Yapay zekanın kısaltması AI'dir. Yapay zeka nedir? insan zekası seviyelerini taklit etmek amacıyla akıllı bilgisayar programları ve makineleri yaratma bilimidir.
Yapay zeka ve bilgi işlem birbirinden bağımsız bir şekilde bağlantılıdır, siz fark etseniz de etmeseniz de AI günlük yaşamımızda büyük bir rol oynar. Örneğin iPhone X . AI'nın nereden çıktığı, bugün nerede olduğu ve gelecekte nereye doğru gittiği ile ilgili kısa bir özet. Tabi öncelikle yapay zekayı anlayabilmek için öncelikle zekanın ne olduğuna bakalım.
Tabi zeka nedir diye bir soru sorduk diye hemen zeka şudur diye cevaplıyamıyoruz. Çünkü zekanın ne olduğu tartışması yıllardan beri süregelmektedir. Zeka zihnin birçok yeteneğinin uyumlu çalışması ile ortaya çıkan yetenekler birleşimidir. En geniş anlamı ile ifade edecek olursak, genel zihin gücü olarata tanımlanabilir.
Zeka sözcüğü çok geniş anlamda kullanılsada psigologlar tarafından bilgi, kişilik, akıl ve yaratıcılık gibi değişik kategorilerde incelenmektedir. Zeka üzerinde araştırma yapanların asıl alanı insanlardır. Lakin hayvanların da öğrenme, anlama vs. yetenekleri üzerinde çalışmalar yapılmaktadır.
ML, bu görevleri nasıl ve ne zaman gerçekleştireceklerine ilişkin veri odaklı kararlar alarak görevleri yürütmek için programlama makinelerini veya programlarını içeren bir yapay zeka şeklidir. Temel olarak, makine öğrenirken, sadece bir bilgisayarı bir işi yapması için öğretmiyorsunuz. Bunun yerine, ML, öğretme makinelerini, genellikle bilgisayarları, algoritmaları kullanarak bağımsız olarak nasıl düşüneceğini ve davranacağını (böylece bir insanın girdisine dayanmak yerine verileri analiz ederek kendi kararlarını alarak) görevlerini yapabilir.
ML'nin algoritmaları kullanımı kuşkusuz yapay zekayı teknolojinin en ön saflarına itmeye yardımcı oldu, çünkü sosyal medya, çevrimiçi alışveriş ve hatta akıllı telefonlar da dahil olmak üzere en büyük tüketici teknolojisi sektörlerinde bazı ellerde yer aldı.
Derin öğrenme, daha karmaşık veri türlerini işlemek için çoklu sinir ağı katmanları kullanarak ML'yi uygulamanın bir yoludur. Bazen hiyerarşik öğrenme olarak adlandırılır, derin öğrenme özellikleri öğrenmek (farklı sunumlar olarak da bilinir) ve bunları büyük ham, etiketsiz veri kümelerinde (yapılandırılmamış veriler) bulmak için farklı türlerdeki sinir ağı kullanır. Derin öğrenmenin ilk atılım gösterilerinden biri, kedilerin görüntülerini YouTube videolarından başarıyla alan bir programdı.
Teknolojide, sinir ağları genellikle yapay sinir ağları (YSA) veya sonradan modellendikleri biyolojik sinir ağlarından ayırmak için yapay sinir ağları olarak adlandırılır. YSA'ların arkasındaki ana düşünce, insan beyninin var olan en karmaşık ve zeki “bilgisayar” olduğudur. Araştırmacılar beynin kullandığı bilgi işlem yapısına ve sistemine göre YSA'nın modellenmesi yaparak insan zekasına yaklaşan veya aşan bilgisayarlar yaratmayı umuyorlardı. Yapay sinir ağları, yapay zeka (AI), makine öğrenmesi (ML) ve derin öğrenmedeki mevcut gelişmelerin kilit bir bileşenidir .
Derin öğrenme, yapay zeka (AI) ve ML'nin genel tablolarına nasıl uyuyor ? Derin öğrenme ML'nin gücünü arttırır ve yapay zekanın yapabileceği görev alanını arttırır. Derin öğrenme, sinir ağlarının kullanılmasına ve göreve daha basit algoritmalar yerine veri kümelerindeki özelliklerin tanınmasına dayandığından, yapılandırılmamış (ham) verilerden ayrıntıları bir programcının ilk kez manuel olarak etiketlemesine gerek kalmadan bulabilir ve kullanabilir ve hataları gösterebilir. Derin öğrenme, bilgisayarların hem kurumlara hem de bireylere yardımcı olmak için verileri kullanma konusunda daha iyi olmalarına yardımcı olmaktır.
