Makine öğrenmesi, derin öğrenme, üretken yapay zekâ: otelciler için kısa sözlük
Yapay zekâ terimlerini otel diliyle sadeleştiriyoruz. Satın alacağınız ürünün içinde sabit bir kural mı, makine öğrenmesi mi var? Yanlış yanıtta ne olur?
İçindekiler
Kısaca
- Yapay zekâ bir üst kavramdır; makine öğrenmesi, derin öğrenme, doğal dil işleme, bilgisayarlı görü ve üretken yapay zekâ bu kavram altında farklı yapım biçimleridir.
- Bir ürün yapay zekâ olarak satılabilirken içindeki mekanizma bir kişinin yazdığı sabit bir kural olabilir ve o kural çoğu zaman daha iyi bir alışveriştir.
- Makine öğrenmesi, yeni vakaya benzeyen yeterli sayıda geçmiş vaka ister; tek bir oteldeki ender olaylar için genellikle kural daha iyi çalışır.
- Doğal dil işleme ve bilgisayarlı görü uygulama alanlarıdır, ayrı teknolojiler değil; ikisi de kurallarla, makine öğrenmesiyle ya da derin öğrenmeyle kurulabilir.
- Bir araç için yararlı soru hangi tekniği kullandığı değil, neyin girdi olduğu, neyin çıktı olduğu ve yanıt yanlış çıktığında ne olduğudur.
Makine öğrenmesi, geçmiş kayıtlardaki örüntüleri bulan ve bu örüntüleri yeni bir durumu değerlendirmek için kullanan yazılımdır. Derin öğrenme, çok sayıda katmandan oluşan makine öğrenmesidir. Üretken yapay zekâ yeni metin ya da görüntü üretir. Doğal dil işleme kelimelerle, bilgisayarlı görü görüntülerle ilgilenir. Bunların her biri bir işe yarayan bir araçtır, olgunluk basamağı değil.
Masanıza kapağında "yapay zekâ destekli" yazan, içinde ise üç farklı terim geçen bir teklif gelir: makine öğrenmesi, derin öğrenme, doğal dil işleme. Ürünün parasını hak edip etmediğine karar vermeniz gerekir ve kelime dağarcığı, ürün açıklamasından daha çok iş yapmaktadır. Bu yazı aileyi tek bir haritaya yerleştirir: her üye için bir otel örneği ve çalışması için gerekenler. Yazının sonunda önünüzdeki ürünün gerçekte hangisini kullandığını sorabilecek durumda olursunuz.
Kurallar, makine öğrenmesi ve üretken yapay zekâ tek haritaya nasıl sığar?
Bunlar farklı işler için farklı araçlardır, olgunluk aşamaları değil. İşi yapan en basit araç genellikle doğru alışveriştir.
Yapay zekâ bir üst kavramdır, teknoloji değil
Yapay zekâ, eskiden bir kişiye ihtiyaç duyulan işleri yapan yazılımın üst kavramıdır. Altında birkaç farklı yapım biçimi vardır. Sabit kural, bir kişinin yazdığı koşuldur: konaklama yedi geceden uzunsa uzun konaklama fiyatı uygula. Bu mantık okunabilir, sınanabilir; hata verdiğinde de tam olarak nerede olduğunu görebilirsiniz.
Makine öğrenmesi bu koşuldaki kişiyi kaldırır. Kuralı kimse yazmaz; yazılım, bir modelin içindeki sayıları, yanıtları geçmiş kayıtlarla örtüşene dek ayarlar. Derin öğrenme, basit birimlerden oluşan çok sayıda üst üste katmandan kurulu makine öğrenmesidir ve basit bir modele göre daha çok örnek, daha çok işlem gücü ister. Üretken yapay zekâ ise yeni metin ya da görüntü üreten modeldir; bugün kullanılan sohbet araçlarının çoğu derin öğrenme ve dil modelleri üzerine kuruludur.
Doğal dil işleme ve bilgisayarlı görü farklı bir eksende durur. Bunlar uygulama alanlarıdır, teknoloji değil: biri kelimelerle, öteki görüntülerle ilgilenir ve ikisi de kurallarla, makine öğrenmesiyle ya da derin öğrenmeyle kurulabilir.
