Yapay Zekâ

binbaşı

Onursal Üye
Onursal Üye
Katılım
1 Eyl 2011
Mesajlar
5,824
Puanları
3,256
Konum
BURSA
03TBH1.jpg


Yapay Zekâ Nedir?

Yapay zekâ terimi yıllardır kullanılıyor, ancak ifade ettiği kavram teknolojik gelişmelerle birlikte değişti. Büyük veriye erişim, devasa verilerin işlenmesini sağlayan donanımlar yeni bir yapay zekâ çağına kapı araladı. Bilgisayar programcıları açık ifadelerle tanımlayabilecekleri görevleri yazdıkları programlarla çözebiliyor. Bugün kullandığımız metin yazma programları (örneğin Word), tarayıcılar (örneğin Chrome), video oynatıcılar, muhasebe programları gibi yazılımlar, programcılar tarafından hangi durumda nasıl davranacakları ayrıntılı bir şekilde kodlanarak ortaya çıkarıldı. Örneğin bir mesajlaşma programında kullanıcı mesajını yazıp gönder tuşuna bastığı anda programın neler yapması gerektiği adım adım tanımlanmıştır:

• Alıcı ve mesaj alanlarını kontrol et, boş ise kullanıcıya “Lütfen bütün alanları doldurunuz uyarısı ver”.
• Mesajı sıkıştırıp (örneğin zip yöntemiyle) küçült.
• Mesajı X.X.X ip adresindeki sunucuya gönder.
• Ekranın sağ alt köşesine “sunucuya iletiliyor” anlamına gelen bir ikon koy.
• Mesaj sunucuya iletildiğinde ikonu tek tik işaretine dönüştür.
• Mesaj alıcıya iletildiğinde ikonu çift tik işaretine dönüştür.
• Alıcı mesajı okuduğunda ikonu mavi çift tik işaretine dönüştür.

Bundan çok daha karmaşık programlardaysa birden fazla programcı yıllarca çalışıp milyonlarca satırı bulan kodlar yazıyor ve her özellik tek tek bilgisayara tanımlanıyor. Örneğin Word, Excel gibi Microsoft Ofis yazılımlarında toplamda 30 milyon satır kod olduğu söylenir.

Öte yandan açıkça tanımlanamayacak veya tanımlanması çok zor olacak durumlarda bu programlama teknikleri yetersiz kalır. Örneğin bisiklet sürebilecek fiziksel yetide bir robot ürettiğinizi ve bunun için bir yazılım geliştirmek istediğinizi düşünün. Bisiklet sürerken karşılaşılabilecek bütün durumları tanımlayabilir misiniz?

zKIzJ0.jpg


Bisikleti dengede tutmak için en az ne kadar eğilmek gerekir? Pedallara ne kadar kuvvet uygulamak gerekir? Farklı zemin şartlarında bu kurallar nasıl değişir? Arkadan bir korna sesi duyulursa ne yapılmalı? Bir engel çıktığında frene ne zaman ve ne kadar basılmalı? Ön ve arka frenin sıkılma oranları eşit mi olmalı? Hangi durumlarda yoldan, hangi durumlarda kaldırımdan gidilmeli? Karşılaşılabilecek bütün durumları tespit etmek, tespit edilen binlerce belki yüz binlerce durumda robotun nasıl davranması gerektiğini açık, anlaşılır bir şekilde ifade etmek mümkün değil. İşte izlenecek yönergelerin açıkça tanımlanmasının mümkün olmadığı ya da çok zor olduğu görevlerde yapay zekâ devreye girer.

Yapay zekâ elindeki verilere bakarak görevin tamamlanması için gerekli yönergeleri kendi çıkarmaya çalışır.Sonra da bu yönergeleri yerine getirecek programı kendi oluşturur. Bu yaklaşımın başarılı olabilmesi için her durumu içerecek doğru yönergelerin belirlenebileceği çok fazla veri ve kısa zamanda bu yönergelerin çok sayıda deneme yanılma işlemiyle sınanabileceği işlem gücüne sahip bilgisayarlar olması gerekir.

