Ashraya AI: Afet Müdahalesi İçin Sesli Asistan Geliştirme Serüvenim

Ashraya AI: Afet Müdahalesi İçin Sesli Asistan Geliştirme Serüvenim

Afet anlarında hızlı ve doğru bilgiye erişim, hayat kurtarıcı olabilir. Ancak iletişim ağlarının çökmesi veya insan gücünün yetersiz kalması gibi durumlarda bu hayati bilgi akışı sekteye uğrar. Peki, ya sesli bir yapay zeka asistanı, bu kritik anlarda köprü görevi görerek ihtiyaç sahipleriyle yardım ekipleri arasında kesintisiz bir iletişim sağlayabilseydi? İşte bu soruyla yola çıkarak, 10 gün gibi kısa bir sürede Ashraya AI adını verdiğim, afet müdahalesi için tasarlanmış bir sesli asistan prototipi geliştirme serüvenine çıktım.

Afet Anlarında Sesin Gücü Neden Hayati Önem Taşıyor?

Afetler, insanlık tarihinin en yıkıcı deneyimlerinden bazılarıdır. Depremler, seller, orman yangınları veya salgın hastalıklar gibi felaketler, aniden ortaya çıkarak büyük çaplı can ve mal kaybına neden olabilir. Bu tür kriz anlarında en büyük zorluklardan biri, doğru ve güncel bilgiye erişimin kısıtlı olmasıdır. İletişim hatları kesilebilir, elektrikler kesilebilir, hatta en temel altyapılar bile kullanılamaz hale gelebilir. İnsanlar, sevdiklerinin durumu hakkında bilgi almak, yardım talep etmek veya güvenli bölgelere yönlendirilmek için çaresizce bir kaynak arayışına girerken, yardım ekipleri de en kritik noktalara ulaşmakta ve bilgi toplamakta zorlanabilir. Bu kaos ortamında, herkesin kolayca erişebileceği, hızlı yanıt veren ve doğru bilgi sağlayabilen bir sistemin varlığı, paha biçilmez bir değer taşır.

İşte tam da bu noktada, sesli yapay zeka asistanlarının potansiyeli devreye giriyor. Geleneksel yazılı iletişim araçları, okuma-yazma bilmeyenler, yaşlılar, engelliler veya kriz anının getirdiği stresle başa çıkmakta zorlanan kişiler için ek bir bariyer oluşturabilir. Oysa sesli iletişim, doğal ve içgüdüsel bir yöntemdir. Bir telefon görüşmesi veya basit bir sesli komutla bilgi alabilme veya yardım çağrısında bulunabilme yeteneği, herkes için erişilebilirliği artırır. Özellikle elleri dolu olan, karanlıkta kalan veya cihazlarını kullanmakta güçlük çeken afetzedeler için sesli arayüzler, tek gerçekçi iletişim yolu haline gelebilir. Ashraya AI projesi, bu boşluğu doldurmayı ve afet müdahale süreçlerini daha kapsayıcı ve verimli hale getirmeyi hedeflemektedir. Bu asistan, sadece bilgi sağlamakla kalmayıp, aynı zamanda afetzedelerin ruh hallerini anlamaya çalışarak empati kurabilen ve onlara psikolojik destek sunabilecek bir potansiyele de sahiptir. Kriz anında sakin bir sesin rehberlik etmesi, panik seviyesini düşürerek daha rasyonel kararlar alınmasına yardımcı olabilir.

Ayrıca, sesli asistanlar, birden fazla dilde hizmet verebilme kapasitesine sahip oldukları için, farklı coğrafyalardan gelen veya uluslararası yardım ekipleriyle iletişim kurmak zorunda kalan kişiler için de büyük avantajlar sunar. Bu, kültürel ve dil bariyerlerini ortadan kaldırarak küresel iş birliğini kolaylaştırır. Kısacası, Ashraya AI gibi sesli asistanlar, afet anlarında bilgiye erişimi demokratikleştirerek, en savunmasız durumdaki bireylerin bile sesini duyurmasını ve gerekli yardımı almasını sağlayabilecek güçlü bir araçtır. Bu proje, sadece teknolojik bir yenilik değil, aynı zamanda insani bir misyonun da parçasıdır.

Ashraya AI Nedir ve Temel Bileşenleri Nelerdir?

Ashraya AI, Sanskritçe’de “sığınak” veya “koruma” anlamına gelen bir kelimeden ilham alarak adlandırılmış, afet durumlarında acil bilgi ve destek sağlamak üzere tasarlanmış bir sesli yapay zeka (YZ) asistanıdır. Temel amacı, afetzedelerin ve yardım ekiplerinin, iletişim ağlarının kısıtlı olduğu veya manuel müdahalenin yetersiz kaldığı durumlarda bile hızlı ve etkin bir şekilde bilgi alışverişi yapabilmesini sağlamaktır. Bu asistan, karmaşık doğal dil işleme (NLP) yetenekleri sayesinde insan konuşmasını anlayabilir, ilgili bilgileri işleyebilir ve anlaşılır bir şekilde yanıt verebilir. 10 günlük geliştirme sürecimde, bu vizyonu gerçeğe dönüştürmek için birkaç temel YZ bileşenini bir araya getirdim.

