Yapay zeka sistemlerinin başarısı büyük ölçüde eğitim verisinin kalitesine bağlıdır, ancak bu verinin etiketlenmesi süreci genellikle zaman alıcı, maliyetli ve insan emeği gerektiren bir iştir. Milyonlarca örneği rastgele veya sırayla etiketlemek yerine, aktif öğrenme (active learning) yaklaşımı, modelin en çok “kafasının karıştığı” yani en belirsiz olduğu örnekleri önceliklendirerek etiketleme sürecini büyük ölçüde verimli hale getirir. Bu yazıda, aktif öğrenme temelli bir veri etiketleme platformunun nasıl çalıştığını, hangi bileşenlerden oluştuğunu ve bu yaklaşımın neden makine öğrenmesi projelerinde giderek daha kritik bir rol oynadığını inceleyeceğiz.
Aktif Öğrenme Nedir?
Aktif öğrenme, bir makine öğrenmesi modelinin, eğitim sürecinde hangi verilerin etiketlenmesi gerektiğine dair aktif bir rol üstlenmesini sağlayan bir yöntemdir. Geleneksel denetimli öğrenmede tüm veri seti önceden etiketlenirken, aktif öğrenmede model önce küçük bir etiketli veri kümesiyle eğitilir, ardından etiketlenmemiş veri havuzundan en bilgilendirici örnekleri seçerek insan etiketleyicilere sunar. Bu döngü, model performansı yeterli seviyeye ulaşana kadar tekrarlanır.
Bu yaklaşımın temelinde yatan felsefe aslında yeni değildir. Bilgiye ulaşmanın en verimli yolunun, bilinmeyeni sistematik ve sorgulayıcı bir yöntemle araştırmaktan geçtiği fikri, İslam düşünce geleneğinde de köklü bir yer tutar. İmam Gazali, “İhya-u Ulumi’d-Din” adlı eserinde bilgiye ulaşmanın şüphe ve sorgulama yoluyla gerçekleştiğini vurgular; kişinin en çok belirsizlik yaşadığı noktalara odaklanmasının, hakikate ulaşmada en verimli yol olduğunu ifade eder. Aktif öğrenme algoritmalarının, modelin en belirsiz olduğu örneklere odaklanma mantığı, bu epistemolojik yaklaşımla ilginç bir paralellik taşır.
Belirsizlik Örneklemesi (Uncertainty Sampling) Nasıl Çalışır?
Aktif öğrenmenin en yaygın stratejisi belirsizlik örneklemesidir. Model, etiketlenmemiş veri havuzundaki her örnek için bir tahmin olasılığı üretir. Bu olasılık, modelin o örnek hakkında ne kadar “emin” olduğunu gösterir. Üç temel belirsizlik ölçütü öne çıkar:
En Az Güven (Least Confidence): Model, en yüksek olasılıklı sınıfa bile düşük bir güven skoru veriyorsa, bu örnek yüksek öncelikli olarak işaretlenir.
Marj Örneklemesi (Margin Sampling): Modelin en olası iki sınıf arasındaki olasılık farkı çok küçükse, bu örnek modelin karar vermekte zorlandığı bir sınır bölgesindedir.
Entropi Tabanlı Örnekleme (Entropy Sampling): Tüm sınıflara dağılmış olasılık değerlerinin entropisi hesaplanır; entropi ne kadar yüksekse, modelin kararsızlığı o kadar fazladır.
Komite Tabanlı ve Beklenen Model Değişimi Yaklaşımları
Belirsizlik örneklemesinin ötesinde, daha gelişmiş platformlar komite sorgusu (query by committee) yöntemini kullanır. Bu yaklaşımda birden fazla model aynı veri üzerinde eğitilir ve modeller arasında en fazla anlaşmazlık yaşanan örnekler önceliklendirilir. Farklı modellerin farklı tahminlerde bulunması, o örneğin karar sınırında yer aldığını ve etiketlenmesinin modelin genel doğruluğunu artıracağını gösterir.
Bir diğer strateji ise beklenen model değişimidir (expected model change). Bu yöntemde, hangi örneğin etiketlenmesinin model parametrelerinde en büyük değişikliğe yol açacağı tahmin edilir ve bu örnekler öncelikli olarak seçilir. Bu yaklaşım hesaplama açısından daha maliyetlidir ancak büyük ölçekli projelerde etiketleme bütçesini önemli ölçüde azaltabilir.
Platform Mimarisi: Temel Bileşenler
Etkili bir aktif öğrenme tabanlı etiketleme platformu genellikle şu bileşenlerden oluşur:
Model Sunucusu (Inference Engine): Etiketlenmemiş veriler üzerinde sürekli tahmin üreten ve belirsizlik skorları hesaplayan bir alt sistemdir.
Örnekleme Motoru (Sampling Engine): Belirsizlik skorlarına göre etiketleme kuyruğunu dinamik olarak yeniden sıralayan bileşendir.
Etiketleme Arayüzü: İnsan etiketleyicilerin hızlı ve tutarlı kararlar verebilmesi için tasarlanmış, klavye kısayolları ve görsel geri bildirimlerle desteklenen kullanıcı arayüzüdür.
