Yapay Zekâ Nedir?

Yapay Zekâ Nedir?

İlk defa 1956 yılında karşılaşılan yapay zekâ (AI) terimi, en açıklayıcı tanımı ile görevleri yerine getirmek amacıyla insan zekâsını taklit eder ve makinelerin deneyimden öğrenmesini, yeni girdilere uyum sağlamasını ve insan benzeri görevleri gerçekleştirmesini mümkün kılar. Fakat yıllar gittikçe popülerleşen ve sektörlerin yatırım planlamasına dâhil olan yapay zekâ, artan veri hacimleri, gelişmiş algoritmalar ve hesaplama gücü ve depolama alanındaki iyileştirmeler sayesinde bugün daha popüler hale geldi.

Otomatik karşılıklı satranç oynayabildiğiniz oyunlardan, kendi kontrolünde gidebilen arabalara kadar birçok alanda kullanılabilen yapay zekâlar, büyük miktarda veri işleyerek ve verilerdeki kalıpları tanıyarak ayrıntılı ve tekrarlayan öğrenmeler ile görevi yerine getirmeyi başarmaktadır.

Yapay zekâ günümüzde bir ihtiyaç olarak ele alınmaktadır ve toplumun kalkınmasına katkı sağlayacak etkiler ile donanımlıdır. Şirketlerden bireysellere kadar birçok sektörde günlük yaşantımızı kolaylaştıran yapay zekâlar, navigasyon, sesli asistan, e-ticaret gibi uygulamalar ile hayatımızın her alanındadır.

Makine Öğrenimi
Makine öğrenimi, yıllardır var olan ve deneyim kazanılmış bir yapay zekâ türüdür. İnsanların müdahalesine gerek duymadan işlem yapabilen ve bu öğrenimlerin uygulanması için yetkilendirilebilen bir yapay zekâ dalı olan makine öğrenimi, şirketlerin çözüm sürecinde sıklıkla kullanılır. Büyük bir miktarda bir veriyi kolayca işleyebilen makine öğrenimi çok kısa sürede bilgiye ulaşır ve istenileni elde eder. Eğer istenileni elde edemezse, ulaşılamaz bir öngörüyü de iletebilme yeteneğine sahiptir.
Makine öğrenimi öngörü yapabilmesi ve yüksek verileri işleyebilmesi sebebiyle finansal hizmetlerde analiz yapılması için sıklıkla kullanılır. Ayrıca seyahatlerde GPS-temelli tahminlere ve hedeflenen pazarlama stratejileri içinde büyük bir rol oynar.

Derin Öğrenim
Derin öğrenim, Makine Öğreniminin bir alt kümesidir.
Derin öğrenim, düşünce gerektiren konular hakkında çözüm gerçekleştirebilir ve sinir ağları denilen yapılara sahiptir. İnsanların tecrübesini örnek alan derin öğrenme, sonuç için her defasında güncelleştirmeler ile daha iyi sonuçlar elde eder. Girdiği veriler sonrasında bu sinir ağları başarılı bir şekilde sonuçlar döndürmeye başlar.
Derin öğrenim işletme maliyetini azaltmak için ya da arıza süresinde değişikliğe de gidilmek için kullanılır.
Doğal Dil İşleme (NLP)
Doğal Dil İşleme, “Bilgisayarların konuştuğumuz dili anlaması, işlemesi, yorum yapması ve hatta cümle üretebilmesi” doğal dil işlemedir. Doğal dil işleme, hesaplamalı bilimlerle (özellikle yapay zekâ ve makine öğrenmesi) dil biliminin ortak kullanıldığı bir disiplindir. Bu doğal dil işleme, için en temel dayanak dili anlamak ve bu anlayışa bir şeyler eklemektir.
Dilbilime kadar uzanan doğal dil işleme, verileri insan kelimelerine dönüştür ve asıl hedeflenen insan diline dönüştürmesi için bilgisayarı aracı olarak kullanmaktır. Makine öğrenimi ve Derin öğrenim ile yolları kesişen Doğal Dil İşleme, kombinasyonlar oluşturur ve dili bir dilden bir dile çevirmekte, otomatik yanıt sistemini oluşturmakta kullanılır.
İletişimde önemli bir yeri olan Doğal Dil İşleme alt kümesi, bilgiyi analiz etmede ve hedef yaratabilmede firmalar için önemli bir altyapı oluşturur.
Yapay Zekâ ve Makine Öğrenimi Arasındaki Farklar Nelerdir?
Yapay zekâ, makine öğreniminden daha uzun bir geçmişe dayanır ve makine öğrenmesi yapay zekânın bir alt kümesidir. Yapay zekâ, insanı taklit eden bir teknoloji olarak karşımıza çıkarken makine öğrenimi veri paternlerini ve değişmezleri bulmamıza yardımcı olur.
Bu algoritmalar kendi kendine öğrenime sahiptir ve bir görevin tamamlanmasında bir dizi açımdır.
Yapay zekâ, ayrıca makine öğreniminin dışında da alanlar kapsar. Bunlar; bilgi tabanları, doğal dil işleme, robotik gibi sistemlerdir.
Ayrıca sembolik mantık (kural motorları, bilgi tabanları, uzman sistemler vb.), Bayesian istatistiği, robotik ve evrimsel algoritmalar yapay zekânın alanına girmekle beraber bunların hiçbirini makine öğrenimi kapsamaz.