Ashraya AI’nın temelini oluşturan teknolojiler şunlardır:

• Otomatik Konuşma Tanıma (ASR – Automatic Speech Recognition): Bu bileşen, insan sesini yazılı metne dönüştürmekten sorumludur. Afetzedelerin veya yardım ekiplerinin sesli komutlarını, sorularını veya yardım taleplerini algılayarak, YZ sisteminin anlayabileceği bir formata çevirir. Gürültülü veya stresli ortamlarda bile yüksek doğrulukla çalışabilen ASR modelleri, projenin başarısı için kritik öneme sahiptir. Özellikle afet bölgelerindeki arka plan gürültüsü, aksan farklılıkları ve konuşma hızındaki değişimler gibi zorluklar, ASR modelinin sağlamlığını test eden unsurlardır.
• Doğal Dil İşleme (NLP – Natural Language Processing) ve Doğal Dil Anlama (NLU – Natural Language Understanding): ASR tarafından metne dönüştürülen sesli girdiler, NLP ve NLU modülleri tarafından analiz edilir. NLU, metnin arkasındaki niyeti (intent) ve önemli varlıkları (entity) çıkarmakla görevlidir. Örneğin, “Suya ihtiyacım var, konumum A mahallesi” gibi bir ifadeyi “yardım_talebi” niyeti ve “su” (ihtiyaç), “A mahallesi” (konum) varlıkları olarak tanımlar. NLP ise bu bilgileri kullanarak uygun yanıtı oluşturur veya ilgili eylemi tetikler. Bu aşama, asistanın sadece kelimeleri değil, aynı zamanda cümlenin anlamını ve bağlamını kavramasını sağlar.
• Diyalog Yönetimi (Dialogue Management): Bu bileşen, kullanıcının talepleri doğrultusunda sohbetin akışını yönetir. NLU’dan gelen niyete göre hangi eylemin yapılacağına karar verir, ek bilgiye ihtiyaç duyulursa kullanıcıya sorular sorar ve sohbeti mantıklı bir şekilde ilerletir. Afet senaryolarında, bu modülün kriz anındaki karmaşık diyalogları yönetebilmesi, kullanıcıyı doğru bilgiye veya yardıma yönlendirebilmesi hayati önem taşır. Örneğin, bir yardım talebi aldığında, konum, kişi sayısı, ihtiyaç türü gibi ek bilgileri adım adım toplayabilir.
• Metinden Konuşmaya (TTS – Text-to-Speech): YZ sistemi tarafından oluşturulan yazılı yanıtlar, TTS bileşeni aracılığıyla doğal ve anlaşılır bir ses tonuyla kullanıcıya iletilir. Bu, asistanın insanlarla doğal bir şekilde etkileşim kurmasını sağlar. Özellikle sakinleştirici ve güven veren bir ses tonu seçimi, afetzedeler üzerindeki psikolojik etkiyi olumlu yönde etkileyebilir. Birden fazla dil ve aksan desteği, TTS modülünün kapsayıcılığını artırır.

Bu temel bileşenler, Ashraya AI’nın afet anlarında etkili bir iletişim aracı olarak işlev görmesini sağlar. Geliştirme sürecimde, bu teknolojileri bir araya getirerek, hem hızlı yanıt veren hem de kullanıcı dostu bir deneyim sunan bir prototip oluşturmaya odaklandım. Her bir bileşenin performansı, Ashraya AI’nın gerçek dünya senaryolarında ne kadar başarılı olacağını doğrudan etkilemektedir. Bu nedenle, modellerin sürekli olarak eğitilmesi ve optimize edilmesi, projenin uzun vadeli başarısı için kritik bir adımdır.

Afet Verilerini Nasıl Toplar ve İşleriz?

Ashraya AI gibi bir sistemin etkin çalışabilmesi için doğru, güncel ve kapsamlı afet verilerine erişim hayati önem taşır. Veri, yapay zekanın “yakıtı” gibidir; ne kadar kaliteli ve çeşitli olursa, asistanın karar verme ve yanıt oluşturma yeteneği de o kadar güçlü olur. Afet verileri, sadece mevcut durumu değil, aynı zamanda geçmiş afet deneyimlerinden öğrenilen dersleri de içererek asistanın tahmin ve önleme kapasitesini artırabilir. Bu süreçte, verileri etik kurallar çerçevesinde ve hassasiyetle toplamak, işlemek ve yapılandırmak büyük bir sorumluluk gerektirir.

