10 Temmuz Cuma günü Türkiye saatiyle 21:00’de konuğum Microsoft Dubai ofisinden, Microsoft Business Applications ve AI konularında uzman Ercument TURKMENOGLU.
Kendisi ile; *Microsoft Business Applications ürün ailesinden, *Microsoft’un Yapay Zeka konusunda yaptığı çalışmaları ve ürünlerinden, *Dubai ve Birleşik Arap Emirlikleri’nde yaşamdan, *Microsoft gibi dünya devi firmalarda çalışmanın avantajları ve dezavantajlarından, *Dynamics 365 ve Power Platform’un dikey ve yatay sektörel çözümlerinden konuşacağımız bu keyifli sohbeti kaçırmayın…
18 Haziran Perşembe günü Türkiye saatiyle 21:00’da konuğum Yapay Zeka Araştırmaları konusunda Türkiye’nin sayılı isimlerinden Sebnem Ozdemir(PhD).
#HAP Gündem, #FUTURAMA#whatsapp ve #telegram grupları, #AI Çalışmaları #MIT CSAIL Research Coll. Futuristler Derneği, İstinye Üniversitesi Yönetim Bilişim Sistemleri Bölüm Başkanlığı ve daha birçok konuyu konuşacağımız bu keyifli sohbeti kaçırmamak için kanallarımıza abone olabilirsiniz;
*Yapay zekalı Cambridge Analytica’nın Brexit sürecine etkisine ve hatta başarısına bakarak yapay zeka bundan sonra seçimleri etkileyebilir mi? *Yapay zeka bir SkyNet ya da Matrix’e dönüşüp insanlığın sonunu getirecek mi? Elon Musk neden korkuyor? Bunlar ve daha fazla sorunun cevabını arayacağımız bu keyifli sohbeti kaçırmamak için kanallarımıza abone olabilirsiniz;
Görünüşe göre basit veri setlerini analiz ederek, büyük veri ve yapay zekanın kombinasyonu çok çeşitli olası sonuçlar sunabilir. Yapay zeka yorum yapıyor, karar veriyor hem de senin, benim hakkında.
Martin Schmalz ve Uri Bram’un yazdığı Büyük Veri İşi: Yapay Zeka Çağında Kalıcı Değer Nasıl Oluşturulur kitabından size özel bir alıntılar yapmak isterim. Büyük Veri İşi, bir yatırımcı, girişimci, yönetici veya düzenleyici olarak Yapay Zeka çağında kararlarınız üzerindeki etkisini hemen anlamanıza yardımcı olmak ve büyük spekülasyon yerine gerçek ekonomik mantığa dayalı iş modellerindeki büyük verilerin etkisini açıklar .
İnsanların birbirlerini yargılama konusunda inanılmaz derecede iyi olduklarını belirtmek muhtemelen tartışmalı değildir. Birini gözünüze koyduğunuz anda, fark ettiğiniz veya fark ettiğinizi fark etmeyebileceğiniz ince ipuçlarından onlar hakkında her türlü şeyi söyleyebilirsiniz. Kıyafet, ayakkabı, mücevher, makyaj, dövme veya saç modeli seçimleri, sadece zevkleri hakkında değil, aynı zamanda kişilikleri, gelirleri, işleri ve daha fazlası hakkında da çok fazla bilgi verir.
Bununla birlikte, Büyük Veri çağında, insanlar yargı söz konusu olduğunda sınırlarını yitirdiler. Makine öğrenimi, çok büyük veri kümelerinde kalıplar, düzenlilikler ve öngörücü faktörler bulmada gerçekten mükemmeldir. Bu koşulların geçerli olduğu her yerde, Yapay Zeka son derece doğru tahminler yapmak için uygulanabilir.
Birinin e-posta adresini ilk gördüğünüzde tepkinizi düşünün. Kaçınılmaz olarak gördüklerinize dayanarak ince çıkarımlar yapacaksınız ve kolu jennysmith@gmail.com ile jenmeistergeneral@gmail.com ise onu farklı şekilde değerlendireceksiniz. Açık olmak gerekirse, bu çıkarımlar mutlaka uygun değildir: bir iş için çalışıyorsanız, birisinin CV’sinde jenmeistergeneral’i listeleyeceği gerçeği, onunla ilgili bilgileri bir aday olarak ortaya çıkarabilir. Ancak, daha incelikle, jennysmith@gmail.com veya jennysmith@hotmail.com veya jennysmith@yahoo.com hakkında farklı düşünürsünüz: farklılıkları dile getiremeyebilirsiniz, ancak her durumda, bazı konuları ilişkilendireceksiniz.
