Yapay Zeka, AI (Artificial intelligence)

Yapay zekâ kavramını insan zekâsını taklit eden bir makine sistemi olarak tanımlayabiliriz. Söz konusu makine ve yazılımlar otonom çalışma özelliğine sahiptir. Makinelerin düşünme, hatırlama, tanımlama işlemleri yapay nöral ağlar sayesinde olur. Sistemin işleyişi, veriler üzerine inşa edilen algoritmaların ince ayarla uygulanması yoluyla gerçekleşir. Yapay zekâ şirketleri tarafından üretilen yazılımlar, işlev ve kapsam bakımından farklılık gösterebilir ancak temel çalışma prensibi bu şekildedir.

Yapay zeka nedir?

Yapay zeka, bilgisayar sisteminin öğrenme ve sorun çözme gibi insan benzeri bilişsel işlevleri taklit edebilme becerisidir.

Hasan Konakcı

Yapay zeka (AI) nasıl çalışır?

Matematik ve mantık kullanan bilgisayar sistemi, insanların yeni bilgileri öğrenmek ve karar almak için kullandığı düşünsel beceriyi simüle eder.

Yapay zeka sahibi bir bilgisayar sistemi, mevcut verilerdeki kalıplara dayalı olarak tahminlerde bulunur veya işlemler yapar ve ardından hatalarından ders çıkararak daha doğru tahminler ve işlemler gerçekleştirir. Olgun bir yapay zeka, yeni bilgileri son derece hızlı ve doğru bir şekilde işler. Bu nedenle sürücüsüz araçlar, görüntü tanıma programları ve sanal yardımcılar gibi karmaşık senaryolarda çok kullanışlıdır.

Makine öğrenmesi, yapay zekanın bir alt kümesi olarak değerlendirilir. Makine öğrenmesi, makineleri insanlar gibi veri analizi yaparak öğrenecek şekilde eğitmeye odaklanır. Bu nedenle, makine öğrenmesi yapay zeka sistemleri geliştirmeye yardımcı olan bir tekniktir.

API’ler (uygulama programı arabirimi), uygulamaları diğer sistemlere, hizmetlere veya uygulamalara bağlar. Bilişsel API’leri kullandığınızda, etki alanına özgü akıllı modellerden oluşan bir kitaplığa erişim isteğinde bulunmuş olursunuz.

Hem yapay zeka hem veri bilimi için büyük veri kümeleri bir araya getirilir, analiz edilir ve toplanır. Ancak hedefler farklıdır. Yapay zeka, bilgisayarların verilere dayalı olarak karar almasına odaklanır. Veri bilimi ise matematik, istatistik ve makine öğrenmesi yardımıyla verilerden içgörü çıkarmaya odaklanır.

 
 

Robotlar genelde fiziksel bir yapıya ve onu kontrol eden yazılımlara sahiptir. Yapay zeka yazılımları tarafından kontrol edilen robotlar, insanların doğrudan talimat vermesine gerek kalmadan otonom şekilde hareket edebilir. Ancak, tüm robotlar yapay zeka tarafından kontrol edilmez ve yapay zekanın mutlaka fiziksel bir yapısı olmasına gerek yoktur.

 

Yapay zeka türleri

Yapay dar zeka (Dar AI)

Yapay dar zeka (bazen “zayıf yapay zeka” olarak adlandırılır), bilgisayar sisteminin dar kapsamlı olarak tanımlanmış bir görevi insanlardan daha iyi yerine getirebilme becerisini ifade eder. Dar yapay zeka, insanlığın yapay zeka geliştirme konusunda şu ana dek ulaşabildiği en uç noktadır. Otonom araçlar ve kişisel dijital yardımcılar gibi gerçek dünyada gördüğünüz tüm yapay zeka örnekleri bu kategoriye girer. Bunun nedeni, yapay zekanın gerçek zamanlı olarak kendi başına düşünüyormuş gibi göründüğü durumlarda bile aslında dar kapsamlı çeşitli süreçli koordine ediyor ve önceden belirlenmiş bir çerçeve dahilinde kararlar alıyor olmasıdır. Yapay zekanın “düşünme sürecinde” bilinç veya duygular yer almamaktadır.

