Yapay zeka (Artificial intelligence) terimi 1956’da ortaya çıkmıştır, ancak artan veri hacimleri, gelişmiş algoritmalar ve bilgi işlem gücü ve depolamadaki gelişmeler sayesinde AI bugün daha popüler hale gelmiştir.

 

1950’lerde erken dönem AI araştırmaları problem çözme ve sembolik yöntemler gibi konuları araştırdı. 1960’larda ABD Savunma Bakanlığı bu tür çalışmalara ilgi gösterdi ve temel insan akıl yürütmesini taklit etmek için bilgisayarları eğitmeye başladı. Örneğin, Savunma İleri Araştırma Projeleri Ajansı (DARPA), 1970’lerde sokak haritalama projelerini tamamladı. Ve DARPA, 2003’te Siri, Alexa veya Cortana’nın ev isimleri olmasından çok önce, akıllı kişisel asistanlar üretti.

 

Bu erken çalışma, bugün bilgisayarlarda gördüğümüz otomasyon ve resmi akıl yürütmenin yolunu açtı; karar destek sistemleri ve insan yeteneklerini tamamlamak ve güçlendirmek için tasarlanabilen akıllı arama sistemleri de dahil.

 

Hollywood filmleri ve bilim kurgu romanlar AI’yı dünyayı ele geçiren insan benzeri robotlar olarak tasvir ederken, AI teknolojilerinin şu anki evrimi bu kadar korkutucu değil – ya da bu kadar akıllı. Bunun yerine, AI her sektörde birçok özel fayda sağlamak için gelişmiştir. Sağlık hizmetleri, perakende satış ve daha fazlası için yapay zekanın modern örnekleri için okumaya devam edin.

 

Yapay Zeka ve Makine Öğrenimi

 

Hızlı, AI ile makine öğrenimi arasındaki ilişkiyi anlamak için bu videoyu izleyin. Bu iki teknolojinin nasıl çalıştığını, örneklerle ve birkaç komik yanıyla göreceksiniz.

 

Ayrıca, bu yapay zekayı herkesin anlayacağı şekilde açıklamak için arkadaşlarınız ve ailenizle paylaşmak için harika bir video.

 

AI, verilerle tekrarlı öğrenmeyi ve keşfi otomatikleştirir.  Ancak AI, donanım odaklı robotik otomasyondan farklıdır. Manuel görevleri otomatikleştirmek yerine, AI sık, yüksek hacimli, bilgisayarlı görevleri güvenilir ve yorulmadan gerçekleştirir. Bu tür bir otomasyon için, sistemi kurmak ve doğru soruları sormak için insan sorgulaması hala gereklidir.

 

AI mevcut ürünlere zeka katar . Çoğu durumda, AI bireysel bir uygulama olarak satılmayacaktır. Bunun yerine, daha önce kullandığınız ürünler, yeni nesil Apple ürünlerinin bir özelliği olarak Siri’nin eklendiği gibi, AI yetenekleri ile geliştirilecek. Otomasyon, konuşma platformları, robotlar ve akıllı makineler, güvenlik istihbaratından yatırım analizlerine kadar, evde ve işyerinde birçok teknolojiyi geliştirmek için çok miktarda veri ile birleştirilebilir.

 

AI , verilerin programlamayı yapmasını sağlamak için progresif öğrenme algoritmalarına uyar . AI, algoritmanın bir beceri edinmesi için verilerde yapı ve düzenlilikler bulur: Algoritma bir sınıflandırıcı veya bir belirleyici olur. Yani, algoritmanın kendini satranç oynamayı öğretebileceği gibi, bir sonraki çevrimiçi ürün için hangi ürünün önerileceğini kendisi öğretebilir. Ve yeni veriler verildiğinde modeller uyum sağlar. Geri yayılım, ilk cevap doğru olmadığında, modelin eğitim ve eklenmiş verilerle ayarlanmasını sağlayan bir AI tekniğidir.

 

AI birçok gizli katmanı olan sinir ağlarını kullanarak daha fazla ve daha derin verileri analiz eder . Birkaç yıl önce beş gizli katmanı olan bir dolandırıcılık tespit sistemi oluşturmak neredeyse imkansızdı. Tüm bu inanılmaz bilgisayar gücü ve büyük veri ile değişti . Derin öğrenim modellerini eğitmek için çok fazla veriye ihtiyacınız vardır, çünkü doğrudan veriden öğrenirler. Onları besleyebileceğiniz daha fazla veri, daha doğru olurlar.