Kalite Kontrol Katmanı: Etiketleyiciler arası tutarlılığı (inter-annotator agreement) ölçen ve düşük kaliteli etiketleri tespit eden mekanizmadır.
Yeniden Eğitim Döngüsü: Belirli aralıklarla modelin yeni etiketlerle yeniden eğitildiği ve belirsizlik tahminlerinin güncellendiği otomatik bir işlem hattıdır.
İbn Sina’nın Sistematik Gözlem Yaklaşımı ve Modern Veri Bilimi
İbn Sina, “El-Kanun fi’t-Tıb” adlı eserinde hastalık teşhisinde sistematik gözlem ve kademeli bilgi toplama yöntemini benimser; belirsiz vakalara öncelik verilmesi gerektiğini, net olan durumların ise daha az kaynak gerektirdiğini vurgular. Bu tıbbi teşhis mantığı, aktif öğrenmenin kaynak tahsisi felsefesiyle örtüşür: sınırlı insan emeği, modelin zaten iyi bildiği örneklere değil, belirsizliğin en yoğun olduğu noktalara yönlendirilmelidir.
Aktif Öğrenmenin Getirdiği Verimlilik Kazanımları
Araştırmalar, aktif öğrenme kullanan etiketleme süreçlerinin, rastgele örnekleme yöntemine kıyasla aynı model performansına çok daha az etiketli veriyle ulaşabildiğini göstermektedir. Özellikle doğal dil işleme ve görüntü sınıflandırma görevlerinde, etiketleme maliyetinin %40 ila %60 oranında azaltılabildiği raporlanmıştır. Bu durum, özellikle tıbbi görüntüleme, hukuki belge analizi gibi uzman bilgisi gerektiren ve etiketleme maliyeti yüksek alanlarda kritik bir avantaj sağlar.
Karşılaşılan Zorluklar ve Sınırlamalar
Aktif öğrenme yaklaşımının bazı önemli sınırlamaları da vardır. Soğuk başlangıç problemi, yani modelin henüz hiç eğitilmediği aşamada anlamlı belirsizlik skorları üretememesi, sürecin ilk aşamalarında rastgele örnekleme ile desteklenmesini gerektirir. Ayrıca, örnekleme yanlılığı (sampling bias) riski vardır; model sürekli belirsiz örneklere odaklanırsa, veri setinin genel dağılımını yansıtmayan çarpık bir eğitim kümesi ortaya çıkabilir. Son olarak, outlier’lar yani aşırı uç ve gürültülü örnekler de yüksek belirsizlik skoru alabilir, bu da etiketleyicilerin zamanını gerçekte faydasız örneklere harcamasına yol açabilir.
Değerlendirme
Aktif öğrenme ile en belirsiz örnekleri önceliklendiren veri etiketleme platformları, makine öğrenmesi projelerinde hem maliyet hem de zaman açısından ciddi kazanımlar sunar. Belirsizlik örneklemesi, komite sorgusu ve beklenen model değişimi gibi stratejilerin doğru şekilde kombine edilmesi, sınırlı insan kaynağının en verimli şekilde kullanılmasını sağlar. Gelecekte, bu yaklaşımların büyük dil modelleriyle desteklenen yarı otomatik etiketleme sistemleriyle daha da entegre hale gelmesi beklenmektedir.
Sık Sorulan Sorular
1. Aktif öğrenme ile pasif (rastgele) etiketleme arasındaki temel fark nedir?
Aktif öğrenmede model, hangi örneklerin etiketlenmesi gerektiğine kendisi karar verirken, pasif etiketlemede veriler rastgele veya sırayla seçilir.
2. Aktif öğrenme her makine öğrenmesi projesinde kullanılabilir mi?
Genellikle etiketleme maliyetinin yüksek olduğu görevlerde (tıbbi görüntüleme, hukuki metin analizi gibi) daha fazla fayda sağlar; çok büyük ve ucuz etiketlenebilir veri setlerinde faydası sınırlı olabilir.
3. Soğuk başlangıç problemi nasıl çözülür?
Genellikle sürecin ilk aşamasında rastgele veya çeşitlilik temelli örnekleme kullanılır, model belirli bir olgunluğa ulaştıktan sonra belirsizlik tabanlı örneklemeye geçilir.
4. Komite sorgusu yöntemi hangi durumlarda tercih edilir?
Tek bir modelin belirsizlik tahminlerinin güvenilir olmadığı durumlarda, birden fazla modelin görüşünü karşılaştırmak daha sağlam sonuçlar verir.
5. Aktif öğrenme etiketleyici hatalarını azaltır mı?
Doğrudan azaltmaz, ancak kalite kontrol katmanlarıyla birleştirildiğinde, düşük kaliteli veya tutarsız etiketlerin tespiti kolaylaşır.
İleri Okuma Tavsiyeleri
- Settles, B. (2009). Active Learning Literature Survey — University of Wisconsin-Madison
- Ren, P. vd. (2021). A Survey of Deep Active Learning — ACM Computing Surveys
- Gazali, İmam. İhya-u Ulumi’d-Din (bilgi ve şüphe kavramları üzerine)








