Yapay Zeka Nedir? Giriş, Tarihçe ve Yapay Zeka Türleri

Yapay Zeka (AI) nedir?

Yapay Zeka (AI), bir makinenin, insanların yaptığı gibi algılama, öğrenme, akıl yürütme ve problem çözme gibi bilişsel işlevleri yerine getirme yeteneğidir. Yapay zekanın ölçütü muhakeme, konuşma ve vizyon ekiplerinde insan seviyesidir.

Bu Yapay Zeka eğitimi aşağıdaki AI temellerini öğreneceksiniz:

Yapay Zeka Seviyelerine Giriş

Günümüzde ai neredeyse tüm endüstrilerde kullanılıyor ve yapay zekayı geniş ölçekte entegre eden tüm şirketlere teknolojik bir avantaj sağlıyor. McKinsey‘e göre ai, perakendede 600 milyar dolar değer oluşturma potansiyeline sahip ve diğer analiz teknikleriyle karşılaştırıldığında bankacılıkta yüzde 50 daha fazla artımlı değer sağlıyor. Taşımacılık ve lojistikte potansiyel gelir artışı %89 daha fazladır.

Somut olarak, bir kuruluş pazarlama ekibi için yapay zekayı kullanırsa, sıradan ve tekrarlanan görevleri otomatikleştirerek  satış temsilcisinin ilişki kurmaya, liderlik yapmaya vb. odaklanmasına olanak tanıyabilir. Gong adlı bir şirket, bir konuşma istihbaratı hizmeti sağlıyor. Bir Satış Temsilcisi her telefon görüşmesi yaptığında, makine sohbeti kaydeder, yazıya döker ve analiz eder. Başkan Yardımcısı, kazanan bir strateji formüle etmek için yapay zeka analizlerini ve önerilerini kullanabilir.

Özetle ai, bir insanın başa çıkamayacağı karmaşık verilerle başa çıkmak için en son teknolojiyi sağlar. AI, gereksiz işleri otomatikleştirerek çalışanın yüksek seviyeli, katma değerli görevlere odaklanmasını sağlar. AI geniş ölçekte uygulandığında maliyetlerin azalmasına ve gelirin artmasına yol açar.

Yapay Zekanın Tarihi

Yapay Zeka, bu terim yeni olmasa da günümüzde moda bir kelimedir. 1956’da farklı geçmişlere sahip avangard uzmanlar ai üzerine bir yaz araştırma projesi düzenlemeye karar verdiler. Projeyi dört parlak beyin yönetti; John McCarthy (Dartmouth Koleji), Marvin Minsky (Harvard Üniversitesi), Nathaniel Rochester (IBM) ve Claude Shannon (Bell Telefon Laboratuvarları).

İşte Yapay Zekanın Kısa Tarihi:

Yapay Zekanın Hedefleri

İşte yapay zekanın ana hedefleri:

• Belirli görevleri gerçekleştirmek için gereken süreyi azaltmanıza yardımcı olur.
• İnsanların makinelerle etkileşimini kolaylaştırıyor.
• İnsan-bilgisayar etkileşimini daha doğal ve verimli bir şekilde kolaylaştırmak.
• Tıbbi teşhislerin doğruluğunu ve hızını artırmak.
• İnsanların yeni bilgileri daha hızlı öğrenmelerine yardımcı olmak.
• İnsanlar ve makineler arasındaki iletişimi geliştirmek.

Yapay Zekanın Alt Alanları

İşte Yapay Zekanın bazı önemli alt alanları:

Makine öğrenmesi: Makine öğrenimi, örneklerden ve deneyimlerden öğrenen algoritmalar üzerinde çalışma sanatıdır. Makine öğrenimi, verilerdeki bazı kalıpların belirlenerek geleceğe yönelik tahminler için kullanılması fikrine dayanmaktadır. Sabit kodlama kurallarından farkı, makinenin bu tür kuralları bulmayı öğrenmesidir.

