Makine Öğrenmesi Gelecekte Hayatımızın Neresinde Olacak?

Makine öğrenmesi son zamanlarda sık sık karşınıza çıkıyor olabilir. Bu çok normal; günümüzün hızla yükselen değerlerinden biri olan makine öğrenmesi, bugünden geleceğimizi değiştirebilecek güce sahip. Peki, nedir bu makine öğrenmesi ve herkes neden ondan bahsediyor?

Makine Öğrenmesi Nedir?

Makine öğrenmesi , elinizdeki verilerden anlamlı ve faydalı çıkarımlar üretebilmenizi sağlayan ve bu sonuçlardan beslenerek öneriler sunabilen bir yapay zeka türü olarak karşımıza çıkıyor. Bunun için sizi özel bir kod yazmaya zorunda bırakmaksızın algoritmalar üzerinden kendi mantığını oturtuyor ve bu temel mantık üzerinden sürekli öğrenmeye devam ediyor. Bu sayede siz, algoritmayı ne kadar veri ile beslerseniz o da size en güncel ve doğru sonuçları üretebiliyor.

Bir örnek vererek konuyu gerçek hayata uyarlamak gerekirse, Facebook bu anlamda durumu en iyi şekilde açıklıyor. Siz Facebook haber kaynağında gezinirken, makine öğrenmesi kullanan Facebook algoritmaları, sizin hareketlerinizi takip ediyor ve sizi tanımaya çalışıyor. Hangi haberleri daha hızlı geçtiniz, hangi haberlere daha çok vakit ayırdınız, hangi gönderiler ile etkileşime (paylaşım linkine tıklama, beğenme ya da yorum yapma gibi) girdiniz hepsini öğreniyor. Bu veriler ışığında ise size, sizin ilgi alanınıza giren haberleri göstermeye çalışıyor. İlgi gösterdiğiniz haberlerin benzer içerik özelliklerine sahip güncel olanları yayınlandığında, size öncelikle bu haberi gösteriyor. Bu nedenledir ki; aynı arkadaş listesine sahip iki kişinin Facebook haber kaynağında gördüğü haberler de farklı olabiliyor.

Pek çok farklı algoritma ile ihtiyaca yönelik ilginç veri kümeleri elde edilebiliyor. Aslında makine öğrenmesi de bu tür algoritma çeşitlerini genel olarak ifade eden bir kavram olarak kullanılıyor.

Makine Öğrenmesi Çeşitleri Nelerdir?

Birbirinden farklı mantık ile çalışan algoritmaların çatı kavramı olarak kabul edilen makine öğrenmesi, en genel özellikleriyle iki kategoriye ayrılıyor. Bunlar;

  • Gözetimli öğrenme
  • Gözetimsiz öğrenme

Gözetimli Makine Öğrenmesi Nedir? Özellikleri Nelerdir?

Gözetimli makine öğrenmesi ile, belli bir veri kümesi ve bu verileri kullanarak üretilmesi gereken sonuç arasındaki problem, algoritma mantığı tarafından çözülüyor. Şöyle ki; sizin ihtiyacınız olan sonuçlara göre, algoritmayı ilgili detay veriler ile besliyorsunuz ve algoritma artık bu verileri gördüğünde problemi nasıl çözmesi gerektiğini öğreniyor ve benzer durumlarda istediğiniz sonuçları size hızlıca verebilecek duruma geliyor.  

Bir örnek ile bu durumu özetlemeye çalışalım: Örneğin siz bir take-away kahve satan küçük bir dükkansınız ve 3 farklı büyüklükte kahveniz, yaklaşık 10 çeşit de demleme çeşidiniz var. Bir kampanya yapmak istiyor ve en karlı sonuçları elde edebilmek için yapay zeka kullanmak istiyorsunuz. Bu durumda her bir müşterinizin, haftanın hangi günleri, günün hangi saatlerinde, hangi demleme çeşidini hangi boyut bardak kullanarak satın aldığı verilerini sürekli olarak algoritmaya öğretirseniz, bir süre sonra algoritma size “Bugün şu saatler arasında bu boy bardakta şu demleme yöntemiyle yapılan kahvelerde kampanya yaparsan karını bu kadar arttırmış olacaksın” gibi önerilerde bulunabilecektir.

makine öğrenmesi çeşitleri

Gözetimsiz Makine Öğrenmesi Nedir? Özellikleri Nelerdir?

