teknoloji
Makine Öğrenimi (machine learning) Nedir?
Makine Öğrenimi Nedir?
Makine öğrenimi (machine learning) nedir ve nasıl çalışır.
Yapay zeka, doğal zekanın aksine makineler tarafından gösterilmiştir. Terim, makine öğrenme ve problem çözme gibi bir insanın bilişsel işlevini taklit ettiğinde uygulanır.
Makine öğrenimi, Siri ve Alexa gibi sesli yardımcılar gibi çeşitli programlarda uygulandı.
Teknoloji, robotların ve makinelerin, insanların bilgiyi daha hızlı bir şekilde işleyebileceği ve kullanabileceği her şeyi öğrenmesine olanak tanır.
1997 yılında, dünya satranç şampiyonu Garry Kasparov, IBM’in Deep Blue bilgisayarı tarafından yenildi. Başka bir IBM AI bilgisayarı olan Watson, ABD’deki Jeopardy adlı oyunda yarıştı ve kazandı.
Nasıl çalışır?
Makine öğrenmesi iki farklı kategoriye ayrılabilir:
- Genel AI (yapay zeka)
- Uygulamalı AI (yapay zeka)
Genel AI, insan gibi düşünebilen ve davranabilen, sorulara cevap veren ve bilgiyi insan benzeri senaryolara uygulayan bir robot veya makine geliştirmeye odaklanır.
Buna karşılık, uygulanan makine öğreniminin belirli bir amacı vardır. Belli bir meydan okuma veya problemin çözümü olarak geliştirilmiş ve çok daha alakalı bir sonuca sahiptir.
Makine öğrenmesi ilk olarak 1959’da Arthur Samuel tarafından işlendi. Nasıl yapılacağını açıkça programlama olmadan gerçekleştirdikleri eylemlerden öğrenebilen makineler oluşturma çabasını anlatıyor.
Teori, bu öğrenmenin sonuçlarının daha sonra sistem tarafından yeni verilerle karşılaştıklarında eylemlerini uyarlamak için kullanılabileceği yönündedir.
Bu sistemler, veri madenciliği sürecine tasarım ve yetenek bakımından benzerdir.
Bir dizi veriye maruz kalırlar ve belirli modeller için analiz ederler. Ancak veri madenciliği uygulamaları insani kavrayışa odaklanırken, makine öğrenimi veri kümeleri içinde karmaşık kalıpları bulmak ve kendi kendini ayarlamak için kullanılır.
Neden yararlıdır?
Makine öğrenmesi alanında çeşitli kategoriler ve kullanım durumları vardır.
Sistemler denetlenen veya denetlenmeyen olarak sınıflandırılabilir. Denetlenen bağlamlarda, makine öğrenimi uygulamaları, yeni kararlar almak için geçmiş verilerde yapılan eylemlerden yararlanabilir.
Denetimsiz makine öğrenmesi kavramları, veri sayfalarında bulunan etkileşimleri tanımlamaları kendi kendine öğrenme eylemleri gerçekleştirmeleri bakımından farklıdır.
Güçlendirme öğrenimi, AI uygulamalarını belirli bir hedefin bulunduğu ortamlarda nasıl etkileşime girdiklerine göre kategorilere ayıran. Makine öğreniminde bir başka öncü alan olarak gelişmiştir.
Bunun örnekleri, kendi kendini süren araçlara ve insan rakiplerine karşı rekabetçi oyunlar oynayan bilgisayar sistemlerini içerir. Bu uygulamalar genellikle problem çözme konusunda uzmanlaşır.
Geliştirilmiş kullanıcı deneyimleri
Makine öğreniminin en önemli örneği Facebook uygulamasıdır.
Son birkaç yıldır sosyal ağ, Haber Feed’ini kullanıcıların ilgi alanlarına uyarlamak için makine öğrenimi algoritmalarını benimsemiştir. Oldukça karmaşık geliyor ama aslında Facebook’un kullandığı sistem oldukça basit.
Platform, günlük kullanıcı aktivitesini dikkate alan tahmini analiz ve istatistiksel analizden yararlanmaktadır.
Veri kümeleri sürekli değişiyor. Bu yüzden belirli bir arkadaşının yayınlarını beğenmezseniz, o zaman olasılıklar tekrar yayına gelmeyeceklerdir.
Bu biraz rahatsız olsa da, kullanışlı olabilir, çünkü daha kişiselleştirilmiş bir kullanıcı deneyimine sahip olduğunuz anlamına gelir.
Makine öğrenme konusunda güzel olan, herkese yardımcı olabileceğidir. Bilgisayar kullanıcılarına daha kişiselleştirilmiş kullanıcı deneyimleri sağlamakla kalmaz. Aynı zamanda karmaşık verilerle çalışırken araştırmacılara, veri bilimine, mühendislere ve analistlere de ilgi gösterir.
Şu anda, makine öğrenimi hala erken aşamalarda, ancak her zaman gelişiyor.
İlginizi çekebilir:
