zaman tüneli

gunaydin, ufaktan istanbul'a bahar geliyor gibi. gunesli sabahlari ozlemisiz.

bilinç kavramı tam olarak çözülemediği sürece, kendisini boşuna yoracak olan yapay zekadır. diyelim ki öğreniyor: "peki, bu öğrenme sürecinin içeriğini, hangi yöne doğru ilerleyeceğini, vb. kim neye göre belirliyor?" sorularının cevabı net olmadığı sürece hayırlı mı yoksa tehlikeli mi olduğunu asla bilemediğimiz süreçtir aynı zamanda.

beş altı ay önce paylaşılan bir kaç bilimsel çalışmada, bir takım yapay zeka uygulamalarının; klasik ceza-ödül sistemiyle eğitilebildiği, hatta biyolojik nöron hücrelerinin elektronik devre elemanı gibi bilgisayarların işletim sistemine entegre edilebildiği, gerçek insan beyin hücreleriyle oluşturulmuş işlemcilerle çalışan ve basit işlemler yapan ilk biyolojik destekli bilgisayarların yakında piyasa çıkacağından söz ediliyordu. daha geçtiğimiz günlerde de bir sineğin beyni dijital ortamdaki bir simülasyona yerleştirildi ve bu sineğin beyin yapısı dijital ortamda da sinek gibi çalıştı ve simülasyonun içerisinde sinek olarak yaşamaya başladı.

özetle; bu tarz eğitilebilen ve öğrenen sistemler evet var ama şu an aşırı temel düzeyde işlemler yapabiliyorlar. bu sistemler; bilinç, insan beyni, düşünme, vb. alanlardaki tüm süreçlere dair tüm sır perdeleri tamamen kaldırıldığında ancak düşündüğümüz ve korku salan seviyeye gelebilecektir ki, o saatten sonra da tam bilim kurgu günleri geldi demektir.

gözlerim bi gidiyiiiiiii, bi geliyi.. bi gidiyiiiiii bi geliyiii iken,

imkan varsa 10 dk kestir açılırsın.
imkan yoksa ki yoktur kak elini yüzünü yıka azcık yürü belkim açılır.

ne ekmek ne de su şu baygın uyku yok mu o gavur alıyor içimi.

bugun gun aymadı.

veri tabanlı bir paradigma olarak makine öğrenmesi: kuramsal temeller, yöntemsel yaklaşımlar ve güncel tartışmalar

makine öğrenmesi, modern yapay zeka ekosisteminin merkezinde konumlanan ve veriye dayalı tümevarımsal çıkarım süreçlerini inceleyen disiplinler arası bir araştırma alanıdır. klasik, deterministik ve kural temelli algoritmaların aksine bu yaklaşım; bilgisayar sistemlerinin büyük ölçekli veri kümeleri üzerinden istatistiksel düzenlilikleri, örtük ilişkileri ve doğrusal olmayan fonksiyonel eşlemeleri otonom biçimde öğrenebilmesini sağlayan matematiksel ve hesaplamalı modellerin geliştirilmesine odaklanır. istatistiksel öğrenme teorisi, optimizasyon ve bilgisayar bilimlerinin kesişiminde konumlanan makine öğrenmesi, yüksek boyutlu veri uzaylarında insan müdahalesini en aza indirerek esnek, genellenebilir ve ölçeklenebilir çözümler üretmeyi amaçlar.

makine öğrenmesi literatüründe algoritmalar, öğrenme sürecinin doğasına ve veri yapısına bağlı olarak üç temel paradigma altında sınıflandırılmaktadır. denetimli öğrenme (supervised learning), etiketlenmiş veri setleri aracılığıyla girdi ve çıktı uzayları arasındaki fonksiyonel ilişkinin modellenmesine dayanır. bu yaklaşım, özellikle sınıflandırma ve regresyon problemlerinde kullanılır ve ampirik risk minimizasyonu çerçevesinde hata fonksiyonlarının optimize edilmesini hedefler. denetimsiz öğrenme (unsupervised learning) ise herhangi bir etiket bilgisi olmaksızın verinin içsel yapısını, dağılımını ve gizli örüntülerini ortaya çıkarmayı amaçlar; kümeleme ve boyut indirgeme teknikleri bu kategorinin temel araçlarıdır. üçüncü paradigma olan pekiştirmeli öğrenme (reinforcement learning), bir ajanın çevresiyle etkileşim kurarak ödül sinyallerini maksimize edecek davranış politikalarını öğrenmesini içerir ve genellikle markov karar süreçleri temelinde formüle edilir.
bu yöntemlerin başarımı ve genelleme kapasitesi, büyük ölçüde eğitim verisinin kalitesi, çeşitliliği ve istatistiksel temsil gücü ile doğrudan ilişkilidir. son yıllarda büyük veri altyapılarının ve yüksek performanslı paralel hesaplama sistemlerinin gelişmesi, özellikle derin öğrenme yaklaşımlarının ön plana çıkmasını sağlamıştır. derin sinir ağları, çok katmanlı ve doğrusal olmayan dönüşümler aracılığıyla ham veriden anlamlı ve yüksek seviyeli temsillerin otomatik olarak çıkarılmasını mümkün kılar. bu durum, geleneksel özellik mühendisliği süreçlerinin önemini azaltırken; görüntü işleme, konuşma tanıma ve doğal dil işleme gibi karmaşık problem alanlarında önemli ilerlemeler sağlamıştır.
bununla birlikte, model karmaşıklığının artması beraberinde çeşitli teknik zorlukları da getirmektedir. özellikle aşırı uyum (overfitting) ve eksik uyum (underfitting) problemleri, modelin genelleme performansını doğrudan etkileyen kritik faktörlerdir. bu bağlamda, yanlılık-varyans dengesi (bias-variance tradeoff) önemli bir analiz çerçevesi sunar. model doğrulama süreçlerinde çapraz doğrulama, regülarizasyon yöntemleri ve hiperparametre optimizasyonu gibi tekniklerin kullanımı, güvenilir ve sağlam modeller geliştirmek açısından vazgeçilmez hale gelmiştir.