Derin Öğrenme: Derin öğrenme, makine öğreniminin bir alt alanıdır. Derin öğrenme, makinenin daha derinlemesine bilgi edindiği anlamına gelmez; verilerden öğrenmek için farklı katmanlar kullanır. Modelin derinliği modeldeki katman sayısıyla temsil edilir. Örneğin, görüntü tanımaya yönelik Google LeNet modeli 22 katman sayar.

Doğal Dil İşleme: Sinir ağı, her bağlantının bilgisayar programlarıyla ilişkili bir ağırlığa sahip olduğu, birbirine bağlı bir G/Ç birimleri grubudur. Büyük veritabanlarından tahmine dayalı modeller oluşturmanıza yardımcı olur. Bu model insan sinir sistemi üzerine inşa edilmiştir. Bu modeli görüntü anlama, insan öğrenmesi, bilgisayar konuşması vb. için kullanabilirsiniz.

Uzman sistemler: Uzman sistem, karmaşık karar verme problemlerini çözmek için gerçekleri ve buluşsal yöntemleri kullanan, etkileşimli ve güvenilir, bilgisayar tabanlı bir karar verme sistemidir. Aynı zamanda insan zekasının en üst seviyesi olarak kabul edilir. Uzman sistemin temel amacı belirli bir alandaki en karmaşık sorunları çözmektir.

Bulanık mantık: Bulanık Mantık, 0 ile 1 arasındaki herhangi bir reel sayıdaki değişkenlerin doğruluk değerlerine sahip olabilen çok değerli bir mantık formu olarak tanımlanır. Kısmi doğruluğun tanıtıcı kavramıdır. Gerçek hayatta ifadenin doğru mu yanlış mı olduğuna karar veremediğimiz bir durumla karşılaşabiliriz.

Yapay Zeka Türleri

Üç ana yapay zeka türü vardır: kural tabanlı, karar ağacı ve sinir ağları.

• Dar Yapay Zeka, özel bir görevi zekayla gerçekleştirmenize yardımcı olan bir yapay zeka türüdür.
• Genel yapay zeka, herhangi bir entelektüel görevi insan gibi verimli bir şekilde yerine getirebilen bir tür ai zekasıdır.
• Kural tabanlı yapay zeka, bir giriş veri kümesine uygulanan önceden belirlenmiş bir dizi kurala dayanır. Sistem daha sonra karşılık gelen bir çıktı üretir.
• Karar ağacı yapay zekası, karar vermek için önceden belirlenmiş kurallar dizisini kullanması açısından kural tabanlı yapay zekaya benzer. Ancak karar ağacı, farklı seçeneklerin dikkate alınması için dallanma ve döngü yapılmasına da olanak tanır.
• Süper AI, bilgisayarların insan dilini anlamasını ve doğal bir şekilde yanıt vermesini sağlayan bir ai türüdür.
• Robot zekası, robotların muhakeme, planlama ve öğrenme gibi karmaşık bilişsel yeteneklere sahip olmasını sağlayan bir ai türüdür.

Yapay Zeka ve Makine Öğrenimi

Akıllı telefonlarımızın, günlük cihazlarımızın ve hatta internetin çoğu AI kullanıyor. AI ve makine öğrenimi, en son yeniliklerini duyurmak isteyen büyük şirketler tarafından sıklıkla birbirinin yerine kullanılıyor. Ancak Makine öğrenimi ve ai bazı açılardan farklıdır.

Yapay zeka (AI), makineleri insan görevlerini yerine getirecek şekilde eğitme bilimidir. Bu terim, bilim adamlarının bilgisayarların sorunları kendi başlarına nasıl çözebileceğini keşfetmeye başladığı 1950’lerde icat edildi.

Yapay Zeka, insana benzer özellikler verilen bir bilgisayardır. Beynimizi alın; etrafımızdaki dünyayı hesaplamak için zahmetsizce ve sorunsuz bir şekilde çalışır. AI, bir bilgisayarın da aynısını yapabileceği kavramdır. Yapay zekanın insan yeteneklerini taklit eden büyük bir bilim olduğu söylenebilir.

