Yapay Zekanın Kara Kutusunu Açmak: HarmonyOS ve ArkTS ile Canlı Bir AI Simülatörü Geliştirmek

Yapay zeka artık hayatımızın her köşesinde. Ancak çoğumuz için arka planda çalışan o devasa modeller sadece veri verip sonuç aldığımız sihirli birer “kara kutu” olmaktan öteye geçemiyor. Parametreler, ağırlıklar, aktivasyon fonksiyonları… İsimler havalı ama arkadaki çarklar nasıl dönüyor?

Mekatronik sistemlerin donanım ve yazılım mantığını kavramaya alışkın biri olarak kapalı sistemlerden ve arka planda dönen çarkları görmemekten pek hoşlanmıyorum. Üstelik yazılım eğitimleri verirken –özellikle karmaşık algoritmaları anlatırken– hep aynı gerçeği gördüm: Bir sistemi görselleştiremiyorsanız ve anında tepki alamıyorsanız, o konuyu tam olarak öğretemezsiniz. İşte bu motivasyonla yapay zekanın o görünmez matematiğini alıp dokunulabilir, interaktif ve eğlenceli bir mobil laboratuvara dönüştürmeye karar verdim. Üstelik bu laboratuvarı tamamen yeni nesil bir ekosistemde HarmonyOS NEXT üzerinde ArkTS ve ArkUI kullanarak inşa ettim. Karşınızda: AI & Machine Learning Simulator.

Simülatör Ne İşe Yarıyor?

Uygulamanın temel amacı okumak değil; deneyimlemek. “Temperature değeri artarsa Dil Modeli (LLM) nasıl halüsinasyon görür?” veya “Q-Learning kullanan bir otonom robot çukurlara düşe kalka hedefi bulmayı nasıl öğrenir?” gibi soruların cevaplarını teorik paragraflarla değil, canlı simülasyonlarla veriyor.

Gereksiz detaylardan arındırılmış minimalist bir “Komuta Merkezi” tasarımıyla 7 farklı makine öğrenmesi modülünü tek bir uygulamada topladım:

1. CNN (Evrişimli Sinir Ağları): Canlı piksel matematiği ile kenar bulma (Edge Detection).
2. LLM (Büyük Dil Modelleri): Softmax ve Temperature ilişkisinin kelime tahminine etkisi.
3. DNN (Derin Sinir Ağları): Matris çarpımları ve ReLU/Softmax aktivasyonlarının görselleştirilmesi.
4. Q-Learning: Bellman Denklemi ile sıfırdan harita öğrenen otonom ajan.
5. Karar Ağaçları: Sensör verileriyle çalışan akıllı bina algoritması.
6. Anomali Tespiti: Z-Score ile ağ güvenliği izleme.
7. Nesne Tanıma: Lojistik regresyon tabanlı sınıflandırma.

Kaputun Altında Neler Var? Teknolojiler ve Mimari

Bu projeyi klasik Android (Java/Kotlin) tabanlı eski yöntemlerle değil, Huawei’nin Android çekirdeğinden tamamen bağımsız yeni nesil mimarisi HarmonyOS NEXT ile geliştirdim. Bu seçim sadece yeni bir dil öğrenmek değil aynı zamanda yeni bir düşünce yapısına (Deklaratif Programlama) geçiş demekti.

1. ArkTS ve ArkUI ile Deklaratif Yaklaşım

Projenin kalbinde TypeScript’in genişletilmiş ve performansa odaklanmış hali olan ArkTS var. Arayüz tarafında ise ArkUI’ın gücünden faydalandım. Kullanıcı bir sliderı hareket ettirdiğinde veya bir hiperparametreyi değiştirdiğinde tüm modelin baştan hesaplanıp arayüzün anında güncellenmesi gerekiyordu.

Bunu sağlamak için @State, @Prop ve @Builder dekoratörlerini kullanarak sağlam bir State Management mimarisi kurdum. Sistem o kadar reaktif çalışıyor ki bir matrisin ağırlık değerini kaydırdığınız saniyede çıkan sonuç hiyerarşik bir gecikme olmadan ekrana yansıyor.

2. Donanım ve Yazılımın Çarpışması: Geliştirme Ortamı

Proje harika ilerlerken yazılım dünyasının o acımasız gerçeklerinden biriyle yüzleştim: “Eski donanım yeni yazılımı çalıştırmaz.”

Yazdığım bu safkan ArkTS projesini eski nesil Android tabanlı işletim sistemine sahip bir test telefonuna kuramadım. Ancak Huawei'nin DevEco Studio IDE'si içindeki güçlü Previewer motoru hayat kurtardı. Fiziksel cihaza kurma bariyerine takılsak da kod yazarken saniyesinde derleme yapan bu önizleyici sayesinde simülasyonun tüm reaktif yapısını kayıpsız bir şekilde test edebildim. Donanım limitlerine rağmen yazılımın sınırlarını zorlamak harika bir deneyimdi.

Sonuç: Öğrenirken Eğlenmek

Karmaşık matematiksel denklemleri kod satırlarından çıkarıp etkileşimli bileşenlere dönüştürmek yapay zekanın aslında sihir değil saf mantık ve olasılık olduğunu çok net gösteriyor.

Kodları, mimari detayları ve simülasyonların nasıl hesaplandığını incelemek isteyen herkesi GitHub repoma beklerim: https://github.com/Ptunc/HarmonyOS-AI-Simulator/