Endüstri 4.0 ile makinelerin birbiriyle haberleştiği bir sürece girmiş bulunmaktayız. Bu süreç, makinelerin otonom kararlar vereceği ve bu kararlar ile insanların hayatına önemli etkilerde bulunacağı Endüstri 5.0 döneminin de ilk adımlarını oluşturmaktadır. Endüstride meydana gelen bu gelişmelerin temelinde yapay zekâ algoritmaları ile birçok alanda elde edilen yüksek başarılar yer almaktadır. Geliştikçe başarısı ve karmaşıklığı artarken anlaşılabilirliği azalan yapay zekâ temelli sistemlerin insanları etkileyen önemli kararların alınmasında kullanılacak olması birçok şüpheyi de beraberinde getirmektedir. Bu şüpheler sadece son kullanıcı tarafında değil aynı zamanda sosyal ve ekonomik dönüşümlerle de ilgilidir. Endüstri 5.0’ın önündeki engellerin başında geliştirilmesi planlanan zeki topluluğa karşı toplumsal önyargılar bulunmaktadır. Bu sebeple, zeki ve otonom makinelerin ne tür etik ve ahlaki sorumlulukların bilincinde makineler olduğunun topluma açıklanabilir olması gerekmektedir. Bu çalışmada, hangi durumlarda yapay zekâ nın etik ve ahlaki değerlere sahip olması gerektiği ve bu değerleri ne şekilde öğrenebileceği araştırılmış, teknoloji ve sosyoloji bağlamında mevcut çalışmalar derlenerek zeki otonom sistemler için sağlam bir etik zeminin olası toplumsal ve teknolojik etkileri değerlendirilmiştir.
Nefret söylemi, bir kişiye veya bir gruba yönelik nefreti ifade eden veya şiddeti teşvik eden söylemlerin genel adıdır. Bu söylemler son zamanlarda dijital ortamlarda kontrol edilemez bir şekilde artmıştır. Özellikle Twitter gibi sosyal mecralardaki yazılı nefret söylemleri hem kişiler hem de topluluklar için tehlikeli boyutlara ulaşmıştır. Nefret söyleminin dijital ortamlarda kolaylıkla ve hızlıca yayılabilmesinin önüne geçebilmek için bu söylemleri otomatik tespit edebilecek sistemlere ihtiyaç vardır. Çalışmamızda, en yaygın nefret söylemlerinden biri olan ‘saldırgan’ söylemleri otomatik olarak tespit edebilen yapay zeka modelleri ele alınmıştır. Derin ve sığ makine öğrenmesi yöntemlerinin karşılaştırmalı olarak kullanıldığı çalışmamızda, Türkçe tweetler’deki söylemler saldırgan veya değil olmak üzere 2 kategoriye ayrılabilmektedir. Yaklaşık %75-%25 dengesizliğindeki bir veri kümesini kullanarak geliştirdiğimiz modellerde, doğruluk ölçeğinde 0,85, f-skor ölçeğinde 0,74 oranında başarılı sonuçlar elde edilmiştir. Veri kümesinde bulunan tweetler’in terim frekansı-ters doküman frekansı (tf-idf) vektörleri kullanılarak eğitilen sığ modeller ile sözcük yerleştirmeleri kullanılarak eğitilen derin modellerden elde edilen sınıflandırma sonuçları karşılaştırmalı olarak bu çalışmada sunulmuştur. Yapılan deneysel çalışmalar ile Çift-Yönlü Uzun Kısa Süreli Bellek (BiLSTM) tekniği kullanılarak geliştirilen saldırgan söylem tespit modelinin, sığ yöntemlerden ve diğer bazı derin öğrenme yöntemlerinden daha başarılı sonuçlar ürettiği gösterilmiştir.
Kişisel veriler öncelikli olarak korunması gereken hassas bilgi varlıklarıdır. Bugüne kadar kişisel verilerin korunabilmesi için gizliliği koruyan kurallar, rehberler ve tasarımlar geliştirilmiştir. Özellikle son zamanlarda Gizlilik Etki Değerlendirmesi yöntemleri Avrupa ülkelerinde büyüyen bir ilgiyle geliştirilmektedir. Bununla birlikte gelişen bilgi teknolojileri bu düzenlemeleri yetersiz bırakmaktadır. Bu çalışmada kişisel verilerin korunması amacıyla öznitelik tabanlı yeni bir Gizlilik Etki Değerlendirmesi yöntemi önerilmektedir. Çalışma, kişisel verilerin korunması alanında genel yaklaşım olan verilerin bütününü değerlendirmek yerine öznitelik bazında veri setinin gizlilik etkisini değerlendirmeye dayalıdır. Öznitelik bazında hesaplamalar ile kişisel verilerin daha hassas ve gizli kalması gereken bölümleri belirlenebilecek ve gizlenebilecektir. Gizlilik etki değerlendirme hesaplamaları için veri homojenliği yöntemi tercih edilmiştir. Çalışmanın çıktısı gizlilik etkisine göre gruplanmış veri öğeleridir. Önerimize göre daha homojen veri daha hassas veridir ve gizliliği daha önemlidir. Önerilen yöntem iki farklı veri kümesi üzerinde test edilmiş ve elde edilen sonuçlar analiz edilmiştir. Çalışmamızın en önemli bulgusu gizli görünmeyen niteliklerin nitelik birleştirme sonrası gizli olabilmesidir.
