|
Getting your Trinity Audio player ready...
|
Kıymetli arkadaşım Ayşın Baytan Ertüzün ‘77 ile son derece aydınlatıcı ve keyifli bir sohbet yaptık. Hemen size kendisini tanıtmakla başlıyorum. 1977’de ACI’dan mezun olduktan sonra her zaman hayali olan Boğaziçi Üniversitesi, o zamanlardaki adı olan Elektrik Mühendisliği bölümünü seçti ve 1981 yılında mezun oldu. Sonrasında üç yıl Kanada’da kaldı; Hamilton Ontario’da McMaster Üniversitesinde Elektrik ve Bilgisayar Mühendisliği bölümünde yüksek lisansını tamamlayıp doktoraya başladı. 1984 yılında Boğaziçi Üniversitesine döndü; doktora çalışmalarına devam etti ve 1989 yılı Ekim ayında yeni adıyla Boğaziçi Üniversitesi Elektrik-Elektronik Mühendisliğinde doktor ünvanını aldı. 1990 Şubat’ında önce öğretim görevlisi akabinde de Ekim 1990’da öğretim üyesi olarak aynı bölümde çalışmaya başladı. O gün bugündür Boğaziçi Üniversitesi Elektrik-Elektrik Mühendisliği Bölümünde öğretim üyesi kendisi.
Sonrasını senden dinleyebilir miyiz?
Tabii ki… İdari görevlerden hep kaçtım ama sonunda 2012-2016 yılları arasında üniversitedeki araştırma faaliyetlerini zenginleştirmek ve üniversite-içi araştırma projelerine kaynak sağlamak üzere kurulmuş olan Bilimsel Araştırma Projeleri Komisyonunun başkanlığını yaptım. 14.11.2016-2.1.2021 tarihleri arasında ise araştırmadan sorumlu rektör yardımcısı olarak görev aldım. Rektör yardımcılığı süresi hariç her akademik yarıyılda ders verdim; öğretim üyeliğinin gerekliliği olan araştırmalar yaptım; projeler yürüttüm; bilimsel yayınlar yaptım; yüksek lisans ve doktora tez danışmanlıkları yaptım. Bu tempo içinde yıllar geçti; birçok öğrencimin başarılarını gördüm, öğretim üyesi olmalarına tanıklık ettim ve Ocak 2026’da da yaş haddinden emekli olacağım.
Bu değerli eğitim ve çalışma hayatından dolayı canı gönülden tebrik ediyorum. Birikimin ve deneyimlerinle ilgili olarak merak ettiğim ve sana sormak istediklerim var. Öncelikle elektrik-elektronik mühendisliğinin tanımını yapabilir misin?
Elektrik-elektronik mühendisliği elektronik, elektrik ve elektromanyetizma prensiplerinin uygulanması ve bu prensipleri kullanan cihaz ve sistemlerin tasarımı, geliştirilmesi ve test edilmesi ile ilgilenir. Mikrodalga ve antenler, elektronik, güç sistemleri, iletişim, kontrol ve robotik, fotonik, optik, sinyal, ses ve görüntü işleme ve biyomedikal gibi birçok alandaki cihazların, donanım ve yazılımların geliştirilmesi elektrik-elektronik mühendisliğinin konularıdır. Otonom araçlar, insansı robotlar, kuantum bilgisayarlar gibi yeni alanlarda ve yeni teknolojilerin geliştirilmesinde de öncü rolü üstlenmektedir. Bu alanlar birbirleriyle ve/veya diğer mühendislik dalları ile örtüşebilmektedir.
Elektrik-elektronik mühendisliğinden bilgisayar, mekatronik gibi birçok yeni mühendislik alanı doğmuştur. Şu noktayı da ilave etmekte fayda var. Elektrik-elektronik mühendisliği iki güçlü temel bilimler disiplinine dayanmakta: Fizik ve Matematik. Elektrik-elektronik mühendisliğini seçmemdeki en büyük sebep de ilkokul ve ortaokul, lise yıllarımda sırasıyla aritmetik ve matematik derslerine olan sevgim ve ilgim.
Kendi alanın olan sinyal işleme konusunu biraz açabilir misin? Sinyal işlemenin temel prensipleri nelerdir ve günlük hayatımızda farkında olmadan nerelerde karşılaşıyoruz?
