Yapay Zekanın İngilizce kısaltması olan “AI” her yerde karşımıza çıkar. AI, İngilizce olarak “Artificial Intelligence”in kısalmasıdır. Yapay Zeka yapısı karmaşıktır, ancak kullanıcının bunu teknik olarak her ayrıntısını anlamasına gerek yoktur. Mevcut yapay zekalar, iyi tahmin etme makineleridir. Yapay Zeka bilinen bilgileri kullanarak bilinmeyenleri tahmin etmektir.
Bir bilgisayar bilimi alanı olan yapay zeka türlü yetenekleri içinde barındıran, tıpkı insanlar gibi çalışan makinelerin oluşturulması amacıyla yola çıkmıştır. Yapay zeka, konuşmaları tanıyabilir, öğrenebilir, planlama yapabilir ve problemleri çözebilir. Amaç yapay zeka ile akıllı ve işlevsel makineler ortaya koymaktır. Ayrıca yapay zeka, uzmanlık gerektiren bir alan olup üstün körü çalışılamaz, alanında uzman kişilerce çalışmalar yapılabilir. Yapay zeka öğrenebilir, problem çözebilir, plan yapabilir, muhakeme yapabilir ve daha fazlasını içerir, kısaca insansı davranışlar göstererek, konuşabilir, ses algılayıp, hareket edebilir, mantık yürütebilir. Kısaca yapay zeka bir makineye insanca düşünme yeteneği kazandırır.
İçindeki birçok terim bulunduran yapay zeka, tek başlık altında tanımlanıp, anlatılamaz. İçinde barındırdığı terimlerden bazıları: makine öğrenmesi (machine learning), derin öğrenme (deep learning).
AI’yi diğer bilgisayar programlarından ayıran şey, her senaryo için özel olarak programlama gerekmemesidir. Bir şeyler öğretebiliriz (makine öğrenimi) ve kendini de öğretebilir (derin öğrenme). Daha iyi anlayabilmek için her birini ayrı ayrı ele alalım;
Yapay Zeka (AI-Artificial Intelligence ): İnsan davranışlarını taklit edebilen makinelerdir.
Makine Öğrenme (Machine Learning): insanların verideki kalıpları tanıması ve tahminler yapması için makineleri eğittiği AI alt kümesidir
Derin Öğrenme (Deep Learning): Makinenin kendini eğitebileceği makine öğrenim alt kümesidir.
Yapay zeka
1950’lerde başlayan AI’nın mümkün olan en geniş tanımı basitçe, bir insan gibi düşünen bir makinedir. Mantıksal bir akış şemasını takip etmek kadar basit olabilir ya da çok çeşitli duyusal girdilerden öğrenebilen ve bu bilgiyi yeni durumlara uygulayabilecek bir insan bilgisayarı olabilir. Herkesin hayal ettiği güçlü AI, her türlü öğrenilmiş veri noktasını birbirine bağlayabilen ve neredeyse her durumu ele alabilme yetenektir.
Makine öğrenme
1980’lerde başlayan Makine öğrenimi olmadan, varolan AI, “eğer x doğruysa, y yap, doğru değilse, z yap” gibi uzun listelerden geçmekle sınırlı olacaktır. Makine öğrenme, sunmuş olduğunuz veriler ve parametreler ile benzetimler yaparak, insandan daha iyi tespitlerde bulunan, programlamadıklarınızı da açığa çıkarabilen, kendi kendini eğitebilen sistemlerdir. Makine öğrenimi, insanların verideki kalıpları tanıması ve tahminler yapması için makineleri eğittiği AI alt kümesidir
Örnek olarak fotoğraf kalitelerinin makine öğrenme yöntemi ile arttırılmasıdır. Çözünürlüğü ve kalitesi düşük bir resmi makine öğr enme ile kalitesi arttırabilir
Derin öğrenmeyi içinde barındıran bir algoritma ve aynı zamanda da alandır. Makine öğrenmesi ile makine elindeki veriler doğrultusunda mantıklı ve rasyonel sonuçlar türetebilir. Makinenin bunu nasıl yaptığı ise bu konuda derin bilgiye sahip olmayan kişileri epey zorlayacak bir sorudur. Yapılmak istenen işe ve işin türüne bakılarak algoritmalarla yürütülen bir dinamiktir. Algoritma ise en genel tanımıyla belli problemleri çözmek için gerekli olan sıralı ve mantıksal adımlardır.
