyninin yapısından esinlenmiş yapay sinir ağları denilen çok katmanlı algoritmalarla çalışır. Ancak bu yapay sinir ağlarını çalışma mekanizmasını öğrenmeden öne insan beyninin doğal sinir ağlarına bir göz atalım.

DOĞAL SİNİR AĞLARI

Beynimizde nöron adı verilen bilgin alınımı, değerlendirilmesi ve geri bildirim sağlayan yapılar vardır. Bilginin alınım yerine reseptör denilir ve reseptörler bilgiyi dentrit denilen çoklu çıkıntılar ile alır. Dentritler alıkları bilgileri hücre gövdesine iletir ve oradan hücre gövdesi bilgileri aksona taşır. Aksona gelen bilgiler akson ucunda sinaps yaparak bilgileri diğer nöronun dentritine yollar ve bu bilgi akışı böyle devam eder. Şimdi dentrittler reseptörler aracılığıyla bilgiyi aldı sonra bu bilgiler sinapsla aktarılarak beyinin merkezi sisteminde değerlendirilir. Daha sonra değerlendirilen bilgiler efektör denilen tepki organına gelir ve tepki olarak bize geri dönüş yapar. Ayrıca nöronlar arası bilgi aktarımı elektrokimyasal olarak gerçekleşir. Az çok beynimizin iletişim ağı olan nöronları anlamışsınızdır. İşte derin öğrenmenin mekanizması olan yapay sinir ağları da bu nöronlardan esinlenerek oluşturulmuştur. Hadi şimdi bu sinir ağlarına ve çalışma mekanizmasına bakalım.

DERİN ÖĞRENME MEKANİZMASI: YAPAY SİNİR AĞLARI

Dediğim gibi çoğu derin öğrenme yönteminde yapay sinir ağları kullanılır. Hatta derin öğrenmenin bir diğer adı derin sinir ağlarıdır. Yapay sinir ağları, dediğim gibi nöronlardan etkilenerek oluşturulmuştur. Nöronlar arasında bağlantılar olduğu gibi yapay sinir ağlarında da çok katmanlı algoritmik bağlantılar vardır. Bu bağlantılar 3 kısımdan oluşur: Giriş, gizli ve çıkış katmanları.

Giriş katmanı reseptörler gibi gerekli olan verileri alır ve gizli katmana iletir. Gizli katmanlarda matematiksel hesaplamalar yapılır bu aynı beynimizin merkezi sinir sistemi olan değerlendirme merkezi gibidir. Ayrıca “derin” terimi de sinir ağlarındaki gizli katman sayısını ifade eder. Gizli katmanda işlem yapıldıktan sonra veriler çıktı katmanına yönlendirilir ve sonuç burada işlenir. Nöronlar arasındaki her bağlantı bir ağırlık değeriyle ilişkilidir. Bu ağırlıklar giriş katmanına göre şekillenir. Çıktı katmanındaki verileri standartlaştırmak için her sinir ağı aktivasyon fonksiyonuna sahiptir.

YAPAY ZEKA-MAKİNE ÖĞRENİMİ-DERİN ÖĞRENME

Yapay zeka bir sürü alt dallara sahiptir ve bunlardan biri de makine öğrenimidir. Makine öğrenimin de çeşitli alt dalları vardır ancak en önemlisi derin öğrenmedir. Bu muhteşem üçlünün kullanım alanlarına baktığımız zaman ortak bir noktaları çoktur hatta bazen ayırt etmek zordur. Hadi biz de bunları ayırt etmeye çalışalım

Yapay Zeka: 1950 yıllarında oluşturulmuş olan yapay zeka, bilgisayar ve ya kontörlündeki makinelerin faaliyetleri canlılara benzer şekilde yerine getirmeye çalışan bir bilgisayar bilimidir.