Bisiklet örneğinden yola çıkarsak, yapay zekânın bisikleti sürebilecek bir yazılım üretebilmesi için bisiklet sürerken karşılaşılan durumlara ait birçok veri olması gerekir. Bu veriyi elde etmek için de bir bisiklet birçok alıcı ile donatılabilir ve bu sayede bisikletçilerin çeşitli hava ve zemin koşullarındaki sürüş şekillerine ait veriler elde edilir. Alıcılardan elde edilen sıcaklık, yükseklik, eğim, pedallara uygulanan kuvvet, direksiyon açısı, fren kullanımı, ses ve görüntü kaydı, bisiklet ve bisikletçinin ağırlığı gibi veriler bir veri tabanında toplanır. Daha sonra yapay zekâ bu verileri analiz eder ve bisiklet sürerken hangi durumda nasıl hareket edilmesi gerektiğine dair yönergeler çıkarır.

Sonrasında yapay zekâ belirlediği yönergelere uygun bir program yazar ve onu gerçek ortama benzeyen bir simülasyonda dener. Simülasyon sonuçlarına göre yönergelerini iyileştirir. Bu süreç yeterince iyi bir yönerge seti ortaya çıkana kadar milyonlarca kez tekrarlanır. Elbette söz edilen işlemlerin daha hızlı ve doğru olması için bilgisayar bilimciler birçok teknik geliştirmiştir. Geliştirilen bir yazılımda yapay zekâdan faydalanmak için işe sıfırdan başlamak gerekmiyor. Yazılımlara yapay zekâ yetisi kazandırabilecek yazılım kütüphaneleri ve internet üzerinden kullanılabilen çeşitli hizmetler var.

Basit bir örnek verecek olursak dergiye bir yazı hazırlarken, yazı ile ilgili olabilecek görselleri yazara otomatik öneren bir yazılım geliştirmek istiyorsunuz. Öncelikle yazının neyle ilgili olduğunu öğrenmek gerek. Bunun için yazarın yazı yazdığı program (Microsoft Word veya Notepad gibi bir program) arka planda IBM firmasının yapay zekâ hizmeti sunan yazılımı IBM Watson’ın metin işleme hizmetine yazıyı göndererek bununla ilgili anahtar sözcükleri çıkarabilir. Yazının kaplumbağaların doğal yaşamıyla ilgili olduğunu varsayalım. Bu durumda Watson bize “kaplumbağa” ve “yaşam alanı” gibi anahtar sözcükler önerecektir. Sonrasında geliştirdiğimiz yazılım Flickr fotoğraf paylaşım sitesinden bu anahtar sözcüklerle arama yaparak çıkan sonuçları yazara önerebilir. Basit gibi görünen süreci sıfırdan başlatmaya kalksaydık eldeki bir metni belli ölçüde anlayan ve ilgili anahtar sözcükleri çıkarabilen bir yapay zekâ yazılımı geliştirmemiz gerekecekti, bu da yıllar sürebilecek bir çalışma anlamına gelirdi.

Konuşma Tanıma :Konuşmayı metne çevirir.

Metin Seslendirme :
İnsanı andıracak bir şekilde metni okur.

Dil Tanıma :
Verilen belgenin hangi dilde yazıldığını tespit eder.

Çeviri :
Bir dilden diğerine çeviri yapar.

Duygu Belirleme :
Verilen bir metne hâkim olan duyguyu tespit eder. Örneğin metne “kızgınlık hâkim”, “mizah hâkim” gibi yargılarda bulunur. Özellikle müşteri hizmetleri için önemli bir bilgi olabilir.

Nesne Tespiti :
Metinde yer alan eşyaları, yerleri, ürünleri, kişileri belirler. Örneğin bir sosyal medya sitesinde en çok hangi ürünlerden ya da yerlerden bahsediliyor sorusuna cevap bulmamızı sağlar.

İlişki Tespiti
: Belirlenen nesneler arasındaki ilişkileri çıkarır. Verilen metinde kimin nerede hangi ürünü kullandığını tespit etmek gibi işlevleri yerine getirir.

Belge İncelemesi
: Belgeleri sınıflandırıp nelerden bahsettiğini ortaya koyar. Belgelerde arama yaparken aranan sözcüğü içermese de ilgili olan belgeleri bulabilir.

Metin Üretimi
: Dil bilgisi kurallarına uygun, gerçek bir insan oluşturmuşçasına gerçekçi cümleler kurar.

Özetleme :
Uzunca bir metni özetler.

Soru Cevaplama
: Belirlenen konuda insanların sorularına mantıklı cevaplar verir.

