İçeriğe geç
3. ÜNİTE · 4. KONU

İnsan Öğrenmesi ve Makine Öğrenmesi

Bir film platformu senin bir sonraki favori filmini tahmin edebiliyorsa, seni gerçekten tanıyor mu, yoksa yalnızca hesap mı yapıyor?

Bir dijital film platformu, kullanıcılarına ilgilenebilecekleri filmleri önermek için makine öğrenmesi kullanır. Sistem kullanıcıların daha önce izledikleri filmleri, verdikleri puanları ve arama geçmişlerini analiz eder; benzer izleme alışkanlıkları olan kullanıcıların verilerini karşılaştırır. Bu süreçte bilgisayar:

  • Verileri toplar ve sayısal değerlere dönüştürür.
  • Matematiksel formüllerle kullanıcılar arasındaki benzerlikleri bulur.
  • Mantıksal çıkarımlarla “X kullanıcısı Y filmini beğendiyse Z filmini de beğenebilir.” sonucuna ulaşır.

Örneğin iki kullanıcı da bilim kurgu filmlerine yüksek puan veriyorsa sistem, birinin çok sevdiği ama ötekinin henüz izlemediği bir filmi ötekine önerir. Makine öğrenmesinde kullanıcılar arasındaki bu benzerlikler, yani örüntüler, önerilerin temelidir. Burada matematik benzerliği ölçer, mantık da bu ölçümden bir sonuç çıkarır.

İnsanın öğrenme süreci

İnsanın öğrenmesi, bir uyarıcıyla başlayıp bilginin gerektiğinde yeniden kullanılmasıyla tamamlanan bir süreç olarak düşünülebilir.

Aşama Anlamı
Uyarıcı Tepki oluşturan iç ya da dış etken
Dikkat Bilinçli olarak belirli uyarıcılara odaklanma süreci
Algı Duyularla alınan bilgilerin anlamlı hâle getirilmesi
Tanıma Duyularla alınan bilgilerin ayırt edilip anlamlandırılması
Bilginin kodlanması Algılanan bilgilerin düzenlenerek belleğe kaydedilebilir hâle getirilmesi
Depolama Anlamlandırılan bilgilerin uzun süreli belleğe aktarılıp kalıcı hâle getirilmesi
Geri getirme Depolanan bilgilerin gerektiğinde hatırlanıp yeniden kullanılması

Kalabalık bir otobüste çalan bir şarkıyı düşün: Ses uyarıcıdır; ona kulak verdiğinde dikkat devreye girer, sesleri bir melodi olarak duyman algıdır, “Bu şarkıyı biliyorum.” demen tanımadır. Sözleri aklında tutmaya çalışman kodlamadır. Sözler tekrar ettikçe aklına yerleşiyorsa bu depolamadır. Haftalar sonra onları hatırlayıp söylemen geri getirmedir.

Makine öğrenmesinin bileşenleri ve yöntemleri

Makine öğrenmesi üç bileşenden oluşur:

Bileşen Anlamı
Girdi Sisteme sayısal biçimde sunulan veri kümeleri
Süreç Yapay sinir ağlarının veriyi işleyip hataları düzelttiği aşama
Çıktı Sistemin ürettiği sınıflandırma, tahmin ya da tanıma sonuçları

Makine öğrenmesinde üç temel yöntem kullanılır:

Yöntem Nasıl çalışır?
Denetimli öğrenme Makineye doğru cevapları önceden belli olan örnekler verilir. Makine bu örneklerle öğrenir ve sonra karşılaştığı yeni verileri tahmin etmeye çalışır.
Denetimsiz öğrenme Makineye yalnızca veriler verilir, doğru cevaplar sunulmaz. Makine verileri kendi başına gruplayarak örüntüler bulmaya çalışır.
Pekiştirmeli öğrenme Makine ödül ve ceza mekanizmasıyla eğitilir. Doğru adımlar ödüllendirilir, yanlış adımlar cezalandırılır; makine zamanla en uygun stratejiyi geliştirerek öğrenmeyi sürdürür.

