İnternetin her alanına yayılan yapay zeka, big data entegrasyonları ile yeni algoritmalar ve çözümler sunuyor. Peki bu süreçte verilerimize ne oluyor?

Aslında en basitten karmaşığa kadar internette gerçekleştirdiğimiz işlemler kayıt altına alınıyor. Bu noktada önemli bir etken ise bize daha alakalı içerikler sunabilmek. Dolayısıyla Facebook’tan X‘e kadar tüm uygulamalarda verilerimiz işleniyor.

Büyük veri (big data) kavramının nereden geldiğini merak ediyor olabilirsiniz. Big data ile veri kavramı birbirlerine benziyor. Fakat bu kavramdan farklı olarak karmaşık, geleneksel yöntemlerle anlaşılmayan, üstel olarak büyüyen ve çözülmesi güç olan yığın halindeki veri kümeleri söz konusu.

Big data; yapay zeka uygulamaları, nesnelerin interneti ve mobil cihazlar tarafından her geçen gün besleniyor. Bu durum elbette günlük işleri kolaylaştırırken güvenlik endişelerini de artırıyor.

Big data kullanımı yalnızca bilişim alanıyla sınırlı kalmayarak tıp için de umut vaat eden çalışmalar için de kullanılıyor. Kanserin big data’sı ile yola çıkan klinik araştırmalar, tanı ve tedavi yöntemlerini önceki verilere göre değerlendiriyor. Bu noktada yapay zeka ve makine öğreniminden destek alınıyor. 

Bu yazımızda ise yapay zeka uygulamaları ile big data arasındaki ilişkiye aşağıdaki başlıklarla değineceğiz:

• Big data nedir? 
• Big data’nın “Big Beşli”si
• Yapay zeka nedir? 
• Yapay zeka algoritmaları nedir?
• Yapay zeka uygulamaları ile big data arasındaki ilişki
• Yapay zeka algoritmaları big datayı nasıl işler?
• Big data kullanım alanları

Big data nedir? 

Big data, milyonlarca kullanıcıdan ve farklı kaynaklardan çeşitli verilerin toplanması sonucu elde edilen verilere deniyor. Bu verilere sürekli yenileri eklenerek üstel bir büyümeyle artış gözlemleniyor. Dolayısıyla geleneksel veri kavramından ayrılan bir noktada olduğunu söyleyebiliriz.

Bu ifade ayrıca bir yığını da ifade ediyor. Her türlü elektronik cihazdan elde edilen veriler her zaman kullanışlı olmayabilir. Kullanışlı olmasa da depolanan veriler bir zaman sonra yığın haline geliyor. Dolayısıyla bu yığınların analiz edilme süreci karmaşık olabiliyor.

Big data kaynakları

Kaynaklar, geleneksel veri kaynakları ile oldukça benzer. Bu noktada medya verileri, internet üzerinden gelen veriler, nesnelerin interneti verileri, medya verileri ve diğer veriler öne çıkıyor.

Big data’nın “Big Beşli”si

“Big Beşli” onu daha yakından tanımamızı sağlıyor:

Hacim (Volume)	Hız (Velocity)	Çeşitlilik (Variety)	Doğrulama (Verification)	Değer (Value)
Toplanan ve işlenen veri miktarı	Verilerin kullanıcılardan veya kaynaklardan alınıp işleme alınması	İnsanlar ya da makineler tarafından üretilme ihtimali bulunan yapılandırılmış ve yapılandırılmamış verilerin tamamı	Verinin doğruluğu tespit ediliyor. Ardından doğru kişiler tarafından görülmesi ve saklanması sağlanıyor.	Analiz sonucunun artı değer sağlayacak nitelikte olup olmadığına bakılıyor.

Big data, %95’i yapılandırılmamış olan verileri içeriyor. Bu durum, verilerin işlenmesi için makine öğrenimi ve yapay zekaya ihtiyaç olduğunu gösteriyor.

