Makine öğrenimi (ML), yapay zekanın (AI) ve bilgisayar biliminin, yapay zekanın insanların öğrenme biçimini taklit etmesini ve doğruluğunu giderek artırmasını sağlamak için veri ve algoritmaların kullanılmasına odaklanan bir dalıdır Makine öğrenimi (ML) verilerden öğrenen bilgisayar sistemleri oluşturmaya odaklanan bir tür yapay zekadır (YZ). Makine öğrenimi algoritmaları verilerdeki ilişkileri ve kalıpları bulmak için eğitilir. Yeni makine öğrenimi destekli uygulamaların gösterdiği üzere, tahminlerde bulunmak, bilgileri sınıflandırmak, veri noktalarını kümelemek, boyutluluğu azaltmak ve yeni içerik oluşturmaya yardımcı olmak için geçmiş verileri girdi olarak kullanırlar.
Makine öğrenimi birçok sektörde yaygın olarak uygulanabilir. Örneğin öneri motorları, e-ticaret, sosyal medya ve haber kuruluşları tarafından müşterinin geçmiş davranışlarına göre içerik önermek için kullanılır. Makine öğrenimi algoritmaları ve makine görüşü, sürücüsüz araçların yollarda güvenli bir şekilde gezinmelerine yardımcı olan kritik bir bileşenidir. Sağlık hizmetlerinde makine öğrenimi, tedavi planlarını teşhis etmek ve önermek için kullanılır. Önemli makine öğrenimi kullanım örnekleri arasında dolandırıcılık tespiti, spam filtreleme, kötü amaçlı yazılım tehdidi tespiti gibi Siber Güvenliği ilgilendiren konular yer alır.
Yine de çoğu kuruluş, doğrudan veya dolaylı olarak ML destekli ürünler aracılığıyla makine öğrenimini benimsiyor. Rackspace Technology’nin “2023 Yapay Zekâ ve Makine Öğrenimi Araştırma Raporu”na göre ankete katılan şirketlerin %72’si yapay zekâ ve makine öğreniminin BT ve iş stratejilerinin bir parçası olduğunu söylerken, %69’u yapay zekâ/ML’yi en önemli teknoloji olarak tanımladı. Bunu benimseyen şirketler bunu mevcut süreçleri iyileştirmek (%67), iş performansını ve sektör eğilimlerini tahmin etmek (%60) ve riski azaltmak (%53) için kullandıklarını bildirmektedir.
Makine öğrenimi, Walter Pitts, Warren McCulloch, Alan Turing ve John von Neumann gibi yapay zekâ öncülerinin hesaplamanın temelini attığı 20. yüzyılın ortalarından bu yana insan toplumunda giderek daha merkezi bir rol oynadı. Makinelerin verilerden öğrenmesi ve zaman içinde gelişmesi için eğitilmesi, kuruluşların daha önce insanlar tarafından gerçekleştirilen rutin görevleri otomatikleştirmesine olanak tanıdı ve prensipte bize daha yaratıcı ve stratejik çalışmalar için zaman kazandırdı.
Makine öğrenimi, aynı zamanda, günümüzde dijital cihazlar tarafından üretilen büyük miktarda veriyi işlemek gibi, ölçeğe göre yürütme yeteneğimizin ötesinde olan manuel görevleri de gerçekleştirir. Makine öğreniminin geniş veri kümelerinden kalıp ve içgörü elde etme yeteneği, finans ve perakendeden sağlık hizmetlerine ve bilimsel keşiflere kadar çeşitli alanlarda rekabette fark yaratan bir unsur haline geldi. Facebook ve Google dahil günümüzün önde gelen şirketlerinin çoğu, makine öğrenimini operasyonlarının merkezi bir parçası haline getiriyor.
Modern toplumların ürettiği veri hacmi artmaya devam ettikçe, makine öğrenimi muhtemelen insanlar için daha da hayati hale gelecek ve makine zekasının kendisi için de vazgeçilmez hale gelecektir. Teknoloji yalnızca oluşturduğumuz verileri anlamlandırmamıza yardımcı olmakla kalmıyor, aynı zamanda yarattığımız verilerin bolluğu sinerjik olarak ML’nin veriye dayalı öğrenme yeteneklerini daha da güçlendiriyor.
Makine öğrenimi yapay zekaya giden bir yoldur ve bu da aynı şekilde yapay zekayı geliştiren ve makine zekâsı ile insan zekâsı arasındaki sınırları giderek bulanıklaştırarak ML’de güçlü ilerleme sağlar.
Savaş ULUÇAY / Siber Dünya – bölge VİZYON İş ve Yaşam Dergisi Haziran 2024 sayısı
