Yapay zekadan makale özeti
- Kısa
- Ayrıntılı
- Bu video, Makine ve Teknoloji Günleri etkinliğinde Tubitak Bilgen'den Dr. Mehmet Akdır'ın yapay zeka ve makine öğrenmesi konularında yaptığı bir eğitim sunumudur. Dr. Akdır, İstanbul Üniversitesi mezunu olup, İstanbul Teknik Üniversitesi'nde yüksek lisans ve doktora yapmış, halen TÜBİTAK Bilgen'de Bulut Bilişim ve Büyük Veri Araştırma Laboratuvarı bölüm müdürü olarak görev yapmaktadır.
- Sunumda yapay zeka kavramı, tarihsel gelişimi, üç ana türü (daha kapsamlı yapay zeka, insan düzeyi yapay zeka ve insan ötesi yapay zeka) ve gerçek dünya uygulamaları ele alınmaktadır. Ayrıca makine öğrenmesi türleri (gözetimsiz öğrenme, pekiştirme öğrenme, derin öğrenme), yapay zekanın ekonomik etkileri ve sektörlerdeki kullanım alanları detaylı olarak anlatılmaktadır.
- Sunumda ayrıca Safir Teknolojiler'in sunduğu ürünler ve projeler (Safir Depo, Safir Büyük Veri, Safir Zeka, Safir Bio) tanıtılmakta, Avrupa Birliği projeleri ve MERS-CoV virüsünün rotasyonlarını tahmin etmek için geliştirilen derin öğrenme mimarisi gibi projeler paylaşılmaktadır. Video, soru-cevap kısmıyla devam edip, çekiliş ve küresel ısınma farkındalık için ağaç dikme etkinliği ile sona ermektedir.
- Sunumun Tanıtımı
- Makine ve Teknoloji Günleri etkinliğinin üçüncü oturumuna TÜBİTAK BİLGEM'den Dr. Mehmet Akdır sunumunu yapacak.
- Dr. Mehmet Akdır, İstanbul Üniversitesi mezunu olup İstanbul Teknik Üniversitesi'nde yüksek lisans ve doktora yapmış, TÜBİTAK BİLGEM'de Bulut Bilişim ve Büyük Veri Araştırma Laboratuvarı bölüm müdürü olarak görev yapmaktadır.
- Akdır, TÜSAS ve Yıldız Teknik Üniversitesi danışma kurullarında, Avrupa Yapay Zeka Birliği ve Yapay Zeka Uzmanları OEC'de üyelikleri bulunmaktadır.
- 01:36Sunumun Başlangıcı
- Dr. Mehmet Akdır, "Gerçek Dünya Problemleri İçin Yapay Zeka Uygulamaları" konulu sunumunu gerçek dünya problemlerini çözebilecek yapay zeka uygulamalarını anlatacağını belirtiyor.
- TÜBİTAK BİLGEM Bulut Bilişim ve Büyük Veri Araştırma Laboratuvarı bölüm yöneticisi olarak görev yapmakla birlikte, TÜBİTAK Yapay Zeka Enstitüsü'nün kurulum faaliyetleri ve ulusal yapay zeka raporu oluşturulması gibi çalışmalarla da ilgilenmektedir.
- Uluslararası işbirliği kapsamında OECD'nin expert grubu ve Avrupa'daki AI Alliance gibi gruplarda yapay zeka konusunda teknolojilerin geliştirilmesi ve regülasyona bağlı yapıların oluşturulması konusunda çalışmaktadır.
- 02:39Yapay Zeka Kavramı
- Yapay zeka, bir bilgisayarın veya bilgisayar kontrolündeki bir robotun çeşitli faaliyetleri zeki canlılara benzer şekilde yerine getirme kabiliyetidir.
- Yapay zeka üç ana türden oluşur: daha kapsamlı yapay zeka, insan düzeyi yapay zeka ve insan ötesi yapay zeka.