Yapay zeka nedir? 

Yapay zeka (artificial intelligence), insan zekası gibi görsel ve işitsel verilerin cansız bir varlık ya da makine tarafından işlenmesi anlamına geliyor. Bu noktada YZ ile problem çözme, karar verme ve nedenleri fark etme gibi karmaşık görevleri gerçekleştirebilirsiniz.

Yapay zeka uygulamalarına hayatın her alanında karşılaşmanız olası. Oyunlardan otomatik araçlara kadar birçok yerde! Özellikle yaygın olarak Google Assistant, Apple Siri ya da Amazon Alexa gibi uygulamaları telefonlarımızdan kullanıyoruz.

Yapay zeka algoritmaları nedir?

Bir probleme ya da ihtiyaç için izlenmesi gereken yolun planlanmasına algoritma deniyor. Bu noktada insan zekası için bir düşüncenin başlayıp sürdürülmesi olarak düşünebilirsiniz.

Yapay zeka algoritmaları ise belirli bir döngüyü fark eden makine ya da varlığın bu döngü için geliştirdiği sistem. Bu fark etme süreci satranç gibi. Rakibin belirli davranış örüntüleri var. Bu noktada yapay zeka algoritmaları oluşuyor ve rakibe göre bir tutumla oyun oynanıyor.

Garry Kasparov’un 1997’de Deep Blue ile oynadığı satranç oyunu gibi. Deep Blue, rakibin hamlelerine göre tarzı hakkında çıkarım yapabilir. Daha sonra ise bu hamlelere göre oyunu analiz eder ve kurar. Sonucunda ise kazanır.

Yapay zeka algoritmaları ile big data arasındaki ilişki

İnternetin yaygınlaştığı günümüzde veriler her geçen gün artıyor ve depolarda yığınlar haline geliyor. Bu sebeple artık geleneksel yöntemlerle verileri işleyebilmek güçleşiyor. Herhangi bir filtre olmadan anlık artış gösteren veriler, anlamlı sonuçların keşfedilmesini engelliyor.

Big data ile yapay zeka algoritmaları arasındaki ilişki bu noktada öne çıkıyor. Öyle ki veriler tek başına bir anlam ifade etmezken yapay zeka da veriler olmadan çalışamıyor. Dolayısıyla yapay zekanın çalışabilmesi için bir girdi, şey, gerekiyor. Bu noktada makine öğrenimi de yine verilerin işlenmesiyle gerçekleşiyor.

Yapay zeka algoritmaları ile big data analizi sonucu bulgulara ulaşmak mümkün. En basit tanımıyla sosyal medyada karşınıza ilginizi çeken içeriklerin çıkması bununla ilgili. Elbette bu analiz için doğru algoritmalar kullanmak önemli. Ancak ilgili algoritmalar aracılığıyla veriler istatistiksel ve mantıksal bir çerçevede analiz edilebilir.

Bu kavram kuşkusuz Google (Alphabet) gibi büyük şirketleri akıllara getiriyor. Kullanıcılarına ücretsiz birçok özellik sunan Google, kullanıcı verilerini depolayarak analiz edilmek üzere koruyor. Daha sonra reklam verenler için kişiye uygun reklamları öne çıkarıyor. Direkt olarak verileri satmadığını iddia etse de bu gibi yollarla reklam kapsamında ilgi alanlarınızı, araştırdığınız noktaları ve konumunuzu saklıyor.

Yapay zeka algoritmaları big datayı nasıl işliyor?

Yapay zeka, insan zihnini taklit edebilen bir kavramken algoritmalar bazı verileri birleştirerek anlamlı sonuçlar hazırlayan formüllere karşılık geliyor. Bu verilerin kaynağı ise geleneksel verilerden ya da big datadan. 