Doğal dil işleme veya NLP, bilgisayarların ve insanların etkileşime girme şekilleri üzerinde çok önemli etkileri olan yapay zeka dalıdır . Binlerce yıldan fazla bir süredir gelişen insan dili, çoğu zaman yalnız kelimeleri aşan bir bilgi hazinesi taşıyan nüanslı bir iletişim şekli haline gelmiştir. NLP, insan iletişimi ve dijital veriler arasındaki boşluğu doldurmada önemli bir teknoloji haline gelecektir. Doğal dil işlemenin önümüzdeki yıllarda kullanılacağı 5 yol aşağıda verilmiştir.
Makine Çevirisi: Dünyanın bilgileri çevrimiçi olduğundan, bu verilere erişilebilirlik yapma görevi giderek daha önemli hale geliyor. Dünyanın bilgisini herkes için erişilebilir hale getirme zorluğu, dil engelleri karşısında, basitçe insan çeviri kapasitesini aşmıştır. Duolingo gibi yenilikçi şirketler, çeviri çabalarını yeni bir dil öğrenmekle aynı zamana getirerek katkıda bulunacak çok sayıda insanı işe almak istiyor. Ancak makine çevirisi, dünyadaki bilgilerin uyumlaştırılmasında daha ölçeklenebilir bir alternatif sunuyor. GoogleGoogle çeviri hizmeti için tescilli bir istatistiksel motor kullanan, makine çevirisi konusunda önde gelen bir şirkettir. Makine çevirisi teknolojilerindeki zorluk, kelimeleri çevirmek değil, cümlelerin anlamını korumak, NLP'nin merkezinde bulunan karmaşık bir teknolojik sorundur.
Spam’la Mücadele:Spam filtreleri , istenmeyen e-postaların giderek artan sorununa karşı ilk savunma hattı olarak önem kazanmıştır. Ancak, e-postayı yoğun bir şekilde kullanan hemen hemen herkes, hala alınan istenmeyen e-postalar veya yanlışlıkla filtreye giren önemli e-postalar nedeniyle acı çekmiştir. Spam filtrelerinin yanlış pozitif ve yanlış negatif sorunları, NLP teknolojisinin merkezinde yer almaktadır ve yine metin dizelerinden anlam çıkarma zorunluluğuna düşmektedir. Çok fazla dikkat çeken bir teknoloji, bir e-postadaki kelimelerin görülme sıklığının bir spam ve spam olmayan e-posta grubundaki tipik oluşumuna karşı ölçüldüğü istatistiksel bir teknik olan Bayesian spam filtrelemedir.
Bilgi Çıkarma: Finansal piyasalardaki birçok önemli karar gittikçe daha fazla insan denetiminden ve kontrolünden uzaklaşıyor. Algoritmik ticaret daha popüler hale geliyor, tamamen teknoloji tarafından kontrol edilen bir finansal yatırım şekli. Ancak bu finansal kararların çoğu, baskın olarak İngilizce olarak sunulan gazetecilikten haberler tarafından etkilenmektedir. Öyleyse, NLP'nin büyük bir görevi bu düz metin duyurularını almak ve ilgili bilgiyi algoritmik işlem kararlarına dahil edilebilecek bir biçimde çıkarmak olmuştur.
Özetleme: Bilgi yüklemesi, dijital çağımızda gerçek bir fenomendir ve zaten bilgiye erişimimiz bunu anlama kapasitemizi çoktan aştı. Bu, yavaşlama belirtisi göstermeyen bir eğilimdir ve bu nedenle belgelerin ve bilgilerin anlamını özetleme becerisi gittikçe önem kazanmaktadır.
Soru Cevaplama: Arama motorları , dünyanın bilgi hazinesini parmak uçlarımıza koyuyor, ancak insanlar tarafından ortaya atılan belirli soruları cevaplamak konusunda genellikle oldukça ilkel. Google, aradıkları yanıtı bulmak için genellikle farklı arama sonuçları denemeye ihtiyaç duyan kullanıcıların neden olduğu sıkıntıyı gördü. Google’ın NLP’deki çabalarının büyük bir odak noktası, doğal dil sorularını tanımak, anlam çıkarmak ve cevabı sağlamak olmuştur ve Google’ın sonuç sayfasının gelişimi bu odağı göstermiştir. Kesinlikle iyileşmekle birlikte, bu, arama motorları ve doğal dil işleme araştırmasının ana uygulamalarından biri için büyük bir zorluk olmaya devam etmektedir.
