29 Ekim Cumhuriyet Bayramımız kutlu olsun

 

Makina zekası nedir ?

Bir makinanın bir insan gibi genel seviyeye benzer aktiviteleri gerçekleştirme veya çözme becerisidir.

Geçmişte birçok filme konu olan makine ve yapay zekâ algoritması günümüz dünyasında hızla gelişmeye devam ediyor. Son günlerde “Akıllı telefonlar, akıllı evler, akıllı fabrikalar, akıllı otomobiller” gibi sıklıkla duyduğumuz ön sıfatlar makine zekâsının ve yapay zekânın gelişimiyle hayatımıza girmiş olan kavramlardır.

Makineler genel olarak kendi kendine eğitme algoritması ile öğrenim sağlıyor. Gelişimi tetikleyen unsur ise hatalardan çıkarılan sonuçlarla bağlantılı oluyor. Bilgisayarla aktarılan verilerin işlenmesi sonucu, girdileri ve çıktıkları bünyesinde taratan, bu verilerin olasılıklarını hesaplayan ve çalıştıkça öğrenen bir yapıya sahip olan makine bu sayede öğrenmeye başlıyor. Girdilerin değerlendirmesini yaparak bir yol haritası çizen makine, çıktıkları sunuyor ve sonuçlarına göre bunu veri tabanına kaydediyor. Farklı ya da yeni girdilerde ise belirli parametrelerle öğrenmiş olan makine öğrenimlerinden ve hatalarından ders çıkararak “en iyi olan” yolu seçiyor. Analiz yeteneğini sürekli çalışarak geliştiren makine, bir bebeğin öğrenmesi gibi davranarak gelişimini sürdürüyor.

1959 yılında Arthur Samuel makine öğrenimini: “makinelerin bilhassa programlanmadığı sonuçları öğrenebilme kabiliyeti” olarak tanımlamıştır. Arthur Samuel, bilgisayar ortamında çalışabilen, kendi hatalarından ders alan ve böylece kendini geliştiren bir dama oyunu yapmıştır.

Makine öğrenimi de yapay zeka gibi yıllarca atıl durumda kalmıştır. 1990’lı yıllarda veri madenciliği kullanılmaya başlandığı döneme dek popüler olamamıştır. Veri madenciliği, elinde bulundurduğu verilerde benzer dizilere sahip, benzer motifleri açığa çıkarmak için kullanılan algoritmaların uygulamasıdır. Makine öğrenimi de aynısını yapmaktadır ancak veri madenciliği bir adım daha ileriye giderek, öğrendiği bilgiler ile ilgili programın davranışını değiştirir.

Makine öğrenimin popüler olmasını sağlayan uygulamalardan bir tanesi resim tanımadır. Bu uygulama ilk önce eğitilmesi gerekiyor. Başka bir değişle, ilgili resmin ne olduğunu makinenin öğrenebilmesi için binlerce kez benzer resimler gösterilmesi gerekiyor. Böylece makine benzer dizileri, benzer motifleri, benzer pikselleri tanıyarak artık o resimlerin ne olduğunu tanımlayabiliyor. Köpek, kedi, ağaç, ev gibi farklı resimleri ayırt edip aynı tip resimlerin birbirinin ortak noktalarını tespit ederek artık tanımlayabilir hale geliyor.

Online çalışan birçok uygulama makine öğrenimini şuan kullanmaktadır. Örneğin; Facebook size zaman tünelinde ne göstereceğini bu algoritma ile karar veriyor, Amazon hangi ürünlerini tavsiye edeceğini, Netflix hangi fimleri önereceğini yine makine öğrenimi ile karar veriyor. Ellerindeki mevcut verilere göre sizin nelerden hoşlanacağınızı tahmin edip ona göre karar veriyor.