Bu nedenle, akıllı insanlar tarafından yönlendirilen bilgisayarların, e-posta ana bilgisayarlarına dayanarak insanları yargılama konusunda insanlardan daha iyi olabileceği şaşırtıcı değildir. Bir e-ticaret platformundan yapılan satın alma işlemlerinde tüketici temerrüt oranları üzerine yapılan bir çalışma, Hotmail ve Yahoo adresleri olan kişilerin gerçekten farklı olduğunu gösterdi.
Bununla birlikte, bir makine öğrenimi algoritması için, sizi e-posta adresinize göre değerlendirmek yalnızca bir başlangıçtır. E-posta adresinizi yazarken sizi yargılamaya ne dersiniz?
“E-posta adreslerini girerken (tüm siparişlerin kabaca% 1’i) yazarken hata yapan [birkaç] müşteri var, ancak bu müşterilerin varsayılan olarak çok daha yüksek olma olasılığı var (koşulsuz ortalama% 0,94’e kıyasla% 5,09) … adlarını ve gönderim adreslerini yazarken, büyük harflerle ad ve adres yazanların iki katından daha büyük olasılıkla yalnızca küçük harf kullanıyor. ”[1]
Son olarak, (insanlar gibi) algoritmaların kullandığınız cihazla sizi yargıladığını söylemeye gerek yok:
“Örneğin, cep telefonlarından yapılan siparişlerin (varsayılan ücret% 2.14) masaüstü bilgisayarlardan gelen siparişlerin varsayılan olarak üç katı (varsayılan ücret% 0.74) ve tabletlerden gelen siparişlerin varsayılan olarak iki buçuk katı (varsayılan Android işletim sistemlerinden gelen siparişlerin (varsayılan oran 1.79%), iOS sistemlerinden gelen siparişlerin (% 1.07) varsayılan olarak neredeyse iki katına çıkma olasılığı daha yüksektir; diğer akıllı telefonlar. “[1]
Dikkat edilmesi gereken önemli olan, bu tür faktörlerin, ilişkilendirdikleri geleneksel özelliklerin üzerinde ve üzerinde öngörücü güce sahip olabilmesidir. Elbette, e-posta sağlayıcınız kısmen yaşınız için sadece bir vekil ve şirketler zaten yaşınızı zaten biliyor. Ancak makine öğrenmesinin gücü, (örneğin) yaş ve e-posta adresi ile güneş altındaki diğer her şey arasındaki garip, doğrusal olmayan etkileşimleri tanımlayabilmesidir. E-posta ana makinenizin ek tahmin gücü vardır, çünkü sistemin mevcut verilerle açıklanmayan her türlü kişisel özelliğe ulaşmasına yardımcı olur. Hotmail kullanıcıları ve Gmail kullanıcıları genel olarak farklı olmakla kalmaz, aynı zamanda Hotmail’de ve biri Gmail’de ise 50 yaşındaki iki komşu (ortalama olarak) birbirinden farklı olacaktır.
Biz insanlar birbirimizi gelişigüzel değerlendirirken, en iyi bilgisayarlar bizi hassasiyet ve nüansla değerlendiriyor. Yapay zeka çağında başarılı olmak için, insanların makinelerin süper güçlerini kendi özel insan becerilerimizle tamamlamanın yollarını bulmaları gerekir. “Yargıç değil, yargılanacak olursanız” belki de modernize edilebilir: “Yargıç değil, çünkü Yapay Zeka daha iyi yargılanıyor.”
Dijital Körlük benim tarafımdan ortaya atılan bir terimdir. Bir işletmenin genel-geçer, merkezileştirilmemiş uçtan uca çözümlerinin olmadığı, dağıtık verileri nedeniyle önünü ve geleceğini göremediği kısacası dijital olarak dönüşemediği durumu ifade eder.
Masallara İnanmayın
Firmaların en büyük sorunlarından bir tanesi IT yatırımlarının kendi iç ekipleri tarafından yönlendirilirken süreçlerden uzak ürünlerin ve çözümlerin firmaya konumlandırılması.
Unutulmamalıdır ki IT (Bilgi İşlem) Departmanları sadece mevcut sistemi ayakta tutar. It Departmanı diğer görevlerdeki çalışanların işlerin nasıl yaptığıyla ve hangi verimlilikte çalıştığını sorgulamaz.
Aslında “Dijital Körlük” görev, yetki ve sorumlulukların tek bir sistem ya da birbirleriyle konuşan sistemler bütününe aktarılamaması sorunudur.
