Makine Öğrenme Algoritmaları Nedir? Nasıl Çalışıyorlar


63
30 paylaşım, 63 puan

Yapay zeka ve makine öğrenimi, bugün teknoloji endüstrisinde gördüğümüz birçok gelişmeyi üretiyor. Fakat makineler nasıl öğrenilebiliyor? Dahası, bunu yapma şeklimiz, istenmeyen sonuçlarla nasıl sonuçlanır?

İşte, makine öğrenimi algoritmalarının nasıl çalıştığına dair kullanımlar, makine öğreniminin bazı örneklerinin yanlış gitmesine neden oldu.

Makine Öğrenmesi Algoritmaları Nelerdir?

Makine öğrenimi, üzerine odaklanarak öğrenme görevlerini öğrenme becerisine odaklanan bir bilgisayar bilimi dalıdır. Bu, programcıların AI’yi bu şeyleri yapmak için açıkça kodlama yetenekleri olmadan geliştirilmesini içerir. Bunun yerine, AI kendini öğretmek için verileri kullanabilir.

Programcılar bunu makine öğrenimi algoritmaları aracılığıyla gerçekleştirirler. Bu algoritmalar, bir AI öğrenme davranışının temel aldığı modellerdir. Algoritmalar, eğitim veri setleriyle birlikte, AI’nın öğrenmesini sağlar.

Bir algoritma, genellikle bir AI’nin bir sorunu çözmek için kullanabileceği bir model sağlar. Örneğin, köpeklere karşı kedilerin resimlerini nasıl tanımlayacağınızı öğrenmek. AI, algoritma tarafından ortaya konan modeli, kedi ve köpeklerin görüntülerini içeren bir veri kümesine uygular. Zamanla, AI kedileri köpeklerden daha doğru ve kolay bir şekilde insan girdisi olmadan nasıl tanımlayacağını öğrenecektir.

Makine öğrenimi, arama motorları, akıllı ev cihazları, çevrimiçi hizmetler ve otonom makineler gibi teknolojileri geliştirir. Netflix’in, hangi filmlerin keyfini çıkartacağınızı ve müzik akışı servislerinin oynatma listelerini nasıl önerebileceğini bilmesi de budur.

Ancak, makine öğrenimi hayatımızı daha kolaylaştırabilirken bazı beklenmedik sonuçlar da olabilir.

Makine Öğrenimi Hakkında 7 Yanlış

1. Google Görsel Arama Sonucu aksilikleri

Google Görsel Arama Sonucu aksilikleri

Google Arama, web’de gezinmeyi çok daha kolay hale getirdi. Motorun algoritması, anahtar kelimeler ve hemen çıkma oranı gibi sonuçları tetiklediğinde çeşitli şeyleri dikkate alır. Ancak, algoritma ayrıca kullanıcı trafiğinden öğrenir ve bu da arama sonucu kalitesinde sorunlara neden olabilir.

Hiçbir yerde bu, görüntü sonuçlarından daha belirgindir. Yüksek trafik alan sayfaların resimlerinin görüntülenmesi daha olası olduğundan, tıklama sayısı dahil olmak üzere yüksek sayıda kullanıcıyı çeken hikayelere genellikle öncelik verilir.

Örneğin, “Güney Afrika’daki gecekondular kampları” ile ilgili görüntü arama sonuçları, ağırlıklı olarak beyaz Güney Afrikalıların öne çıktığı keşfedildiğinde tartışmalara neden oldu. Bu istatistik, gölgeler gibi gayri resmi konutlarda yaşayanların ezici çoğunluğunun siyah Güney Afrikalılar olduğunu gösteren istatistiklere rağmen.

Google’ın algoritmasında kullanılan faktörler, aynı zamanda, internet kullanıcılarının sonuçları manipüle edebileceği anlamına da gelir. Örneğin, kullanıcılar tarafından yapılan bir kampanya, Google Görüntü Araması sonuçlarını, “aptal” teriminin aranmasının ABD Başkanı Donald Trump’ın resimlerini gösterdiği ölçüde etkilemiştir.

2. Microsoft Bot bir Nazi’ye Dönüştü

Twitter’a, iyi niyetli, makine öğrenimi olan bir chatbot’u bozmak için güvenin. Bu, Microsoft’un şu anda tanınmış chatbot Tay’ının piyasaya sürüldüğü gün içinde olan şeydi.

