Çağın getirdiği teknolojik gelişmeler ışığında hızlanan dijital dönüşüm, her alanda kendini hissettiriyor. Yapay zekâ; tüm alanlardaki ve mesleklerdeki uygulamalarıyla hayatımızın bir parçası olmaya başladı. Çok yakın bir gelecekte dünyayı kasıp kavuracak olan yapay zekâyı doğru kavrayan nesiller yetiştirmeyi hedefleyen İstinye Üniversitesi, yapay zekâ üssü olma vizyonuyla hareket ediyor.
Bilgisayar Mühendisliği Bölüm Başkanımız Dr. Öğr. Üyesi Mustafa MISIR ile dijital dönüşümün etkilerini, Yapay Zekayı ve İstinye Üniversitesi Yapay Zekâ laboratuvarında gerçekleştirilen çalışmaları değerlendirdik.
‘’Dijital Dönüşüm Türkiye İçin Çok Önemli’’
Dijital dönüşüm tüm dünya ve Türkiye için çok önemli. Bunun bir ayağı kuşkusuz yapay zekâ. Bu alanda katma değerli bir şeyler üretebilmek sanıldığının aksine çok zor değil. Ayrıca, ciddi maddi yatırımlar yapılması mecburiyeti de yok. Özellikle uygulama geliştirme açısından, bir bilgisayarınızın olması yeterli. Bu noktada bulut sistemlerini kullanarak altyapı gereksinimi çözmek mümkün. Örneğin; bulut sistemlerinden 10 doların altında alınan hesaplama hizmeti kullanılarak yüksek başarı oranı ile kanser teşhisi yapabilen bir sistem geliştirebilmek artık bir gerçek. Yani para değil, entelektüel sermaye olarak tabir edilen kalifiye insan gücü konuşuyor.
Dünya geneline bakacak olursak; dijital dönüşüme ayak uydurma konusunda Çin’in geldiği nokta çok önemli. Ancak Çin, şu an bulunduğu konumuna kolay gelmedi. Nanjing Üniversitesi’nde görev aldığım süre zarfında; maddi düzenlemelerle birlikte çok ciddi eğitim yatırımı yaptıklarını şahit oldum. Sonuç ise dünyanın bilinen en iyi üniversiteleri seviyesinde hatta bazı konularda daha ileride kuruluşlar. Tabi ki iş yine insan kaynağına dayanıyor. Çalıştığım üniversitenin sadece Bilgisayar Bilimleri / Mühendisliği bölümü 110 öğretim üyesinden oluşuyor. Akademisyenler yıl boyunca en fazla iki ders verdikleri için araştırma yapabilme imkanı buluyor. Bununla birlikte öğrenci sayısı da fazla olduğu için bol bol araştırma çıktısı ortaya çıkıyor. Ayrıca, üniversitelerin dünya çapındaki Çinli şirketlerden aldıkları, ürün geliştirme odaklı proje desteklerini de unutmamak lazım.
Çin’de; rekabete ayak uyduramadığınız an geriye düşüyor ve hemen kayboluyorsunuz. İyi olsanız da çalışmaya devam etmeniz gerekiyor. Bu zorlu rekabet ortama bazı sorunları beraberinde getiriyor olsa da, en iyi beyinlerin güçlenmelerine olanak sağlıyor.
‘’Yapay Zekâ Konusunda Dünya’da Çok İnsan Kaynağı Olmaması Ülkemiz İçin Önemli Bir Fırsat.’’
