


Makine öğrenmesi yöntemlerinin temelleri 18 ve 19. yüzyıllarda yapılan istatistik alanındaki çalışmalara dayanmaktadır. Thomas Bayes’in 18. yüzyıldaki çalışmaları, 1812 yılında Pierre-Simon Laplace’ın Bayes Teoremini tanımlamasına ön ayak olmuştur. 1805 yılında Adrien-Marie Legendre data fitting için En Küçük Kareler Metodu’nu (Least Squares Method) geliştirmiştir. 1913 yılında ise Andrey Markov şu anda Markov Chains olarak anılan analiz tekniklerini tanımlamıştır. Bütün bu gelişmeler, modern makine öğrenmesi yöntemlerinin temellerini oluşturmuştur.
1950 yılında Alan Turing ‘Computing Machinery’ makalesini yayınlamış ve ‘Makineler düşünebilir mi?’ sorusunu sorarak yapay zekanın nasıl geliştirilmesi gerektiği hakkında düşüncelerini açıklamıştır. Alan Turing’in bu makalesi, yapay zeka ve makine öğrenmesi alanında en önemli mihenk taşlarından biri olmuştur.

1950’lerde bazı basit makine öğrenmesi algoritmaları öne sürülmüştür. 1951’de beyin hücreleri model alınarak, ilk öğrenebilen yapay sinir ağı ‘The Stochastic Neural Analog Reinforcement Computer (SNARC)’, Marvin Minsky ve Dean Edmonds tarafından geliştirilmiştir. 1952’de Arthur Samuel ‘alpha-beta pruning’ ve ‘minimax algoritması’ yöntemlerini kullanarak dama oynayabilen bir program geliştirmiştir. 1957 yılında ise Frank Rosenblatt örüntü tanıma amacıyla ‘perceptron’u icat etmiştir.

Bütün bu gelişmeler yapay zekadan beklentiyi arttırsada, sonraki yıllarda beklenen ilerlemenin kaydedilememesi insanları hayal kırıklığına uğratmış, yapay zeka araştırmalarına ayrılan ödeneklerin kısılmasına sebep olmuştur. Bu bağlamda, 1970’lerde araştırmalar büyük oranda duraksamış ve 1970’ler tarihe ‘AI Winter (Yapay Zeka Kışı)’ olarak geçmiştir.
1980’lerden itibaren tekrar hız kazanmaya başlayan yapay zeka çalışmaları, 1990’larda veriye dayalı yaklaşıma odaklanmıştır. Bu dönemde Support Vector Machines (SVM), ve Recurrent Neural Networks (RNN) popüler hale gelmiştir. Yapay Zekanın insanlığı tekrar heyecanlandırması ise 1997 yılına denk gelmiştir. 1997’de IBM’in geliştirdiği ‘Deep Blue’, Satranç Dünya Şampiyonu Garry Kasparov’u yenerek dikkatleri çekmeyi başarmıştır.

2000’lerde ise Kaggle, ImageNet gibi herkesin makine öğrenmesi algoritmalarını geliştirip deneyebileceği, aynı zamanda yarışmaların da düzenlendiği platformların ortaya çıkmasıyla, yapay zeka çalışmaları çok daha fazla araştırmacının katkı sağlayabildiği hale gelmiştir.
2010’lar, ‘Derin Öğrenme (Deep Learning)’ kavramının baskınlığının başlangıcı olmuştur. Başlangıcı diyorum, çünkü 2019 itibariyle bu kavram hala daha yapay zeka çalışmalarında baskınlığını sürdürmektedir. Veri akışının çok büyümesi, hesaplama gücünü arttıran donanımların geliştirilmesi ve derin öğrenme modellerinin geliştirilmesiyle 2010’larda çok büyük gelişmeler kaydedilmiştir. Facebook, Google gibi teknoloji firmaları da bu alandaki yatırımlarıyla derin öğrenme araştırmalarına öncülük edip, çok ciddi ilerlemeler kaydetmiştir. 2017 yılında Google’ın geliştirdiği AlphaGo, dünyanın en iyi go oyuncusu olarak gösterilen Lee Sedol’u yenmiştir. Günümüzde, görüntü işleme, doğal dil işleme, ses tanıma, otonom sürücülük gibi alanlarda en gelişmiş sonuçlar derin öğrenme yöntemleriyle elde edilmiştir.
2010’larda başlatılan bazı büyük projeler:
· GoogleBrain (2012): Jeff Dean tarafından oluşturulan derin sinir ağıyla resim ve videolardaki örüntülerin bulunmasına odaklanılmıştır. Sonradan Youtube videolarındaki nesnelerin bulunmasında da kullanılmıştır.
· AlexNet (2012): 2012 yılında ImageNet yarışmasını büyük farkla kazanmıştır. Bu durum, GPU ve Convolutional Neural Network’lerin makine öğrenmesinde kullanımının yaygınlaşmasını sağlamıştır.
· DeepFace (2014): Facebook tarafından oluşturulan derin sinir ağları ile yüz tanıma sistemidir. Görüntülerden insan yüzünü tanımaktadır.
· DeepMind (2014): Google tarafından satın alınan bu şirket, video oyunlarını insanlarla aynı seviyede oynayabilen programlar geliştirmiştir. DeepMind araştırmacılarının geliştirdiği AlphaGo, dünyanın en zor oyunlarından biri olarak gösterilen go oyununda, dünyanın en iyi oyuncusu olarak gösterilen Lee Sedol’u yenmeyi başarmıştır.
· U-Net (2015): Biyomedikal görüntüler üzerinde bölütleme konusunda özelleşmiş bir Convolutional Neural Network mimarisi.