Geçen yıl AI’e 5 milyar dolarlık yatırımla rekor sayıda yatırım yapıldı ve bu sayı büyümeye devam ediyor. 2018 bu rakamın 3 kat artacağı ifade ediliyor. Yatırımcıların bu şekilde gerçekleştirdiği yatırımların, bu tür teknolojin toplum için ne anlama geldiğini gösteriyor. DNA genom analizi, iklim değişikliği, kanser tahminleri ve diğer birçok alanda makine öğrenmesi şu anda faaliyet gösteriyor ve yatırım almaya devam ediyor. Bu alanlarda AI’nın oynadığı önemli rolün yanı sıra, teknoloji olarak AI geleneksel teknolojiden daha verimlidir. Daha önce, iki ila üç mühendisin ve en az iki aylık bir çalışma gerektirecek bir çalışmayı makine öğrenmesi ile birkaç saat içerisinde gerçekleştirebiliyorsunuz. Cylance ya da Lookout gibi nispeten genç AI-siber güvenlik şirketlerinin ürünleri McAfee gibi gazilerle yoğun bir şekilde rekabet ediyorlar. Hatta bazı teknik devler bile, AI alanındaki girişimlere imza atıyorlar. Son bir örnek olarak, Rus NTechLab “MegaFace” yüz tanıma yarışmasında Google’ı yendi.
-
Yapay zeka uygulamalarındaki bu türden bir üretkenlik, bilgi bilimcileri, makine öğrenimi mühendislerini ve alanla ilgili tüm diğer mesleklere yönelik yüksek talebi, bilgisayar bilimlerinin tümünü etkili bir şekilde değiştirecek. Üstelik, farklı sektörlerde faaliyet gösteren şirketler – görüntü tanıma, ses tanıma, ilaç veya siber güvenlik gibi – zaten doğru beceri ve bilgi birikimine sahip bir işgücü edinme zorluğuyla karşı karşıya kalıyorlar.
Geleneksel bir bilgisayar bilimi mühendisi bu görevleri çözememektedir, bu nedenle yeni bir beceri setine olan talep artmaktadır. Özellikle de veri bilimcileri açısından, talebin arzını 2018’e kadar% 50’den fazla aştığı tahmin edilmektedir. Bir veri bilimcisinin en büyük yeteneği, veriden bir soru formül elde etme ve verilerin toplandığı bağlamı anlama yeteneğidir. Bilgisayar bilimi işi mantıklı bir süreçtir, ancak çoğu veri bilimi çalışması bir keşif sürecidir. Ancak üniversiteler ve diğer eğitim örgütleri bu tür hızlı değişimlere ayak uyduramamaktadır. Türkiye’de ise üniversiteler daha şu anda bilgisayar bilimini bile doğru düzgün bir sisteme oturtamamıştır.
Günümüzde şirketler şu anda bu tarz makine öğrenmesi uzmanlara ihtiyaç duyuyor ve üniversitelerin yeni bölümlerden mezunlar üretmesi için beş yıl bekleyemez. En hızlı rota, matematik ve fizik mezunları, istatistiklerde güçlü olan özellikleri yeniden eğitmektir. Bu tür programlar, özellikle ABD’deki üç veri uzmanından bir tanesi yabancı olduğu için profesyonellere acilen ihtiyaç duyan küresel bir pazara kapıyı açtı. Bu yaklaşım, öğrencilere gerçek veriler kullanılarak gerçek problemler öğretildiği için yardımcı oldu
-
Ve geçen yıl, Google, derin öğrenme konusunda üç aylık çevrimiçi dersler yayınladı. Bu, aynı zamanda teknoloji devlerinin beceri sıkıntısı tehdidini nasıl benimsediğini ve aynı zamanda sanayiyi kendi ürünleri üzerinde çalışacak şekilde eğitmek için nasıl bir örnek olduğunu da gösteriyor. Okullarımız şu anda bu tarz eğitimler vermiyor. Bu tarz yeteneklere sahip insanlar şu anda nerede ise yok. Kurumlar bu kişileri kendi yetiştirmeye çalıştırıyor.
Makine Öğrenimi Geleceği Nasıl Değiştirilir?
Makine öğrenimi, gelecekte birçok alanda büyük bir değişim yaratabilecek potansiyele sahip bir teknolojidir. Bu teknolojinin gelecekteki gelişimi, birçok faktöre bağlı olacaktır. Ancak, bazı yollarla makine öğrenimi geleceği nasıl değiştirilebilir şunlardır:
- Veri Toplama ve Kullanımının Artırılması: Makine öğrenimi, büyük veri kümelerinin kullanılmasıyla çalışır. Bu nedenle, daha fazla veri toplanması ve kullanılması, makine öğrenimi algoritmalarının daha iyi ve daha doğru hale gelmesini sağlayacaktır.
- Yeni Algoritmaların Geliştirilmesi: Makine öğrenimi algoritmalarının geliştirilmesi, gelecekte daha da gelişmiş ve daha verimli makine öğrenimi sistemlerinin oluşmasını sağlayacaktır.
- Daha Fazla Uygulama Alanı: Makine öğrenimi, bugün birçok alanda kullanılmaktadır ancak gelecekte daha fazla uygulama alanı bulacaktır. Örneğin, sağlık sektöründe hastalık teşhisi veya ilaç keşfi için kullanılabilir.
- Daha Fazla İşbirliği: Makine öğrenimi, farklı sektörlerden uzmanların bir araya gelerek işbirliği yapmasıyla daha da geliştirilebilir.
- Etik ve Güvenilirlik: Makine öğrenimi algoritmalarının etik ve güvenilir olması, teknolojinin toplumda daha kabul görmesini sağlayacaktır. Bu nedenle, makine öğrenimi geliştirirken etik ve güvenilirlik ilkelerinin göz önünde bulundurulması önemlidir.
Bu yöntemler, makine öğrenimi teknolojisinin gelecekteki gelişimine katkı sağlayabilir ve daha iyi bir gelecek için bu teknolojinin potansiyelini daha da artırabilir.
Benim düşünceme göre, alanında son derece yetenekli profesyoneller için küresel talebi karşılamak için, üniversiteler ve diğer eğitim kurumları yeni nesil veri bilimcileri öğretmek için büyük şirketlerle işbirliği yapmalıdır. Bunun yanı sıra uzaktan eğitim desteği ile bu konuda ilgi duyanlara ücretsiz dersler verilerek insanların bu konuda araştırma yapmasına ve bilgi edinmesine yardımcı olunabilir. Çok ama çok yakında geleceğimizi tasarlayacak olan bu bilim dalları oldukça popüler olacaklar. Şu anda Türkiye bu konuda maalesef önünü görememektedir.
