Günümüzde makine öğrenimi (ML), yapay zekanın (AI) ticari olarak en geçerli alt disiplinidir. Makine öğrenimi sistemleri, istihdam, teminat, şartlı tahliye, borç verme, güvenlik ve dünyanın dört bir yanındaki ekonomiler ve hükümetlerdeki diğer birçok yüksek etkili uygulamada yüksek riskli kararlar vermek için kullanılmaktadır. Kurumsal bir ortamda, makine öğrenimi sistemleri, tüketiciye yönelik ürünlerden çalışan değerlendirmelerine, back-office otomasyonuna ve daha birçok alana kadar bir kuruluşun tüm bölümlerinde kullanılmaktadır. Nitekim geçtiğimiz on yıl, makine öğrenimi teknolojilerinin daha da geniş çapta benimsenmesini beraberinde getirdi.

Diğer tüm teknolojiler gibi makine öğrenimi de kasıtsız yanlış kullanım veya kasıtlı suistimal nedeniyle başarısız olabilir. 2023 yılı itibariyle, algoritmik ayrımcılık, veri gizliliği ihlalleri, eğitime ilişkin veri güvenliği ihlalleri ve diğer zararlı olaylara ilişkin binlerce kamu raporu bulunmaktadır. Kurumlar ve kamuoyu bu heyecan verici teknolojinin gerçek faydalarından yararlanmadan önce bu tür risklerin azaltılması gerekmektedir. Makine öğrenimi risklerinin ele alınması, bu alandaki uzmanların harekete geçmesini gerektirmektedir. Bu kitabın bağlı kalmayı amaçladığı yeni standartlar şekillenmeye başlamış olsa da, makine öğrenimi uygulaması hala genel kabul görmüş profesyonel lisanslama veya en iyi uygulamalardan yoksundur. Bu da, teknolojilerinin dünyaya yayıldığında iyi ve kötü sonuçlarından kendilerini sorumlu tutmanın büyük ölçüde bireysel uygulayıcılara bağlı olduğu anlamına gelmektedir.

Peki bu dokumanı okuduğunuzda neler öğreneceksiniz?

• Yüksek riskli uygulamalarda makine öğrenimi ile ilişkili riskleri nasıl belirleyebilir ve azaltabilirsiniz?
• Makine öğrenmesi sistemlerinde sağlam risk yönetimi için hangi çerçeveler ve süreçler gereklidir?
• Adil ve etik sonuçlar elde etmek için makine öğrenimi modellerindeki önyargıları nasıl tespit eder ve düzeltirsiniz?
• Makine öğrenimi sistemlerini saldırılardan korumak için hangi siber güvenlik önlemleri çok önemlidir?
• Hataları en aza indirmek ve sorumlu kullanımı sağlamak için makine öğrenimi geliştirme ve dağıtımını nasıl optimize edebilirsiniz?