9OSTNB.jpg


Sinir Ağları


Bir makineyi nasıl akıllı yaparsınız? Bu soruya cevap verebilmek için akıllı olmayı ya da zekâyı tanımlamak gerekir ki bu da insanlık tarihi kadar eski bir soru. Bu soruyu “insan gibi olan akıllıdır” diyerek, biraz hileli bir şekilde yanıtlayabiliriz. Böyle düşünüldüğünde, zekânın ne olduğunu anlamak yerine insan beyninin çalışma şeklini taklit ederek yapay zekâ geliştirilebilir. Bunun için tıpkı insan beynindeki sinir ağları gibi yapay sinir ağları oluşturulur. Başlangıçta bir yapay sinir ağı girdi ve çıktılardan oluşan basit bir devre gibidir. Bir görevi yapması istendiğinde tümüyle rastgele bir sonuç üretir. Örneğin el yazısıyla yazılmış “a” harfini tanıması istediğinde rastgele bir harfle dönüş yapar. Aldığı geri bildirimlere göre (“doğru bildin” ya da “yanlış bildin”) o cevabı vermesini sağlayan yolu, yani yapay sinir ağını kuvvetlendirir veya zayıflatır. Çok sayıda deneme yanılmanın ardından “a” harfini doğru tanıyan bir model oluşmuş olur.

Yapay sinir ağları başlangıçta insan beynine öykünmüş olsa da bugün pratik olarak kullanılan sistemler biraz daha farklı çalışıyor. Tek bir yapay sinir ağı karmaşık problemlerin çözümü için yetersiz kalıyor, bu nedenle birbirine bağlı katmanlardan oluşan sinir ağları kullanılıyor. Bu tür çok katmanlı yapay sinir ağları oluşturmak için derin öğrenme denilen başka bir yapay zekâ kavramından faydalanılıyor. Derin öğrenme çok katmanlı modellerin üretilmesi için kullanılan tekniklere verilen ad olarak tanımlanabilir.

Yapay sinir ağları, katmanların dizilimi ve katmanlar arasındaki bilgi akış yönüne göre ileri beslemeli, tekrarlı gibi farklı mimarilerde olabiliyor.Çalışılacak alan veya probleme uygun olan mimarinin seçilmesi gerekiyor.

Daha önce bahsi geçen IBM Watson gibi hazır yapay zekâ kütüphaneleri ve hizmetleri birçok iş için kullanılıyor ama çalışılan alana bağlı olarak yetersiz kalabiliyorlar.

945O70.jpg


Zayıf Yapay Zekâ


Bir tek alanda uzmanlaşan yapay zekâ zayıf ya da dar yapay zekâ olarak adlandırılıyor. Örneğin dünya satranç şampiyonunu yenen yapay zekâ elmayla armudu ayıramaz. Anatol Holt’un deyimiyle “bulunduğu odada yangın çıkmışken mükemmel bir satranç hamlesi yapan bir bilgisayar düşünün”. Peki böyle bir makine gerçekten zeki midir? Birçok insana göre değildir, ama farklı işlerde uzmanlaşmış farklı yapay zekâ yazılımları bir arada düşünüldüğünde işler değişiyor

Bir yapay zekâ yazılımı gerçekten ilginizi çekecek haberleri derlerken, diğer yapay zekâ hoşunuza gidecek bir içecek hazırlıyor, bir diğeri kampanya dönemine denk getirip ucuza temizlik malzemesi sipariş ediyor. Tüm bu yapay zekâ yazılımları bir arada çalışarak akıllı ev yazılımını oluşturuyor, birçok kişi için bu ev gerçekten akıllı değil midir? Zayıf yapay zekâ birçok alanda şimdiden kullanılmaya başlandı. E-posta adresinize gelen çöp e-postaları yakalayan yazılım, izlediğiniz ve sevdiğiniz filmlere göre size yeni film öneren Netflix uygulaması, gideceğiniz yere sizi en hızlı ulaştıracak yolu çizen harita uygulaması günlük hayatta farkına varmadan kullandığımız zayıf yapay zekâ örnekleri.