Makine zekâsı ve yapay zekâ geliştikçe hayatımızın her alanında olan finans, güvenlik, sağlık, tarım, otomotiv, reklam, perakende gibi sektörlerde de yaygınlaşma devam ediyor. Birçok marka ve şirkete çoktan girmiş olan “makine zekâsı”, kişiselleştirilmiş deneyimlere ek olarak birçok alanda da fayda sağlayacak gibi görünüyor. Gün geçtikçe öğrenerek gelişen makine, esneklik ve çok yönlülük de kazanıyor. Farklı alanlarda karmaşık algoritmalarla taradıkları verileri analiz ederek o alana yönelik durumları öğrenen makine zekâsı, finans alanındaki dolandırıcılığın tespit edilmesinden tarım alanındaki sevilmeyen yabani otları tanıyıp yok etmesine kadar her alanda yaygınlaşmaya devam ediyor. 

Aslında, makine öğrenimi istatistik, veri madenciliği ve tahmin analitikleri ile o kadar içi içe olmuştur ki birçok uzman onu yapay zeka kavramından ayırmak gerektiğine inanmaktadır. Gerçekçi olmak gerekirse, makine öğreniminin yapay zekada kullanılan özelliklere bilhassa ihtiyacı yok. Ancak diğer bir açıdan bakacak olursak birçok kişi makine öğrenimi kavramını daha çok kullanıyorlar zira yapay zeka kavramı kadar korkutucu değil. Makine öğrenimi, yapay zekaya göre aktif bir şekilde çalışıyor ve günlük hayatımızda kullanmaya başladık bile.

Neticede, yapay zeka ile makine öğrenimi kavramı o kadar iç içe geçti ki günümüzde piyasaya çıkan birçok uygulamada kombine şekilde sunulmaya başlandı. Örneğin, kişisel asistanlık uygulamaları ve botlar birçok yapay zeka özellikleri ile makine öğrenimi özelliklerini aynı anda barındırıyorlar.

Yapay zeka dilleri

 Yapay zekâ, bir bilgisayarın veya bilgisayar kontrollü robotun, genellikle akıllı varlıklarla ilişkili görevleri yerine getirme yeteneğidir. Terim sıklıkla akıl yürütme, anlam keşfetme, genelleme veya geçmiş deneyimlerden öğrenme gibi insanlara özgü entelektüel süreçlerle donatılmış sistemler geliştirmek amacıyla kullanılmaktadır. 

Yapay zekâ uygulamaları genellikle açık kaynak ekosisteminde sürdürülmektedir. Bundan dolayı birçok programlama dili, kütüphane ve uygulama ortamları mevcuttur. Bunlardan bazıları;

Programlama Dilleri

• Python
• R
• C++
• Java
• Lisp
• Prolog
• Julia
• C vb.

Kütüphaneler

• TensorFlow
• Keras
• PyTorch
• Knet
• Apache Spark
• Scikit-learn
• PyCaret
• OpenCV
• H2O vb.

Yapay zeka nedir?

 En basit ifadeyle yapay zeka (AI), görevleri yerine getirmek için insan zekasını taklit eden ve topladıkları bilgilere göre yinelemeli olarak kendilerini iyileştirebilen sistemler veya makineler anlamına gelir. Yapay zekâ pek çok biçimde kendini gösterir.Yapay Zeka, herhangi bir özel biçim veya işlevden ziyade süper güçlendirilmiş düşünce ve veri analizi yeteneği ve süreciyle ilgilidir. Yapay zeka üst seviye işleve sahip insan benzeri robotların dünyayı ele geçirmesine ilişkin görüntüler sunsa da, yapay zekanın amacı insanların yerini almak değildir. Amaç insan yeteneklerini belirgin şekilde geliştirmek ve bunlara katkıda bulunmaktır. Bu nedenle oldukça değerli bir ticari varlıktır.

Yapay zeka 'makine' ler tarafından gösterilen zeka'dır doğal zeka ise insan zekası ve hayvan bilişi tarafından sergilenen bilinç ve duygusallık içerir. İlk ve ikinci kategoriler arasındaki ayrım genellikle seçilen kısaltmayla ortaya çıkar. "Güçlü" yapay zeka (ingilizce:artificial intelligence kelimelerinin ilk harfleri olan “AI” ile kısaltılır) genellikle Yapay genel zekâ (ingilizce: artificial general intelligence kelimelerinin kısaltılmışı olarak)(AGI) olarak etiketlenirken "doğal" zekayı taklit etme girişimleri yapay biyolojik zeka (ingilizce:artificial biyological intelligence) (ABI) olarak adlandırılır. Önde gelen yapay zeka ders kitapları alanı "akıllı ajan lar" ın çalışması olarak tanımlar: çevresini algılayan ve hedeflerine başarıyla ulaşma şansını en üst düzeye çıkaran eylemleri gerçekleştiren herhangi bir cihaz. Halk arasında, "yapay zeka" terimi genellikle insanların insan zihni ile ilişkilendirdiği "öğrenme" ve "problem çözme" gibi "bilişsel" işlevleri taklit eden makineleri tanımlamak için kullanılır.

