Makine öğrenimi Teknoloji, mevcut bilgi birikimin kullanılarak fayda sağlamak amacıyla çeşitli malzeme, araç ve aletlerin geliştirilmesi ve üretilmesi. Teknoloji geniş yelpazesi ve yenilikçi araçlar, sistemler, süreçler oluşturup insanların yaşantısını kolaylaştırmaya amaçlayan bir alan olmuştur. Günümüzde teknolojinin en yaygın olduğu alanlar ve örnekleri akıllı telefonlar, yapay zeka, bilgisayar, robotik biyoteknoloji ve uzay araştırmalar var. Bu alanlar devamlı olarak gelişmekle birlikte sağlık, eğitim ve enerji gibi sektörlerde büyük etkileri vardır. Makine öğrenimi yapay zeka ile buluştuğunda kullanım kolaylığı çok daha iç açıcı olur.

Yapay zeka ve makine öğrenmesi gibi alanlar iş dünyasında ciddi zaman sürecini hızlandırıyor. 
Ayrıca teknoloji sayesinde olması gerekenden daha fazla bilgiyi veya içeriği daha hızlı yayabiliyoruz. Günlük hayatımızda teknoloji her yerde bunu hiçbir şekilde inkar edemeyiz.

Yapay Zeka ve Makine Öğrenmesi

Yapay zeka (Al), makinaların insan zekasıyla hareket edebilmesi ve görevleri kendiliğinden halletmesi anlamı taşıyor. Yapay zeka insan gibi düşünme, karar verme ve problemi çözme odaklı hareket eder. Yapay zeka günümüzde kullandığımız araç, telefon, ses tanıma gibi birçok yerde güvenlik sistemi olarak karşımıza çıkmaktadır.

Makine öğrenmesi (ML) bir bilgisayarın ne yapacağı konusunda kendilerine verilen veri yoluyla öğrenme yoluyla deneyim sağlar. Makine öğrenmesinde insanların nasıl bir şeyleri sırasıyla öğrenmesi oluyorsa makine öğrenmesinde bu algoritmalar ile şekillenerek yapay zekanın zamanla bir alt dalı olmuştur.

·      Denetimli öğrenme:    

Denetimli öğrenmeyi şöyle ele alalım sistem üzerinden yapılan bir hatayı öğrenek benzer veriler çalışılırken tahminde bulunmaya çalışır. Buna örnek olarak instagram’ın uygunsuz fotoğrafa spam mekanizması veya telefonunuzda istenmeyen maillere spam olarak işaretler.

·      Denetimsiz öğrenme

Bu öğrenme sistemi ise yukardakinden biraz farklı öğrenme sürecinde destek alabileceği bir fotoğraf alanı yoktur. Sadece elinde olan yapıları yapılandırmaya çalışır.

·      Pekiştirmeli öğrenme

Bu yöntemi en basit şekilde günümüzde otomobil sektöründen birkaç örnekle anlayabilirseniz.
Arabayla yolda seyahat ederken arabanın sizi uyarması şeritte kalması gibi ve sizin sürüşünüze göre kendini şekillendirmesidir. 

Yapay Zekanın Gelişim Tarihi 

Yapay zeka kendini her zaman geliştiren hatalarından ders çıkaran bir sistemdir. Birçok şey için tahminde bulunabilir ve bulduğu seçenekler günlük hayatımızı kolaylaştırıp hızlandırabilir. Yapay zekanın işlevi insan zekasını taklit etmeyi amaçlayarak makine deneyimlerini öğrenmek, insanların yapmaktan yorulduğu şeyleri daha az emek gerektirerek yapmasını sağlamaktır. Bu sistemin asıl amacı karşısındaki kişinin davranışlarını öğrendikten sonra uygulamaya geçmesidir.

İlk Adımlar

1950’ li yılların başında İngiliz matematikçi ve mantıkçı Alan Turing’in çalışmaları sayesinde makinaların zekasını tanıtmaya başladı. Bu süreç testlerle ortaya konuldu “Turing Testi” bir makinanın insan davranışlarıyla aynı olacak şekilde tasarlandı. İlk yapay zeka terimi 1956’da John McCarthy, Marvin Minsky, Nathaniel Rochester ve Claude Shannon tarafından düzenlenen Dartmouth konferansında ortaya atılıp benimsenmiştir. 