En basit araç neden genellikle kazanır
Ticari nokta şudur: etiket mekanizma hakkında hiçbir şey söylemez ve mekanizma, aracın neler yapıp neler yapamayacağını belirler. Bir ürün yapay zekâ etiketi taşıyabilir ve içinde hiç makine öğrenmesi bulunmayabilir. Sabit bir kural işi görüyorsa, kural daha ucuz, okunabilir ve değiştirmesi kolaydır. Bu tercihi derinlemesine otomasyon mu yapay zekâ mı? Otelde basit bir kuralın daha iyi çalıştığı işler yazısında ele aldık.
| Terim | Ne yapar | Otel örneği | Çalışması için gereken |
|---|---|---|---|
| Sabit kurallar | Koşulu bir kişi yazar | Uzun konaklama fiyatının otomatik uygulanması | Net bir kural ve onu sürdüren biri |
| Makine öğrenmesi | Geçmiş kayıtlarda örüntü bulur | İptal olasılığı yüksek rezervasyonları işaretleme | Yeterince benzer geçmiş vaka, temiz kayıtlar |
| Derin öğrenme | Çok katmanlı makine öğrenmesi | Hasarlı oda fotoğrafını okuma | Çok sayıda etiketli örnek, işlem gücü |
| Doğal dil işleme | Kelimelerle çalışır | Misafir mesajlarını dile ve konuya göre ayırma | Gerçek misafir metni, doğrulanacak bir kaynak |
| Bilgisayarlı görü | Görüntüleri okur | Girişte kimlik belgesi tarama | Sabit ışık, insan kontrolü |
| Üretken yapay zekâ | Yeni metin ya da görüntü üretir | Misafire yanıt taslağı hazırlama | Doğrulanacak bir kaynak, gönderecek bir kişi |
Otel diliyle makine öğrenmesi nedir?
Makine öğrenmesi, geçmiş kayıtlardaki örüntüleri bulan ve bu örüntülerle yeni bir vakayı puanlayan, bir kişinin yazdığı koşulları izlemeyen yazılımdır.
Ne girer, ne çıkar
Geçmiş vakalar bir dizi olgu olarak girer: varış tarihi, oda tipi, rezervasyonun ne kadar önceden yapıldığı, o günkü doluluk oranı, sonunda ödenen fiyat. Sonuç da bunların yanına girer. Bir eğitim adımı, modelin iç sayılarını yanıtları bu sonuçlarla eşleşene dek ayarlar. İki yaygın biçim vardır: kovalara ayırma, örneğin "bu rezervasyon iptal olur mu, evet mi hayır mı" ve bir sayıyı tahmin etme, örneğin "bu tip odalardan kaç tanesi boş kalacak".
Örneğin, iptal olasılığı yüksek rezervasyonları işaretleyen bir model düşünün; resepsiyon arayıp teyit edebilsin diye. Hiçbir şey otomatik iptal edilmez, işaret yalnızca kime telefon edileceğine karar verir. Yakın akrabası anomali tespitidir: bir otelin kendi rakamları için "normal" görünümü öğrenir ve biri normal aralığın dışına çıktığında uyarı verir. Bunu anomali tespiti nedir? Otel raporlarında olağan dışı rakamı yakalamak yazısında anlattık.
Makine öğrenmesi öngörülebilir yerlerde başarısız olur. Ender bir olaydan öğrenilecek az örnek vardır, pazarda ani bir değişim eski örüntüleri yanıltıcı hâle getirir ve model, hiç öğrenmediği bir kuralı açıklayamaz.
Bir modele güvenmeden önce nasıl sınarsınız
En son ayları kenara koyun, modeli bu aylarda çalıştırın ve yanıtlarını gerçekte olanla ve bugün kullandığınız basit kuralla karşılaştırın. Dürüst olan tek karşılaştırma budur.
DikkatKendi ödevinden sınanan model
Öğrendiği kayıtlarla sınanan bir model her zaman iyi görünür. Modelin hiç görmediği bir dönemdeki sonucunu isteyin ve aynı dönemde basit kuralın ne puan aldığını sorun.
Derin öğrenme nedir ve neden daha çok veriye ihtiyaç duyar?
Derin öğrenme, basit birimlerden oluşan çok sayıda üst üste katmandan, yani bir sinir ağından kurulu makine öğrenmesidir; bu yapı, özellikleri bir kişinin adlandırmasına gerek kalmadan yazılımın kendisinin çıkarmasını sağlar.
Sade bir tanımla: sinir ağı, küçük sayı işleyen birimlerden oluşan katmanlardır. Her katman, girdinin dönüştürülmüş bir sürümünü bir sonrakine aktarır; "derin" yalnızca çok katmanlı demektir. Yayılmasının nedeni şudur: görüntü, ses ve dil için yararlı özellikleri elle adlandırmak zordur, katmanlar bunları örneklerden bulabilir.
Bedeli daha çok örnek, daha çok işlem gücü ve daha az okunabilir akıl yürütmedir. Bir yanıt alırsınız, o yanıtın nasıl bulunduğuna dair bir açıklama değil. Örneğin bir fotoğrafa bakarak odanın çıkışta hasarlı bırakılıp bırakılmadığını değerlendirmek; soru darsa daha basit bir araç aynı işi görebilir.