Afet verilerini toplarken başlıca kaynaklar şunlardır:

• Resmi Afet Uyarı ve Raporlama Sistemleri: Devlet kurumları (AFAD, Kızılay gibi), meteoroloji servisleri ve uluslararası afet kuruluşları tarafından yayınlanan resmi uyarılar, durum raporları ve acil durum planları en güvenilir bilgi kaynaklarıdır. Bu veriler genellikle API’ler (Uygulama Programlama Arayüzleri) aracılığıyla veya doğrudan veri tabanı entegrasyonlarıyla alınabilir. Örneğin, deprem anında Kandilli Rasathanesi’nden gelen veriler veya hava durumu tahminleri, asistanın kullanıcıya anlık ve doğrulanmış bilgi sağlaması için temel teşkil eder.
• Sosyal Medya ve Haber Kaynakları: Kriz anlarında sosyal medya platformları (Twitter, Facebook vb.) ve haber siteleri, anlık bilgi akışının en yoğun olduğu yerlerdir. Ancak bu kaynaklardan gelen verilerin doğruluğu ve güvenilirliği konusunda çok dikkatli olunmalıdır. Yanlış bilgi (dezenformasyon) veya panik yayan içerikler, durumu daha da kötüleştirebilir. Bu nedenle, sosyal medya verileri işlenirken doğal dil işleme ve makine öğrenimi algoritmaları kullanılarak bilginin doğruluğu teyit edilmeli, güvenilir kaynaklar önceliklendirilmelidir. Duygu analizi (sentiment analysis) ile afetzedelerin genel ruh hali de anlaşılabilir.
• Sensör Verileri ve IoT Cihazları: Deprem sensörleri, su seviyesi ölçerler, hava kalitesi sensörleri gibi nesnelerin interneti (IoT) cihazlarından gelen veriler, afetlerin gerçek zamanlı olarak izlenmesine ve potansiyel tehlikelerin önceden belirlenmesine yardımcı olabilir. Bu veriler, Ashraya AI’nın proaktif uyarılar göndermesini veya risk analizleri yapmasını sağlayabilir.
• Kullanıcı Raporları ve Geri Bildirimler: Ashraya AI’nın kendisi de bir veri toplama aracı olarak işlev görebilir. Afetzedelerin doğrudan sisteme ilettiği yardım talepleri, konum bilgileri, ihtiyaçları veya gözlemleri, sahadaki durum hakkında kritik bilgiler sağlar. Bu veriler, yardım ekiplerinin kaynakları en verimli şekilde dağıtmasına yardımcı olur. Ancak, kullanıcıdan alınan kişisel bilgilerin gizliliği ve güvenliği en üst düzeyde korunmalıdır.

Veri İşleme ve Yapılandırma Nasıl Yapılır?

Toplanan ham veriler, doğrudan kullanılamaz. Ashraya AI’nın anlayabileceği ve işleyebileceği bir formata dönüştürülmeleri gerekir. Bu süreç genellikle aşağıdaki adımları içerir:

1. Veri Temizleme: Toplanan verilerdeki gürültü, tutarsızlıklar, eksik bilgiler veya hatalar ayıklanır. Özellikle sosyal medya verileri, kısaltmalar, yazım hataları ve argo ifadeler içerebilir. Bu tür veriler, NLP modelleri için ön işleme tabi tutulur.
2. Veri Normalleştirme: Farklı kaynaklardan gelen veriler, ortak bir format ve yapıya dönüştürülür. Örneğin, konum bilgileri farklı şekillerde (adres, koordinat, mahalle adı) gelebilir; bunların standart bir coğrafi formata çevrilmesi gerekir.
3. Metin Ön İşleme (NLP için): Metin tabanlı veriler (haberler, sosyal medya gönderileri, kullanıcı talepleri) için tokenizasyon (kelimelere ayırma), durdurma kelimelerinin çıkarılması, kök bulma (stemming) veya lemmatizasyon (kelimelerin temel formuna indirgenmesi) gibi NLP teknikleri uygulanır. Bu, YZ modelinin metinleri daha verimli bir şekilde analiz etmesini sağlar.
4. Veri Zenginleştirme: Mevcut verilere ek bilgiler eklenerek değerleri artırılır. Örneğin, bir yardım talebine coğrafi bölgeye ait demografik veriler veya risk analizleri eklenebilir.
5. Veri Depolama: İşlenmiş veriler, hızlı erişim ve analiz için uygun veri tabanlarında (NoSQL veya ilişkisel veri tabanları) depolanır. Gerçek zamanlı verilere ihtiyaç duyulduğunda, düşük gecikmeli (low-latency) çözümler tercih edilir.

Bu adımlar, Ashraya AI’nın afet anlarında güvenilir, hızlı ve akıllı yanıtlar üretebilmesi için sağlam bir temel oluşturur. Veri toplama ve işleme süreçleri, sürekli gözden geçirilmeli ve iyileştirilmelidir çünkü afet dinamikleri ve bilgi ihtiyaçları sürekli değişebilir.

Sesli Arayüz Tasarımı: Kullanıcı Deneyimi ve Erişilebilirlik

Ashraya AI gibi bir sesli asistanın başarısı, sadece teknik yetenekleriyle değil, aynı zamanda kullanıcı deneyimi (UX) ve erişilebilirliği ile de ölçülür. Afet anlarında insanlar stres altında, panik içinde veya fiziksel olarak zor durumda olabilirler. Bu yüzden sesli arayüzün (VUI – Voice User Interface) tasarımı, kolay, anlaşılır ve güven verici olmalıdır. Kullanıcı dostu bir VUI, afetzedelerin doğru bilgiye hızla ulaşmasını sağlarken, aynı zamanda onların kaygılarını azaltmaya da yardımcı olabilir.

