Kural yazmak yerine örnek göstermek · Makine nasıl öğrenir?

Bir bilgisayara bir fotoğrafta kedi mi köpek mi olduğunu söyletmek istiyorsun. Klasik yol, kuralları tek tek yazmak: “Kulakları sivriyse kedi, burnu uzunsa köpek…” Birkaç dakika içinde takılırsın. Kulağı düşük kediler, burnu kısa köpekler, karanlık fotoğraflar, yarısı görünen hayvanlar var. Kuralların sonu gelmez.

Örnekten öğrenmek

Makine öğrenmesi bu işi tersine çevirir. Kural yazmazsın; binlerce örnek verirsin: “Bu fotoğraf kedi, bu köpek.” Bilgisayar bu örneklere bakarak kendi kurallarını bulur. Bu kurallar insanın okuyabileceği cümleler değil, milyonlarca sayıdır. Bu sayıların bütününe model denir.

Üç kelimeyi aklında tut:

Eğitim verisi: Modele gösterdiğin etiketli örnekler.
Eğitim: Modelin, örneklerde yanıldıkça sayılarını biraz düzelttiği süreç.
Tahmin: Eğitilmiş modelin hiç görmediği yeni bir örnek hakkında verdiği cevap.

Günlük hayattaki örnekler

E-posta kutundaki spam filtresi, “spam” diye işaretlenmiş milyonlarca e-postadan öğrendi.
Telefonundaki klavye, insanların bir kelimeden sonra genellikle hangi kelimeyi yazdığından öğrendi.
Bir sohbet modeli, internetteki metinlerde bir kelimeden sonra hangi kelimenin geldiğinden öğrendi. Yapay zekâ nasıl konuşur? sayfası bunu ayrıntılı anlatıyor.

Sınav sorularını önceden görmemek

Bir öğrenciyi, çalıştığı soruların aynısıyla sınarsan, anlayıp anlamadığını bilemezsin; ezberlemiş olabilir. Modeller için de aynısı geçerli. Bu yüzden veri ikiye ayrılır: modelin öğrendiği eğitim verisi ve hiç görmediği test verisi. Bir modelin ne kadar iyi olduğu, test verisindeki başarısıyla ölçülür.

Akılda kalsın: Makine öğrenmesinde kuralı insan yazmaz, model örneklerden çıkarır. Bir modelin iyi olup olmadığını, eğitimde hiç görmediği örneklerle anlarsın.

Kendini dene

Quiz · Kendini dene0/3

1. Makine öğrenmesini klasik programlamadan ayıran şey nedir?
2. Bir modeli neden eğitim verisinden ayrı bir test verisiyle sınarız?
3. Hangisi bir “tahmin”dir?