Yapay zekanın fikir babası 'makineler düşünebilir mi' sorunsalını ortaya atan Alan Mathison Turing'dir. Bigisayar bilimi ve yapay zeka kavramları 2. Dünya şavaşı devam ederken Kripto analizi gereksinimleri ile üretilen elektromekanik cihazlar sayesinde oluşmuştur. 2. Dünya savaşında Naziler tarafından kullanılan enigma makinesinin şifre algoritmasını çözmeye çalışan ünlü matematikçiler arasında Alan Turing'de vardı. İngiltere, Bletchley Park'ta şifre çözmek için başlatılan çalışmalar, Alan Turing tarafından prensipleri oluşturulan bilgisayar prototipleri olan Heath Robinson, Bombe Bilgisayarı ve Colossus Bilgisayarları, Boole cebirine dayanan veri işleme mantığı ile Makine Zekâsı kavramının oluşmasına sebep olmuştur.
İlk AI'lara labirent çözme, basit cümlelerle iletişim kurma ve ilkel robotlarda gezinme görevi verildi. Ancak 20 yıl sonra bile vaad edilen insan kaynaklı zeka gelmedi.. Sınırlı bilgi işlem gücü birçok karmaşık görevi imkansız hale getirdi ve bu alana olan destek sallanmaya başladı.. En önemlisi, araştırmacılar aşırı söz verdi ve verdikleri sözlerde yetersiz kaldılar, bu da yatırımcıları bu konudan uzaklaştırdı.
80'lerde ikinci bir patlama yaşandı, önceden programlanmış bir dizi soruna dayanarak karar verebilecek bilgisayarlar hızla yükselişe geçti. Fakat yine de bu yapay zekalar çok ilkeldi. Pratik uygulamalardan yoksundu.
Bu gelişmelerin ardından, yeni bir yapay zeka sınıfı ortaya çıkmaya başladı: Bilgisayarların bir görev için özel olarak programlanmasına ihtiyaç duymak yerine deneyimlerden öğrendiği ve geliştirdiği makine öğrenmesi. 1997 yılında, yapay zeka öğrenmenin bir sonucu olarak, bir süper bilgisayar satrançta ilk kez bir insan rakibini yendi ve sadece 14 yıl sonra, Watson adında bir bilgisayar Jeopardy'de iki insan rakibini yendi!
2000'li yılların başından günümüze yapay zeka çok gelişti. Veri madenciliği , sinir ağları ve derin öğrenme dahil olmak üzere diğer yapay zeka alt grupları ortaya çıkmıştır . Daha hızlı bilgisayarlarla daha karmaşık görevleri gerçekleştirebilecek olan AI, büyük bir gelişme yaşadı ve yeni annenizle paylaştığınız kedi gifine kadar her şeyinizi etkileyerek günlük yaşamın önemli bir parçası haline geldi .
Bugün, yapay zeka sınırsız uygulamalar üzerinde çalışmakta. Hayatımızın bir çok alanında karşımıza çıkabilmektedir. Son olarak, dil öğrenimi, bugün üzerinde çalışılmakta olan daha iddialı ve zorlu yapay zeka projelerinden biridir.
Günümüzde yapay zekaya bir örnek verecek olursak Facebook reism etiketlemeyi gösterebiliriz. Facebook, bir resmi bir arkadaşınıza etiketlediğinizi farkettiğinde ve önerdiğinde, bu yapay zekanın işidir.
Son olarak yapay zeka hakkında şu videoyu izleyebilirsiniz:
Yapay zeka ve bilgi işlem birbirinden bağımsız bir şekilde bağlantılıdır, siz fark etseniz de etmeseniz de AI günlük yaşamımızda büyük bir rol oynar. Örneğin iPhone X . AI'nın nereden çıktığı, bugün nerede olduğu ve gelecekte nereye doğru gittiği ile ilgili kısa bir özet. Tabi öncelikle yapay zekayı anlayabilmek için öncelikle zekanın ne olduğuna bakalım.
Zeka Nedir?
Tabi zeka nedir diye bir soru sorduk diye hemen zeka şudur diye cevaplıyamıyoruz. Çünkü zekanın ne olduğu tartışması yıllardan beri süregelmektedir. Zeka zihnin birçok yeteneğinin uyumlu çalışması ile ortaya çıkan yetenekler birleşimidir. En geniş anlamı ile ifade edecek olursak, genel zihin gücü olarata tanımlanabilir.