Konuşma Akışları ve Senaryo Tasarımı

Bir sesli asistan tasarlarken, kullanıcıların hangi senaryolarda ve hangi amaçlarla etkileşim kuracağını önceden düşünmek kritik öneme sahiptir. Ashraya AI için aşağıdaki gibi temel senaryolar üzerinde durdum:

• Yardım Talebi: “Yardım istiyorum”, “Suya ihtiyacım var”, “Enkaz altındayım” gibi ifadeleri tanıma ve ilgili birimlere iletme.
• Bilgi Alma: “Güvenli toplanma alanı neresi?”, “Deprem mi oldu?”, “Yol durumu nasıl?” gibi sorulara yanıt verme.
• Sevdiklerinin Durumu Hakkında Bilgi: “Ali’den haber alabiliyor musunuz?”, “Ayşe’nin durumu nasıl?” gibi soruları yönlendirme.
• Psikolojik Destek: “Çok korkuyorum”, “Ne yapacağımı bilmiyorum” gibi ifadeleri tanıyarak sakinleştirici ve yönlendirici mesajlar verme.

Her senaryo için ayrıntılı konuşma akışları (dialogue flows) tasarladım. Bu akışlar, kullanıcının muhtemel yanıtlarını, asistanın vereceği cevapları ve gerekli durumlarda ek bilgi toplama adımlarını içerir. Örneğin, bir yardım talebi alındığında, asistanın sırasıyla konum, ihtiyaç türü, kişi sayısı gibi bilgileri teyit etmesi için bir dizi soru sorması gerekir. Bu akışlar, kullanıcının kafasını karıştırmadan, net ve kısa ifadelerle ilerlemelidir.

Basitlik, Netlik ve Kısalık

Afet anında kimse uzun ve karmaşık cümlelerle uğraşmak istemez. Ashraya AI’nın yanıtları:

• Net olmalı: Belirsizlik yaratmamalı, doğrudan konuya girmeli.
• Kısa olmalı: Gereksiz bilgi içermemeli, ana mesajı hızlıca iletmeli.
• Basit bir dil kullanmalı: Teknik jargondan kaçınmalı, herkesin anlayabileceği günlük bir dil tercih etmeli.

Örneğin, “Depremin merkez üssü X ili, Y ilçesi olarak belirlenmiştir. Büyüklüğü Z olarak ölçülmüştür. Artçı sarsıntılar devam edebilir, lütfen güvenli bir alanda kalın.” gibi doğrudan ve bilgilendirici bir yanıt, uzun bir bilimsel açıklamayla karşılaştırılamaz.

Çok Dilli Destek ve Erişilebilirlik

Türkiye gibi farklı dillerin konuşulduğu veya uluslararası yardımların geldiği bir coğrafyada, çok dilli destek kritik öneme sahiptir. Ashraya AI’nın başlangıçta Türkçe odaklı geliştirilmesine rağmen, gelecekte Arapça, İngilizce, Kürtçe gibi dillerde de hizmet verebilmesi için altyapısının esnek olması hedeflenmiştir. Bu, daha geniş bir kitleye ulaşmayı ve dil bariyerlerini ortadan kaldırmayı sağlar.

Erişilebilirlik, VUI tasarımının temel taşıdır. Ashraya AI, sadece sesli etkileşime dayalı olduğu için, görme engelli, okuma güçlüğü çeken veya motor becerileri kısıtlı bireyler için doğal bir erişim kanalı sunar. Ancak bunun ötesinde, işitme engelliler için metin tabanlı alternatifler (SMS entegrasyonu gibi) veya düşük bant genişliğine sahip bölgelerde bile çalışabilecek optimize edilmiş ses modelleri düşünülmelidir. Asistanın ses tonu da önemlidir; sakin, güven veren ve anlaşılır bir ses tonu seçimi, kullanıcıların panik seviyesini düşürmeye yardımcı olabilir.

Hata Yönetimi ve Geri Bildirim Mekanizmaları

Kullanıcının söylediğini yanlış anlama veya yanıtlayamayacağı bir soruyla karşılaşma durumunda, Ashraya AI’nın kibar ve yapıcı bir şekilde geri bildirim vermesi gerekir. Örneğin, “Üzgünüm, dediğinizi tam anlayamadım. Lütfen daha net ifade edebilir misiniz?” veya “Bu konuda henüz bilgiye sahip değilim, ancak ilgili birimlere iletebilirim. Yardımcı olabileceğim başka bir konu var mı?” gibi ifadeler kullanılabilir. Bu, kullanıcıyı hayal kırıklığına uğratmaktan çok, sistemi daha iyi kullanması için yönlendirir. Ayrıca, asistanın belirli bir konuyu anladığını teyit etmesi (örn. “Konumunuzu anladım: X mahallesi.”) kullanıcıya güven verir ve yanlış anlaşılmaları önler.

Tüm bu tasarım prensipleri, Ashraya AI’nın sadece teknik olarak gelişmiş değil, aynı zamanda insani ihtiyaçlara duyarlı ve herkes için erişilebilir bir araç olmasını sağlamak amacıyla geliştirme sürecimde önceliklendirilmiştir.