Tay, bir genç kızın dil kalıplarını taklit etti ve diğer Twitter kullanıcılarından gelen etkileşimleriyle öğrendim. Bununla birlikte, Nazi ifadelerini ve ırkçı sapkınları paylaşmaya başladığında en meşhur AI yanlış adımlarından biri oldu. Bu, trollerin yapay zekaya karşı makinenin öğrenimini kullandığını ve bağnazlıkla yüklü etkileşimlerle dolduğunu ortaya koyuyor.

Çok geçmeden, Microsoft, Tay’yi iyi için çevrimdışı duruma getirdi.

3. AI Yüz Tanıma Problemleri

Yüz tanıma AI genellikle yüz tanıma ve gizlilik kaygılarıyla ilgili hikayeler gibi tüm yanlış nedenlerle manşetlere yol açar . Ama bu AI aynı zamanda renk insanlarını tanımlamaya çalışırken büyük kaygılara neden oldu.

Kullanıcılar 2015 yılında Google Fotoğraflar’ın bazı siyah insanları goriller olarak sınıflandırdığını keşfettiler. 2018’de, ACLU’nun Amazon’un Rekognition yüz tanımlama yazılımıyla yaptığı araştırma, ABD Kongresi’nden 28 üyeyi polis şüphelileri olarak tanımladı ve yanlış pozitifleri insanları orantısız olarak etkiledi.

Bir başka olay Apple’ın Face ID yazılımı iki farklı Çinli kadını aynı kişi olarak yanlış tanımladı. Sonuç olarak, iPhone X kullanıcısının çalışanı telefonu açabilir.

Bu arada, MIT araştırmacısı Joy Buolamwini, yazılımın onu tanımasını sağlamak için yüz tanıma teknolojisinde çalışırken genellikle beyaz bir maske takmaya ihtiyaç duyduğunu hatırlatıyor. Bu gibi sorunları çözmek için, Buolamwini ve diğer BT uzmanları, konuya ve AI eğitimi için daha kapsamlı veri kümelerine duyulan ihtiyaca dikkat çekiyor.

4. Aldatmacalar için Kullanılan Derin Yalanlar

İnsanlar uzun zamandır aldatıcı görüntüler oluşturmak için Photoshop kullanıyorken, makine öğrenimi bunu yeni bir seviyeye taşıyor. FaceApp gibi bir yazılım, nesneleri bir videodan diğerine yüz değiştirmenize izin verir.

Ancak birçok kişi, ünlülerin yüzlerini yetişkin videolarına ekleyerek veya aldatıcı videolar üreterek, çeşitli kötü amaçlı kullanımlar için yazılımı kullanıyor. Bu arada internet kullanıcıları, gerçek videoları sahte olanlardan ayırt etmenin gittikçe daha zor hale gelmesi için teknolojinin geliştirilmesine yardımcı oldu. Sonuç olarak, bu tür AI’yı sahte haber ve aldatmacalara yaymak açısından çok güçlü kılıyor.

Teknolojinin gücünü göstermek için, yönetmen Jordan Peele ve BuzzFeed CEO’su Jonah Peretti, eski ABD Başkanı Barack Obama’nın derinliklerin gücü üzerine bir PSA uyandırdığını gösteren derin bir video hazırladı.

5. Twitter Botlarının Yükselişi

Twitter botları ilk olarak markaların müşteri hizmetleri yanıtları gibi şeyleri otomatikleştirmek için oluşturuldu. Ancak teknoloji şimdi endişe için önemli bir neden. Aslında, araştırma Twitter’da 48 milyon kullanıcıya gerçekte AI botları olduğunu tahmin ediyor.

Sadece belirli hashtagleri takip etmek veya müşteri sorgularına cevap vermek için algoritmalar kullanmak yerine, birçok bot hesabı gerçek insanları taklit etmeye çalışır. Bu “insanlar” daha sonra sahtekarlıkları teşvik eder ve sahte haberlerin viral olmasına yardımcı olur.

Twitter botları dalgası, Brexit ve 2016 ABD başkanlık seçimlerinde bir dereceye kadar kamuoyunu etkiledi. Twitter’ın kendisi, seçimler hakkında yayınlanan yaklaşık 50 bin Rus yapımı botu ortaya çıkardığını itiraf etti.

Botlar, hizmete boğulmaya ve dezenformasyon yaymaya devam ediyor. Sorun o kadar çok ki, şirketin değerlemesini bile etkiliyor.

6. Çalışanlar, Amazon AI’nın İşte Erkekleri alıyor

Reuters, Ekim 2018’de, Amazon’un, erkek adayların tercihli olduğuna karar verdikten sonra, Amazon’un bir işe alım aracı alması gerektiğini bildirdi.

Anonim kalmak isteyen çalışanlar, Reuters’e projedeki çalışmaları hakkında bilgi verdiler. Geliştiriciler, Yapay Zekanın özgeçmişlerine dayanarak bir iş için en iyi adayları belirlemesini istedi. Ancak, projede yer alan kişiler, AI’nın kadın adayları cezalandırdığını fark etti. AI’nın son on yılda, çoğu erkeklerden gelen CV’lerini eğitim veri seti olarak kullandığını açıkladılar.

Sonuç olarak, AI “kadın” anahtar kelimesine dayalı olarak CV’leri filtrelemeye başladı. Anahtar kelimeler “kadın satranç kulübü kaptanı” gibi etkinliklerde CV’de yer aldı. Geliştiriciler, kadın CV’lerinin bu cezalandırılmasını önlemek için AI’yi değiştirirken, Amazon projeyi sonlandırdı.

7. YouTube Çocuklar için Uygunsuz İçerik

YouTube Kids, çocukları eğlendirmek için çok saçma, tuhaf videolara sahip. Ancak, aynı zamanda, platformun algoritmasını işleyen spam içerikli videolarla ilgili bir sorun da var.

Bu videolar popüler etiketlere dayanıyor. Küçük çocuklar çok dikkat çekici izleyiciler olmadığından, bu anahtar kelimeleri kullanan gereksiz videolar milyonlarca görüntüleme çekmektedir. AI, trend etiketlere dayalı olarak stok animasyon öğelerini kullanarak bu videolardan bazılarını otomatik olarak oluşturur. Videolar animatörler tarafından yapılsa bile, başlıkları özellikle anahtar kelime doldurma için oluşturulur.

Bu anahtar kelimeler, YouTube’un algoritmasını manipüle etmesine yardımcı olacak ve önerilerde bulunacak. YouTube Kids uygulamasını kullanan çocukların beslemelerinde önemli miktarda uygunsuz içerik belirdi. Bu, şiddeti, çöp arabalarını ve cinsel içeriği gösteren içeriği içeriyordu.

Makine Öğrenimi Neden Yanlış Gidiyor?

İstenmeyen sonuçlarda makine öğrenmesinin iki ana nedeni vardır: veri ve insanlar. Veriler açısından “önemsiz, gereksiz yere” mantraları geçerlidir. Bir AI’ye beslenen veriler sınırlı, yanlı veya düşük kaliteli ise; sonuç sınırlı kapsam veya önyargı ile bir AI’dir.

Fakat programcılar veriyi doğru bir şekilde alsalar bile, insanlar eserlere bir anahtar atarlar. Yazılım yaratıcıları çoğu zaman insanların teknolojiyi kötü niyetli veya bencil amaçlar için nasıl kullanabileceklerini anlamıyorlar. Deepfakes, sinemadaki özel efektleri geliştirmek için kullanılan teknolojiden geldi.

Daha sürükleyici eğlence sunmayı amaçlayan şey, sömürüldüğünde insanların hayatlarını mahvediyor.

Kötü amaçlı kullanımı önlemek için makine öğrenimi teknolojisindeki güvenlik önlemlerini iyileştirmek için çalışan insanlar var. Ama teknoloji zaten burada. Bu arada, birçok şirket bu gelişmelerin kötüye kullanılmasını önlemek için gereken iradeyi göstermiyor.

Makine Öğrenim Algoritmaları Bize Yardımcı Olabilir

Ne kadar makine öğrenmesi ve yapay zekânın beklentilerden kısa düştüğünü anladığınızda, bu biraz saçma ve kasvetli görünebilir. Fakat aynı zamanda birçok yönden bize de yardımcı oluyor – sadece kolaylık açısından değil, genel olarak hayatlarımızı geliştiriyoruz.

Yapay zekanın ve makine öğreniminin olumlu etkisinden biraz tereddüt ediyorsanız, yapay zekânın siber suçlarla ve hackerların bazı ümitleri yeniden kazanma yollarını araştırıyorlar.


Beğendin mi? Arkadaşlarınla paylaş!

63
30 paylaşım, 63 puan
Test Kafe

Kendi halinde bir insan. Uğraşlarımı web ortamına taşımak isteyerek bu siteyi kurdum

0 Yorum


Ne Paylaşmak İstersin?
Kişilik Testi
Kişilik testi oluştur
Doğru Yanlış
Doğru Yanlış testi oluştur
Anket
Bir Anket oluştur
Makale
Makale oluştur
Liste
Klasik bir liste oluştur
Caps
Özel Caps'lar yapmak için kendi resmini yükle