Gözetimsiz makine öğrenmesi ise, gözetimli öğrenmede olduğu kadar net ve detaylı veriler olmadığı durumlarda, size problemin tam sonucunu vermektense mevcut veriler ile neler elde edebileceğinizi işaret ediyor. Yani; siz belli bir konu hakkında faydalı sonuçlar elde etmek istiyor ancak konuya ait hesaplanabilir net verilere sahip değilseniz, yine de bu verilerden mümkün olduğunda anlamlı öneriler üretmeye çalışıyor. Sonuç olarak gözetimsiz öğrenme, hiçbir veriyi çöp olarak görmüyor ve her bilgiyi kullanmaya önem veriyor.

Bir önceki örneğimizden devam ederek gözetimsiz makine öğrenmesini de netleştirmeye çalışırsak: Sizin kahve dükkanınıza gelen ve sizden alışveriş yapan kişilerin tam olarak hangi günler ve hangi saatlerde alışveriş yaptığı verilerine sahip değilsiniz. Sadece kahve bardak boyutları ve kahve demleme çeşitleri ile bu değişkenlere uygun fiyat bilgilerine sahipsiniz. O halde gözetimsiz makine öğrenmesi ile örneğin insanların hangi demleme türünü hangi bardakta en az satın aldığını tespit ederek bu tür ve boydaki bardakların tercih edilebilirliğine yönelik pazarlama teknikleri geliştirmek üzere en iyi elemanlarınızı görevlendirebilirsiniz. Bu sayede ekibinizin geri kalanını da daha doğru hedeflere yönlendirerek en verimli çalışmayı elde edebilirsiniz.

Gözetimli Öğrenme mi Gözetimsiz Öğrenme mi Daha İyi Sonuçlar Üretir?

Daha önce de açıkladığımız gibi sadece bu ikisi değil çok sayıda ve türde makine öğrenmesi çeşidi olması ile birlikte, en çok tercih edilen ve kullanım açısından günümüzde en uygun olan gözetimli öğrenme olduğunuzu söyleyebiliriz. Ancak bu, gözetimsiz öğrenmenin daha az faydalı veriler ürettiğini ifade etmiyor. Aksine gözetimsiz öğrenmenin önemi de giderek artıyor. Özellikle ülkemizde bu kavramlar (veri madenciliği, makine öğrenmesi, yapay zeka) oldukça yeni. Bu nedenle bugüne kadar pek çok firma, verileri makineye öğretmek bir kenara, veri toplamanın önemini daha çok yeni anlamaya başlamış durumda. Dolayısı ile %80 ‘den fazlası orta ölçekli şirket olan ülkemizde doğru bir şekilde saklanmış veri miktarı ve çeşidi azlığı göz önünde bulundurulduğunda, gözetimsiz öğrenmeye çok daha fazla ihtiyacı olduğunu söyleyebiliriz.

Günlük Hayatımızda Fark Etmeden Kullandığımız Makine Öğrenmesi Uygulamaları

Kelime anlamı olarak her ne kadar yeni bir kavram olsa da makine öğrenmesi çok uzun süredir hayatımızın içinde rol alıyor. Buna sabah kalktığımızda ilk iş sarıldığımız telefonlardaki mobil uygulamalardan akıllı mutfaklarımızdaki ev aletlerine kadar, cüzdanımızın içindeki sadakat kartından işe giderken önünden her gün geçtiğimiz dijital billboardlara kadar pek çok alanda makine öğrenmesi ile akıllı hale gelmiş ürünü günlük hayatımızda kullanıyoruz. Çok basit bir örnek ile detaylandırmamızı isterseniz, her gün evden işe giderken müzik dinlediğiniz Spotify uygulaması tam bir yapay zeka ürünü!

Spotify ‘ın Önerdiği Parçalar Her Seferinde Bizi Nasıl Mutlu Edebiliyor?

makine öğrenmesi spotify

Makine öğrenmesini en iyi kullanan uygulamalardan biri de online müzik dinleme platformu olan Spotify olarak karşımıza çıkıyor. Kullanıyorsanız oldukça yakından bilirsiniz, uygulama ana ekranında size özel birden fazla mix listesini otomatik olarak oluşturur ve girip inceleme fırsatı bulduysanız tanıdık gelecektir bunlar her seferinde “Evet işte günlerdir bu şarkıyı arıyordum!” dedirtecek kadar iyi listelerdir. Peki dünya çapında yüz binlerce kullanıcısı olan bir uygulama bu kadar kişiselleştirilmiş öneriler sunmayı nasıl başarıyor? Üstelik her gün!