xc2Q9K.jpg


Güçlü Yapay Zekâ


Genel yapay zekâ ya da insani yapay zekâ gibi adlarla da anılan bu kavramı her konuda insan kadar zeki olan bilgisayar olarak tanımlayabiliriz. Elbette güçlü yapay zekâ geliştirmek zayıf yapay zekâ geliştirmekten çok daha zor, çünkü bilgisayarın neden sonuç ilişkisi kurma, plan yapma, problem çözme, soyut düşünme, karmaşık kuramları kavrama, hızlı öğrenme ve deneyimlerden sonuç çıkarma gibi yetileri olması gerekiyor. 2011’de IBM Watson’ın Ben Bilirim adlı televizyon yarışmasında tüm zamanların en başarılı yarışmacıları Brad Rutter’ı ve Ken Jennings’i yenmesi büyük bir başarı olarak sunulsa da IBM Watson bu başarının farkında bile değildi. Sınırları çizilmiş bir alanda çalışabilen bir yapay zekâ geliştirmek nispeten kolay, zayıf yapay zekâdan güçlü yapay zekâya geçiş çok zor. bilgisayar bilimi tekniklerini ifade eder. Takviyeli öğrenme, genetik algoritmalar,
örneğin e-postalarınızı tarayarak çöp mesajlarla normal mesajları ayırt eden yazılım klasik bir zayıf yapay zekâ olarak değerlendirilebilir. Ancak e-postaları tarayarak ne manaya geldiğini “anlayabilmek” ve buna göre hareket etmek çok daha zor bir görev. Siz bir e-postayı okuduğunuzda bunu anlarsınız, ama bu yapay zekâ için çok zor bir görev.

Bilgisayar bilimci Donald Knuth’un dediği gibi “yapay zekâ insanların düşünerek yaptığı birçok şeyi başarıyla yapabiliyor, ancak insanların ve hayvanların düşünmeden yaptığı çoğu şeyi yapamıyor”. Bisiklet sürmek 5 yaşındaki bir çocuğun bile düşünmeden yapabileceği bir işken yapay zekânın henüz başaramadığı bir iş. Bizler için hayli kolay görevler yapay zekâ için inanılmaz zorlukta olabiliyor, bu nedenle de güçlü yapay zekânın geliştirilmesi -belki de hiç geliştirilemeyecek- zaman alıyor. Güçlü yapay zekânın geliştirilebileceğini düşünen yüzden fazla bilim insanıyla yapılan bir ankete göre güçlü yapay zekâ düzeyine 2040’ta ulaşılacağı tahmin ediliyor.

Güçlü yapay zekâdan bahsetmişken süper yapay zekâ dan da bahsetmekte fayda var. Süper yapay zekâ her konuda insandan çok daha üstün olan yapay zekâ olarak tanımlanıyor ve birçok insanı ürküten de bu tanım. Süper yapay zekânın yanında insan, insanın yanındaki kuş gibi kalabilir. Elbette bugün için tam anlamıyla güçlü yapay zekâ ya da süper yapay zekâ diyebileceğimiz bir yapay zekâ yok, yakın gelecekte de olması beklenmiyor ama bu olmayacağı anlamına gelmiyor. Güçlü yapay zekâya ulaşıldığı andan itibaren süper yapay zekânın yolu açılmış olacak. Çünkü bilgisayarların hız, bilgi depolama kapasitesi, işlemciler arası veri alışveriş hızı, sürekli çalışabilme yetisi gibi özellikleri insanların bunlarla kıyaslanabilecek özelliklerinden çok daha iyi. Beyindeki bir nöron maksimum 200 Hz ile çalışabilirken günümüzde bir mikroişlemci 2GHz ile çalışabiliyor. Bir başka deyişle bugün bile makineler insan beyninden 10 milyon kat hızlı çalışıyor.

İnsana denk bir zekâ düzeyine ulaşan güçlü yapay zekâ burada durmayacak ve kendini geliştirmeye devam edecektir. Kendini geliştirmeye programlanmış olmasa bile, insan kadar zeki bir yazılım kendini geliştirmesi gerektiğine karar vererek bu yönde çalışmaya başlayabilir.

Büyük Veri

Günümüzde akıllı telefonlar ve internete bağlı eşyalar sayesinde film izlemek, yürümek, uyumak, araba kullanmak, konuşmak, yazmak gibi neredeyse her eylem veri üretiyor. Üretilen bu verilerin büyük veri
merkezlerinde toplanmasıyla oluşan veri yığınlarına büyük veri deniyor. Yapay zekâ için en sık kullanılan yöntemlerden olan makine öğrenmesinin etkili olabilmesi için veriye hatta çok fazla veriye ihtiyaç var ve veri olmadan yapay zekânın geliştirilmesi çok zor.