Makine Öğreniminin Uygulama Örnekleri Nelerdir?

NETFLİX, SPOTİFY, YOUTUBE, AMAZON gibi birçok popüler uygulama makine öğrenimi uygulamasına örnektir. Öneri sistemlerine sahip bu uygulamalarda kullanılan makine öğrenimi, öneri sistemlerini kullanır ve yapılan öneriler sayesinde kullanıcılar hangi müziği dinleyeceğine hangi diziyi daha çok seveceğine dair öneriler alır.
Makine Öğrenmesinin günlük hayatta en çok kullanılan uygulama alanlarından bir diğeri ise aktivite tanıma uygulamalarıdır. Makine öğrenmesi için verilebilecek en önemli örneklerden bazıları; ivme ölçer, gyroscop, gps ve benzeridir. Ayrıca makine öğrenimi gelecek ile ilgili tahminleri de sunar. Bu tahminlere hava tahmini uygulamaları örnek verilebilir.
Yapay Zekâ Türleri Nelerdir?
Yapay zekâyı 4 şekilde sıralayabiliriz. Bunlar:
• Reaktif makineler (reactive machines)
• Sınırlı hafıza (limited memory)
• Zihin teorisi (theory of mind)
• Öz farkındalık (self-awareness)

Reaktif makineler en temel ve basit yapay zekâ sistemlerinden oluşmaktadır. Deneyim biriktiremez ve anıları yoktur. Özellikle Deep Blue makineleri reaktif makineler için oldukça uyumludur ve belirli oyunları daha iyi oynama yeteneği geliştirse de değişiklik kolay kolay yapılamaz.
Sınırlı hafıza adından da anlayabileceğimiz üzere geçmiş tecrübelere odaklıdır ve araçların hızlarını ve yönlerini gözlemleyebilir. Belirli bir zaman boyunca devam ettiren bu sistem için otonom araçları örnek verilebilir. Otonom araçlarda şeritleri veya trafik lambaları gibi yol boyunca bulunan unsurları gözlemleyerek tecrübe kazansalar da insanlar gibi kalıcı bir hafızaya sahip değildir.
Zihin teorisi geçmiş odaklı değil daha çok şimdi ve gelecek zaman odaklıdır. Şimdi ve gelecek zaman arasında bir ayrım görevi gören makineler, fikir ve hafıza oluşturur. Dünyadaki insanlar, hayvanlar ve nesneler hakkında fikir sunan bu makineler aynı insanlar gibi birbirlerinin niyetlerini ve amaçlarını anlayarak, birlikte çalışabilmek adına önemlidir.
Öz farkındalık, bilinç kendimizin farkında olmamız anlamına gelir. İnsanın içsel durumunu bilmesi gibi insanı taklit eder ve hafıza, öğrenme ve kararları geçmiş deneyimler ile bağlama yetenekleri üzerinde çalışmalar yapar.
Yapay Zekânın Kullanım Alanları Nelerdir?

