01Bir model, bir dönüşümdür#
Bir fotoğrafta kedi olup olmadığını söyleyen sistem ile bir cümlenin devamını yazan sistem farklı görevler yapar. Ortak noktaları, bir girdiyi bir çıktıya dönüştürmeleridir. Bu dönüşümü yapan hesaplama yapısına model diyoruz.
Makine öğrenmesinde, dönüşümün her ayrıntısını tek tek kurallarla yazmak yerine bazı sayıları veriden ayarlarız. Bu ayarlanabilen sayılar parametrelerdir. Basit bir doğru modelinde eğim ve kesişim iki parametredir. Büyük bir sinir ağında ise birçok katmana dağılmış ağırlıklar bulunur.
02Öğrenmek, hatayı ölçüp ayarlamaktır#
Eğitim verisindeki bir girdiyi modele verirsin. Model bir tahmin üretir. Kayıp fonksiyonu, bu tahminin hedefle ne kadar uyuşmadığını sayısallaştırır. Bir optimizasyon yöntemi, parametreleri kaybı azaltacak yönde değiştirir. Bu süreç birçok örnek üzerinde tekrar edilir.
Bir modelin öğrenmesini izle
ŷ = 0.200x + 0.200Doğru, örneklerin altında kalıyor. Bir eğitim adımı uygula: algoritma, hatayı azaltacak yönde eğimi ve sabiti güncellesin.
Hesabı ve veriyi incele
Örnekler (x, y): (1, 1.2), (2, 1.8), (3, 3.1), (4, 3.9). Model ŷ = ax + b. Kayıp L = Σ(ŷ − y)² / 4. Her adımda a ← a − η · ∂L/∂a ve b ← b − η · ∂L/∂b uygulanır. η, seçtiğin öğrenme oranıdır. Daha düşük eğitim hatası, yeni veride başarıyı tek başına kanıtlamaz.
“Bir adım eğit” düğmesine bas ve kesikli çizgilere bak. Bunlar, doğrunun tahminleri ile veri noktaları arasındaki farkı gösteriyor. Modelin biçimi değişmiyor; yalnızca iki parametresi, eğimi ve sabiti güncelleniyor. Öğrenme oranını küçültüp baştan denediğinde, aynı hedefe daha küçük adımlarla yaklaştığını görebilirsin.
Ama eğitimde iyi sonuç almak tek başına yeterli değildir. Modelin henüz görmediği örneklerde de işe yaramasını isteriz. Buna genelleme denir. Eğitim örneklerine gereğinden fazla uyum sağlayan bir model, yeni örneklerde başarısız olabilir. Bu yüzden değerlendirme için ayrı veri kullanılır. Öğrenme ve genelleme üzerine ↗
03Kullanmak ile eğitmek farklıdır#
Eğitilmiş modelin yeni bir girdi için çıktı üretmesi çıkarımdır. Bir dil modeline mesaj gönderdiğinde model çoğunlukla parametrelerini o anda güncellemez; mevcut parametreleriyle, konuşmayı bağlam olarak kullanır. Bağlamda verilen bir örnekten yararlanmak ile ağırlıkları yeniden eğitmek aynı işlem değildir.
Alanın nereden geldiğini merak ediyorsan Yapay zekâ nereden geldi? yazısına bak. Doğrudan mekanizmaya geçmek istersen, metnin bu sayısal dünyaya nasıl girdiğini görelim: Bir kelime nasıl sayıya dönüşür?
Bu yazıyı bitirdiğinde:
- Bir modelin neden “girdiyi çıktıya dönüştüren bir fonksiyon” olduğunu anlatabilirsin.
- Öğrenmenin “hatayı ölçüp ayarlamak” demek olduğunu bir örnekle açıklayabilirsin.
- Bir modeli kullanmak ile eğitmek arasındaki farkı söyleyebilirsin.
Cümlelerden birini kendi sözlerinle anlatamıyorsan, ilgili bölüme dön ve demoyu yeniden dene.
Yapay zekâ nereden geldi?
Başlangıç · 7 dk okuma