2.3.2. Model

Tanımı

Makine öğrenmesi ve yapay zekâ bağlamında “model” terimi, algoritmanın öğrenme sürecinin somut çıktısını ifade eder. Bir algoritmanın belirli bir veri kümesi üzerinde eğitilmesiyle oluşturulan ve öğrenilen kalıpları, ilişkileri ve kuralları kapsayan matematiksel bir temsildir. Model, bir veri kümesindeki girdiler (özellikler) ile çıktılar (hedefler) arasındaki karmaşık ilişkiyi temsil eden soyut bir yapıdır. Bir kez eğitildikten sonra, bu model yeni, daha önce görmediği verilere uygulanarak tahminler yapar veya kararlar alır.

Rolü

Modeller, yapay zekâ sistemlerinin tahmin yapma ve karar alma yeteneklerinin temelini oluşturur. Öğrendiklerini kullanarak yeni veriler üzerinde tahminler yapar ya da belirli eylemler için önerilerde bulunur. Modelin amacı, belirli bir problem için en doğru ve genellenebilir çıktıyı sağlamaktır.

Model Örnekleri

• Spam filtresi modeli: Binlerce e-postanın (hem spam hem de normal) metin içeriği ve gönderici bilgileri üzerinde eğitilmiş bir model, yeni gelen bir e-postayı “spam” ya da “spam olmayan” olarak sınıflandırabilir.

• Öneri motoru modeli: Bir e-ticaret sitesinde (örneğin Netflix, Amazon), müşterinin geçmiş satın alma davranışı, gezinme geçmişi ve benzer kullanıcıların tercihleri üzerinde eğitilmiş bir model, müşteriye kişiselleştirilmiş ürün veya film önerileri sunabilir.

• Fiyat tahmin modeli: Belirli bir bölgedeki evlerin geçmiş satış verileri (evin büyüklüğü, oda sayısı, banyo sayısı, arsa alanı, inşa yılı, mahalledeki okulların kalitesi vb.) üzerinde eğitilmiş bir model, piyasaya yeni çıkan bir evin tahmini piyasa fiyatını hesaplayabilir.

Şekil 2.10. Veri, Algoritma, Model ve Çıktı İlişkisi.
Not. Dijital Eğitim Koordinatörlüğü. Creative Commons Lisansları (CC BY NC-ND)

Yemek Pişirme Benzetmesi: Veri, Algoritmalar, Modeller ve Çıktı İlişkisi

Yapay zekâ ve makine öğrenmesi kavramlarını daha somutlaştırmak için bir yemek pişirme benzetmesi kullanılabilir:

• Veri, bir yemeği oluşturmak için gereken tüm malzemeler gibidir. Domates, un, baharatlar, et vb. Bu, yapay zekâ için; metinsel, sayısal, görsel veya işitsel biçimde topladığımız her tür bilgiyi temsil eder.

• Algoritmalar, yemeği hazırlamak için kullanılan yöntemler ve stratejilerdir. Örneğin, “domatesleri doğra”, “unu yoğur”, “eti kızart” gibi talimatlar ve bunlar için uygun araçların (bıçak, tava vb.) seçilmesidir. Yapay zekâ dünyasında algoritmalar, araştırma kurumları (örneğin MIT, Stanford) ve teknoloji şirketleri (örneğin Google, Microsoft, OpenAI) tarafından geliştirilen yöntemler ve yazılım çerçeveleridir.
  Not: Çoğu işletmenin sıfırdan algoritma geliştirmesi gerekmez. Asıl önemli olan, var olan algoritmaları doğru seçip uygulayabilen “usta şefler” olmaktır.

• Model, malzemeler (veri) ve araçlar (algoritmalar) kullanılarak oluşturulan tarif gibidir. Tarif, hangi malzemenin ne kadar, nasıl ve ne zaman kullanılacağını belirten ayrıntılı bir yönergedir. Model, algoritmanın veri üzerinde çalışmasıyla elde edilen öğrenilmiş bilgilerin bütünüdür.

• Çıktı, malzemeler ve araçlar kullanılarak tarif doğrultusunda hazırlanmış yemektir. Makine öğrenmesinde bu, denetimli öğrenmede bir tahmin (örneğin spam olup olmadığının belirlenmesi) ya da denetimsiz öğrenmede gruplama (örneğin benzer haberlerin kümeleme yoluyla ayrılması) olabilir.

Bu benzetme, yapay zekâ sistemlerinin bileşenlerinin nasıl birlikte çalıştığını ve aralarındaki ilişkileri anlaşılır biçimde açıklamaya yardımcı olur.

Şekil 2.11. Yemek Pişirme Benzetmesi ile Veri, Algoritma, Model ve Çıktı İlişkisi.
Not. Dijital Eğitim Koordinatörlüğü. Creative Commons Lisansları (CC BY NC-ND)