Derin Öğrenme
2010’larde başlayan ve bunu, insan beyniyle aynı şekilde verileri işleyen derin “sinir ağları” ile makine öğrenimi olarak düşünün. Birçok katmanda makine öğreniminde kullanılan hesapları tek bir seferde yapan, makine öğreniminde tanımlamanız gereken parametreleri bile kendisi keşfeden, belki de daha iyi parametreler ile değerlendirmelerde bulunabilen bir sistemdir.
Derin öğrenme, bir makine öğrenme tekniğidir. Örneğin derin öğrenme sayesinde, şoförsüz araçlar “dur” işaretini tanıyabilir. Derin öğrenme, öğrenmeyi doğrudan görüntü, ses ve metin üzerinden verileri analiz ederek sınıflandırır. Bunun için çok sayıda sinir ağı mimarisi ve etiketlenmiş veri ile eğitilirler. Derin öğrenmenin içinde barındırdığı etiketlenmiş veriler örneklendirilecek olursa: bir otomobilin sürücüsüz olarak ilerleyip, “dur” işaretini anlayabilmesi için milyonlarca görüntü ve binlerce saat video gerekiyor.
Derin öğrenme, makinenin kendisini nerede yetiştirdiği makine öğrenmesidir, Derin öğrenme, makine öğrenmesinden çok daha fazla başlangıç verisi ve hesaplama gücü gerektirir. Makinenin kendini eğitebileceği makine öğrenim alt kümesidir
Makine Öğrenmesi ile Derin Öğrenme Arasındaki Fark:
Derin öğrenme, özel bir makine öğrenmesi çeşididir. Makine öğrenimi, yapay zekanın bir alt kümesidir. Makine öğrenmesi, yapılandırılmış verilerle kendini geliştirerek istenen sonucu verebilmek için insan müdahalesi olmadan kendini değiştirebilen algoritmalardır. Derin öğrenme, her bir aldığı veriye farklı bir çıkarım yapar, kullandığı algoritma ağı yapay sinir ağıdır. Yapay sinir ağı, insan beynindeki sinirlerden esinlenmiştir, beyinde mevcut olarak bulunan sinir ağlarını taklit ederek öğrenmeye çalışırlar.
Popülaritesi ve gelişimi hızla artan yapay zeka, makine öğrenmesi ve derin öğrenme tehlikeli bir boyut da kazanabilir. İnsanlığı ilerleyen zamanlarda tehdit edeceğini düşünen birçok bilim adamı da mevcut.
Özetlemek gerekirse;
AI ile başlayan makine öğrenme ve derin öğrenme ile devam eden bu gelişmeler. Tarihsel çıkış tarihlerine ve yaptıklara işlere de baktığımızda makine öğrenme ve derin öğrenme AI’yı destekleyen unsurlardır. AI’nın daha detaylı gelişmesini sağlayan teknolojik gelişmelerdir. Makine öğrenme AI ile yapılan işlemleri toparlayan unsur, Derin öğrenme de makine öğrenmenin yaptıklarını toparlayarak hesaplama yapan unsurdur. Makine ve derin öğrenme, AI’nın daha iyi kullanılmasını sağlayan destekleyici altı unsurlarıdır. Google, Facebook gibi büyük teknoloji şirketleri, AI teknolojisini en güncel halelleriye kullanırlar. Örnek olarak Google arama motorunda yaptığınız bilgilerin tahmin edilmesi.
Bir yorum bırakınız...