Geçici çözümlerle ya da sorun çözmekten uzak olan ürünlerle sürdürülebilir olmayan yaklaşımların izlenmesi boşa giden bir yatırım olarak geri dönecektir.
Firmaların diğer bir sorunu ise kaldıramayacakları çok ağır IT yatırımlarının altına girmesidir. Bazı firmalar da IT yatırımlarını çok abartıyorlar ve ekipleri ve altyapıları hazır olmadan girdikleri bu yolda harcadıkları paralarla kalıyorlar.
En optimum çözüm ise uzun soluklu planlar yaparak adım adım ilerlemek.
Filmlerdekinden Farklı Bir Gelecek
Filmlerde gördüğünüz gelecek de bir gün gelecek ama biz şimdiyi yaşıyoruz ve çözmemiz gereken sorunlar bugüne ait.
Atatürk’ün şu meşhur sözleri aslında tam da bu durumu ifade ediyor;
Ben, bir işte nasıl başarılı olacağımı düşünmem; o işe neler engel olur, diye düşünürüm. Engelleri kaldırdım mı, iş kendi kendine yürür.
Hasan Rıza Soyak, Yakınlarından Hatıralar, 1955, s. 10
Dijital Körlük ile mücadele eden çözüm mimarı danışmanlar olarak bizim asıl işimiz firmaların geleceğin dijital trendleri bugünden yakalamalarını sağlamak ve sistemleri uçtan uca ihtiyaçlarınıza göre dizayn etmek. Sonrasında işler kendi kendine yürüyecektir.
Dijitalleşmenin Önündeki Engeller ve Çözümleri
2020 itibariyle 150’den fazla firmaya 200’den fazla (bazılarında 2 hatta 3 proje teslim ettim) proje teslim etmiş biri olarak deneyimlerime dayanarak genel bazı engellerden bu noktada bahsedilebilirim.
Patron Kültürü: İşletme sahipleri doğal olarak işletmelerindeki her türlü gelişmeyi yönetmeye çalışmaktadırlar ve dijitalleşme sürecinin olumlu ve olumsuz etkileri maddi olarak işletme sahiplerini etkilecektir. Bu nedenle eğer böyle bir yatırıma karar verildiyse 2 önemli nokta kesinlikle unutulmamalıdır.
Birden bire çok köklü bir değişikliğin altına girmeyin. Yatırım battığında çok üzülürsünüz. Küçük adımlarla ve fazlar şeklinde ilerleyin. En kısa faz 4 ay en uzunu 8 ay olsun.
Eğer danışmanlar/yazılımcılar/sistemciler sistemin hazır olmadığını ve devreye alınmaması gerektiğini söylüyorsa onlarla inatlaşmayın. Bu inatlaşmanın sonunda sizden başka kaybeden olmaz. Gün sonunda hazır olmayan bir sistemi devreye aldığınızda çalışanlarınız, tedarikçileriniz ve müşterilerinizin direncini karşılamak zorunda kalacaksınız.
Çalışan Kültürü: Yeni sistemlerden en çok korkanların başında bilgisayar okur-yazarlığı en az olanlar ve yeni sistemle işlerini kaybedeceklerini sananlar gelir. Bu ikisinin de çözümü çok basit aslında birinci grup için diğerlerinden daha uzun bir eğitim ile sisteme aşinalık kazandırılabilir. İkinci gruba da yeni sistemin yetenekleri dolayısıyla boşta kalacağı ve değersiz olacağı nedeniyle işten çıkarma olmayacağını anlatmak ve boşta kalan zamanlarını işletme içindeki başka işlerle doldurulacağı bilgisi verilmeli.
Dönüşüm ve Sürdürülebilirlik
Unutmayın ki “İş Çözümleri” müşterilerinizi elektronik bilgi bankasındaki bir isim olmaktan öteye geçiren bir iş stratejisidir. Sadece bir yazılım paketinin ötesinde, kişilerin şirketin her alanındaki süreçlerde veri ulaşımını ve müşteri ilişkilerini güçlendirecek taleplere cevap vermesini, iletişimi geliştirmesini, satış imkanlarında tanımlama ve rol üstlenilmesini, maddi kazancı, müşteri memnuniyetini ve kar marjının yükselmesini sağlar.