- Günümüzde yoğun olarak kullanılan yapay zeka uygulamaları daha kapsamlı yapay zeka uygulamalarıdır ve dünyadaki çalışmalar insan düzeyi yapay zekaya doğru ilerlemektedir.
- 04:04Yapay Zeka Tarihçesi
- Yapay zeka kavramı 1950'lerde ortaya çıkmış, başlangıçta heyecanla karşılanmıştır.
- Son on yılda (hakkımda 6-7 yıl) sesler ve verilerin kullanılmasıyla elde edilebilecek çözümlerin aktif olarak yer almasıyla makine öğrenmesine dönüşmüştür.
- Derin öğrenme teknolojisinin gelişmesiyle yapay zeka deyince insanın aklına ilk gelen şey derin öğrenme olmuştur.
- 04:49Yapay Zeka Uygulamaları
- Yapay zeka hayatımızın her noktasında var: sosyal medya araçlarında (Facebook, Netflix, Snapchat, Instagram) öneriler, izleme alışkanlıklarını analiz etme ve görüntü işleme filtreleri gibi uygulamalar yapay zeka uygulamalarıdır.
- Yapay zeka tarihçesi boyunca iki kış dönemini yaşamıştır, ancak kritik üç teknoloji gelişimi olmuştur.
- 1997'de IBM'in geliştirdiği Deep Blue, Kasparov'a karşı satranç oyununu kazanarak önemli bir çığır açmıştır.
- 06:51IBM Watson ve AlfaGo
- IBM Watson, 2011'de Jeopardi yarışmasını kazanarak insan şampiyonları yenmiştir.
- IBM Watson günümüzde tıp teknolojilerinde radyolojik tetkikleri değerlendiren ve hukuk alanında dava açma sürecini kısaltan çözümler sunmaktadır.
- 2017'de AlfaGo, Go oyununu insan ustası yenerek önemli bir ilerleme kaydetmiştir; bu teknoloji pekiştirmeli öğrenme teknolojisi kullanarak insan gibi öğrenme yeteneğine sahiptir.
- 10:54Yapay Zeka ve Ekonomik Beklentiler
- Yapay zeka alanında "kış" denilen beklentilerin düşmesi olayı, teknolojide her zaman konuşulur, ancak konuşmacı yapay zekanın aktif kullanımı için beklentilerin yüksek olmasına rağmen, daha kapsamlı uygulamaların yaygınlaştırılabilir olması ve derin pekiştirmeli öğrenme ile genel yapay zekaya giden yolda çıktılar üretilebiliyor olması nedeniyle üçüncü bir kış görmeyeceği görüşündedir.
- 2030'a kadar yapay zekanın global ekonomiye 15,70 trilyon dolar katkıda bulunacağı ve ülke ekonomilerinin %26 oranında büyümesi bekleniyor.
- Yapay zeka, 2021'e kadar 2,90 trilyon dolar iş değeri oluşturacak ve üretkenliği arttırarak 6,20 milyar iş tasarrufu sağlayacak, ancak bu aynı zamanda işgücü kaybına neden olabilir.
- 13:45Yapay Zeka'nın Sektörel Etkileri
- Yapay zeka, telekom, bankacılık, medya ve e-ticaret gibi alanlarda hızlıca etkide ve yüksek etki yaratacak.
- Sağlık sektöründe yapay zeka, radyoloji dışında birçok alanda önemli etkiler yaratacak ve pandemi sürecinde aşı-ilaç bulma, yayılım tahminleri ve politika üretimi gibi alanlarda aktif kullanılmaya devam edecek.
- Enerji, üretim ve otomotiv gibi kritik sektörlerde yapay zeka önemli bir teknoloji olacak ve otomotiv sektöründe sürücü asistanı, motor izleme ve öngörücü bakım gibi uygulamalar bulunacak.
- 16:43Yapay Zeka'nın Temel Bileşenleri
- Yapay zeka temelde iki ana başlıkta incelenebilir: makine öğrenmesi ve sayısal zeka.
- Sayısal zeka, kural tabanlı uzman sistemlerden bulanık mantık, yapay sinir ağlarına ve evrimsel hesaplama teknolojilerine kadar uzun yıllardır geliştirilen çözümlerdir.
- Makine öğrenmesi, istatistiksel öğrenme kavramıyla 1970'lerden itibaren geliştirilen teknolojilerdir ve gözetimli öğrenme, pekiştirmeli öğrenme ve gözetimsiz öğrenme olmak üzere üç ana başlıkta incelenebilir.
- 18:52Makine Öğrenmesi ve Sınıflandırma
- Makine öğrenmesi, bilgisayar sistemlerini açık bir şekilde programlanmadan veriyi öğrenme yeteneğini vermek için istatistik teknikleri kullanan yapay zeka alanıdır.
- Makine öğrenmesi, çeşitli algoritmalar ve yöntemlerle verideki kalıpları algılayıp tekrar kullanılmasını sağlayan çözümlerdir.
- Gözetimli öğrenme, etiketlenmiş bir veri seti üzerinde regresyon ya da sınıflandırma işlerinin yapıldığı yaklaşımlardır ve tıpta tümör imajlarını tespit etme veya finansal kayıtlara göre müşterilerin değerlendirilmesi gibi alanlarda kullanılır.
- 21:56Veri Setlerinin Bölünmesi ve Başarı Ölçütleri
- Veri setleri test, train ve validation olarak bölünür; train datası ile makine öğrenmesi modelleri eğitilir.
- Eğitim seti, etiketli verilerden oluşurken, test seti ise kedi olup olmadığını bildiğimiz resimlerden oluşur.
- Başarı ölçütleri temel olarak doğruluk, kesinlik, yakalama ve belirginlik olmak üzere dört ana ölçütten oluşur.
- 23:29Gözetimsiz Öğrenme
- Gözetimsiz öğrenme, etiketli verinin elde edilmesinin güç olduğu durumlarda tercih edilir ve kümeleme veya boyut indirgeme olmak üzere iki yaklaşım içerir.
- Gözetimsiz öğrenme algoritmaları, resimlerin birbirleriyle ilişkilerini inceleyerek kümeler oluşturur, ancak bu kümeleri etiketlemez.
- Kümeleme yaklaşımları piyasa araştırmalarında, müşteri segmentasyonunda, tıbbi araştırmalarda ve bilgisayarlı görmede aktif olarak kullanılır.
- 25:49Pekiştirme Öğrenme
- Pekiştirme öğrenme, amaca yönelik öğrenen bir makine öğrenmesi yaklaşımıdır ve öğrenen makine (ajan) karşılaştığı durumlara tepki verir.
- Ajan, yaptığı eylemlerden sayısal ödüller alır ve bu ödüllerin maksimuma çıkartılması hedeflenir.
- Pekiştirme öğrenme, etiketli veya etiketsiz veri bağımlı değil, içinde bulunduğu çevre ile etkileşimini arttırarak öğrenir.
- 27:33Derin Öğrenme
- Derin öğrenme, insanın nöron yapısını baz alarak tek katmanlı yapay sinir ağının çok katmanlı hale getirilmesiyle oluşan bir makine öğrenme algoritması sınıfıdır.
- Derin öğrenme, geleneksel makine öğrenmesinde yapılan özçelik çıkarımı işlemine ihtiyaç duymaz ve veriyi verdiğinizde bunu gerçekleştirerek bir çıktı üretebilir.
- Derin öğrenme, geleneksel makine öğrenmesi yaklaşımlarıyla çözebileceğiniz problemler için avantajlı değildir çünkü çok veriye bağımlı ve maliyetlidir.
- 30:36Bulut Bilişimi Araştırma Laboratuvarı
- Konuşmacı, yöneticisi olduğu Bulut Bilişimi Araştırma Laboratuvarı'nın 2014 yılında Kalkınma Bakanlığı desteğiyle kurulduğunu ve açık kaynak kodlu güvenilir çözümler oluşturmak için faaliyet gösterdiğini belirtiyor.
