Girdi verisi
Yapay zekâya öğrenmesi ya da karar vermesi için verilen bilgilerdir.
Örnek: Kedi ve köpek fotoğrafları, ses kayıtları, sıcaklık ölçümleri.
6. sınıf · 14. hafta · BTY.6.5.1
Yapay zekâ temasına hoş geldin! Bir yapay zekâ ne kadar akıllı olursa olsun, ancak kendisine verilen veriler kadar iyi olabilir. Bu hafta yapay zekânın veriden nasıl öğrendiğini, veriyi hangi araçlarla toplayacağımızı ve toplanan verinin doğru ve uygun olup olmadığını nasıl değerlendireceğimizi öğreniyoruz.
Isınma · Merak et
Bir öğrenci kedileri tanıyan bir model yaptı. Modeli eğitirken yalnızca kendi kedisinin, beyaz bir kedinin 50 fotoğrafını kullandı. Sonra modele arkadaşının siyah kedisini gösterdi. Model: “Bu bir kedi değil!” dedi.
Model neden yanıldı? Sorun modelde mi, yoksa ona verilen veride mi? Daha iyi bir model için hangi fotoğraflar gerekir?
Adım 1 · Yapay zekâ veriden nasıl öğrenir?
Yapay zekâya öğrenmesi ya da karar vermesi için verilen bilgilerdir.
Örnek: Kedi ve köpek fotoğrafları, ses kayıtları, sıcaklık ölçümleri.
Bir örneğin ne olduğunu belirten addır.
Örnek: Bir fotoğrafa “kedi” yazmak.
Modelin öğrenmek için kullandığı örneklerdir.
Modelin ne kadar iyi öğrendiğini anlamak için kullanılan, eğitimde hiç görmediği örneklerdir.
Modelin girdiye bakarak verdiği cevap ya da tahmindir.
Örnek: “Bu fotoğraf yüzde 92 ihtimalle bir kedi.”
Bir öğrenci sınavda yalnızca çalıştığı soruların aynısı gelirse her şeyi biliyormuş gibi görünür. Model de eğitimde gördüğü örneklerde başarılı görünür. Gerçekten öğrenip öğrenmediğini, hiç görmediği örneklerle anlarız.
Adım 2 · Bilgi toplama aracını belirle
| Araç | Topladığı veri | Örnek proje |
|---|---|---|
| Çevrim içi anket formu | Görüş, tercih, seçim | Öğrencilere en sevdiği kitap türünü öneren model |
| Algılayıcılar (sıcaklık, ışık, nem) | Ölçüm sayıları | Seradaki toprağın ne zaman sulanacağını tahmin eden model |
| Kamera ve fotoğraf | Görüntü | Geri dönüşüm atıklarını ayıran model |
| Mikrofon ve ses kaydı | Ses | Kuş seslerini tanıyan model |
| Tablolama programı | Gözlem ve ölçüm kayıtları | Haftalık hava durumu verisini düzenlemek |
| Hazır ve açık veri setleri | Başkalarının topladığı izinli veriler | Resmî kurumların yayımladığı istatistikler |
Önerilen araç
Adım 3 · İyi verinin özellikleri
Veri bir grubu çok, başka bir grubu az içeriyorsa model az gördüğü grubu tanımakta zorlanır ve haksız kararlar verebilir. Buna yapay zekâda önyargı denir. Dengeli veri toplamak önyargıyı azaltır.
Etkinlik · Dengesiz veri deneyi
Basit bir model hayvanları yalnızca rengine bakarak tanımaya çalışıyor. Eğitim verisinde 10 beyaz kedi ve 10 köpek (6 siyah, 4 kahverengi) var. Kaydırıcıyla eğitim verisine kaç siyah kedi ekleneceğini seç ve sonucu gör.
Model, bir rengi en çok hangi hayvanda gördüyse yeni hayvanı da öyle sanıyor.
Test: Modelin tahminleri
1) Veride bir grup hiç yoksa ya da çok azsa model o grubu tanıyamaz. 2) Renk, kediyi köpekten ayırmak için iyi bir özellik değildir; gerçek modeller kulak, burun ve vücut şekli gibi birçok özelliğe birlikte bakar.
Adım 4 · Verinin uygunluğunu ve doğruluğunu değerlendir
Bir öğrenci okul bahçesindeki sıcaklığı tahmin eden bir model için bir hafta boyunca ölçüm yaptı. Tabloda dört sorunlu satır var. Sorunlu olduğunu düşündüğün satırlara tıkla, sonra “Kontrol et” düğmesine bas.
| # | Gün | Öğle sıcaklığı | Not |
|---|
Özet · Deftere yazalım
Yazılı sınava çalışırken önce bu maddeleri tekrar et.
Yazılıya hazırlık · Klasik sorular
Cevabını defterine tam cümlelerle yaz. Sonra örnek cevabı açıp kendi cevabınla karşılaştır.
Yapay zekânın veriden öğrenme sürecinin adımlarını yazınız. (10 puan)
Girdi verisi nedir? İki örnek veriniz. (10 puan)
Eğitim verisi ile test verisi arasındaki fark nedir? Test verisi neden ayrı tutulur? (10 puan)
Kuş seslerini tanıyan bir model için hangi veri toplama aracını kullanırsınız? Nelere dikkat edersiniz? (10 puan)
Öğrencilere kantinde yemek öneren bir model için hangi aracı kullanırsınız? Neden? (10 puan)
İyi bir girdi verisinin dört özelliğini yazınız. (10 puan)
Yalnızca beyaz kedilerle eğitilen bir model siyah bir kediyi neden tanıyamaz? Bu durum hangi kavramla açıklanır? (10 puan)
“Çöp girer, çöp çıkar” sözünü yapay zekâ açısından açıklayınız. (10 puan)
Bir sıcaklık veri setinde “250 °C” değeri ve boş bir satır var. Bunlar neden sorundur? Ne yapılmalıdır? (10 puan)
Yapay zekâ için veri toplarken etik açıdan nelere dikkat edilmelidir? (10 puan)
Pekiştir · Oyunlar
Kısa oyunlarla konuyu pekiştir. Telefonda da bilgisayarda da dokunarak ya da tıklayarak oynanır.
Soldan bir kavram seç, sağdan açıklamasına dokun.
Hazır olduğunda soldan bir seçim yap.
Her veri ihtiyacını uygun toplama aracına yerleştir.
Bir kart seçerek başla.
Bir modelin veriden öğrenme adımlarını sırala.
İlk adımı seçerek başla.
Kapanış · Kendini değerlendir
Her madde için dürüstçe seç. “Yardım istiyorum” dediğin konunun bölümüne geri dön ya da öğretmenine sor.
Yapay zekânın veriden nasıl öğrendiğini açıklayabiliyorum.
Eğitim verisi, test verisi ve etiket kavramlarını ayırt edebiliyorum.
Bir yapay zekâ projesi için uygun veri toplama aracını belirleyebiliyorum.
Verinin doğruluğunu ve uygunluğunu kontrol listesiyle değerlendirebiliyorum.
Haftanın mini görevi · Evde
Bir yapay zekâ modeli eğitmek istediğini düşün ve bir veri toplama planı hazırla.