Biliyor musunuz ?... Türkiye'nin en popüler emlak blogu emlakbroker.com beta sürümüyle yayında
Yapay Zekâ Tekniklerinin Emlak İşinde Uygulanması

Veri bilimi ile uğraşanların ortaya çıkardıkları teknoloji harikaları, bize bazen sihirli bir dokunuş gibi gelir. Bunu özellikle yapay zekâ ürünlerinde hissederiz. En son chatbot adı verilen sohbet yazılımlarında bu deneyimi yaşadık. İnsan dilini öğrenebilen ve bu dili kullanarak insanlarla sohbet edebilen sohbet yazılımları, gerçekten inanılmaz bir teknoloji ve bunun daha ötesini ilerleyen süreçte göreceğimizi biliyoruz.

İstatistik, matematik ve bilgisayar biliminin birleşimi ile ortaya çıkarılan yapay zekâ teknolojisi, her sektöre ve alana sirayet ettiği gibi içinde bulunduğumuz emlak sektörüne de yavaş da olsa sirayet ediyor. Şimdi bakalım, emlak sektöründe yapay zekânın kullanım örnekleri nasıl oluyor?

Yapay Zekâ

Yapay zekâ dediğimiz teknoloji farklı tekniklerden ibarettir ve istediğiniz iş için uyarlanabilir özelliktedir. Bu tekniklerin sayısı fazladır ancak en çok tercih edilenleri üç tane olmak üzere sıralayabiliriz:

  • Tahmine Dayalı Analitik
  • Derin Öğrenme
  • Denetimli ve Denetimsiz Öğrenme

Kısaca yapay zekâ, insanların istedikleri şeyleri yapabilmek için ihtiyaç duyduğu istihbaratı sağlayabilecek bir bilgisayardır. Yapay zekâ teknikleri ile geliştirilen araçlar sayesinde örneğin bir evin değerini otomatik olarak öğrenebilir veya sitenizde en çok tıklanan verileri elde ederek sonraki e-posta içeriklerinizde neye değinmeniz gerektiğini ortaya çıkarabilirsiniz.

Tahmine Dayalı Analitik

Veri biliminin ortaya çıkması ile birlikte tahmine dayalı analitik tekniğinin uygulamasında büyük artış görülmüştür. Tahmine dayalı analitik, yapay zekâda büyük rol oynamaktadır. Bu teknik, gelecek hakkında tahminler yapmak için güncel gerçekleri analiz eden bir tahminsel modellemedir.

İş dünyasında, tahmini modeller, riskleri ve fırsatları belirlemek için geçmişte ve işlem verilerinde bulunan kalıpları kullanır. Modeller, belirli koşullar setiyle ilişkili risk veya potansiyelin değerlendirilmesine, aday işlemler için karar vermeye rehberlik etmesini mümkün kılmak için birçok faktör arasındaki ilişkiyi ele alır.

Şimdi işletmenizin analizlerini düşünün. Ziyaretçilerinizin bloğunuzda tıkladığı konular, e-postalarınıza tıklayarak ilgi gösteren müşteriler ve buna benzer birçok analitik bilgi, yapay zekânın veri toplaması için çok önemlidir. Toplanan bu veriler, daha sonra size bazı konuların istatistiğini çıkarmanızda yardımcı olur. Böylece elde ettiğiniz verilere göre geleceğe dair planlar yapabilirsiniz. Örneğin bir evin değerini ortaya çıkarabilmek için önceki satışı yapılan benzer evlerin verilerinden faydalanmak gibi...

Derin Öğrenme

Derin öğrenme, makinelerin dünyayı algılamasına ve anlamasına yönelik yapa zekâ geliştirmede en popüler yaklaşımdır. Örneğin emlak pazarlamada farklı logolar tasarlamak ve gören insanların zihninde emlak ile ilgili özelliklerin canlanacağı görseller hazırlamak çok önemlidir. Bunu bir grafik tasarımcı ile de halledebilirsiniz, ancak derin öğrenme hepsinden daha etkili sonuçlar verecektir.

Nasıl olduğunu örnek bir çalışma üzerinden anlatalım. Bu çalışmayı yapanlar, mülkleri tanımlayan binlerce kelimeden bir sinir ağı oluşturdular. Daha sonra bu sinir ağındaki kelimelerin her birini bir vektöre çevirdiler. Oluşan tüm vektörleri çok boyutlu bir platformda çizdiler. Bu çok boyutlu platformdaki vektörler arasındaki mesafeleri inceleyerek hangi kelimelerin birbiri ile benzer olduğunu otomatik olarak buldular ve bunları kategorilendirdiler.

Örneğin “geniş, havadar, açık konsept” gibi kelimeler aynı grup içerisinde toplandı. Ardından bunları görsellendirmek için birbirine yakın kelimeleri daha küçük, en yaygın kullanılan kelimeleri de daha büyük yaptılar. Oluşan bu yapıyı ise kendi logolarının şekline otomatik olarak uyguladılar. Sonuç olarak ortaya aşağıdaki logo çıktı.

Denetimli ve Denetimsiz Öğrenme

Tıpkı insanlarda olduğu gibi yapay zekâda da bazen denetime ihtiyaç vardır. Aslında bu yapay zekâ tekniğinde iş yükünün çoğu insan tarafından karşılanır.

Denetimli öğrenmede toplanan çok sayıdaki veri, etkileşimli sistemlerden alınarak belirli bir düzen içinde size aktarılır. Denetimsiz öğrenmede ise toplanan veriler, sınıf bilgisi bulunmadan size aktarılır. Bu nedenle elde ettiğiniz verilerden alacağınız sonuçlar yüzde 100 doğru sonucu vermeyebilir. Ancak tahminlerde bulunmanız açısından size yol gösterir.

Örneğin toplantılarınızı planlamanıza yardımı olmak için botlar oluşturan X.ai gibi şirketler, toplantılarla ilgili milyonlarca e-postanın incelenmesi ile denetimsiz öğrenme yaklaşımını uygulamaktadır.

Yapay Zekâ Teknikleri ile Neden İlgileniyoruz?

Yapay zekâ; farklı, yaratıcı ve işlevselliği yüksek girişimler oluşturmak için kullanılan en popüler teknolojilerden biri haline gelmiştir. Emlak dünyasındaki girişimlerin artması için gösterdiğimiz çaba, girişimlerin ortaya çıkması için gereken bilgileri toplamayı ve sunmayı da içeriyor. Bu nedenle yeni girişimlere imza atmak isteyenlere en azından başlangıç niteliğinde bilgiler sunmaktan gurur duyuyoruz. Bu bilgiler, aynı zamanda girişim üretmeyi değil girişimleri işinde kullanmayı hedefleyenlerin sektördeki yenilikleri takip etmesi açısından da büyük bir önem taşıyor.

DİĞER HABER
15 Mayıs 2017