fbpx

Yapay Zeka-Makine Öğrenimi ve Derin Öğrenme

Yapay zeka  ve makine öğrenimi her ne kadar birlikte anılsalar da aslında birbirlerinden farklı terimlerdir. Bu iki terimin bahsinin birlikte geçme sebebi analitik, matematik, veri bilimi konularında akla ilk gelen yapılar olmasıdır. Yapay zekanın kökü daha eskiye dayanmakla birlikte makine öğrenimini de kapsar. Derin öğrenme ise makine öğreniminin uygulanabilmesi için başvurulan bir tekniktir.

Yapay zeka, veri bilimi, makine öğrenimi ve derin öğrenme odaklı araştırma ve çalışmaların yapıldığı günümüz dünyasında robotlardan evimizde kullandığımız eşyalara kadar, her araç ve gereç insan zekasına meydan okuyor. Fakat bu konuları araştırıp öğrenirken; aralarında fark olan ama birbiriyle de iç içe olan bu üç kavramı yakından tanımamız gerekmektedir.

Günümüzü ve geleceğimizi şekillendiren yapay zekanın (AI) hayat sahnesine adım attığı ilk zamanlar İkinci Dünya Savaşı yıllarıdır. O zamanlarda bilgisayar bilimcisi olan Alan Turing yaptığı başarılı çalışmalarla adından sıkça söz ettirmiş ve bu başarısından sonraki süreçte bilgisayar teknolojisi her türlü bilimsel çalışmada kullanılmaya başlanmıştır. Yapay zeka; makinenin kendi işlevlerini yerine getirmesini amaçlayan daha kapsamlı bir konsepttir, makineden bir adım öndedir ve 3 seviyeden oluşur[1] :

1) A.N.I- Artificial Narrow Intelligence- Yapay zekanın en alt seviyesidir.

2)  A.G.I – Artificial General Intelligence- İnsan seviyesinde düşünüp karar alabilen yapay zeka seviyesidir.

3) A.S.I – Artifical Super  Intelligence – Maximum seviye ve güçteki yapay zekadır.

Üzerinden geçmemiz gereken bir diğer  terim,  makine öğrenimidir. Makine öğrenimini anlamlı kılan en önemli özelliği İngilizcede Neural Network olarak adlandırılan ‘Yapay Sinir Ağları’dır. Bu ağlar sayesinde bilgisayarlar ve makineler bir resmi bile görse hemen algılar ve sınıflandırır. Yapay sinir ağları makineye, insanlar gibi düşünme özelliği kazandırır. Google vb. internet sitelerine girdiğinizde çoğunlukla reklamlarla karşılaşırsınız ve belki şok olursunuz. Bunun sebebi o reklamla alakalı daha önce en az bir arama bile yapmış olmanızdır. Yapay sinir ağları makineler aracılığı ile dataları kullanarak karşınıza öneriler çıkartır. Günlük yaşamımızda sürekli internet ile iç içeyiz. Kullandığımız her bilginin her an karşımıza çıkmasının sebebi, yapay sinir ağlarının bilgileri kendi içinde kategorilere ayırması ve bunlara göre tahmin yürütmesidir. Bilgisayar ortamında çalışabilen ve kendini geliştirebilen bir dama oyunu tasarlayan Arthur Samuel’e göre makine öğrenimi, makinelerin sonuçları öğrenme kabiliyetidir.

Bu üçlünün arasındaki ilişkiyi anlatırken değinmemiz gereken son basamak ise derin öğrenme ( Deep Learning). Elinizde ne kadar çok kaynak ve veri var ise kuracak olduğunuz sistem daha iyi çalışacak olup, yaratacak olduğunuz yapay zekanın özellikleri de o kadar gelişmiş olacaktır. Adından da anlaşıldığı üzere derin öğrenme, büyük verilerle tek bir odak noktasında değil, daha derin ve daha çok katmanda çalışır. Makine öğrenmesi varyasyonlarından olan derin öğrenme, milyonlarca veri ile sistem oluştururken labeled data olarak adlandırılan etiketlenmiş verilere ihtiyaç duyar. Ayrıca yüksek işlem gücü ve yüksek performanslı grafik işlemcileri (GPU) sayesinde derin öğrenmenin ihtiyacı olan her unsur da sağlanmış oluyor.

Makine öğrenimi, yapay sinir ağları, derin öğrenme, veri bilimi, büyük veri analizleri… Bunların hepsi yapay zekanın önemli parçaları olmakla birlikte hepsinin arasında sıkı bir etkileşim mevcuttur. Yapay zekanın 3.seviyesi olan Artificial Super Intelligence‘a ulaşma konusunda iyimser ve kötümser tahminler bulunmakta, fakat yapay zekanın veriler aracılığı ile gelecekte bize neler getireceğini bekleyip göreceğiz.

kaynak: 1

Leave a Reply

E-posta hesabınız yayımlanmayacak. Gerekli alanlar * ile işaretlenmişlerdir

This site uses Akismet to reduce spam. Learn how your comment data is processed.