Birey mi, topluluk mu daha zeki?
En doğru kararı kim verir, bir uzman mı, bir grup insan mı?
Soruları çoğaltmak mümkün.
Şöyle bir senaryo ile başlayalım:
Diyelim ki bir araba almaya karar verdiniz, bütçenize en uygun aracı seçerken konfor, güvenlik ve tasarım gibi kriterlerle bir seçim yaparsınız. Bununla birlikte işi bildiğine inandığınız bir veya birkaç kişiye danışırsınız, onlardan edindiğiniz bilgileri kendi tecrübelerinizle yoğurur ve bu şekilde en doğru kararı vermeye çalışırsınız.
Ya da mağazaya arkadaşlarınızla birlikte gittiğinizi ve kendinize bir takım elbise aldığınızı düşünün, takım elbiseyi denemek için giyip arkadaşlarınızın yanına çıktığınızda hepsi elbisenin size çok yakıştığı konusunda ortak fikir beyan ederlerse eh artık siz de bu takım elbisenin size yakıştığına kanaat getirirsiniz değil mi ?
Günümüzde artık topulukların ortak verdikleri kararların, bireylerin tek başına verdikleri kararlardan daha isabetli olduğu yapılan deneysel araştırmalarla gün yüzüne çıkmıştır. Bu gerçek sadece insan popilasyonu için değil doğada birçok canlı için de geçerlidir. Örneğin çizgili yılan balıkları toplu hareket ederek büyük bir organizma gibi davranır, köpek balıklarının dikkatini dağıtarak ve onları yorarak saldırıları en az zaiyatla atlatırlar. Karınca kolonileri yine ortak akılla hareket ederek muazzam evler yapar, aşılması o boyutlarda imkansız engelleri rahatlıkla aşarlar.
Yapay zeka alanında yapılan çalışmalarda en iyi sonuca varmak için birçok kriter çeşitli algoritmalarla hesaplanır ve en doğru sonuç elde edilmeye çalışılır. Örneğin bir mağazanın satışlarının artırılması için aylık raporlar incelenir, müşterilerin yaş, cinsiyet ve meslek gibi özelliklerine göre yaptıkları alışveriş oranları hesaplanarak hedef müşteri kitlesi ve ulaşılmak istenen satış skorları buna göre hesaplanır.
Mesela özel eğitim kurumları; kayıt yaptıran ailelerin sosyo ekonomik durumları, eğitim seviyeleri, kültürel yapıları gibi kriterleri göz önünde bulundurarak doğru algoritma ile istedikleri öğrenci potansiyeline ve yüksek başarıya ulaşabilirler.
Bu yazıda yapay zeka alanında yüksek lisans yaparken araştırdığım bir konuyu sizlerle paylaşmak istedim. Makine öğrenmesinde veri işlemek için çeşitli algoritmalar kullanılır. Yukarıda verdiğimiz örneklerden de anlaşılacağı üzere gerçek hayat problemleri de literatürdeki makine öğrenmesi veya derin öğrenme algoritmaları ile modellenir. Makine öğrenmesinde verilerin işlenip doğru sonuca varılması için ön tahminler, doğru kriterler önem arz etmektedir.
Peki, verilen kararlar ne kadar doğru?
Hangi makine öğrenmesi daha doğru sonucu verir?
Aldığımız örneklem içerisinde verileri test ve eğitim kümesi olarak ayırıp daha sonra eğitiriz. Peki ya yanlış kriterlerle hareket ediyorsak
veya vardığımız sonuçtan daha doğru sonuçlar veren başka bir algoritma varsa?
İşte "Enseble Methods" dediğimiz topluluk öğrenmesinde bu riske girmemek için birden fazla algoritmanın vardığı sonuçlar ortalama, torbalama ve yükseltme metodlarıyla harmanlanır ve en doğru sonuca varılmaya çalışılır. Bir nevi entegre beyin veya ortak akıl diyebileceğimiz bu metotlardan bazıları boosting (yükseltme) yöntemi, bagging (torbalama) yöntemi vb. Ensenble metodlardır.
Yapay zeka algoritmaları tıpkı canlı organizmalar gibi tasarlanmaya çalışılır. Yazı boyunca verdiğimiz örneklerde topululuk fikirlerinin birey fikirlerine oranla daha isabetli olacağını anlatmaya çalışarak yapay zeka çalışmalarındaki örnekleri gündelik hayattan örneklerle somutlamaya çalıştık.
Faydalı olması dileğiyle...
Heyecan verici yeni bir konuda buluşmak üzere...
Levent DALGIN
BİL Koleji Van Kampüsü Robotik Kodlama Öğretmeni