AI Arkeolojisi: Bir "Kara Kutunun" Öncesine Metodolojik Bakış

Bugün LinkedIn akışında, yüksek lisans tez danışmanım Dr Hamit Soyel hocamın başarılarla dolu kariyerindeki yeni bir güncellemesine denk geldim. Bu paylaşım beni; kendisinin rehberliğinde kaleme aldığım "Facial Expression Recognition based on SIFT" makaleme ve bugünkü profesyonel kimliğimi oluşturan o ilk disiplinli çalışma dönemime geri götürdü.

Sektörün hızı içinde, üzerine titrediğimiz o ilk bilimsel yaklaşımları bazen profesyonel hafızamızın arka sıralarına itebiliyoruz. Hocamın süreklilik arz eden bu başarısı, bana sadece ilham vermekle kalmadı; kendi teknik geçmişime bir sistem mimarı gözüyle dürüst bir geriye dönük analiz (post-mortem) yapma gereği hissettirdi.

Buharlı Makineler Çağında Yapay Zeka

Makalede temel aldığımız SIFT (Scale Invariant Feature Transform) algoritması, bugünün devasa Yapay Zeka dünyası için bilgisayarlı görünün "buharlı makinesi" gibidir. O dönemde amacımız SIFT’i yeniden icat etmek değil; bu güçlü algoritmayı kullanarak duygu tanıma için en ayırt edici veriyi seçecek bir metodoloji kurgulamaktı.

6 temel duyguyu tanımlayabilmek için binlerce anahtar nokta arasından "doğru" olanları ayıklayan bir seçim algoritması geliştirdik. Bugünün derin öğrenme modelleri bu süreçleri saniyeler içinde otomatize etse de; o gün aylar süren o manuel optimizasyon süreçleri ve BU-3DFE veri setinde yakaladığımız %87.8'lik başarı oranı, bugünün dünyasından çok daha fazla mühendislik titizliği gerektiriyordu.

Neden Bu "Eski" Disiplini Hala Değerli Buluyorum?

Modern AI mimarileri genellikle bir "kara kutu" (black box) prensibiyle çalışır. Ancak benim için o dönem, sadece hazır fonksiyonları çalıştırmaktan ibaret değildi. Metodolojinin her adımını tam olarak kavrayabilmek adına, hazır kütüphanelerin konforuna kaçmak yerine görüntü işleme süreçlerini en temel katmanından itibaren kurgulamayı seçmiştim.

Farklı etnik kökenlerden ve ifadelerden oluşan yüzlerce veriyi analiz ederken; algoritmaların matematiğini satır satır inşa etmek, bana bugün herhangi bir araçtan daha kalıcı bir kazanım sundu: Sistemin en alt katmanındaki rasyonaliteyi anlama disiplini. Verinin içindeki gürültüyü ayıklamayı ve varyansı minimize etmeyi o gün "uygulayarak" öğrenmek, bugün karmaşık kurumsal sistem mimarilerini kurgularken kullandığım en büyük temeldir.

Sonuç: Metodolojik Miras

Kendi makaleme bugünün gözüyle baktığımda artık teknolojik bir mucize görmüyorum; ancak orada çok sağlam bir mühendislik etiği görüyorum. Araçlar ve algoritmalar eskir ama rasyonel sistem kurma disiplini baki kalır.

Bu metodolojik başlangıç noktasını bana hatırlattığı için Hamit hocama teşekkürlerimi sunuyorum. Kariyerimin bu noktasında, içimdeki o akademik ateşi ve sistemlerin özünü anlama tutkusunu, belki bir gün bir doktora çalışmasıyla bir sonraki aşamaya taşıma fikri bile bugünden bana heyecan veriyor.

Akademik Not ve Teşekkür: Bu analizde bahsi geçen metodoloji ve %87.8’lik başarı oranı; 2010 yılında, Dr. Hamit Soyel’in rehberliğinde kaleme aldığım ve ISCSE 2010 sempozyumunda yayınlanan çalışmamıza dayanmaktadır. Ayrıca, o dönem sistemin yazılım altyapısının geliştirilmesindeki teknik katkıları ve üniversite yıllarındaki profesyonel iş birliğimiz için Cem Kalyoncu’ya özel bir parantez açmak isterim. Savunma sonrasında Prof. Dr. Hasan Demirel hocamdan aldığım doktora teklifi ise o günkü akademik heyecanımın en kıymetli ödülüydü. Aradan geçen yıllara rağmen bu disiplini korumamı sağlayan hocalarıma ve çalışma arkadaşlarıma teşekkürlerimi sunarım.

Merak edenler için makalenin tam metnine buradan ulaşabilirsiniz: [makale]