Ashraya AI’nın Kalbi: Yapay Zeka Modellerini Eğitmek

Ashraya AI’nın insanlarla doğal bir şekilde etkileşim kurabilmesinin ve onların ihtiyaçlarını anlayabilmesinin temelinde, güçlü yapay zeka modellerinin eğitimi yatar. Bu modeller, asistanın “beyni” gibidir; duyduklarını anlamlandırır, niyetleri çözer ve uygun yanıtları üretir. 10 günlük geliştirme sürecimde, bu modelleri mümkün olduğunca hızlı ve etkin bir şekilde eğitmek için belirli stratejiler izledim.

Niyet Tanıma (Intent Recognition) ve Varlık Çıkarma (Entity Extraction)

Doğal Dil Anlama (NLU) sürecinin iki temel bileşeni, niyet tanıma ve varlık çıkarmadır. Ashraya AI, kullanıcının cümlesinin arkasındaki ana amacı (niyet) ve bu amaca ilişkin kritik bilgileri (varlıklar) belirlemek zorundadır. Örneğin:

• Kullanıcı: “Yardım istiyorum, konumum Fıstıkköy.”
  • Niyet: yardim_talebi
  • Varlıklar: konum: Fıstıkköy
• Kullanıcı: “En yakın güvenli toplanma alanı nerede?”
  • Niyet: toplanma_alani_sorgusu
  • Varlıklar: Yok (veya tip: güvenli)

Bu niyetleri ve varlıkları doğru bir şekilde tanımak için, YZ modellerinin büyük miktarda etiketlenmiş veriyle eğitilmesi gerekir. Bu etiketlenmiş veriler, gerçek dünya diyaloglarını simüle eden örnek cümlelerden oluşur. 10 günlük süreçte, afet senaryolarına özel, yüzlerce farklı cümle örneği oluşturdum ve her birini ilgili niyet ve varlıklarla etiketledim.

Eğitim Verisi Oluşturma Stratejileri

Sınırlı zamanda etkili bir model eğitmek için aşağıdaki veri oluşturma tekniklerini kullandım:

• Çeşitlilik: Aynı niyet için farklı ifade biçimleri, eş anlamlı kelimeler, argo veya kısaltmalar içeren cümleler ekledim. Örneğin, “Yardım edin”, “Bana yardım lazım”, “Yardımcı olur musunuz?” hepsi yardim_talebi niyetiyle etiketlendi.
• Bağlam Zenginliği: Varlıkların farklı yerlerde geçtiği cümleler oluşturdum (örneğin, konum bilgisi cümlenin başında, ortasında veya sonunda).
• Negatif Örnekler: Modelin belirli bir niyeti yanlışlıkla tetiklemesini önlemek için, ilgili olmayan ancak benzer kelimeler içeren cümleleri de ekledim ve bunları “bilgi_yok” veya “selamlama” gibi farklı niyetlerle etiketledim.

Örnek bir niyet tanıma eğitim verisi parçası şöyle görünebilir:

# intent:afet_yardim_talebi
- Yardım istiyorum
- Nereden yardım alabilirim?
- Gıda ve su ihtiyacım var
- Acil barınma talebim var
- Tıbbi destek gerekiyor
- Enkaz altında kaldım
- Yangın var, acil destek
- Çocuğum kayıp, yardım edin
- Yaralıyım, sağlık ekibi lazım
- Ekipler nerede?

# intent:toplanma_alani_sorgusu
- Güvenli toplanma alanı neresi?
- En yakın toplanma noktası?
- Nereye gitmeliyim?
- Toplanma alanları hakkında bilgi
- Acil durum toplanma yerleri

# intent:konum_paylasma
- Konumum [Fıstıkköy](konum)
- [Aydın](il) [Efeler](ilce) bölgesindeyim
- Şu an [İstanbul](il) [Kadıköy](ilce)
- [37.88N, 27.84E](koordinat) konumundayım
  

Yukarıdaki örnekte, [Fıstıkköy](konum) ifadesi, “Fıstıkköy” kelimesinin bir “konum” varlığı olduğunu belirtir. Bu tür etiketlemeler, modelin belirli bilgi parçalarını cümlelerden otomatik olarak çıkarmasını öğrenmesini sağlar.

Yapay Zeka Çerçevesi (Framework) Seçimi

Bu modelleri eğitmek için Google Dialogflow, Rasa veya Microsoft Bot Framework gibi popüler yapay zeka çerçeveleri kullanılabilir. Benim projemde, hızlı prototipleme ve esneklik sağlaması nedeniyle açık kaynaklı bir yaklaşımı tercih ettim. Bu tür çerçeveler, NLU, diyalog yönetimi ve entegrasyon için hazır modüller sunarak geliştirme sürecini önemli ölçüde hızlandırır. Örneğin, Rasa NLU, özel eğitim verileriyle niyet ve varlık tanıma modellerini eğitmek için güçlü araçlar sağlar. Model eğitimi genellikle Python tabanlı kütüphaneler (TensorFlow, PyTorch) kullanılarak gerçekleştirilir.