Bir otelde tek bir tesis, sıfırdan derin bir model kuracak kadar etiketli örnek nadiren bulundurur; bu yüzden otellerin çoğu, başka birinin çok daha büyük bir veri kümesi üzerinde kurduğu bir modeli kullanır. Alıcı "derin öğrenmeyle kuruldu" duyduğunda, bu çıktının sizin tesisiniz için doğru olduğu anlamına gelmez. Bunu söyleyen, görmediği veri üzerinde yapılan sınamadır.
NotÜç kelime iç içedir
Derin öğrenme makine öğrenmesinin bir alt kümesi, makine öğrenmesi de yapay zekânın bir alt kümesidir. Üç kelime birbirinin rakibi değil, iç içe geçmiş hâlidir.
Doğal dil işleme nedir?
Doğal dil işleme, yazılıma insan dilini işletebilen alandır: metni sınıflandırmak, içinden olgular çekmek, çevirmek, soru yanıtlamak ve yazmak.
Bu alandaki eski sistemler kurallar ve kelime listeleriydi. Modern sistemler çoğunlukla büyük metin derlemleri üzerinde makine öğrenmesidir. Bir otelin gerçekten karşılaştığı işler şunlardır: bir misafir mesajının dilini saptamak, çevirmek, yorumları konuya göre ayırmak, bir e-postadan tarih ve tutar çekmek, tesisle ilgili soruları yanıtlamak.
Kelime girer, kelime çıkar ve aradaki denetim
Dil modelleri akıcılığı sağlayan motordur; bunları büyük dil modeli nedir? Akıcı yanıt neden her zaman doğru yanıt değildir yazısında açıklıyoruz. Akıcılık doğruluk değildir ve kendinden emin bir cümle yanlış bir oda numarası ya da yanlış bir fiyat taşıyabilir. Örneğin bir misafir üç dilde yazıp geç çıkış ister; sistem talebi tanır ve bir yanıt taslağı hazırlar, bir çalışan okur ve gönderir.
Çalışması için gerekenler: misafirin gerçek dilinde metin, yanıtın kendisine karşı denetlenebileceği bir kaynak ve paraya, kimliğe ya da misafire verilen bir söze dokunan her şeyde bir kişi. Başarısız olduğu yerler: adlar, oda numaraları, tarihler ve fiyatlar ile yanıtı aracın ulaşabileceği bir yerde yazılı olmayan her soru. Bu alanın yazma tarafını üretken yapay zekâ nedir? Otelciler için sade bir anlatım yazısında işliyoruz.
Bilgisayarlı görü nedir?
Bilgisayarlı görü, yazılıma görüntü ve videoyu okutabilen alandır: resimde ne var, nerede duruyor ve ne diyor.
Mekanizma şöyledir: bir görüntü, parlaklık ve renk için sayılardan oluşan bir ızgaraya dönüşür ve model, bu sayıların hangi dizilimlerinin sorulan soru için önemli olduğunu öğrenir. Oteldeki kullanımlar arasında giriş sırasında bir kimlik belgesini okumak, fatura ve irsaliye taramak, bir minibar fotoğrafını incelemek, lobideki kişi sayısını saymak, otoparkta plaka okumak sayılabilir.
OCR ile bilgisayarlı görü aynı iş değildir. OCR basılı karakterleri metne çevirir; bilgisayarlı görü daha ileri gidip belgenin doğru belge olup olmadığına ya da fotoğrafın okunamayacak kadar bulanık olup olmadığına karar verebilir. Bu ayrımı OCR nedir? Fatura ve irsaliyeyi otel sistemine okutmak yazısında çiziyoruz. Alanın ihtiyaçları: sabit ışık ve değişmeyen kamera açısı, etiketli örnekler ve paraya ya da kimliğe dokunan her şeyde insan denetimi.
Başarısız olduğu yerler: parlama, el yazısı, aracın görmediği bir belge düzeni ya da gece taşınmış bir kamera. İmzadan önce bir uyarı: misafirlerin ve belgelerinin görüntüleri kişisel veridir. Görüntülerin nerede işlendiğini ve ne kadar saklandığını sorun.
Size satılan ürünün içinde hangisi var?
Aracın neyi aldığını, neyi geri verdiğini ve yanıt yanlış çıktığında ne olduğunu sorun. Bu üç yanıt, teklifin kapağında ne yazdığına bakmaksızın teknolojinin ne olduğunu söyler.
