Y. İnşaat Mühendisi
Bölüm-1 Sık Kullanılan Algoritmalar
Son 10 yıldır politika, sosyal medya, otomotiv tıp ve bir alanda sıkça duyduğumuz terimlerden bir tanesi Yapay Zeka. Yapay zekanın tarihine ve gelişimine kısaca bakmak gerekirse, temel felsefesinin 17. Yüzyıl öncesine dayanmakta fakat özellikle 17.-20. yüzyıl arasında matematik, mantıksal karar algoritmaları ve olasılık konularındaki gelişmeler bugünün yapay zekasının tohumlarını atmıştır (Press, 2021). Bildiğimiz anlamda ilk otomatikleştirilmiş mantıksal bilgi işleme programı (ilk yapay zeka programı olarak da kabul edilir) 1956 yılında yazılmıştır (Newell & Simon, 1956). 20. yüzyıl sonlarından itibaren ilerleyen bilgisayar ve elektronik teknolojisiyle bu matematiksel birikim, yüksek işlem gücüne sahip makineler ile birleşerek daha karmaşık ve gelişmiş uygulamaları mümkün hale getirmiştir. (Huang, Li, & Fu, 2019)
Mühendislikte Optimizasyon
Mühendisliğin temel uğraşılarından biri herhangi bir tasarım veya eylemi, belirli kısıtlar ve performans gereklilikleri çerçevesinde en efektif şekilde yapmaktır. İnşaat mühendisliği özelinde bu yapıyı tasarımı, trafik yönetimi, minimum kazı, çalışan planlaması, malzeme performansı gibi konular olabilir. Tüm bu alanlarda düşük maliyet ve performans arasında genellikle ters yönlü ilişki vardır. Mühendislik bu ilişkide minimum tanımlanan performans üzerinde kalmak koşuluyla optimum noktayı yakalamaya çalışır. Bu optimum noktayı bulmak için yıllar içinde matematiksel bir çok model geliştirilmiştir. Fakat boyut sayısı yani girdi değişkenlerinin sayısı arttıkça bu yöntemlerin uyarlanması ve uygulanması oldukça karmaşık hale gelmekte ve istenilen sonuçları vermekte zorlanmaktadır. Bu klasik yöntemlerin avantajlı tarafı, bir matematiksel model çerçevesinde ilerlediğinden izlenebilir ve izah edilebilir olmasıdır.
Buna karşılık yapay zeka algoritmaları çok değişkenli sistemlere hızlıca uygulanabilir ve çok iyi sonuçlar alınabilmektedir. Değişkenler ve çıktıları arasındaki ilişkinin matematiksel olarak doğrudan ifadesine de gerek duymamaktadır. Bu özelliği ile sistematik olarak açıklanamayan fakat etkisi sezgisel veya gözlemsel olarak bilinen ilişkileri kullanmak için çok uygundur. İnşaat mühendisliği açısından bakıldığında, bir çok empirik ilişki olan bu alanda, bu ilişkilerin iyileştirilmesi için büyük potansiyele sahiptir. Yapay zeka algoritmalarında optimizasyon sürecinin takibi zor olduğundan nihai optimum için farklı algoritmalar ve türevleri denenmelidir. Optimizasyon süreci doğası gereği rasgelelik içerdiğinden klasik metodlar kadar takip edilebilir ve öngörülebilir değildir.
