Yapay Zekâ Nedir?
En basit, anlaşılabilir ve kolay ifadelerle Yapay Zeka’yı tanımlamak gerekirse, verilen görevleri yerine getirmek için insan zekâsını taklit eden ve elde ettiği verilere göre sürekli olarak kendisini iyileştirebilen sistemler veya makineler manasına gelir. Örneğin:
- Sohbet robotları, müşterilerin meselelerini daha hızlı bir şekilde anlamak ve daha işlevsel cevap vermek için yapay zekâdan istifade ederler.
- Akıllı asistanlar, zamanlamayı iyileştirmek için büyük kullanıcı tanımlı büyük veri kümelerinden kritik düzeydeki bilgileri çekmek için yapay zekâdan istifade ederler.
- Teklif verme motorları, kullanıcıların izleme alışkanlıklarını temel alarak TV programları için otomatik bir şekilde teklifler sunabilirler.
Yapay Zekâ, rastgele bir özel biçim veya işlevden ziyade yüksek donanımla güçlendirilmiş düşünce ve büyük veri analizi becerisi ve süreci ile alakalıdır. Yapay Zekâ denildiğinde zihinlerde dünyayı ele geçiren çok amaçlı, insana benzeyen robotlar canlansa da yapay zekâ insanların yerini almak üzere tasarlanmamış ve kullanıma sunulmamıştır. Tam aksine İnsan becerilerini ve katkılarını önemli ölçüde geliştirmek ve güçlendirmek üzere tasarlanmıştır.
Yapay Zekâ İçin Kullanılan Terimler
Çoğumuz yapay zekayı basit olarak robotlarla insanlar arasındaki etkileşim olarak düşünüruz. Geleceği değiştireceği söylenen yapay zeka teknolojisi, “robot-insan ilişkisi” kavramının ötesine uzanan alt bileşenlerle çok yönlüdür. Ne yazık ki, henüz emekleme aşamasında olan bu teknoloji için ortaya çıkan kavramlar şimdiden karışmaya başladı. En azından benim için.
İnternette gezinirken yapay zeka ile ilgili haberlere denk geldiğinizde muhtemelen “veri madenciliği” ve “makine öğrenimi” gibi terimler görmüşsünüzdür. Ancak okuduğunuzu anlamanıza yardımcı olacak özlü bir tanım bulmak çoğunlukla kolay olmuyor. İşte tam da bu amaçla hem öğrenmek hem de öğrendiklerimi paylaşmak adına yapay zeka ile ilgili bulabildiğim terimlerin basit anlamlarını aşağıya ekledim. Umarım size de yardımcı olur.
Elimden geldiğinde güncellemeye ve başlıkları zenginleştirmeye çalışacağım.
Eksik, yanlış veya tavsiyelerinizi lütfen yorum bölümünde belirtin.
- Yapay zeka ( Artificial intelligence ): Bir bilgisayarın veya bilgisayar kontrolündeki bir robotun çeşitli faaliyetleri zeki canlılara benzer şekilde yerine getirme kabiliyeti. (örneğin karar verme, nesne sınıflandırma ve algılama, konuşma tanıma ve çeviri)
- Genel yapay zeka ( AGI — Artificial general intelligence ): İnsanlarla benzer kabiliyete sahip yapay zeka türüdür ayrıca güçlü yapay zeka (strong AI) olarak da bilinir. Halen başlangıç aşamasındadır. Tarih vermek yanlış olsa da 2020’li yıllarında sonlarında görmemiz muhtemel.
- Dar yapay zeka ( ANI — Artificial narrow intelligence ): Dar yapay zeka belirli bir zamanda yalnızca bir göreve veya soruna odaklanabilen (örneğin bir insan rakibine karşı oyun oynayabilir) bir yapay zeka türüdür. Bu şu anda mevcut yapay zeka şeklidir. Zayıf yapay zeka (weak AI) olarak da bilinir.
- Süper yapay zeka ( ASI — Artificial super intelligence ): Bir yapay zeka insan davranışı veya zekasını taklit etmekle kalmıyor, bunları aşıyorsa işte buna süper yapay zeka diyoruz. Süper yapay zeka şimdilik sadece üzerinde tahminler yapabileceğimiz bir şey. Sonuçlarının ne olacağı ise şimdiden büyük bir tartışma konusu. Neyse ki uzmanlar uzun bir süre daha hayata geçeceğini öngörmüyor.
- Yapay sinir ağı ( ANN — Artifial neural network): İnsan beyninden sonra yapay bir sinir sistemi yaratarak, duyusal verileri öğrenen, yorumlayan ve sınıflandıran örüntü tanıyan bir bilgisayar algoritması aracılığıyla modellenmiş bir ağ.
- Tekrarlayan sinir ağı ( RNN — Recurrent neural network ): Sıralı bilgilere ve örüntü tanıma temelinde mantıklı çıktı üreten bir tür sinir ağı.
- Algoritma ( Algorithm ): Bir görevi tamamlaması için bilgisayara verilen bir formül (yani bilgisayar için bir kurallar kümesi)
- Geri yayılım ( Backpropagation ): İngilizce ‘ backward propagation of errors ‘ kelimelerinden üretilen terim; kısaca, sistemin ilk çıktısının istenen çıktı ile karşılaştırıldığı, daha sonra (çıktılar arasındaki) arasındaki fark minimum seviyeye gelene kadar ayarlanan sinir ağlarının eğitimi yöntemidir.