Satıcı girdiyi ve çıktıyı tek cümleyle söyleyemiyorsa, mekanizma ona da açık değildir. Yanlış yanıtta ne olduğunu sorun: sürecin içinde bir kişi var mı, bir eşik var mı, geri alma var mı? Aracın hiç öğrenmediği bir dönemde sınanıp sınanmadığını ve bu sınamayı görüp göremeyeceğinizi sorun. Bir kural aynı işi görür mü diye sorun; görüyorsa kuralı alın. Verinin nereye gittiğini, kimin işlediğini ve ne kadar tutulduğunu sorun. Ve durum sözcüğünü sorun: bugün faaliyette mi, lansman öncesi geliştirilmiş mi, geliştiriliyor mu, yoksa tasarlandı mı? Tasarlanmış bir araç, bu sezon güvenebileceğiniz bir araç değildir.
Yazıya dökülecek altı soru
Kontrol listesi
- Girdi ve çıktı, tek cümleyle.
- Yanıt yanlış çıktığında ne oluyor ve kim onaylıyor.
- Araç, hiç öğrenmediği bir dönemde sınandı mı.
- Aynı işi sabit bir kural görür mü.
- Veri nerede işleniyor ve ne kadar saklanıyor.
- Durum sözcüğü: faaliyette, lansman öncesi geliştirildi, geliştiriliyor ya da tasarlandı.
Şimdi ne yapmalı
Aldığınız bir sonraki yapay zekâ teklifini alın ve her iddianın yanına üç satır yazın: ne giriyor, ne çıkıyor, yanlış olduğunda ne oluyor. Harita kendiliğinden düzenlenir: tabanda kurallar, örüntü bulucular olarak makine öğrenmesi ve derin öğrenme, duyular olarak doğal dil işleme ve bilgisayarlı görü, yazıcı olarak üretken yapay zekâ. Gerçek ürünlerin çoğu birkaçını birleştirir ve satın almaya değer olanlar hangilerini birleştirdiğini söyleyebilir.
Sıkça sorulan sorular
Yapay zekâ ile makine öğrenmesi aynı şey mi?
Değil. Yapay zekâ, eskiden bir kişiye ihtiyaç duyulan işleri yapan yazılımın üst kavramıdır. Makine öğrenmesi bunu kurmanın bir yoludur, derin öğrenme makine öğrenmesinin bir alt kümesidir, üretken yapay zekâ derin öğrenmenin bir kullanımıdır. Bir ürün yapay zekâ etiketi taşıyabilir ve içinde hiç makine öğrenmesi bulunmayabilir; örneğin bir talebi yönlendiren sabit bir kural.
Üretken yapay zekâ otelimin konuşmalarından öğrenir mi?
Bir model, büyük bir metin kümesi üzerinde bir kez kurulur ve sonra sabit kalır. Ayrı bir adım kurulup konuşmaların saklanması ve yeniden kullanılması yapılmadıkça, kendini sohbetlerinizden güncellemez. Konuşma sırasında kendi belgelerinizde arama yapmak farklı bir mekanizmadır ve sıklıkla öğrenmeyle karıştırılır; satıcının hangisini kastettiğini sorun.
Makine öğrenmesi küçük bir otelde işe yarar mı?
Yeni vakaya benzeyen yeterli sayıda geçmiş vakaya ihtiyaç duyar. Küçük bir tesiste sıradan rezervasyon kayıtları bol olabilir ama ender bir olaya ait çok az örnek bulunur; bir model bir avuç vakadan örüntü öğrenemez. Ender olaylar için sabit kural genellikle daha iyi araçtır; sık ve tekrarlayan kararlarda makine öğrenmesi yardımcı olabilir.
Gelir yönetimi araçları bunlardan hangisini kullanır?
Bir gelir yönetimi aracında hangi kısmın öğrenilmiş, hangi kısmın bir kişi tarafından yazılmış olduğunu sorun; araç ikisini birlikte kullanıyor olabilir. Yararlı sorular şunlardır: hangi kısım öğrenilmiş, hangi kısım bir kişi tarafından yazılmış; araç ne üzerinde sınanmış; yanlış olduğunda ne oluyor. Teklifin kapağındaki kendinden emin etiket, bunların hiçbirine yanıt değildir.
OCR ile bilgisayarlı görü aynı şey mi?
OCR, alanın içinde daha dar bir iştir: basılı karakterleri metne çevirir. Bilgisayarlı görü bunu ve daha fazlasını kapsar; örneğin belgenin doğru türde olup olmadığına ya da fotoğrafın okunamayacak kadar bulanık olup olmadığına karar verir. Fatura ve irsaliye için OCR çoğu zaman yeterlidir ve denetlemesi daha basittir.