April 14, 2020 / blog yazısı

Yapay Zeka Uygulama Alanları Örnek Senaryolar

Bu doküman; Bilishim Siber Güvenlik ve Yapay Zekâ tarafından; Yapay Zekâ, Veri Madenciliği, Veri Bilimi, Makine Öğrenmesi ve Derin Öğrenme yöntemlerinin teknik ayrıntıya girmeden hangi somut problem ve senaryolara nasıl çözümler getirdiğini göstermek amacıyla hazırlanmıştır.

1. AKRABALIK ANALİZİ

Akrabalık analizi, örnekler ve etki alanları arasındaki benzerliği ortaya çıkararak ona göre kararlar veren bir veri madencilik sürecidir. Aşağıdaki ve benzer senaryolarda akrabalık analizi başarılı sonuçlar sağlama potansiyeline sahiptir:

• Bir e-ticaret sitesindeki kullanıcı profilleri arasındaki türdeşlikler üzerinden hedefli reklamlar sunma ya da ürün önerileri sunma.

• İnsan genlerini inceleyerek köken ve akrabalık analizi yapma

• Bir mağazada bir ürünü satın alan bir müşterinin o ürünle birlikte hangi başka ürünü satın alabileceği. (Daha önce birlikte alınmış iki ürünün daha sonra da birlikte alınma olasılığı daha fazladır.)

2. TASNİFLEME VE KATEGORİLENDİRME

Elde edilen öznitelik verileri üzerinden bir örneğin hangi gruba ait olduğunu belirleme yöntemidir. Sözgelimi:

• Bir göl içerisinden çıkarılan balıkların en, boy, karın kalınlığı, kuyruk eni ve boyu gibi özelliklerinden yararlanarak, bir balık türünün istavrit mi lüfer mi olduğunu anlama ya da erkek mi dişi mi olduğunu belirleme.

• Rakam ve harflerin özniteliklerinden yararlanarak karakterleri tanıyan bir OCR yazılımı.

• Sınırdan giriş yapan birinin, yaş, yaşadığı yer, cinsiyet gibi verilerinden yola çıkarak kaçakçı ya da terörist olma durumu.

• Paketlenmek üzere dizilen ürünlerin en, boy, ağırlık ve benzeri öznitelikleri üzerinden hangi ürün bandına konumlandırılacağı.

• Bir web sayfasındaki resimlere ait etiket bilgileri üzerinden o resmin kategorisini belirleme.

• Bir kitap e-mağazasında, kitabın başlığında geçen sözcüklerden istifadeyle o kitabın kategorisini tespit etme.

• Twitter beslemesinde geçen “Python” sözcüğünün, programlama dili mi, yılan mı, müzik grubu mu, yoksa ayakkabı markası mı olduğunu tespit edebilme.

3. ÖNGÖRÜ VE TAHMİN

Önceki değerler üzerinde yapılmış analizler neticesinde geleceğe yönelik tahminlerde bulunabilme yöntemidir. Örneğin:

• Bir futbol liginde, takımların önceki haftalardaki (kendi evlerinde ve deplasmanda) elde ettikleri başarı durumuna göre bir sonraki maçtaki başarı durumunu tahmin edebilme.

• Hastaneye acile gelen hastaların gece içindeki yoğunluklarının takibiyle bu verilerin regresyon düzlemini çıkarma ve müteakip günlere ait tahminler yapabilme.

• Önceki günlere bakarak bir haftalık hava durumu tahmini yapma.

• Borsa verileri ışığında hisse senedi öngörüsü.

• Önceki yıllara ait günlük veriler ışığında, yılın yağmurlu ve kurak geçecek dönemlerinin tahmini.

4. ATIF VE İLİŞKİ ANALİZİ

Tasniflemenin bir alt türü, eldeki örnekleri uygun bir şekilde tasnifleyerek sınıfın hangi kümeye ve hangi üst kimlikle ilişkili olduğunu bulmaktır. Örnek vermek gerekirse:

• Yazılmış olan bir e-postanın kim tarafından yazılmış olduğunu (içinde geçen sözcükler, bunların frekansı, sözcüklerin n-gram çantaları ve diğer özniteliklerden yararlanarak) tespit etmek.

• Var olan örnekleri kullanarak RAP yapan ya da Sezen Aksu benzeri şarkı sözleri yazan bir uygulama geliştirmek.

5. KÜMELENDİRME

Bazı durumlarda sınıflandırmanın örnekler üzerinden gerçekleştirilmesi gerekir. Yani önceden belirlenmiş bir kategori yoktur ve gelen örneklerin özniteliklerinin benzerlikleri üzerinden birbirine yakın örnekler aynı küme içinde gruplandırılır. Bu yönteme kapsamında:

• Akan gazete RSS beslemelerinden, birbirine yakın olan konuların kategorilendirilmesi.

• Mevcut dokümanları başlık, konu ve içerik olarak kümelendirme.

• Müşterilerin satınalma geçmişleri, ilgi alanları ve etkinlikleri üzerinden bölümlendirilmesi, profillendirilmesi ve segmentasyonu.

• Dolandırılığa ilişkin hareket geçmişlerinin ayrı bir kümeye ayrıştırılması (şifreyi kopyala yapıştır yapma, doğrudan paranın tamamını çekme, doğrudan EFT sekmesine gitme gibi).

• BT (ağ, depolama veya veritabanı) alarmlarının kümelendirilerek ilgili birim tarafından tepki verilmesinin sağlanması.

