İçeriğe geçİçeriğe geç
Ders bul
Yapay zekâ seviyesi: 201 Uygulama
Merak edilenler · 67. ders / 67

Temel oran yanılgısı: spam filtresi ve yanlış alarm

  • Okuma süresi: 5 dk
  • Kod bilgisi gerekmez
Son güncelleme:
Temel oran yanılgısı: spam filtresi ve yanlış alarm kapak görseli

Bir denetim sistemi yüzlerce işlemi “şüpheli” diye işaretliyor; ama incelediğinizde çoğu temiz çıkıyor. Sistem bozuk mu? Bu derste kurgusal sayılarla bunun neden normal olabileceğini ve buna yol açan temel oran yanılgısını (base rate fallacy) göreceksiniz.

Aklınıza bir soru mu takıldı?

    Bu derste neler öğreneceksiniz?

    • Temel oranın ve temel oran yanılgısının ne olduğunu
    • Çok sayıda alarmın çoğunun neden yanlış çıkabildiğini
    • Spam filtresinin neden bazen doğru e-postayı da ayırdığını
    • Alarmı “kanıt” değil “inceleme ipucu” olarak okumayı

    Temel oran nedir?

    Temel oran, aradığınız şeyin bütün grup içinde ne kadar sık görüldüğüdür. Sahte fatura, usulsüz işlem ya da zararlı e-posta çoğu zaman azdır; yani temel oran düşüktür. Temel oran yanılgısı, bir alarm ya da test sonucunu değerlendirirken bu oranı unutmaktır. Alarmın “yüzde 90 yakalıyor” gibi parlak bir sayısı olduğunda dikkat bütün gruptan alarm veren küçük gruba kayar.

    Kurgusal bir denetim örneği

    Bir kamu kurumunun iç denetim biriminin yılda 10.000 harcama işlemini tarayan bir yazılım kullandığını düşünün. Aşağıdaki sayıların hepsi kurgusaldır; hiçbir kurumu anlatmaz.

    • 10.000 işlemin 20’si gerçekten usulsüz (yüzde 0,2). Geri kalan 9.980 işlem düzgündür.
    • Yazılım usulsüz işlemlerin yüzde 90’ını işaretler: 18 işlem.
    • Yazılım düzgün işlemlerin yüzde 2’sini de yanlışlıkla işaretler: yaklaşık 200 işlem.
    • Toplam alarm: yaklaşık 218. Gerçekten usulsüz olanlar: 18.

    Alarmların yalnız yaklaşık yüzde 8’i, yani 12 alarmdan biri gerçek usulsüzlük. Yazılım bozuk değildir; yakalama oranı yüksektir. Ama usulsüzlük az görüldüğü için yanlış alarmlar sayıca ağır basar. Denetçi ekip 218 dosyaya bakar, 200’ünü temiz bulur ve yazılımdan vazgeçmeyi düşünür. Oysa 18 gerçek vaka, yazılım olmasa gözden kaçabilirdi.

    Bundan iki ders çıkar. Birincisi, alarm sayısına bakıp sistemi hemen başarısız ilan etmeyin. İkincisi, alarmı hiçbir zaman suçlama gibi okumayın: alarm, bir dosyanın öncelikle incelenmesi gerektiğini gösteren ipucudur. Alarm veren bir işlem hakkında karar verilmeden önce insan incelemesi gerekir.

    Aynı mantık spam filtresinde

    Bin e-postalık bir gelen kutusu düşünün (sayılar kurgusal). 20’si gerçekten oltalama e-postası; örneğin kargo ya da fatura bildirimi gibi görünen sahte mesajlar. Filtre bunların 18’ini yakalar. Gerçek e-postaların yüzde 3’ünü de, yani 980 e-postanın yaklaşık 29’unu yanlışlıkla spama atar. Spama düşen 47 e-postanın 29’u aslında değerli bir mesajdır. İşiniz için önemli bir yanıt, spam klasöründe kalabilir.

    Bu yüzden önemli bir yanıt beklerken spam klasörünüze de bakmak mantıklıdır. Filtreyi sıkılaştırırsanız yakaladığı zararlı sayısı artar ama doğru e-postayı atma riski de artar. Gevşetirseniz tersi olur. İki hata türü arasında bir denge vardır ve hiçbir filtre ikisini birden sıfırlayamaz.

    Bu konu üniversitelerde nerede öğretilir?

    Helsinki Üniversitesinin Elements of AI dersinin öğrenme hedefleri arasında temel oran yanılgısını açıklamak ve Bayesçi akıl yürütmeyle ondan kaçınmak var. Stanford’ın CS276 dersinin metin sınıflandırma notları Naive Bayes yönteminin spam filtrelerinde yaygın kullanıldığını söylüyor; kara liste gibi kelime dışı özelliklerin de işe karıştığını gösteriyor. Jurafsky ve Martin’in Naive Bayes, Text Classification, and Sentiment bölümü ise spam tespitini, e-postayı spam ya da spam değil sınıflarından birine atama görevi olarak ele alıyor.