Üst Sezgisel Metotlar ve Yapay Sinir Ağları
Genetik Algoritmalar
Genetik algoritmalar en yaygın kullanılan üst sezgisel algoritmalardan biridir. Adından da anlaşılacağı gibi doğadaki biyolojik evrim süreçlerini taklit eden algoritmaları içerir. Canlılar genlerini kromozomlar üzerinden aktarır ve yeni gelen nesiller oluşurken bu genlerde çaprazlanma, mutasyon ve seçilim gibi nedenlerle farklılıklar meydana gelir. Yeni gelen nesiller içinden problemli veya avantajsız olanlar elenirken, doğaya uyum sağlayabilen ve farklılıklar sonucu avantaj kazanmış nesiller genlerini sonraki nesillere daha yüksek oranda aktaracaktır. Mevcut koşullar altında daha az enerji harcayan, daha iyi avlanan yani aslında yaşamsal etkinliklerini daha iyi optimize eden nesiller üretilmesi sağlanır. Örneğin, kuşların uçuş formları, balıkların şekilleri, çitaların hızlı koşmaya yönelik fizyolojik özellikleri milyonlarca yıldır çalışan bu algoritmanın sonuçlarıdır. Algoritma değişen iklim ve çevresel etmenlere göre her döneme uygun modifikasyonların gerçekleşmesini sağlamıştır. Bu değişimler çok hızlı olduğunda ise dinozorlarda olduğu gibi başarısız nesiller elenmiş yalnızca timsah gibi başarılı üyeleri devam edebilmiştir.
Mühendislik tarafında da genetik algoritmalar genellikle optimizasyon amacıyla kullanılmaktadır. İnşaat mühendisliği özelinde bu yapısal kesitlerin optimizasyon, yapısal form optimizasyonu, yerleşim optimizasyonu gibi konularda kullanılabilir. Algoritmayı bir çelik kafes köprü üzerinden açıklamaya çalışırsak, bir kafes köprü iki yaka arasına yerleştirilen düğüm noktaları arasına yerleştirilen iki ucu momentten serbest elemanlardan oluşan bir yapıdır. Temel olarak karar verilmesi gereken 3 değişken, düğüm noktası adedi, yerleşimleri(koordinatları) ve düğüm noktaları arasına yerleştirilen elemanların kesitleridir. Bir köprüdeki nihai amaç ise belirli bir açıklığı, verilen yükler ve performans kriterleri altında minimum çelik sarfiyatı ile geçmektir.
4-5 elemandan oluşan çok küçük bir köprü için bu işlem deneme yanılma yoluyla çalışan bir algoritma ile, bilgisayarın hızlı hesaplama avantajından yararlanılarak yapılabilir. Bir başlangıç konfigürasyonu seçilerek analiz yapılır daha sonra analiz sonucunda elemanların kesitleri ayarlanır ve daha sonra farklı düğüm noktası konumları denenerek her biri için bir analiz yapılır. Her döngüde çıkan en iyi sonuç kayıt edilir. Böylece belki birkaç bin deneme yaparak düğüm noktası koordinatları ve eleman kesitleri bulunabilir. Fakat düğüm noktası adedi, ve düğüm noktalarının potansiyel konumları arttıkça tüm olasılıkları denemek günümüzdeki bilgisayarlar için dahi belki yıllarca sürecek işlem gerektirmektedir. Bu genetik algoritma devreye girmektedir. Temel olarak rastgele bir düzenden başlanarak, her döngüde düzendeki belli bölümler değiştirilmekte ve değişen sistem bir önceki sistem ile karıştırılmaktadır(çaprazlama). Sonuçta çıkan yeni nesil eski nesilden daha uygun ise yeni nesil seçilmekte ve çaprazlamalar devam ettirilmektedir. Yapının evriminin sıkıştığı noktaları aşmak adına bazı radikal değişiklikler(mutasyon) yine rastgele olacak şekilde döngünün içine dahil edilmektedir. Böylece önceki nesillerden sürekli olan aktarılan problemlerin aşılması sağlanabilmektedir. Bu bir anlamda sisteme yeni bir başlangıç noktası vermeyi amaçlamaktadır. Mutasyona gerçek hayattan örnek olarak, bir virüsün önceki nesillerindeki bir geninin bozulması/değişmesi ile aşıları işe yaramaz hale getirmesi örnek verilebilir. Veya labirentten çıkmak için uğraşan bir farenin belirli bir noktada sıkışması sonucu farklı bir yere konumlandırılarak farklı yollar bulmasının sağlanması şeklinde örneklenebilir.
