Makine Öğrenmesi Algoritmaları Nedir? İşte Nasıl Çalışıyorlar?

Yapay zeka ve makine öğrenmesi, günümüzde teknoloji endüstrisinde gördüğümüz pek çok ilerlemeyi ortaya koymaktadır. Ancak makinelere öğrenme yeteneği nasıl verilir? Ayrıca, bunu yapma şeklimiz istenmeyen sonuçlara neden olur?

Makine öğrenme algoritmalarının nasıl çalıştığını ve bazı makine öğrenme örneklerinin ters gittiğini gösteren hızlı açıklayıcımız.

Makine Öğrenmesi Algoritmaları Nedir??

Makine öğrenimi, AI'ya görevleri öğrenme yeteneği vermeye odaklanan bir bilgisayar bilimi dalıdır. 5 Yapay Zekayı Keşfetmek İçin En İyi Google AI Denemeleri 5 Yapay Zekayı Keşfetmek İçin En İyi Google AI Denemeleri Google'ın gidebileceğiniz ve oynayabileceğiniz çeşitli AI deneyleri vardır, doğru şimdi. Makine öğrenmesi sayesinde, yarın dünyasını sizin yardımınızla değiştirebilirler. . Bu, programcıların açıkça AI'ları bu gibi şeyleri kodlamasıyla kodlamayan yeteneklerini geliştirmeyi içerir. Bunun yerine, AI kendisini öğretmek için veri kullanabilir.

Programcılar bunu makine öğrenme algoritmalarıyla başarırlar. Bu algoritmalar AI öğrenme davranışının dayandığı modellerdir. Algoritmalar, eğitim veri setleri ile birlikte AI'nın öğrenmesini sağlar.

Bir algoritma genellikle bir AI'nın bir problemi çözmek için kullanabileceği bir model sağlar. Örneğin, köpeklere karşı kedi resimlerinin nasıl tanımlanacağını öğrenme. AI, algoritma tarafından belirlenen modeli kedilerin ve köpeklerin görüntülerini içeren bir veri setine uygular. Zamanla, AI, köpeklerin kedileri insan girişi olmadan daha doğru ve kolay bir şekilde tanımlamayı öğrenecek.

Makine öğrenimi, arama motorları, akıllı ev cihazları, çevrimiçi hizmetler ve otonom makineler gibi teknolojiyi geliştirir. Netflix, hangi filmlerin tadını çıkarmanızın daha muhtemel olduğunu ve müzik akış servislerinin çalma listelerini nasıl önerebileceğini nasıl bilir?.

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

Makine Öğrenimi Yanlış Olduğunda 7 Kez

1. Google Görsel Arama Sonucu Mishaps

Google Arama web’de gezinmeyi çok daha kolaylaştırdı. Motorun algoritması, anahtar kelimeler ve hemen çıkma oranı gibi sonuçları karıştırırken çeşitli şeyleri dikkate alır. Ancak algoritma, kullanıcı trafiğinden de öğrenir ve bu da arama sonucu kalitesi için sorunlara neden olabilir.

Bu hiçbir yerde görüntü sonuçlarından daha belirgin değildir. Yoğun trafik alan sayfaların resimlerinin görüntülenmesi daha muhtemel olduğundan, clickbait dahil olmak üzere çok sayıda kullanıcıyı çeken hikayelere çoğu zaman öncelik verilir.

Örneğin, görsel arama sonuçları “Güney Afrika'daki göçmen kampları” ağırlıklı olarak beyaz Güney Afrikalıları öne sürdüğü ortaya çıktığında tartışmalara neden oldu. Buna rağmen, gayriresmi konutlarda yaşayan, baraka gibi ezici çoğunluğun siyah Güney Afrikalılar olduğunu gösteren istatistiklere rağmen.

Google’ın algoritmasında kullanılan faktörler ayrıca internet kullanıcılarının sonuçları değiştirebileceği anlamına geliyor. Örneğin, kullanıcılar tarafından yapılan bir kampanya Google Görsel Arama sonuçlarını terimi aradığı ölçüde etkiledi “salak” ABD Başkanı Donald Trump'ın resimlerini gösteriyor.

2. Microsoft Bot Nazi'ye Çevirildi

İyi niyetli, makine öğrenen bir sohbet robotunu bozmak için Twitter'a güvenin. Microsoft’un şimdiye kadar şöhretli chatbot Tay’ı piyasaya sürdüğü gün içinde olan bu..