Makineler gittikçe daha yetenekli hale geldikçe, "zeka" gerektirdiği düşünülen görevler genellikle AI etkisi olarak bilinen bir fenomen olan AI tanımından çıkarılır. Tesler'in Teoremindeki bir espri, "AI henüz yapılmamış şeydir" der

Genellikle yapay zeka olarak sınıflandırılan modern makine yetenekleri satranç ve Go gibi stratejik oyun sistemlerinde, en üst düzeyde rekabet eden insan konuşmasını anlama ve poker, kendi kendine giden arabalar gibi kusurlu-bilgi oyunlarını içerik dağıtım ağı 'ndaki akıllı yönlendirmeyi ve askeri simülasyonları kapsar.

Yapay zekâ çalışmaları sıklıkla insanın düşünme yöntemlerini taklit eden yapay yöntemler geliştirmeye yöneliktir, ancak bununla sınırlı değildir. Öğrenebilen ve gelecekte insan zekâsından bağımsız gelişebilecek bir yapay zekâ kavramına doğru yeni yönelimler oluşmaktadır. Bu yönelim, insanın evreni ve doğayı anlama çabasında kendisine yardımcı olabilecek belki de kendisinden daha zeki, insan ötesi varlıklar meydana getirme düşünün bir ürünüdür. Bu düş, 1920'li yıllarda yazılan ve sonraları Isaac Asimov'u etkileyen modern bilimkurgu edebiyatının öncü yazarlarından Karel Čapek'in eserlerinde dışa vurmuştur. Karel Čapek, R.U.R adlı tiyatro oyununda yapay zekâya sahip robotlar ile insanlığın ortak toplumsal sorunlarını ele alarak 1920 yılında yapay zekânın insan aklından bağımsız gelişebileceğini öngörmüştür.

Yapay zekanın uygulama alanlarının bazı örnekleri şu şekildedir:

• Önerici sistemler: Kullanıcıların geçmiş davranışlarına dayanarak yeni içerik önerilmesi. Örneğin, sosyal medya sitelerinde yeni arkadaş, mağazalarda başka bir ürün, gazetede başka bir haber önerileri.
• Makine çevirisi: Bir dilde ifade edilen cümleyi farklı bir dile çevirmek. Örneğin, Google Translate, Microsoft Tercüman ve Yandex.Çeviri gibi çevrimiçi araçlar.
• Sinyal işleme: Ses ve görüntü gibi sinyallerin işlenerek bilgi çıkarımı. Örneğin, yüz ve ses tanıma.
• Prosedürel içerik üretimi: Rassal yöntemler kullanarak yapay içerik üretme. Örneğin, üretimsel müzik ve video oyunlarında prosedürel dünyalar.
• Regresyon analizi: Geçmiş verilere dayanılarak bir değişkenin gelecekteki değerinin tahmin edilmesi. Örneğin, ekonomik öngörüler, üretim miktarı öngörüleri.

Alt dalları

• Makine Zekâsı (Sembolik Yapay Zekâ)
• Yapay Sinir Ağları (Sibernetik Yapay Zekâ)
• Doğal Dil işleme (Dil ile düşünme)
• Konuşma Sentezi (Yapay Konuşma)
• Konuşma Anlama (Konuşma Analizi)
• Uzman sistemler
• Örüntü Tanıma
• Genetik Algoritmalar
• Genetik Programlama
• Bulanık Mantık
• Çoklu Örnekle Öğrenme (Multiple Instance Learning)

Mevlid Kandiliniz Mübarek Olsun. Hayırlı Kandiller