Yapay zekâ altın çağını yaşıyor. Her alanda yavaş yavaş kendini hissettiren yapay zekâ ile alakalı her gün inanılması güç gelişmeler yaşanıyor. Harvard Business Review Dergisi 21. yüzyılın veri bilimi ve yapay zekâ yüzyılı olacağını söylüyor. Veri bilimi üzerine çalışan programcılar en fazla kazananlar grubunda ve çalıştığı işte en mutlu olanlar yine veri bilimcileri. Dünyada en çok veri bilimcisi Kaliforniya’da bulunuyor ve onlardan birisi olmak da beni mutlu ediyor.

Yapay zekâ ve veri bilimi her alanda müthiş bir otomasyon ve hız kazandırıyor ve masrafları ve israfları engelleyip insanların hiç hesap edemeyeceği boyutlarda açık bulup onları kapatabiliyor. Geçmiş verilerden tecrübe edinip geleceğe dönük öngörülerde bulunabiliyor. Bu da geleceği hesaplama ve planlama da hislere değil veriye dayalı ve gerçekçi yaklaşımlar yapmaya zemin hazırlıyor. Hatta resim işleme teknikleri ile uydu fotoğrafları incelenerek hangi ülkenin ne kadar buğday, mısır, mercimek gibi tahıl ürünleri üreteceğini hesaplamak mümkün. Bu bilgiler nüfus verileri ile karşılaştırıldığında hangi ülkenin ne kadar ithalat ve ihracat yapabileceğini önceden öğrenmek ve buna göre tedbir alabilmek mümkün. Yapay zekâ ile çok az kod yazarak büyük projeleri çok kısa bir sürede bitirmek çok kolay . Hal böyle olunca başta devlet olmak üzere her sektörün bir an önce yapay zekâya geçmesi gerekiyor.

Tesla ile otonom arabalar yollarda yerini almaya başladı. Bunun üzerine diğer araba şirketleri de harekete geçti ve sürücüsü olmayan arabalar üretmeye çalışıyorlar. Teknoloji devi Google uzun yıllardır otonom arabasını test ediyor. Yeterli olgunluğa ulaştı ve artık seri üretime geçmeyi planlıyor. Sürücüsüz arabalar sayesinde trafiğin azalması, insan hatalarına bağlı trafik kazalarının ortadan kalkması, suç oranının düşmesi, çocuklar, yaşlılar ve engelliler için daha fazla hareket kabiliyeti bekleniyor. Otonom araçların en büyük destekçisi tabiki yapay zekâ. Nerede ne yapacağına, hangi yolu takip edeceğine yapay zekâ ile karar verecek. Türkiye yerli ve milli bir araba üretecek ise doğrudan otonom ve elektrikli araç üretimine başlamalıdır. Başka çözümler zaten yüzyıl geriden başlayan yarışta hiçbir işe yaramaz.

Son yüzyılda neredeyse bütün savaşları teknolojik üstünlüğü olan ülkelerin kazandığı aşikâr. İnsansız hava araçlarının önemini artık çok iyi biliyoruz. Ancak teknolojik üstünlüğe sahip ülkeler artık yapay zekâ donanımlı, kendi kendine uçabilen ve yolunu bulabilen İHA’lar üzerinde çalışıyorlar. Ayrıca robot askerler üretmek için büyük gayret sarfediyorlar. Robot askerler saniyeler içerisinde milyonlarca ihtimali değerlendirip en doğru ve en kestirme kararı bulmak üzere programlanıyor. Hal böyle olunca askeri alanda da yapay zekânın önemi çok büyük. İnsan hayatı çok mühim. Yapay zekâ ve yüksek teknoloji sahibi sistemler insanların yükünü azaltmakta ve can kaybını önlemektedir.