Dijital dönüşüme ayak uydurmanın en önemli yolu nitelikli insan kaynağına sahip olmak. Dünya genelinde, insan kaynağı gereksinimi, ilgili alanlarda yüksek sayıda mezun veriliyor olmasına karşın hala ciddi düzeyde. Türkiye açısından baktığımızda; yapay zekâ alanında gerekli donanıma sahip öğrenciler yetiştirebilir ve özellikle yakın coğrafyamızdan kalifiye araştırmacıları ülkemize çekebilirsek, kısa zamanda dünya ölçeğinde iyi işler çıkarabiliriz. Türkiye’deki öğrencilerde gördüğüm eğilim; lisans eğitimi sonrası bir an önce hayata atılmak. İçimizden insan kaynağı oluşturmanın yolu, bu öğrencilerin bir kısmını ilk etapta yüksek lisans, devamında doktora programlarına yönlendirmek. Sonuçta, alanında uzman, gerekli bilgi birikimine sahip ve bu bilgi birikimine yenilerini ekleme yetkinliğine erişmiş kişilere sahip olabiliriz, olmalıyız. Fakat günümüzde eskiden olduğu gibi doktoralı kimselerin üniversitelerde öğretim üyesi olma zorunlukları yok. Artık, bu arkadaşlara ticari kuruluşlarda büyük ihtiyaç ve fırsatlar var. Bu açıdan, TÜBİTAK’ın yürütmekte olduğu sanayi doktora programı çok önemli. Benzeri desteklerin artması ve şirketlerin de bizzat bu işlere kaynak ayırmaları yapay zekâ treninin sürücü koltuğunda oturmamız için gerekli.
‘’Disiplinler Arası Yetkinliği Olan İnsanlar Yetiştirmemiz Gerekiyor’’
Yapay zekâ her ne kadar başlı başına önemli bir konu olsa da, belirli uygulama alanlarında, disiplinler arası yetkinliği olan insanlar yetiştirmemiz gerekiyor. Yapay zekâ mühendisliği bölümlerinin ortaya çıkmaya başladığı günümüzde, yapay zekâ uzmanlığının – bilgisayar okur-yazarlığı gibi – ilk etapta akla gelmeyecek disiplinleri de kapsayacak şekilde yaygınlaşması gerekiyor. Tüm fakülte ve bölümlerle iş birliği hedefiyle çalışan İstinye Üniversitesi Yapay Zekâ Laboratuvarı, disiplinler arası yapay zekâ uzmanları yetiştirmek için en uygun yerlerden biri. Örneğin; yapay zekâ ile tıp, tıpla ile bilgisayar mühendisliği alanlarının ortak çalışması sonucu büyük farklılıklar oluşturacak.
‘’İstinye Üniversitesi Yapay Zekâ Laboratuvarının En Büyük Avantajlarından Biri Geniş Bir Hastaneler Zincirine Sahip Olması’’
İstinye Üniversitesi Yapay Zekâ Laboratuvarının en büyük avantajlarından biri geniş bir hastaneler zincirine sahip olması. Bu durum bize yapay zekanın çalışması için gerekli olan büyük ve kaliteli veriyi sağlıyor. Çin’de çalıştığım dönemde; Kanada’dan ağırladığımız bir misafir hocamız, tıbbi yapay zekâ alanında çalışmalar yapmak için yapay zekâ bilen doktorlara ihtiyaç duyduklarını söylemişti. İşte bu noktada hem mesleki bilgisine hem yapay zekâya hakim olan insanlarla çalışmak çok önemli. Bu açıdan ziyaretçi hocamız bu özelliklere sahip araştırmacıları mülakatsız, sınavsız kabul edebileceklerini belirterek, yapay zekanın disiplinler arası uzmanlık gereksiniminin önemini açıkça ortaya koymuştu. Ağaç yaş iken eğilir misali yapay zekâ farkındalığını üniversite öncesinde başlatmak önemli. İstinye Üniversitesi’nin Milli Eğitim Bakanlığı ile yürütmüş olduğu Yapay Zeka Atölyesi programı önemli bir adım. Bunun ötesinde lisans öğrencilerimizin, daha birinci sınıfta yapay zekâ Laboratuvarı bünyesinde gerçekleştirmekte oldukları çalışmalar da gelecek planımızın bir parçası.
