hesabın var mı? giriş yap

  • 2 tane kanatlı kuşun sesleri elbet değildir.

    insanların araba park edişleri, yayalara saygı duyması, selamlaşması çöplerini kapılarının önüne koymamaları bazı detaylardır.

    işimiz kuşlara kaldıysa sabahları balata gelin amk martı sesinden geçilmiyor.

  • ankara'da bir berberde traş olurken görmüştüm.

    not: bu entrinin taşıdığı bilgiler:
    a) zekai tunca (en azından) bir dönem ankarada bulunmuştur.
    b) kendini traş ettiren bir insandır.
    c) görülebiliyor.

  • başlık: obama fethullah gulenin iadesini reddetmis beyler

    3. amk cia ajanı diyip obama'dan iadesini istiyor yürü uzun adam!!11!1!!

  • "görüşülen kişi kapattı" filan diyordu sanki.. ara bozmak istermiş gibi gelirdi. "görüşülen kişi suratına kapattı.. valla bilmiyorum.. bana yapacak bu hareketi.."

  • şaşırtıcı değildir. çünkü solcu olmamak:
    ihaledir
    ayakkabı kutusudur.
    içinde işçilerin öldüğü madenin kapısında selfiedir.
    madenci yakınına tekmedir.
    ağaç kesmektir, derelere hestir.
    bunu yapma diyenlere coptur, gazdır.
    sokak arasındaki son tekmedir.
    cihatçıyı hastanede ağırlamak sonra da işidi lanetliyor gibi yapmaktır.
    para alınca mavi marmara konusunu kapatmaktır.
    rusya' ya ses çıkartamayacağını anlayınca halep dememiş gibi yapmaktır.
    pişkinliktir.

  • susamlı ekmek arasına kavurma, kaşar ve salam ile yapıldıktan sonra ekmeği hafif aralayarak arasına zeytin ezmesi sürülmüş tostun iddialı olabileceği kategoridir.

    hatta keyfi daha da perçinlemek için yanına zeytinyağı, kekik, kırmızı biber ile terbiye edilmiş söğüş domates, taze sıkılmış portakal suyu eklenebilir.

    yetmedi mi? bunu bir de manzaralı bir terasta, hafif esintinin eşlik ettiği bir yaz sabahı yaparsanız ve günlerden de pazar ise, o zaman keyif maksimize edilmiş olunur.

  • 35 milyon nüfuslu laik ve geneli inançsız olan kanada'nın fakir ülkelere göndermek için sipariş verdiği 400 milyon adet covid-19 aşısı hakkında da dar ve sığ görüşlerini almak isteriz.

    hazır gereksiz fikirlerine başvurmuşken aşırı müslüman ve katı inançlı suudi arabistan'ın yemen'de müslüman çocukların açlıktan ölmesine sebep olması hakkında da bir fikir saçsın. değersiz görüşünü öğrenmiş olalım.

    kendisine hatırlatmak lazım genelleme düşük zeka belirtisidir. sen şarkını söyle fikir belirtme.

  • iyi bilmediğiniz bir şehrin herhangi bir semtindesiniz ve merak ediyorsunuz, acaba burası zengin semti mi değil mi? bunu anlamanın en iyi yollarından birisi dükkanların dışarıda duran algida buzdolaplarına bakmaktır. eğer dolap kilitli değilse zengin semtidir, kilitliyse fakir... eğer normal buzdolabı kilidinin dışında bir kilit daha eklenmişse, hava kararmadan o semtten uzaklaşmanın yollarını arayın.

  • en azindan yakin gelecekte gercek olmayacagini dusundugum onerme.

    halen bilgisayar ile goru* alaninda doktora yapiyorum, elektrik-elektronik muhendisiyim. tum bu alan, 2012 yilindan bu yana, kamuoyu nezdinde yapay zeka adi altinda parlatilan derin ogrenme* adi verilen teknik tarafindan domine edilmis durumda, ben de yalnizca derin ogrenme calisiyorum. cikan neredeyse her yeni algoritma derin ogrenme tabanli ve derin ogrenme tabanli olmayan algoritmalardan cok daha iyi performans gosteriyor. once isterseniz "yapay zeka" olarak nitelendirilen metodun ne oldugundan kisaca bahsedeyim devaminda neden bunun tip doktorlugunun alternatifi olamayacagini dusundugumu aciklayacagim.

    derin ogrenme, lineer ve lineer-olmayan donusumlerin birbirini izledigi kompleks bir matematiksel fonksiyon. bu fonksiyona ait parametreler* var. bu parametreler, daha onceden insan eli ile isaretlenmis veriler kullanilarak "ogreniliyor". ornek uzerinden anlatayim: elimizde yuz adet hayvan olsun. bu hayvanlar ya kedi, ya da kopek olsun. her bir hayvanin boyunu, kilosunu ve yasini olcelim, olcerken de hangisinin kediye, hangisinin kopege ait oldugunu bir kenara not edelim. daha sonra, bir kompleks matematiksel fonksiyon uyduralim (tabii ki matematiksel olarak anlamli dizayn oruntuleri var). bu fonksiyona ait ayarlanabilir parametreler olsun. ıste "ogrenme" fazinda, biz bu fonksiyona bu boy-kilo-yas verisini gosterecegiz ve bu fonksiyon bize rastgele bir cikti verecek. daha sonra da, parametreleri ayarlayarak, istedigimiz ciktiyi vermesini saglayacagiz. diyelim ki, kopek icin 1, kedi icin 0 sayilarini cikti vermesini istiyoruz. gosterdigimiz ornekler ile, olmasi gereken ciktiyi bildigimiz icin matematiksel optimizasyon metotlarini kullanarak uygun parametreleri belirliyoruz. daha sonra, kediye mi kopege mi ait oldugunu bilmedigimiz bir boy-kilo-yas verisi geldiginde, elimizdeki fonksiyonu, ogrenilmis parametreler ile calistiyoruz ve algoritma bize bir cikti veriyor. bu cikti, 0.5'in altinda ise, bilinmeyen ornegin bir kediye, ustunde ise kopege ait olduguna isaret ediyor. ıste, yapay zeka olarak adlandirilan derin ogrenme bu sekilde calisiyor.