Aslında sistemin işleyişi çok basit; şirket içindeki değişik bölümlerdeki çeşitli verilerin toplanmasını amaçlamaktadır. Satış, pazarlama, muhasebe, IT ve hatta depo çalışanları yazılıma veri girerek ve veri alarak sistemin aktif parçası olurlar. Bu sayede sistemin kullananlar detaylı müşteri geçmişi, açıklamalar, satım geçmişi, ödeme şablonları, vb… birçok detaya erişir.
Finans bir süredir yapay zekâ kullaniyor ancak şimdi teknolojinin rolü hızla gelişiyor. İşte finans alanında yapay zeka kullanımı için bilmeniz gereken 10 şey;
Finans alanında yapay zeka yeni değil
Finans sektörü onlarca yıl önce akıllı algoritmalar kullanmaya başladı; 1980’lere kadar. Bu aşamada, seçenekler fiyatlandırma gibi alanlarda tahminler yaparak istatistiksel ve matematiksel hesaplamalar yaptılar. Ancak değişen, artık çok daha fazla veriye ve daha fazla bilgi işlem gücüne sahip olduğumuzdur. Bu, insanların tanımak için çok zor veya pahalı (insan gücü açısından) bulacağı ince kalıpları ve dakika değişikliklerini ortaya çıkarmak için algoritmaları eğitmek için kullanılabilir. Bir bilgisayar aynı anda 100 pazarda bir modelde işlem yapabilir veya verileri çok hızlı bir şekilde analiz edebilir ve her birkaç saniyede bir kararlar verebilir ve yeni bilgiler geldiğinde tekrar güncellenir.
AI çoğunlukla insanın karar alma sürecini arttırır; onun yerini almaz
Saniyede binlerce anlaşma yapmak için nispeten basit modellerin kullanıldığı çok yüksek frekanslı ticaret gibi alanlar dışında, şu anda AI’nın ana rolü, finans profesyonellerinin çok daha iyi kararlar vermesine yardımcı olabilecek daha fazla bilgi sağlamaktır. Algoritmalar, ne kadar akıllı olursa olsun, bireysel insanların eşleşemeyeceği bir ölçekte büyük miktarda veri işleyebilir. Ancak piyasalar ve insan davranışları ile aynı derinlemesine anlayışa sahip değiller: bu yüzden her ikisine de ihtiyaç vardır.
AI ticaret kararlarında duyguları kaldırmaya yardımcı olabilir
Algoritmik ticaret, ani piyasa hareketlerine veya insanları korkutacak veya heyecanlandırabilecek herhangi bir şeye karşı duygusal tepkileri ortadan kaldıran bir dizi kural oluşturur. Kendinizi ticaret yapmak için sadece doğru fırsat kendini gösterdiğinde disipline sokmanın bir yolu olabilir. Örneğin, bazı algoritmalar ‘momentum’ olarak bilinen şeyi takas eder. Güçlü piyasa hareketlerini tanımlarlar ve daha sonra ‘dalga’ kırılmasının biraz zaman alacağını düşünürler. Bu, doğru pozisyonu alabilecekleri ve başka bir matematiksel gösterge dalganın aşağı inmek üzere olduğunu işaret edene kadar bekleyebilecekleri anlamına gelir.
Yeni ve şaşırtıcı veri kaynakları devreye giriyor
Örneğin, sosyal medyadaki hisse senetleri ve hisse senedi fiyatları arasında ilişkiler (zayıf olsa bile) olabileceğini fark ettikleri için, veri edinmenin getirisi finansal alanın ötesine genişlemektedir. Algoritmalar, pazarların gidebileceği yönleri gösterebilen farklı veri kümelerindeki kalıpları ve korelasyonları tespit etmek için kullanılabilir. Bu göstergeler daha sonra bunları piyasada yaşayan insanlara potansiyel ticaret seçenekleri sunmak için kullanılır.
Geleneksel olmayan tedarikçilerden yeni yapay zeka destekli hizmetler ortaya çıkıyor
2008-9 yılındaki mali çöküşün ardından, İngiltere düzenleyicisine, Finansal Davranış Otoritesi (FCA), Londra Şehri’ni rekabetçi hale getirmek için yeni bir brifing verildi. FCA bunu çeşitli yeni girişimlerle çalışmak ve farklı işlem türlerine izin vermek için bir lisans olarak yorumladı. Sonuç olarak, birçok şirket, eşler arası krediler gibi geleneksel bankacılık uygulamalarının dışındaki alanlarda yapay zeka ile denemeler yapmaktadır.