Zeka sözcüğü çok geniş anlamda kullanılsada psigologlar tarafından bilgi, kişilik, akıl ve yaratıcılık gibi değişik kategorilerde incelenmektedir. Zeka üzerinde araştırma yapanların asıl alanı insanlardır. Lakin hayvanların da öğrenme, anlama vs. yetenekleri üzerinde çalışmalar yapılmaktadır.
Makine öğrenmesi nedir
Derin Öğrenme Tanımı
Derin öğrenme, daha karmaşık veri türlerini işlemek için çoklu sinir ağı katmanları kullanarak ML'yi uygulamanın bir yoludur. Bazen hiyerarşik öğrenme olarak adlandırılır, derin öğrenme özellikleri öğrenmek (farklı sunumlar olarak da bilinir) ve bunları büyük ham, etiketsiz veri kümelerinde (yapılandırılmamış veriler) bulmak için farklı türlerdeki sinir ağı kullanır. Derin öğrenmenin ilk atılım gösterilerinden biri, kedilerin görüntülerini YouTube videolarından başarıyla alan bir programdı.
Yapay Sinir Ağları
Yapay Zeka, Makine Öğrenimi ve Derin Öğrenme
Derin öğrenme, yapay zeka (AI) ve ML'nin genel tablolarına nasıl uyuyor ? Derin öğrenme ML'nin gücünü arttırır ve yapay zekanın yapabileceği görev alanını arttırır. Derin öğrenme, sinir ağlarının kullanılmasına ve göreve daha basit algoritmalar yerine veri kümelerindeki özelliklerin tanınmasına dayandığından, yapılandırılmamış (ham) verilerden ayrıntıları bir programcının ilk kez manuel olarak etiketlemesine gerek kalmadan bulabilir ve kullanabilir ve hataları gösterebilir. Derin öğrenme, bilgisayarların hem kurumlara hem de bireylere yardımcı olmak için verileri kullanma konusunda daha iyi olmalarına yardımcı olmaktır.
Doğal Dil İşleme Uygulamaları
Makine Çevirisi: Dünyanın bilgileri çevrimiçi olduğundan, bu verilere erişilebilirlik yapma görevi giderek daha önemli hale geliyor. Dünyanın bilgisini herkes için erişilebilir hale getirme zorluğu, dil engelleri karşısında, basitçe insan çeviri kapasitesini aşmıştır. Duolingo gibi yenilikçi şirketler, çeviri çabalarını yeni bir dil öğrenmekle aynı zamana getirerek katkıda bulunacak çok sayıda insanı işe almak istiyor. Ancak makine çevirisi, dünyadaki bilgilerin uyumlaştırılmasında daha ölçeklenebilir bir alternatif sunuyor. GoogleGoogle çeviri hizmeti için tescilli bir istatistiksel motor kullanan, makine çevirisi konusunda önde gelen bir şirkettir. Makine çevirisi teknolojilerindeki zorluk, kelimeleri çevirmek değil, cümlelerin anlamını korumak, NLP'nin merkezinde bulunan karmaşık bir teknolojik sorundur.
Spam’la Mücadele:Spam filtreleri , istenmeyen e-postaların giderek artan sorununa karşı ilk savunma hattı olarak önem kazanmıştır. Ancak, e-postayı yoğun bir şekilde kullanan hemen hemen herkes, hala alınan istenmeyen e-postalar veya yanlışlıkla filtreye giren önemli e-postalar nedeniyle acı çekmiştir. Spam filtrelerinin yanlış pozitif ve yanlış negatif sorunları, NLP teknolojisinin merkezinde yer almaktadır ve yine metin dizelerinden anlam çıkarma zorunluluğuna düşmektedir. Çok fazla dikkat çeken bir teknoloji, bir e-postadaki kelimelerin görülme sıklığının bir spam ve spam olmayan e-posta grubundaki tipik oluşumuna karşı ölçüldüğü istatistiksel bir teknik olan Bayesian spam filtrelemedir.
Bilgi Çıkarma: Finansal piyasalardaki birçok önemli karar gittikçe daha fazla insan denetiminden ve kontrolünden uzaklaşıyor. Algoritmik ticaret daha popüler hale geliyor, tamamen teknoloji tarafından kontrol edilen bir finansal yatırım şekli. Ancak bu finansal kararların çoğu, baskın olarak İngilizce olarak sunulan gazetecilikten haberler tarafından etkilenmektedir. Öyleyse, NLP'nin büyük bir görevi bu düz metin duyurularını almak ve ilgili bilgiyi algoritmik işlem kararlarına dahil edilebilecek bir biçimde çıkarmak olmuştur.