Elektrik-elektronik mühendisliğinde, sinyal diye tanımladığımız şey elektrik akımının, voltajın veya elektromanyetik alan gücünün zamana göre değişimini belirten bir dalga biçimi. Ama bu dalga biçimi alelade bir dalga değil içinde bilgi barındıran bir dalga. Bizim için dalganın biçiminin ne olduğundan ziyade bilgi taşıması önemli… Sinyal dediğimiz şey sismogramlardan alınan yeryüzü hareketlerinin zaman fonksiyonu olabildiği gibi steteskop ile dinlenen akciğer seslerinin kayıt altına alınmış hali de olabilir, radyo dalgaları da… Tıbbî/biyolojik, jeofizik sinyaller ile hava durumu gibi doğal olaylarından kaynaklanan bilgi taşıyan her şey sinyal olarak tanımlanabilir. Ses, görüntü, video bizim için birer sinyal…
Sinyali bilgi taşıyan dalga olarak tanımladıktan sonra sinyal işlemeyi de şu şekilde tanımlayabiliriz: Sinyalin içinde, bilinçli olarak kullanıcılar tarafından saklanmış veya sinyalin üretilme özelliği dolayısıyla saklı olan bilginin yararlanılmak üzere ortaya çıkarılması amacıyla sinyal üzerinde yapılan her türlü analiz, modifikasyon ve sentez işlemi sinyal işleme işlemidir. Doğrudan görülmeyen bilginin açığa çıkarılması işlemidir, kısaca…
Sinyal, bu bilgi ortaya çıkarılırsa anlamlı olmakta… Mesela gürültü içinde yok olmuş bir görüntüyü gürültüden arındırmak ve net bir görüntü elde etmek sinyal işleme… Tıbbî sinyalleri (akciğer sesleri, beyin görüntüleri gibi) analiz ederek hastalık tanısına destek olmak da sinyal işleme… Ya da sismogramın kaydettiği sinyalleri çeşitli yöntemler ile işleyerek yeryüzü katmanları hakkında detaylı bilgi edinmek de sinyal işleme… Üç gün sonrası için hava tahmini yapmak veya iklim değişikliklerini modelleyip ileriki yıllara projeksiyonlar yapmak da… İşitme cihazlarında oluşan yankı ve gürültüyü gidermek de… Otomatik olarak yüz tanımak veya otonom araçların yoldan çıkmadan güvenli şekilde sürüşlerine devam etmesini sağlamak da… Sporcuların antrenman esnasında kalp atışları vb biyolojik sinyallerini kaydederek performans analizlerini yapmak da…
Sinyal işleme teknikleri ile iletişimin kalitesini arttırabilir; bilgi/veri depolama verimliliğini sağlayabilir; bozulmuş sinyalleri düzeltebilir veya iyileştirebilir, sinyalin içindeki saklı olan bilgi bileşenlerini (birden çok olabilir) çekip çıkarabiliriz. Yapay zekâ teknikleri ile sinyal işleme tekniklerini harmanlayarak insan becerilerinin ötesinde başarım sağlayan sistemler geliştirebiliriz. Sinyal işleme, elektrik-elektronik mühendisliğinin matematik ayağı üzerine inşa edilmiştir; Olasılık, istatistik, rasgele süreçler, doğrusal sistem kuramı ve doğrusal cebir gibi unsurları temel alır.
Sayamayacağım kadar çok alanda sinyal işlemeye gereksinim vardır:
İletişim, Biyomedikal/tıp/sağlık, Jeofizik/astrofizik, Akıllı tarım, Otonom araçlar ve güvenli sürüş, Robotik, Bilgisayar-insan arayüzü, Büyük veri analizi, Yenilenebilir enerji, Finans veri analizi/fintek, Kalite kontrol süreçleri, Modelleme/Tahmin, Konuşma ve doğal dil tanıma, Otomatik yüz tanıma, Video sinyallerinin işlenmesi, Görüntü tanıma ve işleme
Bilgi var oldukça, sinyaller, sinyaller var oldukça da sinyal işleme hep var olacak
Gelecekte, sosyal bilimler ile nasıl bir kesişim bekliyorsun?