Model Eğitimi ve Optimizasyon

Eğitim verileri hazırlandıktan sonra, seçilen yapay zeka çerçevesi kullanılarak modeller eğitilir. Bu süreç, modelin binlerce kez veriler üzerinde tekrar tekrar öğrenmesi ve tahminlerini iyileştirmesi anlamına gelir. Eğitimin ardından, modelin performansı test verileriyle değerlendirilir. Doğruluk (accuracy), kesinlik (precision), geri çağırma (recall) ve F1 skoru gibi metrikler kullanılarak modelin ne kadar iyi çalıştığı analiz edilir. Eğer performans yeterli değilse, daha fazla veri eklenir, mevcut veriler iyileştirilir veya modelin parametreleri ayarlanarak (hiperparametre optimizasyonu) yeniden eğitilir.

Afet senaryolarında, modelin hızlı ve doğru yanıt vermesi kritik olduğu için, eğitim süreci sürekli bir döngü halinde devam etmelidir. Yeni afet türleri, değişen dil kalıpları veya kullanıcı geri bildirimleri, modellerin güncellenmesini ve yeniden eğitilmesini gerektirebilir. Ashraya AI’nın kalbi, bu sürekli öğrenme ve adaptasyon yeteneğinde yatmaktadır.

Entegrasyon ve Dağıtım: Ashraya AI’yı Sahaya Nasıl Taşırız?

Ashraya AI gibi bir sesli asistanı geliştirmek kadar, onu gerçek dünya afet senaryolarında kullanılabilir hale getirmek de büyük önem taşır. Bu, asistanın çeşitli iletişim kanallarına entegre edilmesi, güvenilir bir altyapı üzerinde dağıtılması ve sürekli olarak izlenmesi anlamına gelir. 10 günlük prototipleme sürecimde, bu adımların temelini atmaya odaklandım.

İletişim Kanallarıyla Entegrasyon

Ashraya AI’nın afetzedelere ve yardım ekiplerine ulaşabilmesi için farklı iletişim kanallarıyla entegre olması gerekir:

• Telefon Hatları (PSTN Entegrasyonu): Afet anında en temel iletişim aracı genellikle telefonlardır. Ashraya AI’nın özel bir acil durum numarası üzerinden aranabilir olması, en geniş kitleye ulaşmasını sağlar. Bu entegrasyon, genellikle VoIP (Voice over IP) hizmet sağlayıcıları veya telekomünikasyon API’leri (örneğin, Twilio, Vonage) aracılığıyla gerçekleştirilir. Gelen sesli çağrılar ASR ile metne dönüştürülür, YZ tarafından işlenir ve yanıt TTS ile sesli olarak geri gönderilir.
• Mobil Uygulamalar: Mevcut afet yardım uygulamalarına veya yeni geliştirilecek mobil uygulamalara Ashraya AI’nın sesli arayüzü entegre edilebilir. Bu, kullanıcıların internet bağlantısı üzerinden daha zengin bir deneyimle asistanla etkileşim kurmasını sağlar. Mobil uygulamalar, aynı zamanda konum bilgisi, fotoğraf veya video gibi ek verilerin toplanmasına da olanak tanır.
• SMS Entegrasyonu: İnternet veya telefon hatlarının tamamen kesildiği durumlarda, SMS (Kısa Mesaj Servisi) en son çare olabilir. Ashraya AI, SMS tabanlı soruları yanıtlayabilir veya yardım taleplerini alabilir. Bu, özellikle düşük bant genişliğine sahip veya eski tip telefon kullanan afetzedeler için hayati bir yedekleme (fallback) mekanizmasıdır.
• Web Widget’ları: Afet yardım kuruluşlarının web sitelerine entegre edilecek bir sesli sohbet penceresi (widget), kullanıcılara web üzerinden de Ashraya AI’ya erişim imkanı sunar.

Bulut Dağıtımı ve Ölçeklenebilirlik

Afet anlarında kullanıcı trafiği aniden ve dramatik bir şekilde artabilir. Bu nedenle, Ashraya AI’nın dağıtıldığı altyapının yüksek ölçeklenebilirlik (scalability) ve güvenilirlik (reliability) sunması zorunludur. Bulut platformları (AWS, Azure, Google Cloud Platform) bu gereksinimleri karşılamak için ideal çözümler sunar:

• Esneklik: İhtiyaç duyulduğunda otomatik olarak kaynakları artırıp azaltabilir (auto-scaling).
• Yüksek Erişilebilirlik: Farklı coğrafi bölgelerdeki veri merkezlerinde yedekli (redundant) dağıtım sayesinde, bir bölgedeki kesinti durumunda bile hizmetin devamlılığı sağlanır.
• Küresel Erişim: Dünyanın farklı yerlerindeki kullanıcılara düşük gecikmeyle hizmet sunulabilir.

Ashraya AI’nın temel YZ modelleri (NLU, ASR, TTS) mikroservisler (microservices) olarak tasarlanarak ayrı ayrı dağıtılabilir. Bu, her bir bileşenin bağımsız olarak ölçeklenmesine ve güncellenmesine olanak tanır, böylece sistemin genel esnekliği artar.