Sürü Zekası Algoritmaları
İnşaat mühendisliğinde yaygın olarak kullanılan bir diğer üst sezgisel algoritma sürü zekası algoritmalarıdır. Sürü zekası algoritmaları, yine doğanın gözlenmesi sonucu oluşmuş bir diğer kategoridir, karınca, arı, kuş sürüleri gibi beraber çalışan çok bileşenli gruplar milyonlarca yıl içinde hayatta kalabilmek için bazı yöntemler geliştirmiştir. Örneğin bir karınca topluluğu yiyeceğin tespiti ve yiyecek konumun giden en kısa yolun tüm sürüye aktarılması için bir sistematik kullanır. Sürü algoritmaları canlı popülasyonlarının davranışlarını taklit eder. Aynı genetik algoritmada olduğu gibi bu sistematikler ayrı veya birleştirilerek melez olarak kullanılabilir. Sürü zekası algoritmaları, yüksek adetteki elemanların birbirleri ile etkileşimini hızlı şekilde çözümleyebilmektedir. Sonlu elemanlar ve tasarım gibi özellikle çok elemanlı/değişkenli problemlerde iyi sonuç vermektedir.
Bir diğer popüler yöntem ise Yapay Sinir Ağları yöntemidir. Bu yöntem 1943 yılında insan beynindeki sinirsel bağlar örnek alınarak geliştirilmiş bir yöntemdir. (McCulloch & Pitts, 1943) Temel olarak gözlem sonucu elde edilen girdi ve çıktıların arasındaki ilişkinin tespiti için kullanılan bir yöntemdir. Örneğin herhangi bir yere yağan yağmur ile bölgedeki bir derenin debisinin zamana göre değişimi arasındaki ilişkinin tespiti, havzalardaki farklılıklar, geçmiş yağmur rejimi, tarımsal uygulamalar göz önüne alındığında, zor olabilir. Bu noktada geçmiş ölçümler kullanılarak sistemin buradaki ilişkileri tespit etmesi mümkün olabilir. 3 temel seviyeden oluşan ağ sistemi, girdi, saklı ve çıktı katmanlarından oluşmaktadır. Her sinirsel düğümden bir sonraki katmana olan bağlantıların ilişki ağırlıkları matematiksel olarak değiştirilerek çıktı katmanı elde edilmeye çalışılır (Figure 1).
Yukarıda bahsedilen tüm yöntemlerin ortak özelliği yüksek miktarda veri gerekliliğidir. Aslında buda bu sistemlerin çok önceleri temelleri atılmasına rağmen neden son yıllarda yaygınlaştığını açıklamaktadır. Günümüzde sensör teknolojileri ilerlemekte ve fiyatları düşmektedir, böylece artık mühendislik yapılarında izleme sistemleri yaygın olarak yerleştirilebilmektedir. Bir sonraki yazımızda bu konunun veri tarafı ve uygulama örneklerine değineceğim.
Huang, Y., Li, J., & Fu, J. (2019). Review on Application of Artificial Intelligence in Civil Engineering. Computer Modeling in Engineering & Sciences, 121.
McCulloch, W., & Pitts, W. (1943). A logical calculus of the ideas immanent in nervous activity. Bulletin of Mathematical Biophysics, 99-115.
Newell, A., & Simon, H. A. (1956, Haziran 15). The Logic Theory Machine: A Complex Information Processing System. http://shelf1.library.cmu.edu/IMLS/MindModels/logictheorymachine.pdf adresinden alınmıştır
Press, G. (2021, Mart). A Very Short History Of Artificial Intelligence (AI). Forbes: https://www.forbes.com/sites/gilpress/2016/12/30/a-very-short-history-of-artificial-intelligence-ai/?sh=78830e776fba adresinden alınmıştır.
Ana Görsel: Background vector created by rawpixel.com – www.freepik.com