    simdi gelelim neden derin ogrenmenin tip doktorlugunu neden yok edemeyecegine. bunun sebeplerini su sekilde siralayabilirim:

    1) derin ogrenmenin verdigi kararlar aciklanamaz. bu kisim oldukca onemli. derin ogrenme, bazi tip ile ilgili gorevlerde gercekten iyi bir performans sergiliyor. kimi zaman, deneyimsiz doktorlardan daha basarili patolojik tani koyabilmekte. ancak, mevcut hali ile, verdigi bir karari neden verdigi bilgisine ulasilamiyor. bir insana soruldugunda, burada bir ben* var ve ben bu benin seklinin yuvarlak olmamasindan ve icinde ton degisimleri olmasindan dolayi bunu supheli goruyorum aciklamasini alabilirsiniz. bir derin ogrenme algoritmasi ise size sadece suphelilik olasiligi gibi bir sayi verecektir. ıste bu yuzden halen, dunyanin ileri gelen saglik kuruluslari, derin ogrenme algoritmalarinin direkt olarak tibbi cihazlarda kullanimasina karsi cikiyor. tip temkinli yaklasilmasi gereken bir alan. yapilmasi muhtemel hatalarin bile neden yapildigina dair aciklama getirmenin onemli oldugu bir alan. daha aciklanabilir sonuclar alinana degin, derin ogrenme muhtemelen size tani koymayacak.

    2) suclanabilirlik. diyelim ki hastaneye gittiniz ve radyolojik muayene neticesinde riskli bir kitle tespit edildi. derhal biyopsi alindi ve patoloji laboratuvarina gonderildi. makroskopik incelemeden sonra patolog bu biyopsiyi mikroskopta incelenecek sekilde hazirladi ve boyadi. devaminda dunyanin en iyisi olan bir derin ogrenme algoritmasi mikroskopik fotograflari inceledi ve bu kitlenin iyi huylu olduguna karar verdi. diyelim ki, yanildi ve siz oldunuz. bu durumda kimi suclayacagiz? biyopsiyi hazirlayan doktoru mu, algoritmayi hazirlayan muhendisi mi, yoksa ogrenme icin kullanilan veri setini olusturan kisileri mi? cevap bunlarin hicbirisi, cunku bu sorunun bir cevabi yok. benzer bir durum surucusuz araba icin de gecerli. bu arac hatali bir karar verip, aslinda onlenebilecek bir kazayi yaptiginda, aracin icindeki yolcuyu suclayamazsiniz. bu hukuki cikmaz onemlidir ve derin ogrenme tabanli algoritmalarin gundelik hayatimiza girisini onemli olcude yavaslatmaktadir.

    3) derin ogrenme insanin isaretledigi veriden ogrenir. ınsanin isaretledigi veri hangi bilgiyi isaret ediyorsa, derin ogrenme onu ogrenir, dogru veya yanlis olmasi fark etmez. ornegin bir radyologun kolayca yakalayabilecegi bir kist, ogrenme datasinda yanlis isaretlenmis ise, derin ogrenme bu yanlisi ogrenebilir. ogrenmeyebilir de. aciklayamiyoruz (bkz: madde 1). ayrica, insanin isaretledigi veriden ogrenen bir algoritmanin, insandan daha basarili sonuc vermesi beklenmez. verse bile bunu tespit edemeyiz, cunku test icin kullanacagimiz veriler de bir insan tarafindan isaretlenmis olacak.

    4) derin ogrenme tibba dair bir takim rutin isleri devralabilir, ama bu tip doktorlugunu bitirecegi manasina gelmez. belki istihdam edilmesi gereken doktor sayisi bir miktar azalabilir, ancak her tip ana bilim dalinda arastirma yapacak, ya da hic olmazsa derin ogrenme icin kullanilacak verileri isaretleyecek insanlara ihtiyac olacak.

    5) genelleme yetenegi. halen en iyi algoritmalarin dahi genelleme yetenegi sinirli. ornegin, diyelim ki, bir hastanede calisan radyoloji uzmani bir doktor, kendi hastanesindeki y marka mr cihazinin goruntuleri ile calisiyor. ancak bu doktor baska bir hastanedeki z marka mr cihazinin sonuclarini da, bu markaya ait sonuclara daha once bakmamis olsa dahi anlayabilir ve performansinda ciddi dusus olmadan dogru taniyi koyabilir. aynisini bir derin ogrenme algoritmasi icin soylemek oldukca zor. dunyadaki tum mr cihazlarinin goruntulerini ogretseniz dahi, halen en guclu algoritmalar bile, veri seti spesifik ogretilmis versiyonlarindan kotu calisiyor.

    tum bu etkenler degerlendirilince, yakin gelecekte derin ogrenmenin doktorlugu yok edecegini dusunmuyorum, ki verdigim ornekler ozellikle yok olacagi dusunulen tip alt dallarina ait. eger illa bir doktor grubu issiz kalacaksa bu, teknolojiye ayak uyduramayan, onunla calismayi kaldiramayan grup olacak. cunku derin ogrenmenin avantajlarini kullanmayi bilen bir hekime kiyasla cok daha dusuk verimlilik saglayabilecekler.