Bilgisayarlı Görü ile Doğal Dil İşleme: Görüntüden Anlam ile Metinden Anlam

Kısa cevap: Aynı yapay zeka, farklı veri türü

Bilgisayarlı görü (computer vision), makinelerin görüntü ve videodan anlam çıkarmasını sağlayan yapay zeka alanıdır: bir fotoğraftaki nesneyi tanımak, üretim hattındaki kusurlu parçayı ayırmak, bir videoda kişileri saymak, tıbbi görüntüde bölgeleri işaretlemek gibi.

Doğal dil işleme (NLP) ise makinelerin insan dilini anlamasını ve üretmesini sağlayan alandır: bir müşteri yorumunun olumlu mu olumsuz mu olduğunu bulmak, sözleşmeden tarafları ve tarihleri çekmek, e-postaları konuya göre sınıflandırmak, soru yanıtlayan bir asistan kurmak gibi.

Temel fark veri türüdür. Görüntü, piksellerden oluşan ve komşuluk ilişkisi önemli olan sürekli bir sinyaldir. Metin ise kelime ya da alt kelime birimlerinden oluşan, sırası ve bağlamı anlamı belirleyen kesikli bir dizidir. Yöntemlerin, veri hazırlığının ve değerlendirme ölçütlerinin farklılaşması bu temel farktan doğar.

Ortak zemin: Derin öğrenme ve transformer

İki alan da bugün derin öğrenme yöntemleriyle çalışır ve yöntemleri giderek birbirine yaklaşmıştır: • Transformer mimarisi önce doğal dil işlemede yaygınlaştı, ardından görüntüyü küçük yamalara bölüp dizi gibi işleyen görü modelleriyle bilgisayarlı görüye de taşındı. • Her iki alanda da büyük veriyle önceden eğitilmiş modeller kullanılır; şirketler çoğunlukla sıfırdan model eğitmek yerine bu modelleri kendi verisiyle ince ayar yapar (transfer öğrenme). • Veri etiketleme, sınıf dengesizliği, model değerlendirme ve modeli canlıya alma (MLOps) sorunları ortaktır. • Çok modlu (multimodal) modeller görüntü ve metni aynı anda işleyebilir: bir ürün fotoğrafından açıklama üretmek, taranmış bir faturayı okuyup alanlarını çıkarmak, bir görsel hakkında soru yanıtlamak.

Bu yakınlaşma, iki alan arasındaki sınırın kariyer ve proje düzeyinde de bulanıklaşması anlamına gelir; yine de veri hazırlığı ve alan bilgisi belirgin biçimde farklı kalır.

Ölçüt ölçüt temel farklar

• Girdi verisi: Bilgisayarlı görü / fotoğraf, video, tıbbi ya da uydu görüntüsü, termal ve derinlik verisi. Doğal dil işleme / metin, belge, e-posta, sohbet kaydı, konuşmanın yazıya dökülmüş hali.
• Tipik görevler: Bilgisayarlı görü / görüntü sınıflandırma, nesne algılama, bölütleme (segmentation), nesne takibi, optik karakter tanıma. Doğal dil işleme / metin sınıflandırma, duygu analizi, varlık tanıma, bilgi çıkarımı, özetleme, çeviri, metin üretimi.
• Klasik model ailesi: Bilgisayarlı görü / evrişimli sinir ağları (CNN). Doğal dil işleme / kelime gömmeleri, tekrarlayan ağlar; ardından transformer tabanlı dil modelleri.
• Veri hazırlığı: Bilgisayarlı görü / kutu, çokgen ya da piksel düzeyinde etiketleme; ışık, açı, çözünürlük farkları; veri artırma (döndürme, kırpma, parlaklık). Doğal dil işleme / metin temizleme, parçalama (tokenization), dil ve lehçe farkları, alan terminolojisi.
• Donanım ve ortam: Bilgisayarlı görü / kamera, aydınlatma, çoğu zaman uç cihazda (edge) gerçek zamanlı çalışma. Doğal dil işleme / genellikle sunucu ya da bulut tarafında, belge ve mesaj sistemlerine entegre.
• Değerlendirme: Bilgisayarlı görü / doğruluk, kesinlik ve duyarlılık, nesne algılamada kutuların örtüşme ölçüleri. Doğal dil işleme / sınıflandırmada kesinlik ve duyarlılık; üretim görevlerinde insan değerlendirmesi ve göreve özgü ölçütler.
• Tipik hata kaynağı: Bilgisayarlı görü / sahada değişen ışık, kamera konumu, kirli lens, eğitimde görülmemiş ürün varyantı. Doğal dil işleme / ironi, belirsizlik, alan jargonu, yazım hataları, Türkçenin eklemeli yapısından doğan kelime biçimi çeşitliliği.

