Yapay zekâ her yerde. Genellikle pek farkına varmadan da olsa yapay zekâ ile zaten pek çok alanda uzun yıllardır karşılaşıyorduk. Üzerinde oldukça uzun zamandır çalışılan bir teknoloji bu. Ancak geçtiğimiz son birkaç yıl içerisinde gösterdiği ciddi gelişim hızı, insanların ağzını açık bırakacak şeyleri kolaylıkla yapabilir hale gelmesi, günlük hayatı oldukça kolaylaştırabilir olması ve kullanımının kolaylığı ile beraber günümüzde popülerliği hiç olmadığı kadar artmış durumda. Bu bağlamda, yapay zekâ ile bağlantılı bazı terimlerin ne olduğu hakkında fikir sahibi olmak faydalı olacaktır diye düşünüyorum. Bu yazı serisinde, bu terimlerin üzerinden teknik detaylarda boğulmadan, olabildiğince sade bir dille geçiyor olacağız.
Duygu Analizi
Duygu analizi (İngilizce karşılığı sentiment analysis), isminden de tahmin edilebileceği üzere, yapay zekânın bir metnin içerdiği duyguyu anlamaya çalışmasıdır. Nasıl kullanılabileceğine örnek olması açısından bir marka düşünelim. Bu marka sosyal medyada kullanıcılar tarafından ne kadar beğenildiğini anlamak istiyor olsun. Bu amaç doğrultusunda kendi hakkında yapılan yorumların olumlu mu, olumsuz mu yoksa nötr mü olduğunu duygu analizinden yararlanarak inceleyebilir.
Veri Temizleme
Veri temizleme (İngilizce karşılığı data cleaning), oldukça önemli bir işlem. Bir yapay zekâ modelinin düzgün çalışması için eğitiminin düzgün yapılması gerekir. Bu eğitimin düzgün olması için gerekli en önemli şartlardan birisi ise temiz veridir. Eksik, yanlış veya tutarsız verilerle eğitilen bir model yanlış sonuçlar üretecektir. Bu nedenle yapay zekâ modelleri geliştirilirken veri setlerindeki yinelenen kayıtların silinmesi, hatalı verilerin ayıklanması, eksik bilgilerin tamamlanması, tutarsız verilerin düzeltilmesi ve benzeri gibi adımlar oldukça önemlidir.