Yapay zekâ artık hayatımızın birçok alanında kullanımımıza sunulurken, ihtiyaç duyulan yeni alanlarda da boy göstermektedir. Örneğin artık özellikle Amerika’da yaygın kullanımı bulunan otonom araçlar hayatımızın bir parçası olduğunu kanıtlar nitelikte.
Uzmanlara göre gelecek yıllarda yapay zekânın kullanım alanları daha da genişleyecek.
Peki, yapay zekânın kullanıldığı alanlar neler?
Ses tanıma:
Müzik tanıma, sesli asistanlar, konuşmadan metin sentezi, , sesli yanıt ve şifre, metinden konuşma sentezi gibi birçok ses tanıma alnında kullanılan yapay zekâ, frekanslar oluşturarak seslerin tanınabilmesini sağlar. Buna verilecek en iyi örneklerden biri de Siri’dir.
Görüntü işleme:
Yüz Tanıma, sosyal ağlarda fotoğraf etiketleme, sentetik görüntü üretimi, güvenlik ve gözetleme, spor analitiği ve strateji optimizasyonu, sahte fotoğraf ve video üretimi gibi birçok alanda yapay zekâ kullanılır. Görüntü işleme olarak kullanılan bu alanlarda kamera aracılığıyla çekilen görüntüler dijital hale gelir. Dijital hale gelen pikseller ise koda dönüşür.
Metin işleme
Çeviriler, chatboatlar, sosyal medya analitiği ve duygu durum analizi vb. birçok alan metin işleme olarak geçer ve yapay zekâ kullanılır. Yapay zekânın en zor geliştiği alanlardan biridir. İnsanı taklit eder ve farklı dillerde konuşan insanlar arasında çözüm üretir. Makine öğrenmesi yaklaşımları kullanılır. Metin işleme alanına en iyi örneklerden biri de Google Asistan’dır.
Muhakeme:
Muhakeme, tanımı ile uygun bir yapay zekâ kullanım alanıdır. Muhakeme alanında yapay zekâ, mevcut verileri kullanarak çeşitli algoritmalar oluşturur ve en rasyonel kararı verebilir.
Yapay zekâ artık günlük hayatımızda da oldukça geniş bir kullanıma sahiptir.
Günlük hayatta kullandığımız yapay zekâ uygulama alanlarını şöyle sıralayabiliriz:
• Siber güvenlik ve savunma sanayi
• Sesli asistanlar
• Dil çevirileri
• Öneri sistemleri
• Navigasyon
• Sosyal güvenlik
• Sağlık hizmetleri
• e-Ticaret
• Yardımcı robot uygulamaları

Yapay Zekâ Uygulamalarında Kullanılan Programlama Dilleri Nelerdir?
Yapay zekâ uygulamaları için birçok program dili kullanılabilir ve uygulamaları mevcuttur. En popüler yapay zekâ kullanım dilleri; Python, R, Java, Lisp, Prolog.

Python
Kendi alanında da oldukça popüler bir dil olan ve sadeliği ile göze çarpan programlama dili Python, kolay öğrenimi sayesinde de yapay zekâ alanında tercih edilmektedir. Sadeliği sebebiyle Python, yapay zekâ için en ideal programlama dili olarak görülüyor. Örneğin, bilimsel hesaplamalar için NumPy tercih ediliyor ve PyBrain, makine öğrenmesi için kullanılıyor.
R
Veri analizi için tercih edilen ve etkili dillerden biri olan R, güçlü tasarıma sahip programları yazabilir ve formüllerden yararlanmanıza olanak sağlayabilir.
Ayrıca birçok makine öğrenmesi alanında da kullanılan R paketlemeleri sayesinde algoritmalar da kolaylaşıyor.
Java
Yapay zekâ için arama algoritmaları, yapay nöral ağlar ve genetik programlama kullanmanız gerekir ve saydığımız bu seçenekler için Java bu konuda iyi bir seçimdir.
Java, kolay kullanımı paket servisleri, sadeleştirebilme özelliği, sunumları ve etkileşimleri ile size birçok avantaj sunar.
Lisp
Lisp oldukça eski bir programlama dili olmasına rağmen Yapay zekânın kurucusu tarafından icat edilmesi sebebiyle yapay zekâ için önemli bir programlama dilidir. Sembolik bilgiyi işleme kapasitesi konusunda önemlidir ve prototipleme becerileri ve yeni nesnelerin kolayca ve dinamik yaratımı, Lisp’i yapay zekâ konusunda etkin kılar.
Prolog
Prolog Lips ile birlikte anılır ve sunduğu bazı özelliklerle yapay zekâ için yine kullanılan popüler program dilleri arasında yer alır. Bu özellikler etkili örüntü eşleşmesi, otomatik geriye dönüş ve ağaç tabanlı yapılandırmadır.
Genellikle Prolog programlama dili sağlık sektöründe yapay zekâ tasarlamalarında geniş bir şekille kullanım sağlar.