Yapay genel zeka (Genel AI)

Yapay genel zeka (bazen “güçlü yapay zeka” veya “insan düzeyi yapay zeka” olarak adlandırılır), bilgisayar sisteminin tüm zihinsel görevlerde insanlardan daha başarılı olması anlamına gelir. Robotların bilinçli düşüncelere sahip olduğu ve kendi güdüleri doğrultusunda hareket ettiği filmlerde görülen yapay zeka türü budur. Genel yapay zekaya sahip bir bilgisayar sistemi teorik olarak, karmaşık sorunları çözebilir, belirsiz durumlarda karar alabilir ve mevcut durumu değerlendirirken önceki bilgilerinden yararlanabilir. Böyle bir sistem; yaratıcılık ve hayal gücü açısından insanlarla aynı düzeyde olur ve dar yapay zekaya göre çok daha geniş bir görev yelpazesini başarıyla ele alabilir.

Makine öğrenmesi

Makine öğrenmesi, bilgisayar sistemlerinin yapay zeka elde etmek için uyguladığı bir süreçtir. Makine öğrenmesi, verilerdeki kalıpları belirlemek için algoritmaları kullanır. Ardından, bu kalıplar kullanılarak tahmin yapabilen bir veri modeli oluşturulur. Makine öğrenmesi modelleri, veri alt kümeleri üzerinde eğitilir. Modeli eğitmek için kullanılan veriler analiz edilecek veri kümesinin tamamını doğru şekilde temsil ediyorsa algoritmanın hesapladığı sonuçlar daha doğru olur. Makine öğrenmesi modeli, görevini faydalı ve güvenilir olacak kadar hızlı ve doğru bir şekilde yerine getirecek ölçüde iyi eğitildiğinde dar yapay zeka elde edilmiş olur.

Derin öğrenme

Derin öğrenme, beynin yapısından (sinir ağları olarak bilinir) ilham alınarak oluşturulmuş algoritma ağlarının kullanıldığı gelişmiş bir makine öğrenmesi türüdür. Derin sinir ağlarında iç içe yerleştirilmiş nöral düğümler bulunur ve yanıtlanan her soru ilgili bir dizi başka soruya yol açar. Derin öğrenme eğitimi için genellikle büyük bir veri kümesi gerekir. Derin öğrenmeye yönelik eğitim kümeleri bazen milyonlarca veri noktasından oluşur. Bu büyük veri kümeleri üzerinde eğitilen derin sinir ağları, belirsizlik içeren durumlarda basit ağlara göre daha iyi çalışabilir. Bu nedenle derin sinir ağları, görüntü tanıma gibi uygulamalar için kullanışlıdır. Görüntü tanıma uygulamasında yapay zekanın, görüntüde neler olduğunu belirleyebilmek için önce şekillerin kenarlarını bulması gerekir. Ayrıca, satranç gibi karmaşık oyunlarda insan becerilerinin ötesine geçen yapay zeka sistemleri de derin öğrenme tarafından eğitilir.

