Makine Öğrenmesi (Machine Learning) yapay zekanın (Artificial Intelligence) herhangi bir programlama gerektirmeden, işlediği verilerle öğrenen ya da performans geliştiren sistemler üretebilen bir alt kümesidir. Yapay zeka ve makine öğrenmesi çoğunlukla birbirine karıştırılan kavramlardır. Yapay zeka insan zekasını ve ona özgü olan öğrenme, fikir yürütme, çıkarım yapma, karar verme gibi fonksiyonları taklit edebilen sistemler ve makinelerin tümünü kapsamaktadır. Yani her makine öğrenimi bir yapay zeka ürünüdür ancak her yapay zeka bir makine öğrenimi değildir.

Makine öğrenimi, İkinci Dünya Savaşı zamanlarında Nazi askerlerinin kullandığı Enigma makinesinin şifrelerini çözmeye çalışan en önemli matematikçilerden Alan Mathison Turing tarafından ortaya atılan “Makineler düşünebilir mi?” sorusuyla hayatımıza girmiştir.  O dönemde şifre çözmek amacıyla başlayan çalışmalar ilerlemiş ve Turing prensipleriyle oluşturulan bilgisayarlar Makine Zekası’nı doğurmuştur.

Günlük hayatta makine öğreniminden sık sık faydalanıyoruz. Bankacılık işlemleri, online alışverişler hatta sosyal medyanın karşınıza ilginizi çeken bir reklam çıkarması ya da müzik uygulamanızın hoşunuza gidebilecek bir şarkı önermesi makine öğreniminin bize sunduklarındandır.

Makine öğrenmesi üç ana başlıkta incelenir; Denetimli (Supervised), Denetimsiz (Unsupervised) ve Takviyeli (Reinforcement).

1. Denetimli Öğrenme: En yaygın olarak kullanılan algoritmadır. Bu teknikte giriş değerleri ile sonuçlar arasında eşleme yapılır. Yani eğitim için giriş ve sonuç olmalı makine ise bunlar arasında bağ kurmayı öğrenmelidir.

2. Denetimsiz Öğrenme: Adından da anlaşılacağı gibi bu teknikte makine sürekli olarak bir insan tarafından denetlenmez, bilgileri keşfetmesi beklenir. Etiketlenmemiş bir veriyle bilinmeyen bir sonuca ulaşmak için tercih edilen bir yöntemdir. Giriş verisinin, makine tarafından büyük bir data üzerinden benzerlerinin bulunması ve sınıflandırılması beklenir.

3. Takviyeli Öğrenme: İnsandaki davranış psikolojisi kullanılarak geliştirilmiş bir tekniktir. Burada amaç makinenin çevreyi algılaması ve kendi davranış biçimini geliştirmesidir. Örneğin bir çocuğun sobaya dokununca elinin yandığını öğrenip dokunmaması gerektiği çıkarımında bulunması gibi.

Makine öğrenimi, uzun uğraşlarla programlar yazmak yerine algoritmayı verilerle besleyip sonuçları makinenin üretmesini sağlayarak teknolojide büyük bir atılım yaratıyor. Artık makine zekası, sadece yazılım şirketleri tarafından değil; işlerini daha iyi bir seviyeye getirmek, müşteri memnuniyetini artırmak isteyen her firma tarafından kullanılır hale geldi. Halihazırda yaygın olarak kullanılan bu algoritmalar gelecekte teknolojik aletlerin daha da artmasıyla birlikte insanlar tarafından denetlenmesi oldukça zor hale geleceğinden kendi kendini geliştirebilen makine zekasına büyük bir ihtiyaç duyulmasına sebep olacak.

Hazırlayan: Aylin Türk