Bu noktada algoritmaların nasıl işlediğini şu örnek üzerinden takip edebilirsiniz:

1. A bir sosyal medya platformu. A platformu içinde 3 milyon kullanıcı var. 
2. Genellikle bu kullanıcılar spor faaliyetlerini, yediklerini ve güncel vücut ölçülerini sisteme kaydediyor. Ayrıca demografik bilgileri de mevcut.
3. A platformu bu kişilerin bilgilerini saklı tutuyor. Aslında burada kullanıcıların her faaliyetleri depolandığı için big data simülasyonu gibi düşünebilirsiniz.
4. 3 milyon kullanıcının uygulama içinde en çok hangi aracı kullandığı, hangi saatlerde spor yaptığı, demografik bilgilere göre vücut ölçüleri ve daha birçok verisi var.
5. Uygulama geliştiricileri hedef kitleyi anlamak için uygulama kullanım zaman dilimleri, kaç dakika uygulamaya girdikleri ve yaş ortalaması hakkında verileri analiz etmek istiyor. 
6. Bir yığın içinden çıkarılan bu anlamsız veriler, yapay zeka algoritmaları ile anlamlı bir hale geliyor. İstediğiniz şekilde algoritmaları formülize ederek anlamlı verilere ulaşabilirsiniz.
7. Yapay zeka algoritmaları big datayı işlerken en hızlı şekilde çalışıyor. Bu çalışma ile normalde ulaşılması imkansız olan çıktılara erişim sağlıyor. Ayrıca çalışma sürecinde insan zekasını taklit ederek A uygulaması için mantıklı çıkarımlar yapıyor.

Big data kullanım alanları

Herhangi bir sınırı olmadan her alanda kullanılıyor. Dünya çapında ise bazı alanlar diğerlerine göre daha ön planda. Bu alanlar arasında şunlar yer alıyor:

• Pazarlama
• Ulaşım
• Kamu yönetimi
• Sağlık
• Siber güvenlik 
• İş yönetimi

1. Pazarlama alanında kullanımı

Big data, pazarlama alanında müşteri davranışlarını belirlemek ve ürün stratejileri geliştirmek için kullanılıyor. Bu noktada müşteri davranışlarını izleyerek onların eleştiri ve isteklerini tespit edebiliyor. Ayrıca müşterilerin ilgi duyduğu ürün ya da hizmetleri hızlı bir şekilde keşfedebiliyor.

Pazarlama alanında kuşkusuz video platformlar big data’yı işleme noktasında etkili bir çalışma göstermekte. Bu alanda Netflix, Prime Video, Disney+ ve benzeri platformlarda karşınıza sizinle ilgili içeriklerin çıktığını görebilirsiniz. 

Bunları sağlamak için video izleme alışkanlıklarınız, sevdiğiniz içerikler ve ilgi alanlarınız analiz edilerek karşınıza alakalı veriler çıkıyor. Bu sayede o platform içerisinde daha fazla süre geçirip içerikleri tüketiyorsunuz. Bağlılığınız artıyor.

2. Ulaşım alanında kullanımı

Ulaşım alanında kullanıcılar hedefledikleri noktaya ulaşmak için navigasyon uygulamaları kullanıyor. Bu uygulamaların sürücüler için temel işlevi güvenli ve doğru yoldan hedefe ulaşmayı sağlaması.  

Big data analitiği ile kullanıcılar trafik, seyahat süresi ve rota hakkında anlık bilgi alabiliyor. Her türlü taşıt için geçerli olan big data kullanımı, ulaşımda etkili veri kullanımını destekliyor.

3. Kamu yönetimi alanında kullanımı

Hükümetler vatandaşların ihtiyaçlarını anlamak ve idari görevleri yürütmek için anlık değişimlere uyum sağlıyor. Elbette bu anlık değişimler çok fazla olduğu için big data analizlerine başvuruyorlar. 

Big data analizi ile krizler, yönetimsel güçlükler ve belirlenen prosedürler hızlı bir şekilde yönetiliyor. Ayrıca veri analizi noktasında ilgili talimatlar ile etkili sonuçlara ulaşıp aksiyon alabilirsiniz.