Makine öğrenimi, bir makineyi öğrenmesi için eğiten ayrı bir ai alt kümesidir. Makine öğrenimi modelleri verilerdeki kalıpları arar ve sonuca varmaya çalışır. Özetle makinenin insanlar tarafından açıkça programlanmasına gerek yoktur. Programcılar bazı örnekler verir ve bilgisayar bu örneklerden ne yapılacağını öğrenecektir.

Ayrıca Derin Öğrenme ile Makine Öğrenimi ve AI arasındaki farkı da okuyun, buraya Tıkla.

Yapay Zeka Nerede Kullanılır?

Şimdi yeni başlayanlara yönelik bu yapay zeka eğitiminde çeşitli ai uygulamalarını öğreneceğiz:

Yapay zekanın geniş uygulamaları var.

• Tekrarlanan görevleri azaltmak veya önlemek için Yapay Zeka kullanılır. Örneğin yapay zeka bir görevi yorulmadan sürekli olarak tekrarlayabilir. Yapay zeka asla dinlenmez ve yerine getirilmesi gereken göreve kayıtsızdır.
• Yapay zeka mevcut bir ürünü geliştirir. Makine öğrenimi çağından önce, temel ürünler sabit kod kuralları üzerine inşa ediliyordu. Firmalar sıfırdan başlayıp yeni ürünler tasarlamak yerine, ürünün işlevselliğini artırmak için yapay zekayı devreye soktu. Bir Facebook görseli düşünebilirsiniz. Birkaç yıl önce arkadaşlarınızı manuel olarak etiketlemeniz gerekiyordu. Günümüzde yapay zekanın yardımıyla Facebook size bir arkadaşınızın tavsiyesini veriyor.

Yapay zeka, pazarlamadan tedarik zincirine, finanstan gıda işleme sektörüne kadar tüm sektörlerde kullanılıyor. McKinsey anketine göre finansal hizmetler ve yüksek teknoloji iletişimi yapay zeka alanlarına öncülük ediyor.

Yapay Zeka Neden Şimdi Hızla Artıyor?

Şimdi bu Yapay Zeka test eğitiminde yapay zekanın neden hızla arttığını öğrenelim. Aşağıdaki diyagramdan anlayalım.

Yann LeCun‘un ufuk açıcı makalesiyle doksanlı yıllardan bu yana bir sinir ağı ortaya çıktı. Ancak 2012 yılı civarında ünlü olmaya başladı. Popülaritesi üç kritik faktörle açıklanıyor:

1. Donanım
2. Veri
3. Algoritma

Makine öğrenimi deneysel bir alandır; yani yeni fikirleri veya yaklaşımları test etmek için verilere ihtiyaç duyar. İnternetin yaygınlaşmasıyla birlikte verilere daha kolay ulaşılabilir hale geldi. Ayrıca NVIDIA ve AMD gibi dev şirketler de oyun pazarına yönelik yüksek performanslı grafik yongaları geliştirdi.

Donanım

Son yirmi yılda CPU’nun gücünde patlama yaşanarak kullanıcının herhangi bir dizüstü bilgisayarda küçük bir derin öğrenme modelini eğitmesine olanak tanındı. Ancak bilgisayarla görme veya derin öğrenme için derin öğrenme modelini işlemek için daha güçlü bir makineye ihtiyacınız var. NVIDIA ve AMD‘nin yatırımı sayesinde yeni nesil GPU (grafiksel işlem birimi) kullanıma sunuldu. Bu çipler paralel hesaplamalara izin veriyor ve makine, hesaplamaları hızlandırmak için hesaplamaları birkaç GPU’ya ayırabiliyor.

Örneğin, NVIDIA TITAN X ile adı verilen bir modeli eğitmek iki gün sürüyor. IMAGEnet geleneksel bir CPU için haftalar sürebiliyor. Ayrıca büyük şirketler, derin öğrenme modellerini NVIDIA Tesla K80 ile eğitmek için GPU kümelerini kullanıyor çünkü bu, veri merkezi maliyetinin azaltılmasına ve daha iyi performans sağlanmasına yardımcı oluyor.