Pekiştirmeli öğrenme, Skinner’ın edimsel koşullanmadaki ödül ve ceza mantığını hatırlatır.

Biyolojik nöronlar ve yapay sinir ağları

Biyolojik nöronlar Yapay sinir ağları
Esnektir ve kendini yenileyebilir. Belirlenmiş kurallar ve hesaplamalarla çalışır.
Bilgi, nöronlar arasındaki sinirsel bağlantılarla iletilir. Bilgi, verilen öneme göre değerlendirilir ve matematiksel işlemlerle işlenir.
Beyin yeni bağlantılar kurarak kendini yeniden düzenleyebilir. Yanlış tahminler özel bir yöntemle düzeltilir.
Anlam, duygular ve sezgilerle zenginleşir. Yalnızca veriyi işler; bağlamı ya da anlamı kavrayamaz.

Yapay sinir ağlarının tasarımında biyolojik nöronların bilgi işleme ve bağlantı kurma biçimi örnek alınmıştır. Ama bu karşılaştırmaya göre biyolojik nöronlardaki esneklik, bağlamı fark etme ve anlam üretme gücü yapay sistemlerde yoktur.

İnsan öğrenmesi ile makine öğrenmesi yan yana

Bu karşılaştırmada insan öğrenmesi deneyimlerin, duyguların ve sosyal etkileşimlerin şekillendirdiği çok katmanlı bir süreç olarak; makine öğrenmesi ise verilerin algoritmalarla işlendiği teknik bir süreç olarak ele alınır.

Bu farkı bir örnekle düşünebilirsin. Direksiyon dersi alan bir aday, yolda işaretlere, ışıklara ve yayalara bakarak öğrenir; hangi yolun ne zaman kalabalık olduğunu zihninde canlandırır. Bir kavşakta yavaşlar, çünkü hem kuralı bilir hem de karşıdan geçmeye hazırlanan yayanın niyetini sezer. Laboratuvarda denenen otonom bir araç ise yolu kameralarıyla görür, yapay sinir ağlarıyla bu görüntüleri çözümleyip durup durmayacağına karar verir. Milyonlarca veriyle eğitilmiş olsa da yayanın yavaş adımlarındaki anlamı, yani bağlamı ve sosyal ilişkiyi kavrayamaz. Öğrendiği senaryoların dışına çıkan bir durumla karşılaşınca ne yapacağını bilemez; çünkü öğrenmesi bağlamı fark etmeyi ve anlam üretmeyi içermez.

Ölçüt İnsan öğrenmesi Makine öğrenmesi
Nasıl şekillenir? Deneyimler, duygular ve sosyal etkileşimlerle Algoritmalar aracılığıyla verilerin işlenmesiyle
Nasıl işler? Uyarıcıdan geri getirmeye uzanan süreçle; biyolojik nöronlar arasındaki bağlantılarla Girdi, süreç ve çıktı bileşenleriyle; yapay sinir ağlarıyla
Esneklik Beyin yeni bağlantılar kurarak kendini yeniden düzenler. Belirlenmiş kurallar ve hesaplamalarla çalışır.
Anlam ve bağlam Anlam, duygular ve sezgilerle zenginleşir; bağlam kavranır. Yalnızca veri işlenir; bağlam ve anlam kavranmaz.

Cahit Arf’ın “Makine Düşünebilir mi ve Nasıl Düşünebilir?” başlıklı çalışması da insan öğrenmesi ile makine öğrenmesini karşılaştırırken başvurulabilecek metinlerdendir (Atatürk Üniversitesi halk konferansı, 1958-1959 öğretim yılı).

Başta sorduklarımız3 soru

  1. Geçen yıl öğrendiğin bir yemek tarifini bugün mutfakta hatırlayıp uygulaman öğrenme sürecinin hangi aşamasıdır?

    DOĞRU CEVAPGeri getirme

    Geri getirme, depolanan bilginin gerektiğinde hatırlanıp yeniden kullanılmasıdır. Algı ve kodlama ise bilginin ilk alındığı ve belleğe kaydedilebilir hâle getirildiği aşamalardır.