Yapay zeka örnekleri

Sürücüsüz araçlar
Günümüzün en kompleks yapay zeka sistemlerinden biri de sürücüsüz ve diğer otonom araçlardır. Bu sistemler, insanların araç kullanırken sergilediği düşünme şeklini simüle eden birçok süreci bir arada yürütür. Görüntü tanıma işlevinden yararlanarak trafik işaretlerini, sinyalleri, trafik akışını ve engelleri tespit ederler. Hedefe ulaşmak için izlenecek en uygun rotayı belirlerler. Bu sistemler ayrıca sorunları önceden tespit etmek ve yazılımlarını güncelleştirmek için gerçek zamanlı olarak veri gönderir ve alır.
Sağlık verileri analizi
Dünyanın dört bir yanındaki sağlık kurumları araştırma, test, tanılama, tedavi ve izleme faaliyetlerinde yapay zekadan yardım almaktadır. Sağlık kurumlarından bazıları, doku örneklerini analiz etmek için yapay zekayı kullanarak daha doğru tanılara ulaşabilmektedir. Bazı şirketler, yapay zeka ile klinik verilerini analiz etmekte ve hastaların tedavilerindeki eksiklikleri tespit etmektedir. Bazı şirketler ise yapay zeka ile milyarlarca bileşiği analiz ederek kimyagerlerin daha hızlı keşif yapmasına ve klinik denemeler için uygun adayları belirlemesine olanak tanımaktadır.
Botlar ve dijital yardımcılar
İnsanlar için iletişim kurmanın doğal bir yolu konuşmaktır. Yapay zeka teknolojisi geliştikçe konuşma arabirimleri daha yaygın hale gelmiştir. Bazı arabirimler sadece belirli bir amaca yöneliktir. Bu arabirimler, sinema bileti ayırma veya Twitter yazışmalarını hikaye olarak derleme gibi tek bir işte kullanılır. Diğer arabirimler ise kişisel yardımcı gibi davranır ve çok çeşitli işler için destek olabilir. Ancak tüm konuşma arabirimleri, istekleri (ifade olarak da bilinir) yorumlamak ve ilgili bilgilerle yanıtlamak için doğal dil anlama (NLU) teknolojisini kullanır.
Öneri altyapıları
Yapay zekanın en yaygın kullanım amaçlarından biri, geçmiş verilere dayalı olarak öneride bulunmaktır. Örneğin, bir medya akış hizmeti izlemeniz veya dinlemeniz için bir sonraki içeriği önerdiğinde yapay zekadan yararlanarak geçmişte izlediklerinizi ya da dinlediklerinizi analiz etmekte, tüm kullanılabilir seçenekleri özniteliklerine göre filtrelemekte ve sizi eğlendirme olasılığı en yüksek olan seçeneği sunmaktadır. Alışveriş yapmakta olduğunuz web sitesi, sepetinize ekleyebileceğiniz aksesuarlar veya ilgili ürünler önerirken yine benzer bir şekilde yapay zekadan yararlanmaktadır.
Akıllı ev teknolojisi
Evinizde otomatik hale getirilen hemen her işlev için yapay zeka kullanılır. Bunlara örnek olarak, verilen komutları dinleyen elektrik lambaları, tercihlerinizi öğrenip gün boyunca kendini ayarlayan termostatlar ve kendi başına dolaşabilecek şekilde evinizin yapısını öğrenen akıllı elektrikli süpürgeler verilebilir.
Previous slide
Next slide

Yapay zekanın avantajları

Daha hızlı ve daha doğru kararlar

Yapay zeka, insan hatası faktörünü azaltır. Bu nedenle, büyük ölçüde veriye dayalı olarak alınan ve birçok karmaşık hesaplama yapılmasını gerektiren kararlarda yapay zekanın faydası büyüktür.

 

Yinelenen görevlerin otomasyonu

Yinelenen ve zaman alıcı görevleri yerine getirmek için yapay zeka kullanılması, işletmenizdeki çalışanların stratejik önemi ve etkisi daha yüksek işlere odaklanmasına yardımcı olur.

 

Daha ilgili öneriler

Yapay zeka, müşterilerinize ilgi alanları ve alışkanlıklarına dayalı olarak kendi durumlarıyla daha ilgili öneri ve tavsiyelerde bulunmanıza yardımcı olur.

 

Yapay zeka denemeleri yapmaya başlama

Yapay süper zeka düzeyine ulaşmış bir bilgisayar sistemi; bilimsel yaratıcılık, genel bilgelik ve sosyal beceriler dahil olmak üzere hemen her alanda insanlardan daha başarılı olacaktır.