Makineler Nasıl Öğrenir (Ya Da Gerçekten Öğrenir Mi)?

Makineler nasıl öğrenirin önceki bölümlerinde: birlikte bir yolculuğa çıkmaya karar vermiştik, panik yapmamanız konusunda da anlaşmıştık. Bugün ise biraz daha suyu ısıtıyor ve işin biraz daha teknik kısmına giriyoruz.

Yazı dizimizin ikinci bölümündesiniz, makine öğrnemesi nedir ve makine öğrenmesi ne değildir sorularına yanıt bulmuşken şimdi makine öğrenmesinin türlerini öğrenme zamanı. Sonrasında ise biraz daha temel kavramlar üzerinde duracağız, ufak bir sözlük oluşturmak gibi de düşünebilirsiniz. Aynı şeyleri konuşabilmek için bir başlangıç noktası.

1. Makine Öğrenmesi Türleri

Makine öğrenmesi türlerini, veriyi nasıl kullandığınız sorusuna ya da nasıl bir veri kullandığınız sorusuna vereceğiniz cevapla ilişkilidir. Ne demek istiyorum? Verinizin nasıl bir eğilimi var? Kümelenmeye mi yoksa regresyona mı yatkın? Verinizin etiketleri var mı, yoksa veriniz aslında bir yığın mı? Tüm bunlar bizi 4 ana başlığa getiriyor, haydi gelin bu dört ana başlığı basit analojilerle açıklamaya çalışalım.

1.1 Supervised Learning – Denetimli Öğrenme

Bu öğrenme şeklini bir öğretmenin öğrenciyi örnek sorular üzerinden eğitmesi olarak düşünebilirsiniz. Öğretmen, öğrenciye çıkmış soruları ve bu soruların cevaplarını gösterir. Öğrenciden beklentisi gördüğü soru-cevap çiftlerinden yola çıkarak yeni sorulara cevap verebilmesidir.

Modeli eğitirken kullandığınız veri etiketlenmiştir, örneğin gereksiz mailleri sınıflandırma problemini düşünün. Modele spam-gereksiz olarak işaretlenmiş mailler iletilir, ve modelin gelecekteki mailleri etiketlenmiş bu verisetinden yola çıkarak ayıklaması beklenir.

Denetimli öğrenme kendi içinde sınıflandırma ve regresyon olarak ikiye ayrılır.

Sınıflandırma problemlerini şu şekilde hayal edebilirsiniz, bir postacı düşünün. Postacı her bir mektubu doğru posta kutusuna yerleştirmelidir. Postanın sınıfı, adres bilgisine, içeriğine göre değişebilir.

Regresyon için ise en çok verilen örnek ev fiyatı tahminlemedir. Bu tip problemlerde sonuç bir sınıf değil, bir rakamdır. Evin özelliklerine göre bir fiyat tahmini yapılır. Tahmini yapılan değer sürekli bir değerdir, şöyle düşünün metrekare arttıkça fiyat da doğrusal olarak artacaktır.

1.2 Unsupervised Learning – Denetimsiz Öğrenme

Burada kullanabileceğimiz analoji ise bence elinde okuyamadığı bir haritayla ormana giren bir kaşiftir. Nesneleri bilir ancak anlamlarını ya da özelliklerini bilmez. Birbirine benzeyen ‘şeyleri’ ortak olarak sınıflandırır ve yorumlamaya çalışır.

Gerçek hayatta ise e-ticaret sitelerindeki müşteri segmentasyonunu düşünebilirsiniz. Müşterilerin bir etiketi yoktur, örneğin kişisel özelliklerini bilmeyiz ancak alışveriş davranışlarını biliriz. Elimizdeki bilgilerle müşteriler arasındaki benzerlikleri bulmaya çalışırız.

1.3 Semi-supervised Learning – Yarı-denetimli Öğrenme

Yarı-denetimli öğrenme mentor analojisine benzetilebilir. Öğrenci kendi kendine öğrenir, örneğin kitap okur. İçinden çıkamadığı noktalarda ise mentorüne danışır.

Model etiketli görece oldukça az veriye sahiptir, burada edindiği doğru yönlendirme etiketlenmemiş veriyi tanımaya çalışmasıyla test verisi üzerinde daha yüksek bir başarı elde etmesini sağlar.

1.4 Reinforcement Learning – Pekiştirmeli Öğrenme

Pekiştirmeli öğrenme tam olarak bir çocuğun oyun oynamayı öğrenmesini taklit eder. Çocuk kuralları gözlemleyerek öğrenir. Sürekli olarak farklı hamleler dener – aksiyonlar alır ve bunların sonucunda ya kazanır ya kaybeder. Ödül aldıkça doğru yolda olduğunu anlayan çocuk başarı oranını arttırır.

Modeliniz de aynı şekilde çevreden aldığı feedbackler ile öğrenir. Pekiştirmeli öğrenmenin en başarılı olduğu örnekler yine oyunlardır. Dota 2 oyununda insan oyuncularını yenen yapay zeka OpenAI Five, insan Go şampiyonlarını yenen AlphaGo pekiştirmeli öğrenme kullanılarak eğitilmiştir.

Son Olarak

Yazı dizimin ikinci bölümünde size biraz daha teknik bir bakış açısı sunmaya çalıştım. Makine öğrenmesinin türlerini öğrendiğimiz bu bölümde makine öğrenmesi ile çözüm arayacağımız problemlere nasıl yaklaşabileceğimize dair bir fikrimiz oluşmuş olmalı artık. Bence doğru yoldayız. Bir sonraki bölümde planım makine öğrenmesi yolculuğu boyunca kullanabileceğimiz, ufak bir terimler sözlüğü oluşturmak. Sözlükte en basit haliyle tanımlayacağımız terimlerin hepsi ve daha fazlası ilerleyen bölümlerde tartışma konumuz olacak.

Tekrar hatırlatmak isterim ki, bu kozmik yolculukta size verebileceğim en önemli tavsiye panik yapmamanızdır. Bir sonraki bölümde görüşünceye kadar yolculuğun tadını çıkarın!