Makine Öğrenimi: 1960 yıllarında oluşturulmuş olan makine öğrenimi, insanlar için zor olan görevleri otomatikleştirmek için eski verilerden yeni verileri oluşturan bir yapay zeka türüdür. Makine öğreniminde minimum insan müdahalesi vardır.

Derin Öğrenme: 2000 yıllarında oluşturulmuş olan derin öğrenme, beyindeki nöron ağını taklit eden ayrıca yapay zekaya öğrenmeyi öğreten son teknoloji sistemdir.

  • Derin öğrenme, büyük ölçekli veri kümeleriyle baş edebilirken makine öğrenimi küçük veya orta ölçekli veri kümeleriyle baş edebilir.
  • Derin öğrenme için güçlü makineler gerekirken makine öğrenimi için daha düşük kaliteli makinelerde çalışabilir.
  • Derin öğrenme daha 1 günden az sürede sonuçlanma gerçekleşirken makine öğreniminde bu haftalara kadar çıkar.
  • Derin öğreneme makine öğrenimine göre daha kolay algoritma yorumlar.
  • Derin öğrenmede giriş katmanına verilerin girmesi için insan müdahalesine ihtiyaç duymazken makine öğrenimi veriler için insan müdahalesine ihtiyaç duyar.

DERİN ÖĞRENME KULLANIM ALANLARI VE GELECEKTEKİ YERİ  

AlphaGo adlı bir oyunda derin öğrenmeye dayalı robotun şampiyon olması sonucu derin öğrenmenin popüleritesi artmıştır. Biz fark etmesek de derin öğrenme hayatımızın içine girmiş durumda. Derin öğrenmenin kullanım alanlarını okuduğunuz zaman konuyu daha iyi anlamış olacaksınız. Haydi gelin bakalım.

Sesli Asistanlar: Siri, Cortana, Alexa, Google Now gibi asistanlar konuşmak, cevap vermek, değerlendirmek için derin öğrenmeyi kullanır.

E-posta: Birçok e-posta platformu gelen kutusuna gelmeden önce mailleri tanımlamada uzmanlaşmıştır.

Sürücüsüz Arabalar: Sürücüsüz arabalar deyince aklımıza Tesla gelir. Sürücüsüz arabalar; sürücü insanların yapabileceği çoğu şeye sahiptir ve sahip olacak gibi de duruyor.

Renklendirme: Siyah- beyaz renkleri renklendirme boyamayla yapılıyordu ancak derin öğrenme sayesinde artık siyah-beyaz görüntüyü renkli olarak yeniden kullanabilmektedir.

Yüz Tanıma: Derin öğrenme sadece güvenlik için değil ayrıca Facebook’da insan etiketlemek için de kullanılıyor.

İlaçlar: Özellikle kanser hastalarına özel kişileştirilmiş ilaçlar derin öğrenme sayesinde gerçekleştiriliyor.

Sohbet ve Servis Robotları: Sesli asistanlar gibi robotlar da akıllıca bizi ve canlıları algılar ve cevap oluşturur.

Eğlence: Örnek olarak Netflix’i verebiliriz. Netflix izlediğimiz film veya dizilere göre bize öneriler oluşturuyor. Bu da derin öğrenme sayesinde gerçekleşiyor.

Sağlık: Kanseri ve ya bunun gibi hastalıkların önceden tespitinde derin öğrenmenin de çok büyük bir etkisi vardır.

Derin öğrenme henüz başlangıç aşamasındadır ancak önümüzdeki dönemlerde insanlık için bir devrim haline gelebilir. Derin öğrenme, kitlesel olarak benimsenmeye doğru ilerledikçe, veri görselleştirme, tahmine dayalı analitik pazarlama, iş zekası gibi kavramların ayak izlerini takip edecek. Ancak bazı araştırmacılar derin öğrenmenin gelecekte etiğe aykırı olacağını ve bununla alakalı yasaların geleceğini ve bu yüzden devrim niteliğinde olamayacağını da dile getiriyor. Bakalım gelecekte bizi neler bekliyor.