 

AI , daha önce imkansız olan derin sinir ağları aracılığıyla inanılmaz bir doğruluk sağlar . Örneğin, Alexa, Google Arama ve Google Fotoğraflar ile olan etkileşimleriniz derin öğrenmeye dayanır – ve bunları daha fazla kullanırız. Tıp alanında, derin öğrenme, görüntü sınıflandırması ve nesne tanıma konusundaki AI teknikleri, yüksek eğitimli radyologlar ile aynı doğrulukta MRI’larda kanser bulmak için kullanılabilir.

 

AI veriden en iyi şekilde yararlanır. Algoritmalar kendi kendine öğrenirken, verilerin kendisi de fikri mülkiyet olabilir. Cevaplar veride; Onları almak için AI’yı uygulamanız yeterli. Verilerin rolü her zamankinden daha önemli olduğundan, rekabet avantajı yaratabilir. Rekabetçi bir sektörde en iyi verilere sahipseniz, herkes benzer teknikler uyguluyor olsa bile, en iyi veriler kazanacaktır.

 

Yapay Zeka Kullanmanın Zorlukları Nelerdir?

 

Yapay zeka her endüstriyi değiştirecek, ancak sınırlarını anlamak zorundayız.

 

AI’nın temel sınırlaması, veriden öğrenmesidir. Bilginin dahil edilebileceği başka bir yol yoktur. Bu, verilerdeki herhangi bir yanlışlığın sonuçlara yansıtılacağı anlamına gelir. Ek herhangi bir tahmin veya analiz katmanı ayrıca eklenmelidir.

 

Bugünün AI sistemleri açıkça tanımlanmış bir görev yapmak için eğitilmiştir. Poker oynayan sistem solitaire veya satranç oynayamaz. Dolandırıcılık algılayan sistem bir araba süremez veya size yasal tavsiye veremez. Aslında, sağlık dolandırıcılığını tespit eden bir AI sistemi, vergi dolandırıcılığını veya garanti talep sahtekarlığını doğru bir şekilde tespit edemez.

 

Başka bir deyişle, bu sistemler çok, çok özeldir. Tek bir göreve odaklanırlar ve insanlar gibi davranmaktan uzaktırlar.

 

Aynı şekilde, kendi kendine öğrenme sistemleri otonom sistemler değildir. Filmlerde ve televizyonda gördüğünüz hayali AI teknolojileri hala bilim kurgudur. Ancak belirli verileri öğrenmek ve mükemmelleştirmek için karmaşık verileri araştıran bilgisayarlar oldukça yaygın hale geliyor.

 

Yapay Zeka Nasıl Çalışır?

 

Yapay zeka her endüstriyi değiştirecek, ancak sınırlarını anlamak zorundayız.

 

AI’nın temel sınırlaması, veriden öğrenmesidir. Bilginin dahil edilebileceği başka bir yol yoktur. Bu, verilerdeki herhangi bir yanlışlığın sonuçlara yansıtılacağı anlamına gelir. Ek herhangi bir tahmin veya analiz katmanı ayrıca eklenmelidir.

 

Bugünün AI sistemleri açıkça tanımlanmış bir görev yapmak için eğitilmiştir. Poker oynayan sistem solitaire veya satranç oynayamaz. Dolandırıcılık algılayan sistem bir araba süremez veya size yasal tavsiye veremez. Aslında, sağlık dolandırıcılığını tespit eden bir AI sistemi, vergi dolandırıcılığını veya garanti talep sahtekarlığını doğru bir şekilde tespit edemez.

 

Başka bir deyişle, bu sistemler çok, çok özeldir. Tek bir göreve odaklanırlar ve insanlar gibi davranmaktan uzaktırlar.

 

Aynı şekilde, kendi kendine öğrenme sistemleri otonom sistemler değildir. Filmlerde ve televizyonda gördüğünüz hayali AI teknolojileri hala bilim kurgudur. Ancak belirli verileri öğrenmek ve mükemmelleştirmek için karmaşık verileri araştıran bilgisayarlar oldukça yaygın hale geliyor.