 

Temel Yöntemlerin Gelişimi 
İlk “makine öğrenimi” terimini Arthur Samanuel atmıştır. 1965 yılında insanların düşünme ve karar verme yeteneklerinin kopyalanması için yapay zeka olan ilk “uzman sistem” yaratılmıştır. Birkaç yıl sonra bununla alakalı bir kitap çıkartılmıştır. “Perceptrons” adlı kitap ve bu kitap piyasada yürürlüğe girdikten sonra insanlar vaat edilenler kadar etkileyici olmadığından ve bu tepki büyüdüğünden İngiliz hükümeti yapay zeka araştırmasına yönelik desteğini çekmiştir. Buna yapay zeka kışı denilmiştir. 
Yapay zeka ismi ortaya çıktığından itibaren 1980’lere kadar hızlı gelişimler olmuştur. Hatta bu fikirler o zamanlar bile filmlerin ana içeriği haline gelmiştir. 

Uzamsal sistemler

1980’lerde uzman olunan belirli yerlerdeki bilgileri kullanılarak Uzaman sistem popüler hale geldi MYNIC VE DENDRAL gibi sitemler, tıp ve kimya alanlarında uzman yardım sunuyor.

1990’lar – ilerlemler ve ilk başarılar 

Yapay zeka kışı sırasında IBM’in Deep Blue aslı satranç bilgisayarı dünya şampiyonu Garry Kasparov u yendi. Bu sayede yapay zekaya karşı tüm dünyada ilgi kat ve kat arttı ve yatırımcılar yeniden yatırım yapmaya başladı bu sayede ilerleme kaydedilmesine yol açtı.

2000’lerin başları 

İnternetin yaygınlaşması birçok alanda büyümeleri de açtı veri miktarının birikmesi, makine öğrenimine büyük hız sağlamış oldu. 

2002-2010 

2002 yılında NASA, marsa iki gezici aracı indirdi ve bunları insan müdahelesi olmadan yaptılar.

Telefonumuzda olan birçok uygulama örnek olarak twitter, netflix gibi şirketler o zamanlarda reklam ve kullanıcı deneyimi için (UX) algoritmalarını kullanmaya başardılar 

 2010 yılında Microsoft, vücut hareketlerini izleyen ve bunu oyuna adapte edecek ilk Xbox 360 Kincet i piyasaya sürdü 

2011-günümüz

Apple, ilk popüler sanat olan siriyi piyasaya sürdü. Birçok şirkette appledan bir akç yıl sonra kendi sürümlerini piyasaya sürdü. Bu tarz derin öğrenme anlamı taşıyan uygulamalı ve benzeri özellikler ses ve görüntü tanıma alanında çığır açan büyük ses başarılar getirmiştir.
Makine öğrenmesi algoritmaların kullanım alanları

Makine örenmesi (ML) insanların bir şeyleri nasıl öğrendiğinden yola çıkarak nerde ne yapacağına karar verme verildereki sabit aklılar ve algoritmaların komutları olmaksızın yanı biri bir şeyi yapmadan makinanın kendi yapması olmadan şekillenen ve tahmin yapabilen yapay zekanın alt kümlerinden biridir.

Makine öğrenmesi yapay zeka sayesinde günümüzde hali hazırda olan çoğu sektörde makine öğrenme algoritması kullanılmaktadır. Bu algoritmalar doğru karar almak, o üretim alanında o meyve yetiştirilmez gibi sonuçları önümüze çıkartabilir.
Bazı önemli sektörleri ele alalım

1-Finans ve Bankacılık
Finans sektörü çok fazla verilerden oluştuğu için güvenliği kritikliği için makine algoritmalarına ihtiyaç duyarlar özellikle 

• Dolandırıcılık tespiti: Çeşitli yollarla yüksek para girişleri ve çıkışlarında veya şüpheli işlemlerde tespit ederek önleme de kullanılır.
• Portföy optimizasyonu: Yatırımlarımızı en iyi getiriye ulaştıracak şekilde bankların şirketler hakkında araştırma yapıp portföylerine optimize etmek.

2-Sağlık hizmetleri
Saklık sektörlerinde makine öğrenmesi tedavi ve operasyonla olayların süresini kısaltmak gibi birçok konuda mucizeler yaratmıştır.