Güvenlik ve Gizlilik Endişeleri

Afetzedelerin kişisel verileri (konum, sağlık durumu, aile bilgileri) son derece hassastır. Bu nedenle, Ashraya AI’nın tasarımında ve dağıtımında güvenlik (security) ve gizlilik (privacy) en üst düzeyde önceliklendirilmelidir:

• Veri Şifreleme: Tüm iletişim kanalları (sesli, metin tabanlı) şifrelenmeli (SSL/TLS), veriler depolanırken de şifreleme kullanılmalıdır.
• Erişim Kontrolü: Hassas verilere sadece yetkili personelin ve sistemlerin erişimi sağlanmalıdır. Rol tabanlı erişim kontrolü (RBAC) uygulanmalıdır.
• Anonimleştirme: Mümkün olduğunca kişisel veriler anonimleştirilmeli veya takma ad kullanılmalıdır.
• Yasal Uyumluluk: GDPR, KVKK gibi veri koruma düzenlemelerine tam uyum sağlanmalıdır.

İzleme ve Sürekli İyileştirme

Ashraya AI dağıtıldıktan sonra, performansı sürekli olarak izlenmelidir. Sistem günlükleri (logs), hata raporları ve kullanıcı geri bildirimleri analiz edilerek olası sorunlar tespit edilmeli ve iyileştirmeler yapılmalıdır. YZ modelleri, yeni veriler ve değişen ihtiyaçlar doğrultusunda periyodik olarak yeniden eğitilmelidir. Bu sürekli iyileştirme döngüsü, Ashraya AI’nın afet müdahale yeteneklerini zamanla daha da güçlendirecektir.

Entegrasyon ve dağıtım aşamaları, Ashraya AI’nın sadece bir prototip olmaktan çıkıp, gerçek bir hayat kurtarıcı araca dönüşmesi için atılması gereken kritik adımlardır. Bu adımlar, teknolojik bilginin yanı sıra operasyonel planlama ve etik sorumluluk da gerektirir.

Ashraya AI’nın Geleceği ve Karşılaşılan Zorluklar

Ashraya AI projesi, 10 günlük yoğun bir geliştirme serüveninin ürünü olarak, afet müdahalesinde sesli yapay zekanın potansiyelini gözler önüne serdi. Ancak her teknolojik girişim gibi, Ashraya AI’nın da geleceğe yönelik geliştirme alanları ve üstesinden gelinmesi gereken önemli zorlukları bulunmaktadır. Bu projenin nihai hedefi, sadece bir prototip olarak kalmak değil, gerçek dünya afet senaryolarında etkin bir şekilde kullanılabilecek olgun bir sistem haline gelmektir.

Gelecekteki Geliştirmeler ve Potansiyel

Ashraya AI’nın geleceği için birçok heyecan verici potansiyel geliştirme alanı bulunmaktadır:

• Öngörücü Analitik (Predictive Analytics): Mevcut hava durumu verileri, coğrafi bilgiler ve geçmiş afet paternleri kullanılarak, potansiyel afetlerin riskini ve etkilerini önceden tahmin edebilme yeteneği. Örneğin, yoğun yağış uyarıları ile sel riskini öngörerek proaktif uyarılar gönderme.
• Duygusal Zeka (Emotional Intelligence): Kullanıcının ses tonu, konuşma hızı ve kelime seçimleri üzerinden duygusal durumunu (panik, korku, çaresizlik) analiz edebilme ve buna göre daha empatik ve uygun yanıtlar verme. Bu, asistanın sadece bilgi sağlamakla kalmayıp, aynı zamanda psikolojik destek de sunmasını sağlar.
• Genişletilmiş Dil Desteği: Başlangıçta Türkçe odaklı geliştirilse de, Arapça, Kürtçe, İngilizce, Almanca gibi Türkiye’de ve çevresindeki bölgelerde konuşulan yaygın dillere destek eklenmesi, asistanın kapsayıcılığını artıracaktır.
• Çevrimdışı Çalışma Yeteneği: İnternet veya mobil ağların tamamen kesildiği senaryolar için, temel işlevleri (yardım talebi, güvenli bölge bilgisi) sınırlı bir çevrimdışı modda çalıştırabilen yerel YZ modelleri entegrasyonu. Bu, özellikle en kritik anlarda kesintisiz hizmet sunumu için hayati öneme sahiptir.
• Görsel ve Konumsal Entegrasyon: Mobil uygulamalar aracılığıyla kullanıcıların fotoğraf veya video paylaşmasına izin verme ve bu görsel verileri YZ ile analiz ederek (örneğin, hasar tespiti) daha doğru durum değerlendirmeleri yapma. Ayrıca, GIS (Coğrafi Bilgi Sistemleri) ile entegrasyon sayesinde afetzedelerin ve yardım ekiplerinin konumlarını gerçek zamanlı haritalar üzerinde görselleştirme.