Veri

Derin öğrenme modelin yapısıdır ve veriler onu canlı kılacak akışkandır. Veriler yapay zekaya güç veriyor. Veri olmadan hiçbir şey yapılamaz. En son teknolojiler veri depolamanın sınırlarını zorladı ve yüksek miktarda veriyi bir veri merkezinde depolamak her zamankinden daha kolay.

İnternet devrimi, makine öğrenimi algoritmalarını beslemek için veri toplama ve dağıtımını mümkün kılıyor. Eğer aşina iseniz Flickr, Instagram veya resim içeren başka herhangi bir uygulamanın AI potansiyelini tahmin edebilirsiniz. Bu web sitelerinde milyonlarca etiketli resim bulunmaktadır. Bu resimler, verileri manuel olarak toplamaya ve etiketlemeye gerek kalmadan, resimdeki bir nesneyi tanımak için bir sinir ağı modelini eğitebilir.

Yapay zekanın verilerle birleşimi yeni altındır. Veriler, hiçbir firmanın ihmal etmemesi gereken benzersiz bir rekabet avantajıdır ve yapay zeka, verilerinizden en iyi yanıtları sağlar. Tüm firmalar aynı teknolojilere sahip olabildiğinde, veriye sahip olan rekabet avantajına sahip olacaktır. Bir fikir vermek gerekirse, dünya her gün yaklaşık 2.2 eksabayt yani 2.2 milyar gigabayt veri üretiyor.

Bir şirketin kalıpları bulmak ve önemli miktarda bilgi edinmek için olağanüstü çeşitlilikte veri kaynaklarına ihtiyacı vardır.

Algoritma

Donanım her zamankinden daha güçlü, verilere kolayca erişilebiliyor ancak sinir ağını daha güvenilir kılan şeylerden biri de daha doğru algoritmaların geliştirilmesi. Birincil sinir ağları, derinlemesine istatistiksel özelliklere sahip olmayan basit bir çarpma matrisidir. 2010 yılından bu yana sinir ağını iyileştirmek için dikkate değer keşifler yapıldı.

Yapay Zeka, verilerin programlamayı yapmasına izin vermek için aşamalı bir öğrenme algoritması kullanır. Bu, bilgisayarın bir chatbot haline gelerek anormallikleri bulmak gibi farklı görevleri nasıl gerçekleştireceğini kendi kendine öğretebileceği anlamına gelir.

ÖZET

• Yapay Zeka; insan görevlerini taklit etmek veya yeniden üretmek için makineleri eğitme bilimidir.
• Bir bilim adamı bir makineyi eğitmek için farklı yöntemler kullanabilir. Yapay zeka çağlarının başlangıcında programcılar, makinenin karşılaşabileceği her mantıksal olasılığı ve nasıl yanıt vereceğini yazarak, sabit kodlu programlar yazdılar.
• Bir sistem karmaşıklaştığında kuralları yönetmek zorlaşır. Bu sorunun üstesinden gelmek için makine, belirli bir ortamdaki tüm durumlarla nasıl ilgilenileceğini öğrenmek için verileri kullanabilir.
• Güçlü bir yapay zekaya sahip olmanın en önemli özelliği, oldukça heterojenliğe sahip yeterli veriye sahip olmasıdır. Örneğin bir makine, öğrenebileceği yeterli kelimeye sahip olduğu sürece farklı dilleri öğrenebilir.
• AI yeni ve ileri teknolojidir. Risk sermayedarları yeni kurulan şirketlere veya ai projelerine milyarlarca dolar yatırım yapıyor ve McKinsey, yapay zekanın her sektörü en az çift haneli bir büyüme oranıyla destekleyebileceğini tahmin ediyor.
• Genel Yapay Zeka, Kural Tabanlı Yapay Zeka, Karar Ağacı Yapay Zekası, Süper Yapay Zeka yapay zeka türleridir. Bu kavramların birçoğu ai sohbet robotlarının oluşturulmasında uygulanır.