Sosyal bilimlerde sinyal işleme fintek/finans veri analizinden, ekonomik modellerin ve trendlerin çıkarılmasına, sosyal etkileşimleri anlamaya ve modellemeye kadar uzanmakta. İnternette gezerken ilgilendiğimiz siteler ve ürünler, alışveriş alışkanlıklarımız sinyal işleme ve yapay zekâ yöntemleri ile analiz edilerek tekrar internete girdiğimizde bize hitap eden ürünlerin reklamlarının çıkması da sosyal etkileşimin anlaşılması ve modellenmesi ile mümkün. Psikolojide insan davranışlarının bilinmesi ve anlamlandırılması için de sinyal işleme rol oynamakta. Davranışlar ve beynin durumu doğrudan gözlemlenemeyen bilgiler olarak yorumlanırsa, bu bilgiler EEG, EKG, ses, vücut ısısı gibi vücut sinyallerinden sinyal işleme ve makina öğrenmesi yoluyla çıkarılabilir; sinyallerdeki doğrudan gözlemlenemeyen bilgilerin hangi davranış ve/veya beynin hangi durumundan kaynaklandığı anlaşılabilir.
Daha önce konuştuğumuzda ‘Hayatımızda devasa boyutlarda veri toplanıyor. Bunları işlemezsek çatı katında duran eski eşyalar gibi öylece dururlar’ demiştin. Peki, sinyal işlemenin büyük veri analizi ile ilişkisi nedir? Toplanan devasa veriyi nasıl anlamlı hale getiririz?
Evet gerçekten sosyal medyadan, sensörlerden, nesnelerin internetinden, banka muamelerinden tutun da her türlü muameleden toplanmış çok fazla veri mevcut elimizde. Her yerden veri toplanıyor ve depolama cihazlarının kapasitelerinin artması sebebiyle de rahatlıkla depolanıyor. Bu verilerden anlamlı bilgiler çıkaramazsak sadece depolama cihazlarını doldururuz; bu sebeple verilerden bilgiler elde etmemiz ve bunları toplumsal ve çevresel fayda için anlamlı hale getirmemiz gerekiyor.
Büyük veri dediğimiz o kadar devasa boyutta ve karmaşıklıkta ki sadece sinyal işleme yöntemleri kullanarak işlememiz ve anlamlı bilgiye ulaşmamız ya da bilgiyi anlamlandırmamız imkânsız. Burada yapay zekâ ve makina öğrenmesi tekniklerinin önemi ortaya çıkıyor. Büyük veri işleme amacıyla sinyal işleme yöntemleri makina öğrenme teknikleri ile beraber kullanılmakta. Özellikle verinin temiz olmadığı; istenmeyen başka sinyaller ve gürültü ile bozulduğu, aykırı değerlerin bulunduğu durumlarda sinyal işleme yöntemleri verideki bu istenmeyen özellikleri temizlemek ve daha güvenilir veri elde etmek için kullanılır. Daha sonra bu temiz veri makina öğrenme teknikleri ile işlenir ve anlamlandırılır. Sinyal işleme zaman serisi tahmini, anomali tespiti, görüntü ve konuşma tanıma gibi makina öğrenmesi ve veri biliminde kullanılan birçok gelişmiş yöntem ve modelin çekirdeğini oluşturmakta.
Sinyal işlemenin insanların yaşam kalitesini yükseltebilecek ne gibi katkıları olabilir?
Deprem erken uyarı sistemleri ile şehirlerdeki doğalgaz ve elektriğin kesilerek daha büyük felaketlerin önüne geçilmesi, hastalıkların teşhisi, nabız, tansiyon ve ateş durumlarının uzaktan takibi, sürekli izleme yaparak ve normalden sapmaları teşhis ederek trafik kazası, yangın, patlama gibi her türlü kaza ve felaketin önlenmesi toplumun yaşam kalitesini yükseltecek katkılar olarak sayılabilir. Sinyal işleme sağlık hizmetlerinin iyileştirilmesi, uzaktan sağlık, farklı sağlık hizmeti sağlayıcıları arasında daha fazla işbirliği ve bilgi alışverişi ve daha nitelikli karar desteği gibi çeşitli toplumsal sorunların çözümüne makina öğrenmesi yöntemleri ile birlikte katkıda bulunmakta.
Gelecekte robotlar ve otonom sistemlerin hayatımızdaki artan rolü ile ilgili ne düşünüyorsun?
Günlük hayatımızdaki birçok faaliyet, gerek iş hayatında gerekse insan ilişkileri çerçevesinde robotlar, dronlar ve diğer otonom cihazlar veya otomatikleştirilmiş cihazlar tarafından yapılacak. Sinyal işlemede bu cihazların en gerekli aracı olacak… Bazı meslekler yok olacak; basit işler insan eliyle yapılmayacak. Yapay zekâ üzerine uzmanlaşmış kişilere ihtiyaç duyulacak; daha üst düzey nitelikli eğitimler gerekecek.