Para bireylere ve küçük işletmelere sunulmaktadır
Risk genellikle asimetrik bilgiye dayanır. Örneğin, bir kişi kredi başvurusunda bulunursa, geliri ve geri ödeme iradesine sahip olduğundan emin olabilir. Ancak banka aynı bilgi ve kesinlike sahip değildir, bu nedenle genç yetişkinler ve bir ülkeye yeni giren insanlar kötü riskler olarak değerlendirilir ve yüksek faiz oranları sunar. Bununla birlikte, AI, çeşitli insan türleri için modeller oluşturmak, borç almak, ödünç vermek ve riski ölçmek için fırsatlar yaratarak verileri daha iyi koşullarda daha fazla insana ulaştırabilmek için verileri kullanabilir ve analiz edebilir.
Kişisel verilerin kullanımı sorunlu olmaya devam etmektedir
Büyük bir sigorta şirketi, kişilik profillerini oluşturmak için araç sahiplerinin sosyal medya yayınlarını analiz etmek ve bu bilgileri sigortalarının fiyatını belirlemek için kullanmak için AI kullanmayı planlamak zorunda kaldı. Teoride, plan, örneğin yalnızca yaşlarına göre yüksek primler ödeyen vicdani genç sürücülere yardımcı olabilirdi. Bununla birlikte, sosyal medyayı bu şekilde kullanmak gizlilik kurallarını da ihlal etti. Şirketler verileri nasıl kullandıklarını dikkatlice düşünmelidir.
Algoritmalar hızlıdır – ancak bazen çok hızlıdır
Algoritmaların hesaplama yapma hızında da sorunlar olabilir. Flaş çökmelerine yol açan fiyatlardaki yıkıcı değişiklikler o kadar hızlı gerçekleşebilir ki, insan müdahalesi çok geç olabilir.
Algoritmalar, olağandışı bir şey olursa ne yapacağını bilmiyor
Algoritmalar çok büyük veri kümeleri üzerinde eğitilir. Yine de, bu verilerin dışında olan şeyler olabilir. En iyi ihtimalle, algoritma etkili bir şekilde ‘Bu konuda ne yapacağımı bilmiyorum’; en kötüsü, hiçbir delile dayanmadan güvenle bir tahmin yapar – ve bu felaket olabilir
Daha fazlasını bilmemiz gerekiyor
Algoritmaların olağandışı olaylarla nasıl başa çıkabileceğini anlamamız gerekir. AI sistemleri modeller oluşturarak ve geçmiş verilere dayalı tahminler yaparak çalışır. Finans gibi karmaşık sistemlerin ortaya çıkan dinamiklerini mutlaka anlamazlar. Bu yüzden sektördeki insanlar hala yavaş bir şekilde ve özellikle finansal ticarette risk yönetimi sistemlerinin yerleşik olmasını sağlamaya çalışıyorlar. Bu alanda şu anda nispeten az düzenleme ve çok fazla yenilik var. Heyecan verici, ama er ya da geç düzenleyicilerin müdahale etmeleri ve stok almaları, yeni risklerin ne olduğunu anlamaları ve bunları hafifletmek için düzenleme yapmaları gerekecek.
I am one of the speakers of Community Summit (https://www.summiteurope.com/) and I have a session every year at this event. This year’s event postponed to July because of the Coronavirus.
Their announcement is:
The health and safety of our community members are of utmost importance to us. Out of an abundance of caution for the impact of the novel Coronavirus, we have made the decision to reschedule Community Summit Europe and extreme365 events that were previously scheduled for March 9-12, 2020 in Barcelona. We invite you to join us for the new dates on June 29 – July 2nd, 2020 at the Fira Barcelona. Read about this decision.
My session is rescheduled to the 2nd of July. I hope to see you there…
Machine Learning for Everyone makina ogrenmesinin temellerine inen ve konuyu basitçe anlatan güzel bir e-kitap.
Machine Learning for Everyone is a good ebook that goes to the basics of machine learning and simply tells the subject.
Classical machine learning is often divided into two categories – Supervised and Unsupervised Learning.
In the first case, the machine has a “supervisor” or a “teacher” who gives the machine all the answers, like whether it’s a cat in the picture or a dog. The teacher has already divided (labeled) the data into cats and dogs, and the machine is using these examples to learn. One by one. Dog by cat. Unsupervised learning means the machine is left on its own with a pile of animal photos and a task to find out who’s who. Data is not labeled, there’s no teacher, the machine is trying to find any patterns on its own. We’ll talk about these methods below. Clearly, the machine will learn faster with a teacher, so it’s more commonly used in real-life tasks. There are two types of such tasks: classification – an object’s category prediction, and regression – prediction of a specific point on a numeric axis.