    Cevap bu bölümde: İnsanın öğrenme süreci →
  2. Bir makineye cevapları önceden belli olmayan veriler verilip bu verileri kendi başına gruplaması istenirse hangi öğrenme yöntemi kullanılmış olur?

    DOĞRU CEVAPDenetimsiz öğrenme

    Denetimsiz öğrenmede makineye yalnızca veri verilir, makine örüntüleri kendisi bulur. Denetimli öğrenmede cevabı önceden belli örnekler, pekiştirmeli öğrenmede ödül ve ceza kullanılır.

    Cevap bu bölümde: Makine öğrenmesinin bileşenleri ve yöntemleri →
  3. Biyolojik nöronlarla karşılaştırıldığında yapay sinir ağlarında hangi güç bulunmaz?

    DOĞRU CEVAPBağlamı fark etme ve anlam üretme gücü

    Ünitedeki karşılaştırmaya göre yapay sinir ağları veriyi işler ama bağlamı ve anlamı kavrayamaz. Biyolojik nöronlarda ise anlam duygular ve sezgilerle zenginleşir.

    Cevap bu bölümde: Biyolojik nöronlar ve yapay sinir ağları →

Konunun kavramları15 kavram

Makine öğrenmesi
Bilgisayar sistemlerinin verileri sayısal değerlere dönüştürüp matematiksel hesaplamalar ve mantıksal çıkarımlarla örüntüler bulduğu, bunlardan sınıflandırma, tahmin ya da tanıma sonuçları ürettiği öğrenme biçimidir.
Uyarıcı
Organizmada tepki oluşturan iç ya da dış etkendir.
Algı
Duyularla alınan bilgilerin anlamlı hâle getirilmesidir.
Tanıma
Duyularla alınan bilgilerin ayırt edilip anlamlandırılmasıdır.
Bilginin kodlanması
Algılanan bilgilerin düzenlenerek belleğe kaydedilebilir hâle getirilmesidir.
Depolama
Anlamlandırılan bilgilerin uzun süreli belleğe aktarılıp kalıcı hâle getirilmesidir.
Geri getirme
Depolanan bilgilerin gerektiğinde hatırlanıp yeniden kullanılmasıdır.
Girdi
Makine öğrenmesinde sisteme sayısal biçimde sunulan veri kümeleridir.
Süreç
Makine öğrenmesinde yapay sinir ağlarının veriyi işleyip hataları düzelttiği aşamadır.
Çıktı
Makine öğrenmesinde sistemin ürettiği sınıflandırma, tahmin ya da tanıma sonuçlarıdır.
Denetimli öğrenme
Makineye doğru cevapları önceden belli olan örneklerin verildiği, makinenin bu örneklerden öğrenip yeni verileri tahmin etmeye çalıştığı yöntemdir.
Denetimsiz öğrenme
Makineye doğru cevaplar olmadan yalnızca verilerin verildiği, makinenin verileri kendi başına gruplayarak örüntü bulmaya çalıştığı yöntemdir.
Pekiştirmeli öğrenme
Makinenin ödül ve ceza mekanizmasıyla eğitildiği, doğru adımların ödüllendirilip yanlış adımların cezalandırıldığı ve makinenin zamanla en uygun stratejiyi geliştirdiği yöntemdir.
Yapay sinir ağları
Biyolojik nöronların bilgi işleme ve bağlantı kurma yapısından esinlenerek geliştirilen, belirlenmiş kurallar ve hesaplamalarla çalışan sistemlerdir.
Biyolojik nöronlar
Bilgiyi aralarındaki sinirsel bağlantılarla ileten, esnek ve kendini yenileyebilen sinir hücreleridir.

KENDİNE SOR

Bir makinenin senin ne izleyeceğini doğru tahmin etmesi onun bir şey öğrendiği anlamına gelir mi? İnsan öğrenmesinin anlam üretme ve bağlamı kavrama özelliklerini kullanarak, makine öğrenmesine "öğrenme" demenin ne ölçüde yerinde olduğunu gerekçelendir.