Örneğin Tesla’nın otonom sürüş konusunda, Google gibi dev bilişim firmalarına göre en büyük avantajının bugüne kadar sattığı ve sürekli internete bağlı otomobillerden topladığı devasa sürüş verisi olduğu söyleniyor. The Economist dergisinin deyimiyle de anlamlı desenler bulunmaya bulunan desenler yeni verilere uygulanarak dünyanın en değerli kaynağı artık petrol değil veri. Dünyada üretilen verinin %90’ı son 5 yılda üretildi.

Bu bağlamda değerlendirildiğinde veriye ulaşmak ve bu veriyi işleyecek yapay zekâya sahip olmak ticari işletmeler ve hükümetler için öncelikli hale gelmiş durumda. Daha önce örnek verdiğimiz el yazısıyla yazılmış
“a” harfini tanıyan bir yazılım geliştirebilmek için farklı şekillerde yazılmış çok sayıda “a” harfine ihtiyaç var. Bu veri olmadan geliştirdiğimiz bir yazılım birazcık farklı yazılmış bir “a” harfini tanıyamayacaktır. İnternetin yaygınlaşması ve veri depolama donanımlarının ucuzlaması devasa veri yığınlarının oluşmasını
sağladı. Bunun yanı sıra bu verilere erişen kurum ve kuruluşlara da büyük rekabet avantajı sağladı. Artık tüm bu aktörler daha fazla veriye ulaşmak ve bu veriyi işleyecek yapay zekâ yazılımlarına sahip olmak istiyor.

9KQRVG.jpg


Turing Testi


Alan Turing yapay zekânın kuramsal öncüleri arasında gösterilen İngiliz matematikçidir. 1950’lerin başında bir yazılımın yapay zekâ olup olmadığını belirlemek için taklit oyunu adında bir test tasarlamıştır. Sonraları Turing testi olarak anılacak bu teste göre bir sorgulayıcı, bir gönüllü ve yapay zekâ üç ayrı odaya yerleştirilir. Sorgulayıcı odalardakilerle mesajlaşarak iletişime geçmektedir. Eğer sorgulayıcı sorduğu sorulara aldığı cevaplara göre hangi odada yapay zekâ olduğunu belirli bir süre içinde anlayamazsa, yapay zekâ Turing testini geçmiş demektir.

Turing testinin süresi ve yapay zekânın insan olduğunu sanan ve sanmayan sorgulayıcıların birbirlerine oranının ne olması gerektiği, farklı Turing testlerine göre değişkenlik gösteriyor. Alan Turing ilgili makalede testin 5 dakika olmasını önermiş ve yapay zekânın yargılayıcıların %30’unu insan olduğuna ikna etmesinin yeterli olacağını belirtmişti. Bu süreyi 25 dakikaya ya da 2 saate çıkaran testler de var. Zaman zaman çeşitli iddialar ortaya atılsa da bugüne kadar Turing testini geçen bir yapay zekâ olmadı. Turing testinin geçilmesi güçlü yapay zekâya ulaşıldığı anlamına gelmiyor, ama güçlü yapay zekânın Turing testini geçmesi gerekiyor.

İnsandan ayırt edilemeyecek bir yapay zekâ yapabilmek için bugüne kadar üretilmiş bilgilerin anlaşılabilmesi (bilgi mühendisliği), insan konuşmasının algılanabilmesi (konuşma tanıma), söylenenlerin anlaşılması (doğal dil işleme), cümle kurabilme (doğal dil üretimi), görebilme (görüntü işleme) gibi her biri bilgisayar biliminin alt dalı olan alanlarda ciddi ilerleme kaydedilmesi gerekiyor.

Alıntıdır.Kaynak:

Bilim ve Teknik, Aylık Popüler Bilim Dergisi, Ocak 2018, Yıl 51, Sayı 602, Sayfa 26-33, Yapay Zeka'dan tüm görseller netten alıntı olarak alınmıştır.
 
Zaman rölesi bir diğer ifade ile zaman saati adı verilen sistem süresi belli olan bir aralıkta araya girmesi veya çıkması amaçlanan elektrik sisteminin kontrol edilmesinde kullanılmak için tasarlanmıştır.
İyi bir topraklama değeri sıfıra ohm'a yakın olan değerdir. Fakat her işte olduğu topraklamadada maliyetler önemli, onun için iyi bir topraklama değeri izin verilen değerler içinde olandır.

Forum istatistikleri

Konular
118,140
Mesajlar
832,341
Kullanıcılar
429,580
Son üye
selentemel9

Yeni konular

Üst