6. İLİŞKİ DESENİ ÇIKARMA

Aktörler arasındaki ilişkileri ortaya en güzel koyan yapılaradan biri de graf veritabanlarıdır. Buna yönelik özel veritabanları ve sorgulama dilleri mevcuttur. Bu yeteneklerler önemli desenler yakalamak mümkündür:

• Twitter takip analiziyle kim, kiminle nasıl bağlantılı ortaya görsel olarak çıkarma.

• Yasadışı bahis yapan insanların kısa zaman içinde aynı kişiye EFT/Havale yapma durumlarını desen olarak yansıtma.

• Para aktarımı, telefon bağlantıları gibi özel ilişkilerde anomali durumlarını tespit edebilme.

7. ANOMALİ TESPİTİ

Birçok sürecin gidişatı hakkında en önemli bilgiler genelde en çizgidışı ve anomali adımlarda saklıdır. Bu nedenle anomali tespiti YZ’nin en kritik alanlarından biridir:

• Dondırıcılık ve kimlik hırsızlının tespiti

• Standartlara uymayan ürün parçalarının (vida, far gibi) tespit ve ayıklanmasında.

• Kanser hastalarına ilişkin semptomların önceden tespiti

• Trafik sıkışıklıkları ve diğer aksamaların anlaşılması.

8. RESİM VE KAMERA GÖRÜNTÜSÜ İŞLEME

Yapay Zekâ tekniklerinin en yoğun kullanıldığı alanlardan biri görüntü işlemedir. Bu maksatla tasarlanabilecek birçok senaryo mevcuttur:

• Jandarma tarafından yapılan yol ve sürücü denetimlerinde, kamera görüntüsü üzerinden o kişinin tüm kimlik bilgilerinin gerçek zamanlı olarak elde edilmesi.

• Araba plakalarının gerçek zamanlı olarak okunması.

• AVM içinde dolaşan müşterilerin mağaza önlerindeki duygusal durumları (mutlu, heyecanlı, sıkkın vs.).

9. DOĞAL DİL İŞLEME

Zekâyı gösteren en önemli yeteneklerden biri muhakkak ki konuşmaktır. Doğal olarak dilin düzgün kullanılması, konuşulan dilin anlaşılması ve uygun tepkilerin verilmesi en önemli YZ alanlarından biridir:

• Gramer kurallarına uygun olarak kendi kendine Türkçe şiir yazabilen bir uygulama.

• Diktasyon (sesli konuşmayı metne çevirme) uygulamaları.

• Sanal asistan (kullanıcılara proje veya uygulama adımlarında kılavuzluk edecek ve o anda uygun cümleleri kurabilen bir rehber) uygulama

• Uzman sistemler (sanal doktor, sanal avukat gibi alan uzmanlarının bilgi birikimini yansıtan ve sorulans sorulara uygun cevaplar vererek danışmanlık yapabilen çözümler.

• Akıllı bir Proje Yönetim Asistanı (bir projenin adımlarının takibi, kontrol listelerinin denetimi, güncellemelerin izlenmesi, yeni girdiler ışığında önceliklerin belirlenmesi, bir iş maddesinin beklenen tamamlanma süresinin hesaplanması, gecikmelerin takibi ve analizi, raporlamaların bot üzerinden yapılması, projenin geleceğine ilişkin öngörüde bulunabilme, risk tahmini yapabilme, tekrarlanan adımları Robotik Process Automation (RPA) ile otomatik hale getirme, verimlilik analizi, eğitimlerin planlanması vb. faaliyetleri yapabilme)

10. OPTİMİZASYON

Verim, en az enerji ve harcamayla en yüksek üretimi sağlamaktır. Bu kapsamda verimi artıracak adımlar atmak, YZ çözümlerinin en önemli faaliyet alanlarından biridir:

• Bir lokasyona erişim sağlayacak en kısa rotayı ve alternatiflerini bulma.

• Tedarik zincirindeki tüm adımların alternatif yollarla birlikte en optimal olanının tespiti

• Bir depodaki ürünlerin yerleştirilme ve konumlandırımasının, paketleme ve depolama hızı yönüyle iyileştirilmesi.

• Pekiştirmeli Öğrenme tekniklerinden Ödül Matrisi yöntemiyle bir sürecin akışının takibi (örneğin bir e-ticaret sitesinde müşterinin adımlarından ürün seçmesi, sepete atması ve kredi kartı bilgi sayfasına gelme adımlarını bitirmesine rağmen ürün alımını tamamlamadığını anlayan ve otomatik e-posta gönderen bir sistem gibi).

11. SİMÜLASYON

Gerçek bir problemi çözmenin en pratik yollarından biri, onu simüle etmek ve taklit etmektir. Simülasyon birçok probleme çözüm sunan başlı başına bir araştırma konusudur:

• Bir üretim departmanındaki tüm adımların simülasyon ortamına aktarılarak, ürünün ne kadar zamanda, hangi adımlarla net bir şekilde ortaya çıkacağının öngörülmesinin sağlanması.

• Bir banka şubesindeki müşterilerin hangi oranda gelirse nasıl bir kuyruk oluşacağını ve iş yoğunluğu yaşatacağını simüle etme.

• Ajan tabanlı bireysel hareketleri taklit eden bir simülasyonla, Covid-19 virüsünün yayılma durumunu çeşitli parametreler ışığında analiz etme.

12. BÜYÜK VERİ

Veri çağında yaşıyoruz. Birçok durumda veri büyük hacimlerde, hızlarda, çeşitlilikte ve doğru/yanlış içiçe gelmektedir. Bu veriyi doğru şekilde işlemek ayrı bir uzmanlık alanına dönüşmüş durumdadır:

• Arama motoru taramaları (bir ifade için milyonlarca web sitesinin taranıp indekslenmesi)

• Trafik sensörlerinin yönetimi

• Ülke çapındaki sağlık harcamalarının takibi