Akademik perspektiften yıllar içinde yapay zekanın gelişimini nasıl gözlemledin? Ve toplumsal etkilerini nasıl değerlendirirsin?
Aslında bunun geleceği yavaş yavaş belli olmuştu. Öncelikle veri depolama cihazlarının kapasiteleri arttı; böylece çok fazla veri depolanabildi; büyük veri elde edildi. Verinin depolanması ve buradan alınarak istenen farklı boyutlarda raporlanması sağlandı. Bu büyük veri içinden bilgiler, analitik veri işleme yöntemleri ve istatiksel metodlar kullanılarak çekildi; anlamlı kalıplar çıkartıldı, ki; buna veri madenciliği diyoruz. Daha sonra yine çeşitli istatiksel ve matematiksel yöntemler ile kestirimci (ne olacağını öngören) ve yönlendirici (ne yapılması gerektiğini söyleyen) analitik işleme/yorumlama araçları ortaya çıktı; bilgisayarların veri işleme hızları arttıkça da yapay zekâ için uygun ortam oluştu.
Hedeflerine ulaştığını düşünüyor musun, hayallerini gerçekleştirdin mi?
Apollo 11 aya indiği zaman ilkokuldaydım; bu, beni çok etkilemişti. Kadın astronot olmanın hayalini kurmaya başladım. Marie Curie hayranıydım. Bilim kadını olmayı hedefliyordum… Lise yıllarımda da Boğaziçi Mühendisliğe girip orada öğretim üyesi olma hayalim vardı. Kadın astronot olamadım ama mühendislik okudum; Boğaziçi Üniversitesi’nde öğretim üyesi oldum; bilim yaptım. Hedeflerime ulaştığımı düşünüyorum; hayallerimi de gerçekleştirdim ama bir yandan da yeni hayaller kuruyorum zira tüm hayalleriniz biterse ve yenileri olmaz ise amaç ve hedef kalmıyor. O sebeple hayalleri tazelemek gerekir kanısındayım. Şimdiki hayallerim emeklilik hayatıma yönelik hayaller.
Peki okulumuz ACI senin geleceğine yön verdi mi? Verdi ise nasıl ve hangi açılardan?
Tabii ki verdi. ACI’yı hep güzel duygular ve minnetle anıyorum. Farkettirmeden bize pek çok önemli değer kazandırmış. Farklı olduğumuzu lisede iken pek farketmemiştim, herkes aynı potada olduğundan olsa gerek… Boğaziçi Üniversitesi’ne geldiğimde farklı olduğumuzu daha açık görme imkânım oldu. Farklı ortamlara girince kendimize çok güvendiğimizi anladım. Hareketlerimizde, insan ilişkilerimizde, düşündüklerimizi ifade etmekte, doğruları söylemekte zorlanmıyormuşuz, gayet rahat davranmayı öğrenmişiz. Doğruları sonuna kadar savunmayı öğrenmişiz… Planlı programlı olmayı, zamanı iyi kullanmayı, birçok işi bir arada yapabilmeyi de… Bu değerlerin yararını hayatımın her aşamasında hissetim, yaşadım.
Bu alanda çalışmak isteyen gençlere ne gibi önerilerin olabilir? Hangi alanlarda kendilerini geliştirmelerini tavsiye edersin?
Sağlam bir matematik ve fizik altyapısına sahip olmalarını; yazılım becerilerini geliştirmelerini, sorgulamayı, her şeyin niyesini niçinini araştırmalarını, sorunların kökenine inmeyi öğrenmelerini, alışılmışın dışında düşünmelerini tavsiye ederim. Matematiksel kuramların nasıl uygulamaya dökülebileceğine kafa yormalarını tavsiye ederim. Tabii çok çalışmalarını da… Bizim zamanımızdan farklı olarak gençler lisede çeşitli projelerde yer alabiliyorlar; olabildiğince çok projede yer almaya gayret etsinler; bu, onlara hem gerçek problemler ile karşılaşmaları için bir fırsat sunuyor hem de nasıl araştırma yapacaklarını öğrenmeleri için…
Sevgili Ayşın, seni tüm bu başarılarından dolayı kutluyorum, vakit ayırdığın için çok çok teşekkür ediyorum, iyi ki varsın…
Ben de sana ve tüm Beacon ekibine çok teşekkür ediyorum bana da sayfalarınızda yer verdiğiniz ve bu röportajı gerçekleştirdiğiniz için. Sen de iyi ki varsın, Beacon iyi ki var… İyi ki ACI var…