makine öğrenmesinin uygulama alanları oldukça geniştir ve günümüzde finansal tahminleme, sağlık verisi analitiği, biyoinformatik, otonom sistemler ve doğal dil işleme gibi pek çok alanda dönüştürücü etkiler yaratmaktadır. ancak bu hızlı yayılım, yalnızca teknik değil aynı zamanda etik ve sosyo-teknik sorunları da beraberinde getirmektedir. özellikle derin öğrenme modellerinin çoğu zaman "kara kutu" niteliği taşıması, karar süreçlerinin şeffaflığını ve açıklanabilirliğini sınırlamaktadır. bunun yanı sıra algoritmik önyargı, veri güvenliği ve mahremiyet ihlalleri gibi konular, bu teknolojilerin sürdürülebilir ve güvenilir biçimde kullanılabilmesi için çözülmesi gereken temel problemler arasında yer almaktadır.

sonuç olarak makine öğrenmesi, yalnızca teknik bir araç değil; aynı zamanda veri, bilgi ve karar süreçleri arasındaki ilişkiyi yeniden tanımlayan paradigmatik bir dönüşümü temsil etmektedir. bu dönüşümün sağlıklı bir şekilde ilerleyebilmesi, teknik gelişmeler ile etik sorumlulukların dengeli bir biçimde ele alınmasına bağlıdır.

okullar kapatılsın. tatilken trafik diye bir şey yok ankara'da. her şeyin sorumlusu okullarmış.

meleklerimizin sözleridir.

benim icin iki onemli kadın var.
annem ve annanem.

anneannemden duydugum:
-sen sıradan guzel bi kadın degilsin. cok guzelsin. allah ozene bozene yaratmıs. ustune karizmatiksin. zekisin. kulturlusun. cok iyi kapli bir insansın. cok gormus gecirmissin. cok olgunsun. ne kadar ozel bir kadın oldugunun hep farkında ol.

annemden:
-benim guclu bir kadın oldugumu soylersin hep. sen benden de guclusun. benim bu dunyada tanıdıgım en guclu kadın sensin.

meleklerim.
kalp.

günaydın, beni rahatta dinleyin. neyse boşverin. dağılın marş marş.

şu anda bulunduğun odanın her santimetreküpünde, ortalama yaklaşık 411 tane büyük patlama kalıntısı foton bulunuyor. yani “boş uzay” sandığımız yer bile, erken evrenden kalma ışıkla doludur.

(bkz: kuzum inan hiç beklemediğin anda oluyor)

tanım: (bkz: makine öğrenmesi) kavramı (machine learning).

makine öğrenmesi, algoritmalar aracılığıyla büyük ölçekli veri kümelerinden istatistiksel örüntüleri çıkaran, bu örüntüler üzerinden genelleme yaparak yeni veriler hakkında tahmin ve çıkarımda bulunabilen ve zamanla performansını veriyle birlikte iyileştiren bir yapay zeka alt alanıdır.

“alnımıza ne yazıldıysa o.” -bir nine.

aşk'a sormak lazım gelendir.
biz bilemeyiz onun ne düşündüğünü.

yeni rakibimiz.

hayatımın baş köşesindeki film…

evet..

köprü, şans, yara bantları..

ah adele, canım adele..

lise okumamış insandır.

"ayıptır sorması" diye başlanılan sorulardır.

kirpiler hayret edilecek kadar iyi yüzücüdürler.
içi boş dikenlerinin bunda katkısı büyüktür.

normalde hiçbir insan evladının ölmesini asla istemem ama bebek katili; netanyahu, trump ve apo geberirse çok mutlu olurum.

sevginin gönlümüze dolup taştığı bir gün olsun dileklerimizle, günaydın herkese.