Yapay zeka nedir?

Yapay zeka (kısaca AI) heyecan verici ve hızla büyüyen bir teknoloji. Şimdiden hayatımızı birçok yönden etkilemeye başladı. Yapay zeka şu alanlarda bulunabilir sesli asistanoturma odanızda. Bu yayın hizmeti yapay zeka yardımıyla uygun film ve diziler öneriyor. Ve arabanızdaki uydu navigasyonu, siz hala sürerken bir sonraki trafik sıkışıklığından kaçınmanın en iyi yolunu hesaplar. Tüm bunların nasıl çalıştığını anlamak için bu sayfada temel bilgileri açıklıyoruz: Yapay zeka nedir? Algoritma nedir? Makine öğrenimi nedir? Ve ne tür yapay zeka vardır?

Daha sonra konu alanının alt sayfalarında, YZ ile ilgili daha spesifik soruları ele alıyoruz. Herkes yapay zeka hakkında konuşuyor üretken yapay zeka. Bunlar metin, görüntü, video, müzik veya konuşma üretebilen sistemlerdir. Üretken yapay zekanın halihazırda neler yapabildiğini ve nasıl çalıştığını açıklıyoruz. Ayrıca nasıl çalıştığına da ışık tutuyoruz. Yapay zeka okullarda kullanılabilir okullarda kullanılabilir ve ne gibi zorluklar gençli̇k medyasinin korunmasi yüzleşecek. Ve tartışıyoruz Riskler Yapay zeka sistemleri gerektirebilir.

Bir algoritmanın ne olduğunu daha iyi görselleştirmek için, genellikle bir pişirme tarifine benzetilir. Bir kek pişirirken, belirli miktarda belirli malzemelere ihtiyacınız vardır. Bunlar daha sonra belirli bir sırayla birlikte işlenir.

Bir algoritmanın temel fikri, belirli bir sonuca ("kek") ulaşmak için belirli verilerin ("malzemeler") önceden tanımlanmış matematiksel kurallara ("tarif") göre işlenmesidir.

Bir bilgisayarın bu tür algoritmaları okuyabilmesi için, bunların belirli bir biçimde tanımlanması gerekir - buna program veya yazılım denir.

"Algoritma" ve "yapay zeka" terimleri genellikle birbirinin yerine kullanılır, ancak aralarında farklar vardır. Genel olarak, algoritmaların yapay zeka sistemlerinin temel yapı taşları olduğu söylenebilir. Onların yardımıyla verileri işler, kalıpları ve korelasyonları tanır ve bunlardan kararlar çıkarırlar. Ancak, tüm algoritmalar YZ sistemlerinde kullanım için uygun değildir. Belirli özelliklere sahip olmaları gerekir.

Bu terimin genel geçer bir tanımı yoktur. Ancak, terimi oluşturan iki kelimenin anlamına bakabiliriz. "Yapay", insanlar tarafından yapay olarak yaratılmış bir sistem, yani bir makine anlamına gelir. Bu makine "zekayı", yani insanın belirli bilişsel yeteneklerini taklit etmeye çalışır.

"Yapay zeka" (kısaca YZ) terimi, 1955 yılında ABD'de bilim insanlarının katıldığı bir çalışma toplantısı öncesinde ortaya atılmıştır. Bilim insanları, insan zekasının özelliklerinin makinelerin okuyabileceği ve uygulayabileceği şekilde tanımlanabileceği görüşündeydi. O zamandan beri, YZ teknolojileri bu fikirden bilgisayar biliminin bir dalı olarak gelişmiştir.

YZ teknolojilerinin amacı, makinelerin zeki davranışları taklit etmesini sağlamaktır. Bununla birlikte, "gerçek" zeka ile tam olarak neyin kastedildiği açık değildir. Genellikle iletişim kurma, problem çözme, mantıklı düşünme veya yeni durumlara uyum sağlayabilme gibi yetenekler kastedilmektedir. Bununla birlikte, yüksek düzeyde zeka gerektirmeden de insanlardan daha iyi görevler yerine getirebiliriz. Örneğin bir cep hesap makinesi, hesaplama yeteneği açısından insanlardan çok daha üstündür, ancak bu nedenle "akıllı" olarak etiketlenmez. Ve bir yapay zeka soruları doğru yanıtlayabilir, ancak sorunun veya cevabın anlamını anlamaz.