- Bayes ağları ( Bayesian networks ): Bayes ağı, Bayes modeli ve inanç ağı ( belief network) olarak da bilinir, bir dizi değişken ve bağımlılıklarını temsil eden grafik tabanlı bir modeldir.
- Büyük veri ( big data): Standart veri işleme yazılımı tarafından işlenemeyecek kadar karmaşık olan büyük miktarda yapılandırılmış veya yapılandırılmamış veri.
- Sohbet botları ( Chatbots ): İnsan kullanıcıyla yazılı veya sesli komutlarla sohbet edebilen bir sohbet robotu. E-ticaret, eğitim, sağlık ve iş endüstrileri tarafından iletişim kolaylığı ve kullanıcı sorularını yanıtlamak için kullanılır.
- Sınıflandırma ( Classification ): Makinelerin veri noktalarına kategori atamasını sağlayan algoritma tekniği.
- Kümeleme ( Clustering ): Makinelerin benzer verileri daha büyük veri kategorilerine ayırmasını sağlayan algoritma tekniği.
- Bilişsel hesaplama ( Cognitive computing ): Veri madenciliği, NLP ve örüntü tanıma yoluyla insan düşünce süreçlerini taklit eden bilgisayarlı model.
- Bilgisayar görüşü ( Computer vision ): Bir makine görüntü dosyalarından (JPEG’ler) veya kamera yayınlarından görsel girdiyi işlemesi.
Yapay Zekâ, eskiden müşterilerle online olarak iletişime geçmek veya satranç benzeri oyunlar oynamak gibi insan girdisi gerektiren karmaşık görevleri gerçekleştirirken, uygulama yazılımlarının tamamını kapsayan bir terim olarak anılmaya başlandı.
Mesela makine öğreniminde, işlem gören verilere göre öğrenen veya performansını her bilgi düzeyinde iyileştiren sistemlerin oluşturulmasına özen gösterilir. Tüm makine öğrenimi becerisi sonuçlarının yapay zekâ olduğu ancak tüm yapay zekâ sonuçlarının makine öğrenimi becerisi manasına gelmediği akıllardan çıkmamalıdır.
Günümüzde pek çok şirket ve firma, yapay zekânın sunduğu tüm yararlardan ve işlevsellikten faydalanmak için veri bilimi ekiplerine ve büyük veri uzmanlarına önemli ölçüde yatırımlar yapmaktadır. Verilerden anlamlı sonuçlar elde etmek üzere ilmi bir alan olan veri bilimi, çok fazla kaynaktan toplanan verileri çözümlemek için sıklıkla tercih edilir.
Yapay Zekâyı Neden Kullanmalıyız?
İnsanlar ve şirketler genelinde yapay zekâ geliştirmenin ve onu faydalı hale getirme çalışmalarının ardında yatan üç önemli başlık vardır:
- Uygun ücretli, yüksek performanslı bilgi işlem özelliği kolayca kullanılabilir:
Bulut sisteminde yüksek rakamlarda emtia bilgi işlem gücü, uygun ücretli ve yüksek performanslı bilgi işlem gücüne kolayca ulaşılabilmesini sağlar.
- Eğitim için yüksek rakamlarda veriye ulaşılabilir:
Yapay Zekânın daha doğru tahminler yapabilmesi için çok miktarda büyük veri ile eğitilmesi gerekir.
- Uygulanan Yapay Zekâ, rekabet avantajı sağlar:
Her geçen gün artan sayıda şirket ve firmalar, iş hedeflerine yapay zekâ öngörülerini uygulamanın getirdiği rekabet avantajını artık kabul ediyor ve bunu, işletme bazında önem verilmesi gereken bir öncelik haline getiriyor. Yapay Zekânın sunduğu pek çok fonksiyon ve kapasite; fiyatların daha uygun standartlara çekilmesini, pazara giriş için gereken süresinin azaltılmasını ve daha birçoklarını sağlayabilir.
Yapay Zekâ Efsaneleri
İnsanlar bilinmeyenler konusunda çok fazla fikre sahiptir ve bu da oldukça yanlış inanışlara yol açmaktadır. Bunlardan bazıları:
- Yapay Zekâ, bir kendin yap yaklaşımı gerektirir.
- Doğrusu: Çoğu şirket ve firma, hem şirket/firma içi hem de kullanıma hazır çözümleri birleştirerek yapay zekâyı yaratabilir ve kullanıma sunabilirler.
- Yapay zekâ ani ve kesin sonuçlar verir.
Doğrusu: Yapay zekâ başarılarına giden yol, vakit, dikkatli tasarım veya örneklendirme ve başarılı olmak istediğiniz sonuçlar hakkında net bir fikirler dizisine sahip olmayı zorunlu kılar.
- Yapay zekâ, kendi kendisini çalıştırabilir.
- Yapay zekâ işleri robotların üstlenmesi anlamına gelmemektedir. Yapay zekâya verilen değer, insanların imkânlarını artırmasında yatar. Daha da önemlisi, yapay zekânın doğru bilgileri alabilmesi, işleyebilmesi ve doğru şekilde sonuçlar verebilmesi için insanlara ihtiyaç vardır.
- Ne kadar çok büyük veriye sahipsek o kadar iyi sonuçlar alırız.
- Yapay zekâ için akıllı yani düzenli/düzensiz veriler gereklidir. Yapay zekâdan mevcut iş ile alakalı en etkili tahminleri alabilmek için verilerin yüksek kalitede olmasına, ilgili olmasına ve yine içerik bakımından zenginleştirilmiş olmasına ihtiyaç vardır.
- KAYNAK: https://yorumla.net/yapay-zeka-nedir/