4. Sağlık alanında kullanımı

Sağlık alanında big data kaynakları arasında EMR verileri, hasta yaşam verileri, ilaç bilgileri, semptomlar, doktor notları, hasta taburculuk belgeleri, tıbbi yayınlar ve benzeri gibi noktalar öne çıkıyor. Ayrıca nesnelerin interneti (IoT) ile fitness izleme cihazları, elektronik tartılar ve kan basıncı monitörleri de veri üretiyor.

Big data kümelerine yol açan sağlık alanındaki kaynaklar, teknolojik yenilikler sağlama noktasında etki yaratıyor. Bu veriler analiz edilerek tedavi, müdahale ve bakım noktasında algoritma oluşturuluyor.

Özellikle kanser gibi kronik hastalıklarda big data araştırma merkezleri incelemeler yürütüyor. Bu noktada insan vücuduna yerleştirilen biyolojik sensörler daha fazla organik veriye ulaşılmasını destekliyor. 

5. Siber güvenlik alanında kullanımı

Yapılan bir araştırmaya göre kurum ve kuruluşların %84’ü siber güvenlik kapsamında big data’yı kullanıyor. Bu noktada big data’yı kullanarak yaklaşan saldırıları tahmin etmek için geçmiş verilerden yararlanıyor. Dolayısıyla risk değerlendirmeleri için istatistiksel analizlerle big data kapsamında çıkarımlar yapıyor.

Önceki siber saldırıların nasıl gerçekleştiği izlenerek önlemler alınıyor. Ayrıca çalışan ihlalleri de siber güvenliğin başka bir konusu. Bir başka big data analizi ile tehditler tespit edilerek bazı erişimler kısıtlanıyor. Sadece yöneticilere yetki verilerek herhangi bir açığın önüne geçiliyor.

6. İş yönetimi alanında kullanımı

İşletmelerin operasyonlar, satışlar ve finans dahil olmak üzere çeşitli verileri izlemesi gerekiyor. Big data analizi bu noktada kolaylık sağlıyor. İlgili verileri izleyerek anlamlı bağlantılar kuruyor. Ayrıca entegrasyonlarla iş yönetimi süreçlerini hızlandırıyor.

Big data, çalışan davranışlarını analiz ederek bazı kalıplar belirliyor. Bu kalıplarla yeni yönetim anlayışları geliştirebiliyor. Çalışan verimini artırmaya yönelik nokta atışı çözümler bulabiliyor.

İlk başta yapay zeka algoritmaları ve big data arasındaki ilişkiyi anlamak zor olabilir. Aslında alışık olduğunuz uygulamalar üzerinden düşünerek süreci daha iyi keşfedebilirsiniz. 

Örneğin YouTube’a her dakika 500 saatlik video yükleniyor. Bir diğer uygulama olan Pinterest’te insanlar günde 1 milyara yakın video izliyor. Yine Instagram’da her gün toplam 4,2 milyar beğeni kaydediliyor.

İnsanların sosyal medyalarda ya da internette bıraktığı ayak izleri bir veri olarak öne çıkıyor. Her saniyede milyonlarca insanın bıraktığı veriler günün sonunda tahmin edilemeyecek noktada veri yığınlarına yol açıyor. İşte bu sebeple yapay zeka algoritmaları ve makine öğrenimi bir ihtiyaç olarak doğuyor.

Verileri anlamak, sınıflandırmak ve analiz etmek ise birçok açıdan aydınlatıcı. İnsan davranışları, alışkanlıklar, değişen noktalar ve dahası bu yolla anlaşılabilir. Her ne kadar güvenlik noktasında endişeler olsa da big data analizi bunu da kendi başına sağlıyor gibi duruyor. 

Yakın gelecekte önemli yasaların ortaya çıkması ve big data’nın belirli bir çerçeveye alınması bekleniyor. Belki de ancak bu şekilde verilerin doğru kullanımı gerçekleşebilir.