Microsoft'un Hataları %99 Başarı Oranıyla Tespit Eden Yapay Zekâsı

19
10
1
1
0
Microsoft, günümüzde gerek yazılımcıların gerekse kullanıcıların başına sorunlar açan yazılım hataları için yapay zekâyı devreye soktu. Şirket, geliştirdiği modelde %99 gibi bir başarı oranına ulaştı.

Grace Murray Hopper’ın ilk Harvard Mark II bilgisayardaki hataya sebep olan sorunu bulmasından bu yana yazılım hataları 75 yıldır programcıların en büyük endişeleri arasında yer alıyor.

Dilimize hata olarak geçen 'bug' kelimesinin doğuşu da Harvard Mark II bilgisayardaki kontak aktarmaları arasına bir güvenin sıkışmasıyla doğuyor ve günümüze kadar geliyor.

Yazılım hataları

yazılım hatası

Bu hatalar, dikkate değmeyecek noktalarda çok büyük problemlere kadar birçok soruna sebep olabiliyor. 1980’li yıllarda deneyimsiz bir programcının hatasından ötürü en az beş hasta Therac-25 radyasyon terapi cihazındaki hata sebebiyle hayatını kaybetmişti.

1962 yılında NASA görev kontrol merkezi, Atlantik Okyanusu üstündeki hedeflenen rotasından çevrilen Mariner I uzay sondasını yok etmişti. Sorunun el ile yazılmış hatalı bir kod olduğu açıklanmıştı. 1982 yılında CIA tarafından Sovyetlerin Trans-Sibirya gaz boru hattına yerleştirildiği iddia edilen bir yazılım hatası, tarihin en büyük nükleer dışı patlamalarından bir tanesine sebebiyet vermişti.

yazılım hatası

Veri yönetim şirketi Coralogix’e göre, programcılar her 1.000 satır kod başına 70 hata yapıyorlar ve her hatanın çözümü, kodun yazımından 30 kat daha fazla zaman istiyor. Şirketin tahminlerine göre ABD, her yıl hataları bulmak ve çözmek için 113 milyar dolar harcıyor.

Microsoft, bu sorun konusunda oldukça önemli bir duyuru yaptı. Şirket, yüksek öncelikli güvenlik hatalarını %97 oranında tespit edebilen bir makine öğrenmesi modeli oluşturduklarını duyurdu. Microsoft’un kıdemli güvenlik programı yöneticisi Scott Christiansen  “Makine öğrenmesi modelleriyle güvenlik uzmanlarını eşleştirerek güvenlik hatalarını belirleme ve sınıflandırmada oldukça önemli bir gelişme kaydedebileceğimizi keşfettik.” demişti. Bu modelin başarı oranı ise %99.

Microsoft’un hata tespit sistemi

Microsoft, hata tespit sisteminin tasarımında iki istatiksel teknik kullanmıştı. İlki olan Terim Frekansı – Tersine Doküman Frekans Algoritması (Term Frequency-Inverse Document Frequency Algorithm, TF-IDF), anahtar kelimeler için devasa doküman yığınlarını inceliyor ve bağıntılılıklarını hesaplıyor. İkincisi olan mantık regresyon modeli de spesifik bir sınıfın ya da aksiyonun varlığının olasılığını belirliyor.

Program, ilk olarak güvenlik hatalarını ve diğer hataları sınıflandırıyor daha sonrasında ise tehdidin sınıflandırma derecesini 'kritik', 'önemli' ya da 'etkisi düşük' olarak geliştiriyordu. Christiansen, Microsoft’un hedefinin güvenlik uzmanlarına olabilecek en yakın doğruluk seviyesine sahip bir hata tespit sistemi tasarlamak olduğunu söyledi.

yazılım hatası

Christiansen, projenin dönüm noktasının “hata raporlarının, eğitim ve puanlama için yalnızca başlığıyla uygun hale geldiğinde bile performans sergileyebilmesi” olduğunu ifade etti. Christiansen, “en iyisi için yapılması gereken ilk şey bu” ifadelerini kullandı.

“Yazılım geliştiricileri, her gün çözülmesi gereken bir dizi özellikler ve hatalar listesiyle başa çıkıyorlar” diyen Christiansen, “güvenlik uzmanları, güvenlik hatalarını önceliklendirmek için otomatikleştirilmiş araçlar kullanarak yardım etmeye çalışıyor ancak çoğu zaman yanlış pozitiflerle vakitlerini boşa harcıyor ya da yanlış sınıflandırılmış kritik güvenlik açıklarını gözden kaçırıyorlar. Veri bilimi ve güvenlik ekipleri, bu sorunu çözmek ve makine öğrenmesinin nasıl yardımcı olabileceğini keşfetmek için bir araya geldi” diyor.

Kaynak : https://techxplore.com/news/2020-04-microsoft-percent-accuracy-ai-bug.html
19
10
1
1
0
Emoji İle Tepki Ver
19
10
1
1
0