Kişisel tedaviler: Hastaların geçmişlerine bakılarak yapılan bir tedavi planı önümüze sürer mesela; geçmişte dedemizde, ananemizde olan hastalık bizde de olabilir. Bunun için erkan tedavi uygulamak 

E-Ticaret ve Pazarlama 

Dijital pazarlama alanlarında müşterin alışkanlık ve beklentilerini öğrenek satış sağlama Makine öğrenmesi algoritmaları sayesinde müşteri memnuniyeti verimlik gibi artışlar gözlemlenmektedir. Gelecekte yapılan işlerin daha iyi olması için sende makine öğrenmesine geçiş yapmalısın.

Doğal Dil İşleme ve Uygulama

Doğal dil işlem, insanlar için kendi aralarında kullandıkları dili insan ve bilgisayar etkileşimi üzerinde uyum sağlamak ya da hepimizin bildiği gibi yurt dışına gittiğimizde yabancı insanlarla daha iyi anlaşabilmek için çeviriyle konuşmamızı güçlendirmektir. Bu gelişmelerle ait belleği kendini her zaman yeni özellikle geliştirmeye çalışarak en doğru konuşmayla karşı tarafa gider. 

Dağal dil işleme (natural launguage processing – NLP) bu bilgisiyarların anlama ve cevap vermesini sağlayan bir uygulamadır.

NLP amacı nedir?

Bizim ana dilimiz nasıl Türkçe veya dünyanın ana dili İngilizce ise bilgisayarların dillide yapay zekadan anlama yoluyla gelişiyor. Bu sayede insan ve bilgisayarın aynı dili konuşmasını sağlar. 

Bu ve bunun gibi birçok şeyi yapay zekanın doğal dil işlemesi ile gerçekleşmektedir. 

Yapay zekanın etik sorunları 

Yapay zeka birçok kez bahsettiğimiz üzere her yerde değindiğimiz etik kısımı ise şimdi burada birlikte konuşacağız. Netflix de izlediğiniz dizilerin konusu bilim kurgu ise telefonunuz bunu bilerek bir sonraki izleyeceğiniz filmin konusunu bilim kurgu filmlerini sizin önünüze sunuyor. İnsanların yapay zekadan korkuyor algısını yaratan da tam olarak bunlardır.

Yapay zeka aynı insanlar gibi düşünüp hareket ettiğinden dolayı karar süreçlerinde etik değer içerisinde olmak zorundadır; herhangi aksi bir durumda bu durumun suiistimal edilmesi en olası durumdur. Bazı makinaların yapay zeka kullanmasına gerek yoktur onların yapması geren şey bellidir mesela kahve makinası gibi insana zarar veremezler ama önemli mekanizmaların bu etik değerine uymaması ciddi sorunlar çıkartabilir. 

 Kaygılar: Yapay zekaya karşı günümüz de ve geçmişte çok büyük kaygılar vardı. Birçok insan yapay zekadan korkmaktadır. Örnek olarak araba üretiminde çalışan işçiler yapay zekanın makineleşmesinden korkuyorlardı çünkü onlar işinden edecekleri kantindelerdi ama işleyiş yürürlüğü girdiğinde sabit işleri yapabiliyorlar araba boyamak motoru içine yerleştirmek gibi sadece işleyiş hızlanmış insan ihtiyacı ortadan kalkmamıştır. Sistemsel bir hata olduğunda bundan anlaması gereken ustaların orda olması gerekmektedir. 

Yapay zekanın: riskler ve fırsatlar 

Yapay zekanın bu kadar hızlı büyümesinin fırsatlar ve riskleri elbette olacaktır. Yapay zeka karmaşık konuları veya sorunları net bir şekilde çözüm bulmak adına tasarlanmıştı 

Riskler:
Yapay zekanın en büyük risklerini ele alalım bunlardan en çok akla takılan işsizlik konusuu bunlara yukardaki paragraflarda belirtmiştik ama insanların aklına gizlilikten önce en önemli konu bu işim elden gidecek mi sorusu?

Fırsatlar:
Yapay zeka bazı sektörleri kapsadığı iş olanağı olarak ucu bucağı olmayan ve kendine sürekli teknoloji alanında kapılar açar.
Çevresel sürdürülebilirlik açısından mükemmel katkılar sağlar. Örnek olarak yapay zeka sayesinde bir arabaya cam filmi yapılacaksa onun da alakalı bire bir kesim yapılarak atığı önlemiş oluruz.