Özetleme: Bilgi yüklemesi, dijital çağımızda gerçek bir fenomendir ve zaten bilgiye erişimimiz bunu anlama kapasitemizi çoktan aştı. Bu, yavaşlama belirtisi göstermeyen bir eğilimdir ve bu nedenle belgelerin ve bilgilerin anlamını özetleme becerisi gittikçe önem kazanmaktadır.
Soru Cevaplama: Arama motorları , dünyanın bilgi hazinesini parmak uçlarımıza koyuyor, ancak insanlar tarafından ortaya atılan belirli soruları cevaplamak konusunda genellikle oldukça ilkel. Google, aradıkları yanıtı bulmak için genellikle farklı arama sonuçları denemeye ihtiyaç duyan kullanıcıların neden olduğu sıkıntıyı gördü. Google’ın NLP’deki çabalarının büyük bir odak noktası, doğal dil sorularını tanımak, anlam çıkarmak ve cevabı sağlamak olmuştur ve Google’ın sonuç sayfasının gelişimi bu odağı göstermiştir. Kesinlikle iyileşmekle birlikte, bu, arama motorları ve doğal dil işleme araştırmasının ana uygulamalarından biri için büyük bir zorluk olmaya devam etmektedir.
Yapay Zekanın Tarihçesi
Yapay zekanın fikir babası 'makineler düşünebilir mi' sorunsalını ortaya atan Alan Mathison Turing'dir. Bigisayar bilimi ve yapay zeka kavramları 2. Dünya şavaşı devam ederken Kripto analizi gereksinimleri ile üretilen elektromekanik cihazlar sayesinde oluşmuştur. 2. Dünya savaşında Naziler tarafından kullanılan enigma makinesinin şifre algoritmasını çözmeye çalışan ünlü matematikçiler arasında Alan Turing'de vardı. İngiltere, Bletchley Park'ta şifre çözmek için başlatılan çalışmalar, Alan Turing tarafından prensipleri oluşturulan bilgisayar prototipleri olan Heath Robinson, Bombe Bilgisayarı ve Colossus Bilgisayarları, Boole cebirine dayanan veri işleme mantığı ile Makine Zekâsı kavramının oluşmasına sebep olmuştur.
İlk AI'lara labirent çözme, basit cümlelerle iletişim kurma ve ilkel robotlarda gezinme görevi verildi. Ancak 20 yıl sonra bile vaad edilen insan kaynaklı zeka gelmedi.. Sınırlı bilgi işlem gücü birçok karmaşık görevi imkansız hale getirdi ve bu alana olan destek sallanmaya başladı.. En önemlisi, araştırmacılar aşırı söz verdi ve verdikleri sözlerde yetersiz kaldılar, bu da yatırımcıları bu konudan uzaklaştırdı.
80'lerde ikinci bir patlama yaşandı, önceden programlanmış bir dizi soruna dayanarak karar verebilecek bilgisayarlar hızla yükselişe geçti. Fakat yine de bu yapay zekalar çok ilkeldi. Pratik uygulamalardan yoksundu.
Bu gelişmelerin ardından, yeni bir yapay zeka sınıfı ortaya çıkmaya başladı: Bilgisayarların bir görev için özel olarak programlanmasına ihtiyaç duymak yerine deneyimlerden öğrendiği ve geliştirdiği makine öğrenmesi. 1997 yılında, yapay zeka öğrenmenin bir sonucu olarak, bir süper bilgisayar satrançta ilk kez bir insan rakibini yendi ve sadece 14 yıl sonra, Watson adında bir bilgisayar Jeopardy'de iki insan rakibini yendi!
2000'li yılların başından günümüze yapay zeka çok gelişti. Veri madenciliği , sinir ağları ve derin öğrenme dahil olmak üzere diğer yapay zeka alt grupları ortaya çıkmıştır . Daha hızlı bilgisayarlarla daha karmaşık görevleri gerçekleştirebilecek olan AI, büyük bir gelişme yaşadı ve yeni annenizle paylaştığınız kedi gifine kadar her şeyinizi etkileyerek günlük yaşamın önemli bir parçası haline geldi .
Günümüzde Yapay Zeka
Son olarak yapay zeka hakkında şu videoyu izleyebilirsiniz:
