Makine Öğrenmesi ve Kullanılan Bazı Alanlar

Makine öğrenimi veriden öğrenebilen istatistiksel çalışmalarla bilgisayar algoritmalarının geliştirilmesi ve incelenmesi ile ilgilenen açık talimatlar olmadan görevleri yerine getirebilen yapay zeka alanında akademik bir disiplindir.

Bir önceki “Mühendislik doğabilimleri nereye doğru ilerliyor” yazımda bahsettiğim kısım şu şekildeydi.

Günümüzde bir araç olarak makine öğrenmesi bilgisayar yazılımlarına mühendislik özelliklerin tanıtımı, kaydedilmesi ile karmaşık problemlerin çözümünde yol gösterici olarak kullanılıyor. Makine öğrenmesi ile büyük miktarda verinin depolanarak işlenmesi ile makineyi de düşünme sürecinde yol göstermesi ile daha hızlı, daha net, daha karmaşık problemlerin çözümünde yardımcı olmaktadır. Bilimde mühendislikte artık multi-disiplinler olarak yardımcı alanlarında da yetkinlik sahibi olmamız gerekmekte ve bilgileri büyük verileri birleştirerek bilgisayar yazılımlarını da karar alma sürecinde kullanmamız gerekmektedir.

Makine öğrenmesi trafik problemlerinin çözümünde kullanılmaktadır. Bunun için makine öğrenmesinde bazı önemli veriler toplanabilir.

Trafiğin en yüksek zamanlarında:

-Kavşaklarda bekleme süresi

-Herbir kavşaktan gelen araç yoğunluğu

-Yol bağlantıların birbirleri ile optimizasyonu -bekleme sürelerinin kısaltılması

-Trafiğin en seri geçişi

-Kavşakların optimum dizaynı vb. ile bu sistemlerin birbirlerine bir network ağı bağlanarak çalıştırılması ile maksimum verim ile ulaşımı sağlamak için kullanılır. Makine öğrenmesi ile her bir kavşağa gelen araç sayıları analiz etme ve alternatif rotalar tavsiye etme, trafik ışığı bekleme ve geçiş süresi düzenleme, kavşak dizaynları, araç yönlendirme vb. kontrollerle trafikte bekleme süresi minimuma indirilebilecektir. Makine öğrenmesi ile yazılmış ve eğitilmiş algoritmalarla en iyi optimizasyonu veren tecrübelerin trafikte en çok bekleme ve kayıp vb. olduğu bağlantı noktalarında sağlanan tasarruflar ile daha az yakıt ile daha fazla mesafe alınması, seyahat sürelerinin kısalması, karbon salınımının kısıtlanması, ile rahat ve konforlu ulaşımın sağlanmasını temin edilebilmektedir.

Makine öğrenmesi algoritmaları iyi çalıştırılıp eğitildiklerini sonra kesin, net ve hızlı sonuçlar verebilir. Makine öğrenmesinin kullanıldığı başlıca alanlar:

-makine öğrenmesi kullanılarak geliştirilen sanal hakim, gerçek hakimlere göre suçluları daha çok yüzde ile tespit ettiği görülmüştür. Çünkü çok kısa sürede çok daha fazla durum ve döküman inceleyip karar verebilir.

-ChatGPT, Siri, Grok vb. gibi makine öğrenmesi uygulamalara soru sorulduğunda saniyeler içerisinde internet veritabanını arayıp sonuçlar verdiğini görüyoruz.

-Sürücüsüz araç teknolojisi ile Çin ve ABD de araçlar trafiğin en yoğun zamanlarında bile otonom bir şekilde hareket ediyor.

-Google arama motoruna soru sorulduktan sonra alternatif aramalar çözüm sayfasında otonom olarak tavsiye vermektedir.

Makine öğrenmesi farkındalığının geliştirebilmesi için alınabilecek bazı tedbirler:

-Basit düzeyde makine öğrenmesine daha çok insanın kullanımı için ulaşım sağlanmalı ve okur-yazarlık oluşturulmalıdır.

-Okul eğitimlerinde teknolojik bilimsel alanlarla öğrencilerin daha erken tanışması sağlanmalıdır. Daha fazla bilgisayar laboratuvarı ve yazılım dersleri verilmelidir.

-Makine öğrenmesi sadece soru çözümü olarak değil veri toplamak ve sorunları anlamak için “insankatkısının” olabileceği yazılımlar hazırlanmalı, günlük hayatta ihtiyacımız olan “acil” ve “çokönemli” hususların veritabanları insan katılımları ile elektronik ortamda oluşturulabilir.

-Sorun çözümleri için veri analiz, sınıflama, ve bazı istatistik yaklaşımları ile alternatif, optimum ve uygulanabilir çözüm önerileri “kararmercileri “ne sunulmalıdır.

-Makine öğrenmesinden elde edilen karlılık ve optimizasyonlar daha detaylı raporlanmalı ve yaptığımız işlerde konunun önemine ve faydalarına daha fazla dikkat çekilmelidir.

Makine öğrenmesinin gelecekte çok fazla sektörde yaygınlaşacağı aşikardır. Entegre olarak uyum sağlayan ülkeler teknolojinin getirdiği faydalarla çok daha büyüme imkanı sağlayacakken, makine öğrenmesine daha az uyum sağlayan ülkeler ise maalesef daha fazla fakirleşecek, ve gelişmiş ülkelerin etkisi altında kalabilecektir.