Adres sorununa makine öğrenimi ile çözüm arayışı

Dünya üzerinde yaklaşık 4 milyar kişinin belirli bir ev adresi yok. Ev adresi olmaması kişilerin eve teslimat, tıbbi destek, felaket sonrası yardımlar gibi önemli hizmetlerin yanı sıra, ehliyet alma ya da oy verme gibi haklara da erişememesi anlamına geliyor. Şehirler de altyapı hizmetlerini dağıtırken adres sistemine kayıtlı olmayan kişiler sebebiyle sıkıntı yaşıyor.

Uluslararası adres bilgisi sağlayan bir şirketin başkanı olan Mary Law “Küresel ekonomiye geçtiğinizde ev adresinizin ‘katedralin karşısındaki kırmızı kapılı ev’den daha belirgin olması gerekiyor.” diyor.

Uydu görüntülerinden adres tespiti

MIT Media Lab ve Facebook’tan araştırmacılar şimdi adresi olmayan kişilere makine öğrenimi ile yardımcı olmak için çalışıyor. Ekip öncelikle derin öğrenme algoritmasını, uydu fotoğraflarından yolların bulunduğu pikselleri seçmesi için eğitti. Bir diğer algoritma ise toplanan pikselleri bir yol ağı oluşturacak şekilde birleştirdi. Sistem yolların yoğunluğunu ve şeklini inceleyerek ağı farklı topluluklara ayırdı ve en yoğun bölgeler şehir merkezi olarak işaretlendi. Şehir merkezinin etrafındaki bölgeler kuzey, güney, doğu, batı olarak dörde ayrıldı. Sokaklar şehir merkezine uzaklığı ve bulunduğu bölgeye göre numara ve harflerle isimlendirildi.

Neticede ortaya çıkan adresler, haritalandırılmamış bölgelerde el ile isimlendirilmiş sokaklar ile karşılaştırıldığında, bu yaklaşımın yerleşim olan bölgelerin yüzde 80’inden fazlasına başarıyla adres atadığı görüldü. Böylece Google Maps’in ya da OpenStreetMaps’in kapsadığı alanın daha fazlasına ulaşılmış oldu.

Bir diğer alternatif: what3words

Bu otomatik olarak adres vermenin tek yolu değil. what3words adlı bir organizasyon da bölgeleri 3×3 metrelik karelere bölerek her kareye üç kelimelik bir isim veriyor. Bu sistem Güney Afrika, Türkiye ve Moğolistan’da uygulandı. Ulusal paket servisleri, yerel hastaneler ve bölgesel güvenlik ekipleri bu sistemden faydalanıyor. Mesela Türkiye’de Taksim meydanında bulunan 3×3 metrelik bir alanın adresi pehlivan.ahşap.gökdelen. what3words uygulamasına sahip birine bu kelimeleri söylediğinizde o da haritada bu kelimeleri arayarak konumunuzu görebiliyor.

Ancak Facebook araştırmacısı İlke Demir bu sistemde iki adresin birbirine ne kadar yakın ya da uzak olduğunu kestirmenin mümkün olmadığını söylüyor. Mesela pehlivan.ahşap.gökdelen adresinin hemen yanındaki bir başka 3×3 metrelik alanın adresi dosya.krallar.mavi. Yeni geliştirilen makine öğrenimi tekniği ise mevcut yol sistemini takip ederek adreslerin birbirine göre konumu hakkında da bilgi verebiliyor.

Sistemin kullanılmasını sağlamak işin zor kısmı

Küresel Adres Verisi Birliği’nin kurucusu Charles Prescott da “Bence mükemmel bir fikir. Eğer sistemi yerel uygulamalara göre adresler oluşturacak şekilde kodlayabilirseniz bu oldukça etkili ve maliyetsiz olur.” diyor.

Law ve Prescott bu sistemin en büyük sorununun, oluşturulan adresin kullanılmasını sağlamak olduğunu belirtiyor. Bir adres sisteminin kabul edilip edilmeyeceğini belirleyen birçok faktör var. Yeni sistemin, ülkenin mevcut kültürü ile uyumlu olması gerek. Yoksa yerel halk bu sistemi, başka ülkelerin dayatması olarak görebilir. Bir diğer faktör de okuryazarlık. Adresi kullanma ile okuryazarlık arasında pozitif bir ilişki var. Prescott ayrıca bazı ülkelerde halkın hükumete hiç güvenmediğini ve vatandaşların devlet tarafından kolayca bulunmak istemediğini belirtiyor.

Facebook-MIT ekibi şimdi diğer organizasyonlarla iş birliği yaparak sistemi pratiğe dökmek istiyor. Prescott iş birliğine hazır olduğunu belirtiyor.

Kaynak: Technology Review