Yapay Zekanın Öğrenmesi

Yapay zekâya kabalık etmek istemem ama buna “makine öğrenmesi” diyoruz.

Arthur Samuel, 1959 yılında makine öğrenmesini şu şekilde tanımlamış: Bilgisayara, tamamen programlanmadan öğrenme yetisini sağlayan çalışma alanıdır. (Field of study that gives computer the ability to learn without being explicitely programmed.)

Simon, 1983′te şöyle tanımlamış: “Sistemlerin, aynı veya benzeri işler yaptıklarında, o işi veya işleri bir önceki yapıldıkları şekilden daha verimli ve etkin olarak gerçekleştirecek değişiklikleri ortaya koyma biçimidir.”

Tom Mitchell (1998) : Eğer bir bilgisayar programı, bir T görevini, P performansında yaparak, deneyiminde E artış sağlıyorsa, o bilgisayar programı, T görevinde, P performansıyla, E deneyimlerinden öğreniyordur denilir. (A computer program is said to learn from experience E with respect to some task T and some performance measure P, if it’s performance on T, as measured by P, improves with experience E.)

Örneğin: Gmail hesabınızda, spam’ların ayırt edilmesi bir bilgisayar öğrenme işidir. Tom Mitchell’in yaptığı tanıma göre, (kaynak: https://class.coursera.org/ml/lecture/preview#./2 )
T görevi: Gelen mailleri, “spam” ve “spam değil” şeklinde 2 sınıfa ayırmak
E deneyimi:Kullanıcının, mailleri “spam” veya “spam değil” olarak işaretlemesi
P performans: Doğru bir şekilde, “spam” veya “spam değil” olarak işaretlenen mail sayısı
.

Bu makine öğrenmesini bazı yerlerde 2, bazı yerlerde de 4 sınıfa ayırmışlar. Supervised (yönlendirmeli) ve unsupervised (yönlendirmesiz) öğrenme olarak ikiye ayrıldığı kesin. Bir de reinforcement (destekleyici) öğrenme ve tavsiye sistemi (recommender systems) var ama o her yerde geçmiyor. (Bu arada, bu terimlerin Türkçe’sini ben yazdım yanlış olabilir)

Aşağıdaki supervised ve unsupervised öğrenme ile iligili kaynak:
https://www.coursera.org/#course/ml Stanford Üniversitesi Eğitim Videosu (kaynak belirttiğim paragraflar hariç)

Supervised (Yönlendirmeli) öğrenmede; bilgisayarın bir şeyi nasıl yapacağını programı yazan kişi öğretiyor. Doğru olan sonuçlar sisteme giriliyor, daha sonrai yeni veri girişinde doğru verileri baz alarak bir cevap alıyorsun. Regresyon veya sınıflandırma mantığında bir işlem bu. (Regresyonun ne olduğunu başka bir yazıya anlatacağım)

Supervised öğrenmede, girdiler var, elde etmek istediğin çıktıları da veriyorsun sisteme, ve doğru sınıflandırmalar için ödüllendirirken, yanlış işlemler için cezalandırıyorsun sistemi. (Chien ve ark., 1999)

Unsupervised (Yönlendirmesiz) öğrenmede ise, bilgisayar kendi kendine öğreniyor. Programa girilen verileri etiketlemiyorsun. Örneğin, internette news.google.com adresine girdiğinizde, tek bir haberin farklı sitelerde yayınlanmış linkine ulaşabiliyorsunuz. Bunun olması için, google kümeleme (cluster) yapıyor, aynı tip haberleri biraraya topluyor. Aynı mantıkla sosyal ağ analizi, pazar sınıflandırması da yapabiliyorsunuz.

Başka bir unsupervised learning örneği ise şu şekilde: bir odada konuşan 5 kişi olsun, ve odada iki adet ses kayıt cihazı olsun. Bu ses kayıt cihazları odanın farklı köşelerinde olduğu için bazı sesleri daha net, bazılarını da daha bulanık kaydedecektir. Daha sonra uncupervised learning sayesinden elde ettiğin çıktılarda bu sesleri ayırabiliyorsun.

Kısacası unsupervised öğrenmede, sadece girdiler oluyor, çıktılar ise, öğrenme sonucu oluşan ağ yapıları tarafından belirleniyor. (Chien ve ark, 1999)

Makine öğrenmesi bu şekilde, yapay zeka konusu ise devam ediyor.

Farkındayım, iki kaynakla işi bitirdim :) yeni birşeyler bulursam, onları da bu yazıya eklerim.

Evla