Makineler temelde insanların yapmak istediği şeyleri daha hızlı ve daha etkin bir şekilde yapabilmek için geliştirildiler. Bir anlamda makineler aletlerin gelişmiş versiyonlarıdır. İnsanoğlu ilk makası milattan önce 1500’lü yıllarda Mısır’da kullanmaya başladı. Kumaş ya da deriyi kesmenin daha kolay ve hızlı yolları için ise sanayileşmenin gelişmesi ve elektrikli makinelerin üretilmesi gerekiyordu. 20 yüzyıldan sonra ise lazer veya basınçlı su teknikleri ile kumaş çok daha hızlı kesilmeye başlandı.
Her ne kadar makastan günümüze kumaş kesimi gelişmiş olsa da 1500 yıl önceki terzinin yıllar sonra giderek artan ustalığı, becerisi ve yeni metodlarını uygulama mümkün olmadı. Kumaşı otomatik olarak kesen makine, 50 yıl sonra da halen ilk günkü gibi kesmeye devam eder. Öğrenen makineler yani orijinal tabiriyle “Machine Learning” bu anlayışı yıkmaya geliyor. Ustalığı artan, yeni deneyimler ile sayesinde yaptığı işi değiştiren makinalara doğru yolculuk çoktan başladı bile.
Hemen yanı başınızda
Öğrenene makinelere en yakın örneği muhtemelen hemen hemen her gün girdiğiniz Facebook’ta görebilirsiniz. Facebook bu alandaki en başarılı ve üzerinde en çok araştırma yapılan uygulamalardan biri. Yüzlerce ve hatta binlerce arkadaşınız, üye olduğunuz gruplar, beğendiğiniz sayfalar var. Ancak Facebook zaman akışı duvarınızda bunlara ait tüm bildirimler görünmez. Facebook yazılımı, sizin haberleri okuma alışkanlıklarınızı, kimin profilinde daha fazla vakit geçirdiğinizi, hangi gruplara ya da sayfalara yorum yaptığınızı sürekli kontrol ederek öğrenmeye başlar. Zaman içerisinde duvarınızı alışkanlıklarınıza uygun bir şekilde haber akışları ile doldurur. Eğer yeni bir sayfaya üye olur, ya da ilgi alanınız değişirse, bunu da fark ederek gerekli değişiklikleri yapmaya başlar. Öğrenmeye programlanmış yazılımlar istatistiki verileri kullanarak tahminler yürütmeye çalışır. Facebook bu yüzden bazen size üye olmadığınız gruplara ya da sayfalara üye olmaya davet ediyor. Çünkü genel alışkanlıklarınızı tespit ederek bu sayfaları beğenebileceğinizi var sayıyor. Hatta bazen benzer paylaşımlar yapan kişileri size arkadaş olarak tavsiye edebiliyor.
Endüstri değişecek
Öğrenen makineler için gerekli olan en önemli şey bolca veri. Ne kadar çok istatistiki veri birikirse, yazılımların karar verme süreçleri çok daha iyileşiyor. İnsanoğlunun kendi kendine yapamayacağı tahminleri yapmak, doğru kararları oluşturmak ve tahminleri daha isabetli hale getirmek mümkün oluyor. Bu sayede üretim süreçleri kısalabiliyor ya da doğru ürünleri geliştirmek kolaylaşıyor. Örneklerine her alanda rastlamak mümkün. Örneğin Zymergen firması, sağlık, gıda, kimya ve tarım sektörü için mikroplar geliştiren müşterilerine yönelik çözümleri öğrenen akıllı yazılımlar sayesinde geliştiriyor. Bir başka firma olan Atomwise, kimya ve genetik verilerini öğrenen yazılımlara yükleyerek toksik olmayan tarım ve sağlık ürünlerinin geliştirilmesi için daha iyi metotlar bulmaya çalışıyor.
Daha fazla veri lazım
Öğrenen makinelerin ihtiyaç duyduğu en önemli yakıt veri. Sonuçların daha etkili ve tahmin edilebilir olması için sağlanan verinin önemi büyük. Bu yüzden kurumların şimdiden gelecek operasyonlarında kullanmak üzere yapısal olarak düzgün, güvenilir ve hızlıca kullanılabilir veri kümeleri oluşturmaları hayati önem taşıyor. Bu aşamada açık veriler (open data) daha da önem kazanıyor. Özellikle kamu ve halka açık özel şirketler tarafından sağlanacak olan yapısal veriler, makine öğrenimi konusunda oluşturulan algoritmaların karar alma süreçlerini ve sonuçlarını önemli ölçüde iyileştiriyor. Örneğin bir telekom operatörü tarafından düzenli olarak sağlanacak görüşme sürelerine ilişkin anonim veriler, bir başka sektörde faaliyet gösteren işletmeler için önemli bir veri kaynağı olarak kullanılabiliyor.
MAKİNELER ÖĞRENİNCE SONUÇLAR DAHA İYİ
Makine öğrenimi konusunda çalışmalar yürüten kurumlar arasında yapılan araştırmaya göre geçtiğimiz 1 yıl içerisinde elde edilen kazançlar ve talepler şu şekilde sıralanıyor.
▶Makine öğrenimi uygulayan kurumların %50’si daha fazla veri kaynağına erişim ve yapısal veriler oluşturmak için çalışma yapıyor. Bunlardan %45’i verileri daha hızlı işleyebilmek için çözümler üzerine odaklanıyor.
▶Makine öğreniminde başarı sağlayan şirketlerin %35’i daha hızlı sonuca giden Ar-Ge çalışmaları yapabildiklerini belirtiyor. Makine öğrenimi üzerine çalışmalar yapan firmaların %26’sı, toplam teknoloji bütçelerinin %15’ini bu alanda kullanmaya karar verdi. Firmaların %50’si müşterilerine daha iyi ulaşmak ve ihtiyaçlarını daha iyi tespit edebilmek için makine öğrenimini kullanıyor. Firmaların %48’i ise rekabette öne geçebilmek, %45’i ise geleceğe yönelik tahminlerde bulunabilmek için çalışmalar yapıyor.
▶Makine öğrenimi için kullanılan en büyük projeler şu şekilde sıralanıyor: NLP %45, metin kümeleme ve veri madenciliği %47, duygusal analiz %47, fotoğraf tanıma ve sınıflandırma %43.