- Laboratuvar, dijital dönüşüm sürecinin tamamını kapsayan bir ürün ailesi olan Safir ürün ailesi geliştirmektedir.
- Laboratuvar, TÜBİTAK BİLGEM Gebze'de 40 metrekare boyutunda, 400 sunuculu kapasiteli bir veri merkezi üzerinde çalışmalarını gerçekleştiriyor.
- 33:07Safir Depo Ürünü
- Safir Depo, özelleştirilen kayıt paneli, güvenlik gösterisi, izleme ve denetim ekranları gibi özelliklere sahip bir elektronik depolama çözümüdür.
- Bu ürün Dropbox ve Google Drive gibi muadillerinin sahip olduğu tüm yeteneklere sahip olup, ayrıca güvenlik depolama adı verilen özel bir çözüme sahiptir.
- Buluta eklenen dosyalar çıkmadan önce dağıtık anahtar mimarisi oluşturulur ve iki anahtardan biri admin, diğeri otorite kurumda bulunur; tek anahtarla dosyalara ulaşım sağlanamaz.
- 34:15Safir Ürünleri ve Ödüller
- Safir Bulut Ödülleri kapsamında servis olarak yazılım kategorisinde birincilik ödülü kazanmıştır.
- Safir Büyük Veri çözümü, Hort Data Platform üzerinde çeşitli teknolojilerle oluşturulmuş bir ekosistemi aktif olarak kullanmaktadır.
- Safir Zeka, özgün yerli bir makine öğrenmesi çözümüdür ve sürükle-bırak arayüzleriyle kolay veri pipeline'lar oluşturup modelleri dönüştürebilir.
- 35:40Safir Bio ve Projeler
- Safir Bio, gen alanında geliştirilen ve gen verisi büyük veri alanının en önemli verilerini işleyebilen bir çözümüdür.
- Gümrük Muhafaza projesi, Ticaret Bakanlığı için gerçekleştirilen büyük veri projesi olup kaçakçılık ve usulsüzlükle mücadele amacıyla çeşitli teknolojiler kullanılmaktadır.
- Türkiye Büyük Projesi, 80 internet sitesinden fiyat bilgisi ve 17 kariyer sitesinden iş ilanları toplayıp çeşitli amaçlarla analitikler oluşturmak için kullanılmaktadır.
- 38:10Gümrük Tarama Projesi
- Gümrük tarama projesinde, gümrük bölgelerinde X-ray cihazlarında taramalar yapılarak araçların ve konteynerlerin içeriği incelenmektedir.
- Çözüm, X-ray cihazlarının farklı olmasından ortaya çıkan durumları ortadan kaldırarak tüm verileri tek bir merkeze toplamaktadır.
- Yapay zeka ve derin öğrenme teknikleri kullanılarak kaçak insan ve yasadışı eşyaların tespiti otomatikleştirilmektedir.
- 39:25Avrupa Birliği Projeleri
- Tubitak Bilgem son iki yılda 11 A1 projesine başvurmuş, bunların 9'u kabul edilmiş ve 5'i finanse edilmiştir.
- 5G MOBX projesinde, Avrupa'da üç sınır geçişinde otonom olarak konvoy halinde ilerleyen kamyonların 5G bağlantısının sınır geçişi sonrasında sorunsuz devam etmesi sağlanmaktadır.
- HUA-Net projesinde, insan merkezi yapay zeka kavramı kapsamında karmaşık gerçek dünya ortamlarına uyum sağlayabilen yapay zeka sistemleri oluşturulmaktadır.
- 41:13Diğer Projeler ve Teknolojiler
- Akıllı kask projesinde, taktik personelin beyin sinyallerinin analizi üzerine bir çalışma gerçekleştirilmiş ve bu tecrübeyi endüstriyel ortamda kullanmak için değerlendirilmektedir.
- Dış iskelet kullanırken, dış iskeletin devreye alınması ya da devreden çıkarılması için ihtiyaç duyulan komutların beyin sinyallerini yapay zeka tarafından algılama hedeflenmektedir.