Tay, genç bir kızın dilini taklit etti ve diğer Twitter kullanıcılarından gelen etkileşimlerini öğrendi. Ancak, Nazi ifadelerini ve ırksal hakaretlerini paylaşmaya başladığında en rezil AI yanlış davranışlarından biri haline geldi. Anlaşılan, trollerin AI'nın makinesini ona karşı öğrenmeyi kullandığı, onu bigotry yüklü etkileşimlerle doldurduğu ortaya çıktı.

Kısa bir süre sonra, Microsoft Tay’yı tamamen çevrimdışı yaptı.

3. AI Yüz Tanıma Sorunları

Yüz tanıma AI, yüz tanıma ve gizlilik endişeleriyle ilgili hikayeler gibi tüm yanlış nedenlerden dolayı manşetlerde bulunur. Fakat bu AI aynı zamanda renkli insanları tanımaya çalışırken büyük endişelere neden oldu.

2015 yılında, kullanıcılar Google Foto’nun bazı siyahları goriller olarak kategorize ettiğini keşfetti. 2018’de, Amazon’un Rekognition yüz tanıma yazılımının ABD Kongresi’nin 28 üyesini polis zanlısı olarak tanımladığı ve yanlış pozitiflerin orantısız bir şekilde renkli insanları etkilediğini gösteren ACLU’nun yaptığı bir araştırma.

Başka bir olay Apple'ın Face ID yazılımı ile ilgiliydi Bir iPhone X mi satın alıyorsunuz? Yüz kimliği yeniden düşünebilirsiniz yapmak bir iPhone X satın alıyor? Yüz Kimliği Tekrar Değerlendirmenizi Sağlayabilir iPhone X'in en dikkat çekici özelliği, Yüz Kimliği aygıt kilidini açma sistemidir. Ama ne kadar güvenli? Apple, herkesin yüzünün büyük bir veritabanına erişebilecek mi? iki farklı Çinli kadını aynı kişi olarak yanlış tanımlamak. Sonuç olarak, iPhone X sahibinin meslektaşı telefonun kilidini açabilir.

Bu arada, MIT araştırmacısı Joy Buolamwini, yazılımın onu tanımasını sağlamak için yüz tanıma teknolojisi üzerinde çalışırken genellikle beyaz bir maske takmak gerektiğini hatırlıyor. Bu gibi sorunları çözmek için, Buolamwini ve diğer BT profesyonelleri, konuya ve AI eğitimi için daha kapsamlı veri setlerine ihtiyaç duyulduğuna dikkat çekiyor.

4. Hoax'lar için Kullanılan Deepfakes

İnsanlar uzun süredir sahte resimler oluşturmak için Photoshop'u kullanmış olsalar da, makine öğrenmesi bunu yeni bir seviyeye taşıyor. FaceApp gibi yazılımlar, konuları bir videodan diğerine değiştirmenize olanak tanır.

Ancak birçok kişi, ünlü yüzleri yetişkin videolara yerleştirmek veya sahte videolar oluşturmak gibi çeşitli kötü amaçlı kullanımlar için yazılımı kullanır. Bu arada, internet kullanıcıları gerçek videoları sahte videolardan ayırmayı zorlaştırmak için teknolojiyi geliştirmeye yardımcı oldular. Sonuç olarak, bu, bu tür AI türlerini sahte haberler ve aldatmacalar yaymak için çok güçlü kılar. Facebook Sahte Haberleri Bulmanıza Yardımcı Olacak İpuçları Sunar Facebook Sahte Haberleri Bulmana Yardımcı Olmak İçin İpuçları Sunar Facebook, sahte haberler üretmezken yayılmasından kısmen sorumludur. Bu yüzden şimdi yayılmadan önce sahte haberleri bulmanıza yardımcı olacak ipuçları sunuyor.. .

Teknolojinin gücünü göstermek için, yönetmen Jordan Peele ve BuzzFeed CEO'su Jonah Peretti, eski ABD Başkanı Barack Obama'nın deepfakes'in gücüne PSA veren neyin göründüğünü gösteren derin bir video hazırladı..

5. Twitter Botlarının Yükselişi

Twitter botları başlangıçta, markalar için müşteri hizmetleri yanıtları gibi şeyleri otomatikleştirmek için yaratıldı. Ancak teknoloji şimdi endişe için önemli bir nedendir. Aslında, araştırmalar Twitter'da 48 milyona kadar kullanıcının aslında AI botları olduğunu tahmin ediyor.

Bazı hashtag'leri takip etmek veya müşteri sorgularına cevap vermek için sadece algoritmalar kullanmak yerine, birçok bot hesabı gerçek insanları taklit etmeye çalışır. Bu “insanlar” daha sonra aldatmacaları teşvik eder ve sahte haberlerin viral hale gelmesine yardımcı olur.