Eğitim dışında, bir araştırmacı olarak İstinye Üniversite’ne gelme ile birlikte gündemime giren; diyabet hastalığı ile ilgili bir yapay zekâ projesi var. Diyabeti ile ilgili farklı durumlara yönelik için çalışacağımız projede; hastalığın teşhisi ve seyri ile ilgili öngörülerde bulunabilecek, kişiye özel tedavi planlarını otomatik olarak yapabileceğiz. Tabi ki bu sistemler salt yapay zekâ yöntemleri geliştirerek olmuyor. Çünkü bu sistemleri besleyecek veriyi de sağlamak gerekiyor. Hastane ağlarımızdan alacağımız veri bu açıdan elimizi çok güçlendiriyor.
‘’Yapay Zekâ, Doğru Çalışmak İçin İşlenebilir Veriye İhtiyaç Duyuyor’’
Yapay zekâ, doğru çalışmak için işlenebilir veriye ihtiyaç duyuyor. Günümüzde, bu alandaki en popüler terim ‘’Big Data’’ yani büyük veri. İsminden de anlaşılacağı üzere, bu tur verilerin başlıca niteliği çok olması. Diğer kilit bir belirleyici ise verinin sürekli güncelleniyor ve akış halinde olması. Sosyal medya platformları özellikle bu tur verilerin toplanması için çok uygun. Netleştirmek adına, geçen sene açıklanan bir rakama göre; bu tür platformlardaki günlük veri akışı 2.5 kentilyonun baytın üzerinde, yani 1’in sağında 18 sıfır. Tek tek saymaya kalksak ömrümüz yetmez. Bu tür veriler çok farklı amaçlarla kullanılabilmekte. Tip alanından bir örnek vermek gerekirse, yapay zekâ ile kanser tedavisi gören hastaların sosyal medya hesaplarından göndermiş oldukları mesajlardan ruh halleri gerçek zamanlı olarak tespit edilerek, hastalığın seyrinin olumsuz etkilenmemesi adına erken önlemler alınabilir. Bu sebeple; Twitter, Instagram gibi sosyal medya mecraları yapay zekâ uzmanları için bulunmaz nimet. Mesela Facebook’un yaptığı “Ten Years Challenge” ile kişilerin 10 yıl önceki resimlerinin paylaşılması fikri, öylesine yapılmış bir aktivitenin ötesinde, muhtemelen yapay zekâ alanında çalışan bir Facebook mühendisinin fikri.
‘’Makine; Algoritmaları Bizim İçin Tasarlıyor’’
Yapay zekâ birçok alt dalı olan bir alan. Günümüzde bu alt dalların çoğunun kesiştiği ya da geldiği yer Makine Öğrenmesi (Machine Learning). Makine öğrenmesi, kendine kendine rasyonel davranabilen ya da karar verebilen sistemlerin genel adı. Makine öğrenmesinde; sistem belirlenen göreve göre yapacağı işleri kendi öğreniyor ve yeni bir durumla karşılaştığında onu çözebiliyor. Özellikle son 10 yılda, yapay zekâ ifadesinin sıklıkla duymamızın sebebi ise bir Makine Öğrenmesi yöntemi olan Derin Öğrenme (Deep Learning). Başta, grafik işlemci üniteleriyle (GPU) gelen paralel hesaplama kabiliyeti ve büyük miktarda veriyi isleyerek anlamlandırabilecek mimarilerin geliştirilmesiyle birlikte haklı bir popülerlik kazanan Derin Öğrenme, temelde genel matematiksel kurallara dayanan bir yapı. Kendi ana çalışma konularımdan birisi de Otomatik Algoritma Tasarımı. Makine Öğrenmesi ya da özelde Derin Öğrenme gibi yöntemler vasıtasıyla, eldeki bir problemi çözmek için algoritma tasarım surecinin otomatikleştirilerek, bu noktadaki insan/uzman gereksinimini ortadan kaldırmayı hedefleyen bir araştırma konusu. Böylelikle, daha hızlı bir tasarım süreci gerçekleşirken, üretilen algoritmanın kalitesi ise insan yapımı olanlardan daha performanslı olabilmekte. Bu alandaki, uzun vadeli uygulama hedefim ise otomatik ilaç tasarımı yapabilen bir sistem geliştirilerek, ilaç geliştirme alanında yapay zekânın farklı, yenilikçi ve katma değeri yüksek bir uygulamasını ortaya koymak.