Hangi durumda ne adım atacağına karar veren ve mümkün olan en iyi çözümü bulmaya çalışan yapay zekâ algoritmalarına Q-Öğrenme (Q-learning) veya Pekiştirmeli (Takviye) öğrenme diyoruz. Takviye Öğrenimi (RL), bir ajanın kendi eylemlerinden ve tecrübelerinden gelen geri bildirimleri kullanarak deneme yanılma yoluyla etkileşimli bir ortamda öğrenmesini sağlayan bir makine öğrenme tekniğidir. Ajan (agent) başarılı adımlarda ödül alıyor, başarısız adımlarda hanesine ceza yazılıyor. Bu sayede aldığı ödüllerin sayısını arttırmak isteyen ajan, ödül aldığı geçmiş tecrübelerini tekrar ediyor ve aynı zamanda yeni alanlarda da araştırmalar yapıyor. Bu durumda aldığı ödül sayısını mümkün olan en yüksek sayıya çıkardığında hedefine varmış oluyor. Mesela otonom bir araç bir yolcuyu alıp gideceği yere en kısa zamanda ulaştırması bu mantıkla sağlanıyor. Veya bir helikopterin pilot yardımı olmadan kendi kendine iniş yapabilmesi ve uçuş anındaki manevraları tamamen pekiştirmeli öğrenmenin konusu.

Aynı şekilde finans şirketlerindeki protföy yönetimi bu algoritmayı kullanıyor. Ne zaman ve hangi şartlarda hangi işlemin yapılması gerektiğine Q-öğrenme karar veriyor. Bu sayede mümkün olan iyi işlem yapılarak finans marketlerinde sürekli kazanç sağlanmaya çalışılıyor. Hatta uzun vadede daha çok kazanmak için küçük kayıp ve fedakarlıklara da izin veriliyor.

Q-öğrenme sayesinde bilgisayarlar zekâ oyunlarında insanları ve Dünya şampiyonlarını yenebiliyorlar. Yapay zekâ bu algoritma sayesinde artık insanlardan daha zeki ve daha tutarlı kararlar verebiliyorlar.

Aslında bu düşünce tarzı bize yabancı değil. Çocuklara sınıfını dereceyle geçerse bisiklet aldığımız gibi. Başarılı olunca ödül gelecek. Yok derslerine çalışmazlarsa hediye de alınmaz. Bu durumda çocuklar hediyeyi kapmak için derslerine çok çalışır, doğru işleri yapar, hareketlerine dikkat eder ve başarılı olur. Ne yapması gerektiğini, hangi durumda nasıl davranması gerektiğini bilir. Q-öğrenme de aynı bu mantıkla çalışıyor.

Q-öğrenme, diğer adıyla pekiştirmeli öğrenme insani yeteneklerin ötesinde bir güce sahip. Veri üretimi çok fazla ve insanların değerlendirmesi gereken alternatifler sınırsız. Hal böyle olunca bir meselede en doğru kararı verebilmek, milyonlarca ihtimali bir anda değerlendirmek ve mümkün olan en iyi çözümü üretmek insanların bir anda yapabileceği bir şey değil. Bu görevi makineye verdiğimizde stratejik olaylarda karar verme mekanizmasını hızlandıracak, müşterilere hizmet vermek için yeni yollar geliştirecek ve yenilikçi çözümler bulacaktır.

Q-öğrenme ile başarı oranını ve doğruluk payını hesaplamak çok kolay. Yanlış kararlarından ders çıkarması, doğrudan başarıya odaklı olması, araştırmacı ruhu ve yenilikçi olması, en doğru zamanda en doğru seçimi yapabilmesi ölçümlerimizi kolaylaştırıyor. Q-öğrenme aynı zamanda biyoloji, kimya ve psikoloji ile de yakın alakası vardır. Yaptığımız iyi işlerin çevremizdeki insanlardan iyi tepki alması ve kötü işlerin eleştiri alması ve bu sayede doğru karar alma yönünde kendimizi düzeltmemiz bu yapay zekâ algoritmasının zeminini oluşturuyor.

Eğer bir şirketin veya devlet kurumunun karar verme pozisyonundaysanız, inşaallah sizleri yapay zekânın Q-öğrenme konusunu gözden geçirmenize ikna etmişimdir. Eğer bilimsel araştırma yapıyorsanız Q-öğrenmenin potansiyelini de göz önünde bulundurmanız gerektiğini anlatabilmişimdir.