Hangi iş problemi hangi alana düşer?

Seçim, çoğu zaman sorunun kendisiyle belirlenir. Bilgi görüntüde ya da fiziksel dünyadaysa bilgisayarlı görü, bilgi yazıda ya da konuşmadaysa doğal dil işleme devrededir.

Bilgisayarlı görüye tipik örnekler: • Üretimde yüzey kusuru, eksik parça ya da yanlış etiket tespiti. • Depoda raf doluluğu ve palet sayımı, perakendede raf düzeni kontrolü. • İş güvenliğinde kask ve yelek kullanımının izlenmesi. • Tarımda ürün sağlığı ve verim tahmini için drone görüntüsü analizi.

Doğal dil işlemeye tipik örnekler: • Müşteri hizmetlerine gelen taleplerin otomatik sınıflandırılması ve doğru ekibe yönlendirilmesi. • Sözleşme ve yönetmeliklerden madde, tarih ve tutar çıkarımı. • Çağrı merkezi kayıtlarından şikâyet konularının ve duygu eğiliminin çıkarılması. • Kurum içi belgeler üzerinde soru yanıtlayan asistanlar.

Bazı problemler ikisini birden ister. Taranmış bir faturada önce görüntüden metin okunur (görü), sonra bu metinden alanlar anlamlandırılır (dil); sigorta hasar dosyasında fotoğraf ile eksper raporu birlikte değerlendirilir.

Proje açısından karar ölçütleri

Bir yapay zeka projesine hangi alandan başlanacağını değerlendirirken şu sorular işe yarar: • Veri nerede ve ne kadar erişilebilir? Metin verisi (e-posta, talep kayıtları) kurumun sistemlerinde zaten birikiyor olabilir; görüntü projesinde ise çoğu zaman önce kamera kurulumu ve veri toplama gerekir. • Etiketleme maliyeti nedir? Piksel düzeyinde bölütleme etiketlemesi zahmetlidir; metin sınıflandırma etiketlemesi görece hızlıdır ama alan uzmanı gerektirebilir. • Gerçek zamanlılık şart mı? Hat üzerinde ürün ayıklayan bir görü sistemi çok düşük gecikmeyle çalışmalıdır; belge analizi genellikle toplu işlenebilir. • Hata maliyeti nedir? Kusurlu parçanın kaçması ile bir e-postanın yanlış ekibe gitmesi farklı risk düzeyleridir; kabul ölçütü buna göre belirlenmelidir. • Hazır model ne kadar yeterli? Genel amaçlı dil modelleri pek çok metin görevinde hızlı başlangıç sağlar; endüstriyel görüntü görevlerinde ise çoğunlukla kuruma özgü veriyle eğitim gerekir.

Öğrenme yolu ve kariyer açısından fark

Ortak temel aynıdır: Python, doğrusal cebir ve olasılık temelleri, makine öğrenmesi kavramları ve bir derin öğrenme çatısı. Ayrışma bundan sonra başlar.

Bilgisayarlı görüde klasik görüntü işleme (filtreleme, kenar bulma, eşikleme), evrişimli ağlar, transfer öğrenme, nesne algılama ve bölütleme, video analizi sırasıyla öğrenilir. Kamera, optik ve aydınlatma bilgisi sahada fark yaratır; üretim, otomotiv, sağlık görüntüleme ve güvenlik bu alanın yoğun olduğu sektörlerdir.

Doğal dil işlemede metin ön işleme, metin temsili ve gömme vektörleri, klasik sınıflandırma, dizi modelleri, transformer ve önceden eğitilmiş modeller, bilgi çıkarımı ve üretken dil modelleri sırasıyla öğrenilir. Türkçe gibi eklemeli dillerde dilbilim bilgisi avantaj sağlar; bankacılık, hukuk, müşteri hizmetleri ve medya bu alanın yoğun olduğu sektörlerdir.

Mindset programlarında iki alan

Bilgisayarlı Görü (Computer Vision) Programı, görüntü verisinin temellerinden klasik görüntü işlemeye, evrişimli sinir ağları, nesne algılama, segmentasyon ve video analizine kadar ilerler ve veri stratejisi ile üretime alma modülüyle biter; üretim, kalite ve güvenlik süreçlerinde görüntü verisiyle çalışan mühendislik ekiplerine uygundur. Teknik derinlik yerine iş değeri ve sektörel uygulamalara odaklanmak isteyen yöneticiler için Bilgisayarlı Görü ile İş Uygulamaları eğitimi vardır.

Doğal Dil İşleme (NLP) Programı metin ön işleme, gömme vektörleri, transformer mimarisi, varlık tanıma ve üretken dil modelleri modülleriyle müşteri hizmetleri, hukuk ve belge yoğun süreçlere çözüm geliştiren veri ekiplerine hitap eder.