    Zayıf komut

    Alarmların çoğu neden yanlış?

    Güçlü komut

    Kurgusal bir örnekle temel oran yanılgısını anlat. Bir kurumda 10.000 işlemin 20’si usulsüz olsun. Yazılım usulsüzlerin yüzde 90’ını yakalasın, düzgün işlemlerin yüzde 2’sini yanlışlıkla işaretlesin. Sayıları ben verdim; yeni sayı ekleme. Önce kaç gerçek ve kaç yanlış alarm olduğunu bul. Sonra alarmların kaçta kaçının gerçek olduğunu yaz. Son olarak, alarm veren bir dosyaya nasıl yaklaşılması gerektiğini üç maddeyle söyle. Kişisel veri ya da gerçek bir kurum adı kullanma.

    Yapay zekâ çıktısı (örnek)

    Gerçek alarm: 20 işlemin yüzde 90’ı, yani 18. Yanlış alarm: 9.980 işlemin yüzde 2’si, yaklaşık 200. Toplam alarm yaklaşık 218; bunların yaklaşık yüzde 8’i gerçektir. Yaklaşım: 1) Alarmı kanıt değil ipucu sayın. 2) Önce belge ve kayıtları inceleyin. 3) Sonuç belli olmadan kimse hakkında yargıya varmayın.

    Adım adım uygulama

    1. Bir alarm sistemi seçin (spam filtresi, sahte haber uyarısı, güvenlik uyarısı gibi).
    2. Grubun büyüklüğünü ve aranan şeyin yaklaşık payını kurgusal olarak belirleyin.
    3. Alarm sisteminin yakalama oranı ile yanlış alarm oranını yazın.
    4. Gerçek ve yanlış alarm sayılarını ayrı ayrı bulun.
    5. Alarmların içinde gerçeklerin payını hesaplayın.
    6. Aynı hesabı aranan şeyin payını on kat artırarak yineleyin ve farkı not edin.
    7. Güçlü komutu kendi örneğinizle çalıştırıp botun hesabını elle kontrol edin.

    Kontrol listesi

    • Aranan şeyin payını (temel oranı) yazdım.
    • Yakalama ve yanlış alarm oranlarını ayrı yazdım.
    • Alarmların içindeki gerçek payı hesapladım.
    • Alarmı kanıt değil inceleme ipucu olarak kullandım.
    • Kişisel veri ve gerçek kurum adı kullanmadım.

    Sık yapılan hatalar

    • Yalnız yakalama oranına bakmak: “Yüzde 90 yakalıyor” sözü, alarmların yüzde 90’ının gerçek olduğu anlamına gelmez.
    • Alarmı kanıt saymak: Alarm bir dosyayı öne çeker; suçlama ya da karar yerine geçmez.
    • Yanlış alarmı sistemin bozukluğu saymak: Az rastlanan şeyleri arayan her sistem çok yanlış alarm üretebilir.
    • Gerçek veriyi bota yüklemek: Kurum kayıtlarını ve kişisel verileri sohbet botuna yapıştırmayın; kurgusal sayılarla çalışın.

    İpucu

    Bir alarm sistemi için hep şu soruyu sorun: “Bu alarmların kaçta kaçı gerçek?” Cevap yoksa sistemin başarısı henüz ölçülmemiştir.

    Kendinizi deneyin

    Temel oran yanılgısı nedir?

    Kurgusal örnekte yaklaşık 218 alarmın 18’i gerçektir. Gerçek alarmların payı yaklaşık nedir?

    Alarm veren bir işlemle ilgili en doğru davranış hangisidir?

    Kaynaklar

    Son kontrol: 16 Kasım 2026. Bu bilgi bu tarihte açılan kaynaklara dayanır; durum değişebilir.

    Kaynak: yzdersleri.com/ders/temel-oran-yanilgisi-spam-filtresi-ve-yanlis-alarm/ · Yapay Zeka Dersleri

    Dersi bitirdiniz mi?

    İşaretlerseniz menüde ve ilerleme çubuğunda görünür. Bu bilgi yalnızca sizin tarayıcınızda saklanır.

    Bu ders işinize yaradı mı?

    Anonim oydur; kişisel veri toplanmaz.

    Yorum yazın

    Yorumunuz editör onayından sonra yayımlanır. Ad ve e-posta zorunlu değildir; e-posta adresiniz yayımlanmaz. Lütfen kendinizin ya da başkalarının kişisel bilgilerini (telefon, adres, kimlik, sağlık bilgisi) yazmayın.

    Kişisel verilerinizin nasıl işlendiğini KVKK Aydınlatma Metni’nde okuyabilirsiniz.

    Basitten zora: sıradaki ders

    Bu dersin kategorisi: Başla

    Bir üst düzeyde

    Başla: bütün öğrenme yolu