Authorship verification (AV) is one of the main problems of authorship analysis and digital text forensics. The classical AV problem is to decide whether or not a particular author wrote the document in question. However, if there is one and relatively short document as the author’s known document, the verification problem becomes more difficult than the classical AV and needs a generalised solution. Regarding to decide AV of the given two unlabeled documents (2D-AV), we proposed a system that provides an author-independent solution with the help of a Binary Background Model (BBM). The BBM is a supervised model that provides an informative background to distinguish document pairs written by the same or different authors. To evaluate the document pairs in one representation, we also proposed a new, simple and efficient document combination method based on the geometric mean of the stylometric features. We tested the performance of the proposed system for both author-dependent and author-independent AV cases. In addition, we introduced a new, well-defined, manually labelled Turkish blog corpus to be used in subsequent studies about authorship analysis. Using a publicly available English blog corpus for generating the BBM, the proposed system demonstrated an accuracy of over 90% from both trained and unseen authors’ test sets. Furthermore, the proposed combination method and the system using the BBM with the English blog corpus were also evaluated with other genres, which were used in the international PAN AV competitions, and achieved promising results.
Covid-19 hastalığı, ortaya çıktığı günden bugüne birçok can kaybına yol açmıştır. Dünya Sağlık Örgütü (DSÖ) tarafından pandemi olarak ilan edilen bu hastalığa yakalanan kişilerde ciddi akciğer tahribatları oluşabilmektedir. Hekimlerin bu hastalığın teşhisinde akciğer özelinde çekilen bilgisayarlı tomografi (Computed Tomography -CT) ve X-Ray (Chest X-Ray -CXR) görüntülerini inceleyerek teşhis koydukları bilinmektedir. Bu CXR görüntülerinin çekildiği anda enfekte olduğu değerlendirilen kişilere hekim kontrolü öncesi yapılacak bir erken teşhis ile koruyucu önlemler hızlıca alınabilir ve hekimlerin hastalığı teşhis süreçleri kısaltılabilir. Diğer birçok hastalığın teşhisinde başarılı sonuçlar üreten yapay zekâ yöntemlerinin, Covid-19 hastalığında da başarılı sonuçlar ürettiği güncel çalışmalarda görülebilmektedir. Elde edilen başarılı sonuçların yanında, kullanılan sağlık verileri kişisel veri sınıfına girdiği için bu verilerin işlenmesinde ve analiz edilmesinde mahremiyet koruyucu önlemlere ihtiyaç olduğu açıktır. Gerek Kişisel Verileri Koruma Kanunu (KVKK) gerekse de Genel Veri Koruma Tüzüğü (General Data Protection Rule -GDPR), bu tür verilerin işlenmesinde mahremiyetin korunmasına özen gösterilmesi gerekliliğini ortaya koymaktadır. Bu çalışmada, Covid-19 hastalığını tespit eden yapay zekâ odaklı çalışmalar incelenmiş, kullanılan açık veri kümeleri sunulmuş, Covid-19 hastalığının tespitinde mahremiyeti dikkate alan çalışmalar gözden geçirilerek genel değerlendirmelerde bulunulmuştur.
Hava Kalite Endeksi (AQI), Avrupa standartları çerçevesinde yer alan beş temel kirletici unsur (CO, SO2, NO2, O3 ve PM10) göz önünde bulundurularak değerlendirilen bir endekstir. Bu endeks ile şehirlerdeki kirlilik miktarları hakkında bilgi elde edilebilmekte ve şehirlerin daha temiz şehirlere dönüşmesi için çalışmalar yapılabilmektedir. Günümüzde bu ölçümlere gerekli önem verilmemekle birlikte yeterli miktarda ve doğrulukta ölçümler yapılamamaktadır. Çalışmamızda, şehirlerin kirlilik oranına göre sınıflandırılabilmesi ve böylece kirlilik durumu kritik seviyede olan şehirlerin kısa sürede belirlenebilmesi amaçlanmıştır. Bu amaç doğrultusunda, hava kalitesi belirleyicileri olarak değerlendirilebilecek, şehirlerin hava kalitesine etkisi olan farklı parametreler toplanarak bir araya getirilmiş, AQI verileri ile birlikte veri seti olarak kullanılmıştır. Şehrin nüfusu, betonarme yapı sayısı, yeşil alan ve kullanılan ulaşım araç oranlarının da belirleyici olarak kullanıldığı çalışmamızda hava kalitesi 3 ve 5 sınıflı sınıflandırma problemi olarak ayrı ayrı ele alınmıştır. Çalışmamızda, AQI değerinin insan sağlığına etki oranları hesaplanarak sınıf atamaları yapılmıştır. Makine öğrenmesi yöntemlerini kullanarak sunduğumuz çözümlerde hava kalitesi tahmini 3 sınıflı modellerde %87 oranında, 5 sınıflı modellerde ise %82 oranında başarılı sonuçlar üretmiştir.
scite is a Brooklyn-based organization that helps researchers better discover and understand research articles through Smart Citations–citations that display the context of the citation and describe whether the article provides supporting or contrasting evidence. scite is used by students and researchers from around the world and is funded in part by the National Science Foundation and the National Institute on Drug Abuse of the National Institutes of Health.
hi@scite.ai
334 Leonard St
Brooklyn, NY 11211
Copyright © 2024 scite LLC. All rights reserved.
Made with 💙 for researchers
Part of the Research Solutions Family.