Karşılaşılan Zorluklar ve Çözüm Yolları

Ashraya AI gibi bir sistemin geliştirilmesi ve yaygınlaştırılması sürecinde birçok zorlukla karşılaşmak kaçınılmazdır:

• Veri Kalitesi ve Miktarı: Yüksek kaliteli ve etiketlenmiş afet verilerine erişim, modellerin doğruluğu için kritik öneme sahiptir. Özellikle Türkiye gibi afet riski yüksek bölgelerden toplanacak yerel ve çeşitli veri setleri gereklidir. Bu, kamu kurumları, STK’lar ve gönüllülerle iş birliği yaparak çözülebilir.
• Gürültülü Ortamda ASR Performansı: Afet bölgelerindeki arka plan gürültüsü (sirenler, yıkım sesleri, insan kalabalığı) ASR modellerinin performansını olumsuz etkileyebilir. Bu sorunu aşmak için gelişmiş gürültü azaltma algoritmaları ve afet senaryolarına özel olarak eğitilmiş ASR modelleri kullanılmalıdır.
• Yanlış Bilgi (Dezenformasyon) ve Güvenilirlik: Kriz anlarında yanlış bilginin hızla yayılması, panik yaratabilir ve yardım çabalarını sekteye uğratabilir. Ashraya AI’nın sadece doğrulanmış ve resmi kaynaklardan bilgi sağlaması, yanlış bilgiyi filtrelemesi ve kullanıcıları güvenilir kaynaklara yönlendirmesi hayati önem taşır.
• Etik ve Gizlilik Endişeleri: Afetzedelerin kişisel verilerinin toplanması ve işlenmesi, gizlilik ve etik sorunları gündeme getirir. Verilerin anonimleştirilmesi, sıkı güvenlik protokolleri ve yasalara uygunluk, bu endişeleri gidermek için olmazsa olmazdır.
• Finansman ve Sürdürülebilirlik: Böyle büyük ölçekli bir projenin geliştirilmesi, dağıtımı ve sürekli bakımı önemli finansal kaynaklar gerektirir. Devlet desteği, uluslararası fonlar, STK iş birlikleri ve gönüllü katkıları, projenin sürdürülebilirliği için kritik olacaktır.

Ashraya AI, afet müdahale süreçlerini dönüştürme potansiyeline sahip güçlü bir araçtır. Bu 10 günlük serüven, bu potansiyelin sadece bir başlangıcıydı. Karşılaşılan zorluklara rağmen, teknoloji ve insan odaklı tasarımın birleşimiyle, Ashraya AI’nın gelecekte binlerce hayatı kurtarabilecek bir “dijital sığınak” haline geleceğine inanıyorum.

Sıkça Sorulan Sorular

Ashraya AI sadece Türkçe mi destekliyor?

Hayır, prototip aşamasında Türkçe odaklı geliştirilmiş olsa da, gelecekte Arapça, İngilizce ve diğer yaygın dillerde de destek sağlaması hedeflenmektedir. Çok dilli destek, projenin temel hedeflerinden biridir.

Afet anında internet olmasa bile çalışabilir mi?

Ashraya AI’nın temel işlevleri için internet bağlantısı gereklidir. Ancak, gelecekteki geliştirmelerde, sınırlı temel işlevleri (örneğin, önceden yüklenmiş güvenli bölge bilgileri, temel yardım talepleri) internet bağlantısı olmadan da çalıştırabilecek çevrimdışı mod yetenekleri eklenmesi planlanmaktadır. SMS entegrasyonu da internetin olmadığı durumlarda bir yedekleme mekanizması sunar.

Geliştirme sürecinde en çok hangi zorlukla karşılaşıldı?

10 günlük kısıtlı sürede en büyük zorluk, yüksek kaliteli ve çeşitli eğitim verisi setleri oluşturmak oldu. Özellikle afet senaryolarına özel, etiketlenmiş diyalog örnekleri toplamak ve modelleri bu verilerle yeterince eğitmek zaman alıcıydı. Ayrıca, gürültülü afet ortamlarında ASR’nin doğru çalışmasını sağlamak da önemli bir teknik meydan okumaydı.

Ashraya AI’nın veri güvenliği nasıl sağlanıyor?

Veri güvenliği ve gizliliği Ashraya AI için en üst düzeyde önceliklendirilmiştir. Tüm iletişim kanalları şifrelenir, toplanan veriler şifreli olarak depolanır ve kişisel veriler mümkün olduğunca anonimleştirilir. Yasal düzenlemelere (KVKK gibi) tam uyum sağlanır ve verilere sadece yetkili personelin erişimi bulunur.

Projeye nasıl katkıda bulunabilirim?

Projeye katkıda bulunmak isteyenler için birçok yol mevcuttur: Açık kaynak kodlu geliştirme süreçlerine katılarak kod yazabilir, testler yapabilir, dil uzmanlığı ile çeviriler ve dil modelleri için veri sağlayabilir veya afet senaryoları hakkında uzman görüşleri sunabilirsiniz. Ayrıca, projenin yaygınlaşması için farkındalık yaratma ve finansal destek sağlama da önemli katkılar arasındadır.

Etiketler: #AshrayaAI #AfetMüdahalesi #SesliAsistan #YapayZeka #DoğalDilİşleme #Teknoloji #KrizYönetimi #AfetHazırlık