Temel olarak, "tek" bir yapay zeka yoktur. Yapay zeka terimi çok çeşitli farklı yöntem ve teknolojileri kapsamaktadır. Bir YZ'nin yerine getirmesi gereken göreve bağlı olarak, sistemler işlevleri bakımından çok farklı olabilir. Bununla birlikte, YZ sistemleri iki türe ayrılabilir:

1. Güçlü YZ

" Güçlü" YZ (Genel YZ) olarak adlandırılan durumda amaç, insanların zihinsel yeteneklerini taklit edebilen ve hatta aşabilen bilgisayar sistemleri oluşturmaktır. Böyle bir YZ, birden fazla uygulama alanındaki çeşitli karmaşık görevleri anlayabilir ve bu görevlerde ustalaşabilir.Bu tür bir YZ henüz mevcut değildir. Bu bir gelecek vizyonudur ve şu anda araştırmaların odak noktası değildir. Böyle bir sistemin teknik olarak mümkün olup olmadığı konusunda da tartışmalar vardır.

2 Zayıf YZ

YZ geliştirmede odak noktası öncelikle"zayıf" YZ (Dar YZ) olarak adlandırılan sistemlerdir. Başka bir deyişle, belirli birgörevi çözmek amacıyla açıkça tanımlanmış bir görev alanı için tasarlanmış sistemler. Zayıf YZ sistemlerinin zekası ve dünyaya dair kapsamlı bir anlayışı yoktur. Bununla birlikte, bu sistemler inanılmaz şeyler başarabilir.

Yüksek hesaplama güçleri, muazzam miktarda verinin işlenmesi ve sofistike işlevleri sayesinde, YZ sistemleri bir insanın yapabileceğinden çok daha hızlı çözümlere ulaşabilir. Örneğin 1997 yılında, satranç oynamak üzere programlanmış Deep Blue (IBM) adlı bir YZ, o zamanki dünya satranç şampiyonu Garry Kasparov'u yenmiştir. Ancak, bu yapay zeka başka herhangi bir uygulama alanında işe yaramazdı.

Sözde "öğrenen" yapay zeka sistemleri, (zayıf) yapay zekanın çok önemli bir alt alanını oluşturur. "Makine öğrenimi" olarak da bilinirler. Makine öğrenimi yaklaşımı şu anda en sık kullanılan yapay zeka yöntemlerinden biridir. Makine öğrenimi, bilgisayar sistemlerinin verilerdeki örüntüleri ve korelasyonları tanıyarak ve bunu istatistiksel bir modele kaydederek örnek yoluyla öğrendiği bir yaklaşımdır. Peki ama nasıl çalışıyor?

Aşama 1: Modelin eğitimi ve değerlendirilmesi

 Örneğimizde, resimlerdeki kedileri güvenilir bir şekilde tanıyan bir sistemi eğitmek istiyoruz. Bilgisayar, hangi girdinin uygun çıktıya ait olduğunu öğrenmek için örnekleri ve insan geri bildirimlerini kullanır. Bizim durumumuzda girdi bir kedi resmi, çıktı ise "Bu bir kedi!" ifadesi olacaktır. Sistem, eğitim verisi olarak büyük miktarda kedi görüntüsüne ihtiyaç duyar. Bu eğitim verilerini kullanarak, sistem bu verilerde mevcut olan ilgili örüntüleri ve kuralları türetir. Örneğin, kedilerin kuyruğu olduğu veya farklı renklerde oldukları gibi. Sonunda, bu temelde istatistiksel bir model, yani ilgili tüm korelasyonları ve karar kurallarını içeren matematiksel bir denklem oluşturulur. Geliştiriciler modeldeki yanlışlıkları ve hataları düzeltir ve doğruluğunu değerlendirir.

Aşama 2: Modele dayalı kararlar  

Model daha sonra yeni verileri işlemek ve benzer kararlar ve tahminler yapmak için kullanılabilir. Bazı modeller dinamiktir ve test aşamasının ötesinde de öğrenmeye devam edebilir. Yeni verilerden sonuçlar çıkarır ve performanslarını ve işlevlerini geliştirirler. Ancak uyum sağlamayan statik modeller de vardır. Veriler değişmediğinde veya çok yavaş değiştiğinde kullanılırlar.