 

AI, hızlı, yinelemeli işleme ve akıllı algoritmalar ile büyük miktarda veri birleştirerek çalışır ve yazılımın verilerindeki kalıplardan veya özelliklerden otomatik olarak öğrenmesini sağlar. AI, birçok teori, yöntem ve teknolojinin yanı sıra aşağıdaki ana alt alanları içeren geniş bir çalışma alanıdır:

 

Makine öğrenimi  analitik model oluşturmayı otomatik hale getirir. Nerede bakılacağı veya neyin sonuçlanacağı konusunda açık bir şekilde programlanmadan veride gizli bilgiler bulmak için sinir ağları, istatistik, operasyon araştırması ve fizik yöntemlerini kullanır.

 

Bir sinir ağı , her bir ünite arasında bilgi aktarımı yaparak, harici girişlere cevap vererek bilgiyi işleyen birbirine bağlı birimlerden (nöronlar gibi) oluşan bir makine öğrenimidir. Süreç, bağlantıları bulmak ve tanımlanmamış verilerden anlam çıkarmak için verilerde birden çok geçiş gerektirir.

 

Derin öğrenme , çok sayıda veri birimi ile karmaşık sinir desenlerini öğrenmek için hesaplama gücü ve gelişmiş eğitim tekniklerinden yararlanan birçok işlem birimi katmanıyla devasa sinir ağlarını kullanır. Genel uygulamalar görüntü ve konuşma tanıma içerir.

 

Bilişsel hesaplama , makinelerle doğal, insan benzeri bir etkileşim için çabalayan bir AI alt alanıdır. Yapay zeka ve bilişsel hesaplama kullanarak nihai amaç, bir makinenin görüntü ve konuşmayı yorumlama yeteneğiyle insan süreçlerini simüle etmesini ve daha sonra tepki olarak tutarlı bir şekilde konuşabilmesini sağlamaktır.

 

Bilgisayar vizyonu , bir resim veya videoda neyin olduğunu tanımak için desen tanıma ve derin öğrenmeye dayanır. Makineler görüntüleri işleyebilir, analiz edebilir ve anlayabilirken, görüntüleri veya videoları gerçek zamanlı olarak yakalayabilir ve çevrelerini yorumlayabilirler.

 

Doğal dil işleme (NLP), bilgisayarların konuşma dahil olmak üzere insan dilini analiz etme, anlama ve üretme yeteneğidir. NLP’nin bir sonraki aşaması, insanlara normal, günlük dili kullanarak bilgisayarlarla iletişim kurmalarına olanak veren doğal dil etkileşimi.

Ek olarak, çeşitli teknolojiler AI’yı destekler ve destekler:

 

Grafik işlem birimleri , AI’nın anahtarıdır çünkü yinelemeli işleme için gerekli olan ağır hesaplama gücünü sağlarlar. Sinir ağlarını eğitmek, büyük veri artı bilgi işlem gücü gerektirir.

 

Nesnelerin İnterneti, bağlı olmayan cihazlardan büyük miktarlarda veri üretir ve çoğunu unanalizedir. Modellerin AI ile otomatikleştirilmesi, daha fazlasını kullanmamıza izin verecektir.

 

Gelişmiş algoritmalar geliştirilmekte ve daha fazla veriyi daha hızlı ve çok seviyeli analiz etmek için yeni yollarla birleştirilmektedir. Bu akıllı işlem, nadir olayları tanımlamak ve tahmin etmek, karmaşık sistemleri anlamak ve benzersiz senaryoları optimize etmek için çok önemlidir.

 

API’ler veya uygulama işleme arabirimleri , mevcut ürünlere ve yazılım paketlerine AI işlevi eklemeyi mümkün kılantaşınabilir kodpaketleridir. Verileri tanımlayan, altyazı ve başlıklar oluşturabilen ya da verilerdeki ilginç kalıpları ve kavrayışları anlatan ev güvenlik sistemleri ve Soru-Cevap yeteneklerine görüntü tanıma özellikleri ekleyebilirler.

 

Özet olarak, AI’nın amacı, çıktı üzerinde neden ve neden üzerine mantıklı olabilecek yazılım sağlamaktır. AI, yazılımla insana benzeyen etkileşimler sunacak ve belirli görevler için karar desteği sunacak, ancak bu insanlar için bir değişiklik değil – ve yakında olmayacak.

Ben, yapay zeka konusunda özel ders veririm.