Cevap elbette yapay zekadan başkası değil.

Spotify size bu başarılı önerileri sunabilmek için üç farklı algoritma kullanıyor.

  1. Sizin uygulama içerisindeki davranışlarınızı izliyor ve sizin kişisel müzik zevklerinizi öğreniyor. Bu nedenledir ki en son dinlediğiniz tarzdaki müzikleri öncelikli önerir.
  2. NLP yöntemlerini kullanarak metinleri çözümlüyor. Bu sayede insanların uygulama dışında da (bloglar, haber kaynakları vs) müzik türleri, sanatçılar, albümler vs hakkında ne tarz düşünceleri olduğunu öğreniyor ve size de buna göre önerilerde bulunabiliyor. (Son zamanlarda herkes bu kişi dinliyor ve çok beğeniyor, sen de keşfet! gibi)
  3. Ham sesleri analiz ederek ses modellerini sizin için ayrıştırıyor. Bu sayede uygulamaya yeni katılan müziklerin 50 ’nin altında dinleyicisi olsa dahi senin karşına çıkmalarını sağlayabiliyor. Bunu da tıpkı yüz tanıma teknolojilerindekine benzer bir yapay zeka olan konvansiyonel ağ dalgalarını kullanarak yapıyor. Haftanın Yenileri listeleri de işte bu yöntem ile çıkıyor.

Şirketler Neden Makine Öğrenmesi Kullanmalıdır? Firmaların Yapay Zeka İhtiyacı Duymasının Altındaki Sebepler Nelerdir?

firmalar neden makine öğrenmesi kullanmalı

Kimsenin artık görmezden gelemediği bir durum olan teknolojinin gelişme ve hatalarımıza entegre olma hızı, günümüz kullanıcılarının da ihtiyaç duyduğu hız seviyesine etki ediyor ister istemez. Kişiler, günlük hayatlarında işlerini daha hızlı sonuçlandırabilmek, gidecekleri yere daha hızlı gidebilmek, ulaşmak istedikleri kişilere daha hızlı ulaşabilmek istiyor. Bu nedenledir ki hız, kullanıcı hareketlerini izleyen bir firma için aksiyon alması gereken ilk etken oluyor. Firmalar, müşterilerine sundukları hizmetlerden elde edilecek memnuniyet seviyesini arttırmanın en etkili yolunun hızlanmak olduğunun farkında varıyor. Teknolojik anlamda bu iyileşmeyi sunan en iyi yol ise makine öğrenmesi yani yapay zekadan geçiyor.

Günümüzde yapay zeka kullanarak süreçlerini iyileştiren firmaların sayısı hızla artıyor. Bunun sonucu olarak da yemek siparişlerimizi artık yapay zekalı chat botlar alıyor, yapay zekalı müşteri temsilcileri banka hesaplarımız hakkında bizi bilgilendirmek için arıyor, yapay zekaya sahip fırınımız biz evin dışındayken bize mesaj göndererek beni açık unuttun evde yangın çıkmaması adına tüm elektrik sistemini devre dışı bıraktım haberin olsun diyor. Tanıdık geldi mi? İşte tüm bunlar, firmalara mevcut müşterilerine kişiselleştirilmiş hizmet sunma imkanı tanırken, henüz sizi tanımayan potansiyel müşterilerin sizi tercih etmesi için de en iyi sebep olarak karşılarına çıkıyor.

Sonuç olarak; makine öğrenmesi hem yazılım firmaları, hem ürün/hizmet satan kullanıcı firmalar hem de bireysel kullanıcılar için hayatı kolaylaştıran ve hızlandıran etkiler yaratıyor. Günler süren programları yazmak yerine bir algoritmayı veriler ile beslemek tüm iş süreçlerinin kolayca otomatikleşmesini sağlıyor. Geriye kalan tek önemli şey ise; makine öğrenmesini doğru amaçla ve doğru ekip ile kullanabiliyor olmak kalıyor. 

Detaylı örneklerle açıkladığımız diğer Makine Öğrenmesi blog yazımıza göz atmayı unutmayın!