Twitter botlarından oluşan bir dalga bile Brexit ve 2016 ABD başkanlık seçiminde kamuoyunu bir dereceye kadar etkiledi. Twitter, seçimlerle ilgili yayın yapan yaklaşık 50.000 Rus yapımı botu ortaya çıkardığını itiraf etti.

Botlar, hizmeti bozmaya ve dezenformasyona neden olmaya devam ediyor. Sorun o kadar zor ki, şirketin değerini bile etkiliyor.

6. Çalışanlar, Amazon AI'nin Erkeklerin İstihdamının Daha İyi olduğuna Karar Verdiğini Söyledi

Ekim 2018’de, Reuters, yazılımın AI’nın erkek adayların tercihli olduğuna karar vermesinden sonra Amazon’un bir iş bulma aracı hurdası çıkarması gerektiğini bildirdi..

Anonim kalmak isteyen çalışanlar Reuters'e projedeki çalışmaları hakkında bilgi vermek için öne çıktılar. Geliştiriciler, AI'nın özgeçmişlerine dayanarak bir iş için en iyi adayları belirlemesini istedi. Ancak, projeye dahil olan insanlar yakında AI'nın kadın adayları cezalandırdığını fark ettiler. AI'nın, eğitim veri seti olarak, çoğu erkeklerden gelen son on yılın özgeçmişlerini kullandığını açıkladılar..

Sonuç olarak, AI anahtar kelimeye göre özgeçmişleri filtrelemeye başladı “KADIN”. Onlar anahtar kelime gibi faaliyetler altında CV'de göründü “kadın satranç kulübü kaptanı”. Geliştiriciler AI’yı kadın CV'lerinin bu şekilde cezalandırılmasını önlemek için değiştirirken, Amazon nihayetinde projeyi hurdaya çıkardı.

7. YouTube Çocuklarında Uygunsuz İçerik

YouTube Kids'in çocukları eğlendirmek için kullandığı birçok saçma sapan video var. Ancak, platformun algoritmasını değiştiren spam videoları da var.

Bu videolar popüler etiketlere dayanmaktadır. Küçük çocuklar çok dikkat çeken izleyiciler olmadığından, bu anahtar kelimeleri kullanan önemsiz videolar milyonlarca görüşü etkilemektedir. AI, trend etiketlerine dayalı olarak stok animasyon öğelerini kullanarak bu videolardan bazılarını otomatik olarak oluşturur. Videolar animatörler tarafından yapılsa bile, başlıkları anahtar kelime doldurma için özel olarak oluşturulur.

Bu anahtar kelimeler, YouTube'un algoritmasını değiştirerek tavsiyelerde bulunmalarına yardımcı olur. YouTube Kids uygulamasını kullanan çocukların yayınlarında önemli miktarda uygunsuz içerik ortaya çıktı. Buna şiddeti, atlayışları ve cinsel içeriği gösteren içerik de dahildir..

Makine Öğrenimi Neden Yanlış Gidiyor?

Makine öğreniminin istenmeyen sonuçlarla sonuçlanmasının iki ana nedeni vardır: veriler ve insanlar. Veri açısından, mantra “hurdaya çıkarmak, hurdaya çıkarmak” geçerlidir. Bir AI'ya beslenen veriler sınırlı, taraflı veya düşük kaliteli ise; sonuç sınırlı kapsam veya önyargıya sahip bir AI'dir.

Ancak programcılar verileri doğru alsalar bile, insanlar eserlere bir İngiliz anahtarı atabilir. Yazılımın yaratıcıları çoğu zaman insanların teknolojiyi kötü amaçlı veya bencil amaçlar için nasıl kullanabileceğini anlamıyor. Deepfakes, sinemadaki özel efektleri geliştirmek için kullanılan teknolojiden geldi..

Daha sürükleyici bir eğlence sunmayı amaçlayan, sömürüldüğü zaman insanların hayatlarını mahvetmeye de son verir.

Kötü amaçlı kullanımı önlemek için makine öğrenmesi teknolojisi etrafındaki önlemleri iyileştirmeye çalışan insanlar var. Ancak teknoloji zaten burada. Öte yandan, pek çok şirket bu gelişmelerin kötüye kullanılmasını önlemek için gereken iradeyi göstermiyor..

Makine Öğrenmesi Algoritmaları Bize Yardımcı Olabilir

Ne kadar makine öğrenmesi ve yapay zekanın beklentilerin gerisinde kaldığını fark ettiğinizde biraz azgın görünebilir. Ama aynı zamanda bize sadece kolaylık sağlaması açısından değil, genel anlamda hayatlarımızı iyileştirme konusunda da yardımcı oluyor..

.