YAPAY ZEKÂ VE TÜRLERİ

YAPAY ZEK VE TÜRLERİ

Yapay zekânın - AI temel kategorilerini, nasıl çalıştıklarını ve neye katkı sağladıklarını biliyor musunuz? Yapay zekâyı; Machine Learning, Deep Learning, Natural Language Processing, Computer Vision ve Explainable AI olarak beşe ayırabiliriz. Bunlardan üçü hakkında bahsetmek istiyorum.

Yapay zekâ, firmaların verilerden öngörü elde etme kavramlarını yeniden tanımlıyor. Dahası Edelman’ın 2019 Yapay Zekâ anketine göre, teknoloji yöneticilerinin büyük bir çoğunluğu (%91) ve halkın %84’ü yapay zekânın bir sonraki teknoloji devrimi olduğuna inanıyor. PwC ise 2030’lu yıllarda yapay zekânın küresel ekonomiye 15.7 trilyon dolar katkıda bulunacağını öngörüyor.

Yapay zekâ, oldukça önemli. Ancak, tek parçalı bir oluşum değil: Çünkü zekâyı oluşturan bilişsel yeteneklerin birçok çeşidi var. Yapay zekânın kategorilerini, nasıl çalıştıklarını ve neye katkı sağladıklarını anlamak, hem IT alanındaki hem de iş hayatındaki liderler için oldukça önemli.

Machine Learning (ML)

Machine Learning, bugün firmaların en çok uğraştığı alt küme olabilir. An Executive’s Guide to Real-World AI’da açıklandığı üzere, ML yıllardır var olan olgun bir teknoloji.

Machine Learning, bilgisayarları verilerden bilgi toplaması ve insan müdahalesi olmadan bu öğrenimleri uygulaması için yetkilendiren bir yapay zekâ dalıdır. Eğer çözümün büyük bir veri setinin içinde gizli olduğu bir durumla karşılaşırsak, Machine Learning kurtarıcımız olur. ML, bu veri setini başarılı bir şekilde işler. Bu başarının sebebi, bir insanın kullanacağı sürenin çok küçük bir kısmında istenileni elde etmesidir. Aksi takdirde ise ulaşılamaz bir öngörü üretir.

ML Kullanım Durumları

ML, finansal hizmetlerde risk analizi, dolandırıcılık tespiti ve portföy yönetimine; seyahatlerde GPS-temelli tahminlere; ve hedeflenen pazarlama kampanyalarına güç sağlar. Machine Learning, incelediği etiketlenmiş verilere dayanarak görevleri tamamlamada zamanla iyiye gidebilir, ya da iş için kritik olan görevlerin miktarını arttırmak amacıyla öngörücü modellerin oluşturulmasını sağlar.

Deep Learning

AI yazılım şirketi Pathmind bir makalesinde, kullanışlı bir analoji sunar: Birbirinin içinde duran matruşka bebeklerini düşünün. Aynı onlar gibi, Deep Learning, Machine Learning’in bir alt kümesi, ve Machine Learning ise yapay zekânın bir alt kümesidir.

Deep Learning, sinir ağları denilen yapılar kullanır. Bu yapılar öğrenim sırasında verilen etiketlenmiş verilerden bilgi toplar ve bu bilgileri doğru çıktıyı oluşturmak için gerekli olan girdi özelliklerini öğrenmek için kullanır. Yeterli miktarda örnek işlendikten sonra, bu sinir ağları yeni, görülmemiş girdileri işlemeye ve başarılı bir şekilde sonuçlar döndürmeye başlar.

Deep Learning Kullanım Durumları

Deep Learning, Amazon ve Netflix için ürün ve içerik önerilerine güç sağlar. Google’ın ses ve görüntü tanıma algoritmalarının arka planında çalışır. McKinsey’nin belirttiğine göre Deep Learning’in arızaları tahmin edebilmesi ve planlanmış müdahalelere izin vermesi, üretim verimini arttırırken arıza süresini ve işletme maliyetini azaltması için kullanılabilir.

Natural Language Processing (NLP)

NLP’nin kendisinin de Natural Language Understanding (NLU), makine öğrenimi kavraması, ve Natural Language Generation (NLG), verileri insan kelimelerine dönüştürme, gibi birçok alt kümesi bulunmaktadır. Ancak, ISG’nin Butterfield’ına göre bu alt kümelerin temel dayanağı aynı: Dili anla ve bu anlayışa bir şeyler ekle.

NLP, dilbilime kadar uzanır ve esas amacı doğal dili işlemek için bilgisayarlara olanak vermektir. Yıllar içerisinde, katı kurallara bağlı olmaktan çıkıp makine öğrenimi yaklaşımlarından etkilenmeye başlamıştır, bu sebeple de yapay zekâ ile kesişimi artmıştır.

NLP konuşmalar ve metinlerden oluşan veri setlerini efektif bir şekilde işlemek amacıyla, Machine Learning ve Deep Learning metodolojilerinin bilişimsel dilbilim ile olan kombinasyonlarını benimsemiştir.

NLP Kullanım Durumları

Natural Language Processing, bilgisayarların anahtar kelimeleri ve sözcük gruplarını elde etmesini, dillerin amacını anlamasını, bir dili diğerine tercüme etmesini, ya da bir yanıt üretmesini mümkün kılmaktadır. Firmalar, yazılı veya sözlü diyaloglardan oluşan bir iletişimle yürümektedir. Bu bilgiyi analiz edebilme ve amacını bulabilme kabiliyeti, firmaların geleceği için kesinlikle çok önemlidir.
 

Ece Dilara ASLAN
Boğaziçi Üniversitesi Bilgisayar Mühendisliği Öğrencisi




Eğitimlerle ilgili bilgi almak ve diğer tüm sorularınız için bize ulaşın!

İlgili Eğitimler

Kesin açılacak
  • Classroom
  • Virtual Classroom
  • Online

1 Gün

Sitemizi kullanarak çerezlere (cookie) izin vermektesiniz. Detaylı bilgi için Çerez Politika'mızı inceleyebilirsiniz.