- Yakın zamanda başlayacak bir Avrupa Birliği projesinde Arçelik firmasıyla yapay zeka destekli çamaşır makinesi konusunda çalışılmaktadır.
- 43:34Pandemi ve Yapay Zeka Çalışmaları
- Pandemi şartları ile mücadele etmek için komut 19 masko datası üzerinde derin öğrenme mimarisi geliştirilmiş ve virüs formunun nasıl değişeceğini algılamayı hedeflenmiştir.
- Bu çalışma Türk-Alman Üniversitesi ile birlikte yapılmış ve yakın zamanda önemli bir dergide yayınlanmıştır.
- 44:08Bilgem Araştırma Laboratuvarı
- Bahsedilen bulut bilişimi büyük bir araştırma laboratuvarı olup, bilgem kapsamında b3.org adresinden ürünler ve projeler hakkında bilgi alınabilir.
- Mezunlar için staj, burs imkanları ve yarı zamanlı çalışma fırsatları bulunmaktadır.
- 44:56Konuşmacının Kariyeri
- Konuşmacı özel sektörde başlayıp, çekirdek teknolojilerde çalışmayı hedefleyen bir kariyer planına sahiptir.
- Yüksek lisansımla beraber robotik ve mekatronik çalışmaları başlamış, mezuniyeti 20 yıl önce olduğunda veriye ulaşmak günümüz kadar kolay olmadığı için simülasyon teknolojileri üzerine uzmanlaşmış.
- Günümüzde veriye ulaşmak kolaylaşmış ancak veriyi doğru bir şekilde ifade etme ve veri ürünü oluşturma kaygısı artmıştır.
- 46:21Büyük Veri Teknolojisi
- Büyük veriyi tanımlarken beş V ile tanımlanmaktadır ve bunların içinde verinin boyutu, çeşitliliği ve kullanım amaçları bulunmaktadır.
- Büyük veri ihtiyaçları için donanım hızı ve boyutunu artırmak yerine, Hadoop ve açık kaynaklı çözüm olan Kost gibi özel üretim olmayan donanımlı aktif kullanılabilir.
- Bulut bilişim teknolojileri ile büyük verinin fiziksel ihtiyacını bulut bilişim çözümü haline getirerek farklı yetenekte donanımların bir arada kullanılması mümkündür.
- 47:55Makine Mühendisliği ve Yapay Zeka
- Endüstri 4.0 ve sonrası akıllı üretim tekniklerinde yapay zeka, makine öğrenmesi, derin öğrenme ve veri biliminin çeşitli aşamaları aktif olarak kullanılmaktadır.
- Makine mühendisleri üretim teknikleri konusunda kariyerlerini sürdüreceklerse en azından veri dili ile konuşabilecek kadar bu kavramları algılayabilmelidir.
- Yapay zeka teknolojisini aktif kullanacaklar için makine öğrenmesi ve derin öğrenme yaklaşımlarını uygulayabilmek gerekmektedir.
- 49:36Yapay Zeka Modellerinin Test Edilmesi
- Yapay zeka modellerinin gerçek hayata geçişinde, kirli ve dengesiz gerçek verilerle çalışabilmeleri için özel test ortamları geliştirilmektedir.
- Blueprint ortamları, diplo edilecek ürünün tüm yeteneklerini ve performans kriterlerini sağlayabilecek özelliklere sahiptir.
- Bu test ortamlarında elde edilen sonuçlar olumlu olduğunda, yapay zeka modelleri gerçek hayata aktarılır.
- 50:42Veri Biliminde Kullanılan Diller
- Veri bilim dünyasına girdiğinde R ve Python öğrenmek yararlıdır.
- Akademik çalışmalar için R ve Python kullanılabilirken, gerçek dünya problemlerinde hızlı çalışan sistemler oluşturmak için makine diline yakın diller tercih edilmelidir.
- Laboratuvarda Scala kullanılmakta olup, bazı durumlarda Java ve C++ gibi diller de tercih edilmektedir.