Yazılım teknolojisi çerçevesinde çeşitli algoritmalar ve modellemeler vardır. İnsan beynini taklit eden algoritma çeşitlerine sinir ağı (neural network) denir. Bu algoritma tipleri sınıflandırılmamış olan verileri kümeleme ve etiketleme işlemi yaparlar. İnternet dünyasında sınıflandırılmamış veriler, tüm verilerin %90’ını oluşturmaktadır. Sinir ağı ile geliştirilmiş algoritmalar, sınıflandırılmamış verileri sınıflandırmakla görevlidirler.
Makine öğrenme işleminde sinir ağı algoritmaları, arka planda verilerin sınıflandırılma işleminde çalışırlar. Makine öğrenme sınıflandırılmış veriler sayesinde olur. Bu sebepten sinir ağı algoritmaları yapay zeka çalışmalarının önemli bir parçasıdır.
Gün içerisinde pek çok e-posta posta kutumuza düşmektedir. Bunların pek çoğu istenmeyen (spam) e-postadır. İşte derin sinir ağı algoritmaları bu noktada yardımımıza koşar. İyi posta ve kötü postayı ayırt eder. Kötü olanı istenmeyen olarak işaretler (sınıflandırır).
Sinir ağı algoritmalarında kullanılan öğeler Sinir ağı algoritmaları katmanlardan (layer) oluşur. Katmanlar ise düğümlerden (node) meydana gelir. Düğümler çeşitli hesaplama fonksiyonlarını ifade eder. Fonksiyonlar gelen veri (input) değerleri ile iletişim halindedir. Gelen verilerin belli katsayıları ya da ağırlıkları vardır. Bu değerler ile kümeleme ve etiketleme işlemi gerçekleşir. Amaç istatistiksel olarak fonksiyonun düzgün sınıflandırma ve kümeleme işlemini yapabilmesidir.
Sınıflandırma
Sınıflandırma görevi belirlenmiş veri kümeleri çerçevesinde olur. Bu denetimli öğrenmedir (supervised learning). İnsanlar tarafından belli veri kümesi tanımlanır. Tanımlanan veri kümesine göre algoritma sınıflandırma işlemi yapar. Yüz tanıma (face detection), fotoğraf üstünden objeleri belirleme gibi işlemleri örnek olarak gösterebiliriz.
Kümeleme
Kümeleme işleminde belirlenmiş bir veri kümesi yoktur. Derin öğrenme (deep learning) verileri benzerliklerine göre kümeler. Yapılandırılmamış veri dünya üstündeki en yoğun veridir. Yapay zeka teknolojisinin ilk ve en önemli kuralı, ne kadar çok veri varsa sonuçta o kadar doğrudur. Örnek olarak arama teknolojilerinde ses, döküman, imaj dosyalarındaki benzerliklere göre gruplar ve kullanıcıların önüne sunar.
Öngörü ve Tahmin
Gelişmiş sinir ağları, tahminlerde bulunmaya başlayabilir. Yapay zekanın geçmiş ya da gelecek gibi bir kaygısı yoktur. Ne kadar çok veri olursa o kadar çok öğrenir. Öğrendiği bilgileri benzerliklerine göre gruplar, bu da yapay zekanın tahminlerde bulunmasına olanak sağlar. Donanım arızaları, müşteri kaybı, sağlık sıkıntıları (kalp krizi, felç vs.) gibi konularda öngörüde bulunabilir.
Sonuç
Sinir ağları internet ve mobil telefonların, hayatımızda büyük bir yer işgal etmeye başlamasıyla beraber, eskiye nazaran çok daha fazla karşımıza çıkmaktadır. Yapay zekayı boş bir sayfa olarak düşünürsek bu sayfayı dolduracak olan sinir ağıdır. Bu yüzden sinir ağından yoksun bir yapay zeka söz konusu olamaz.
trycteach 