Bilim insanları yüzyıl boyunca bilgisayarlara zekâ, sezgisel yaklaşım, düşünme yeteneği ve yorumlama kabiliyeti kazandırmak amacıyla çalışmaktalar. Canlıların zihinsel ve davranışsal hareketlerini taklit etmeye çalışan algoritmalar ve bunların üzerinde çalıştığı donanımlar geliştirme disiplini genel olarak yapay zekâ olarak adlandırılmaktadır.
"Yapay zekâ" kavramının fikir babası, "Makineler düşünebilir mi?" sorusunu 1950 tarihli makalesinde tartışmaya açan Alan Mathison Turing'dir. Turing makalesinin taklit oyunu başlıklı kısmında bir testten bahseder. Bu testinin içeriği kısaca şöyledir: Birbirini tanımayan birkaç insandan oluşan bir denek grubu birbirleri ile ve yapay zekâ sistemi bir süre sohbet ederler. Birbirlerini yüz yüze görmeden yazışma yolu ile yapılan bu sohbet sonunda deneklere sorulan sorular ile hangi deneğin insan hangisinin makine zekâsı olduğunu saptamaları istenir. Bu teste göre sorduğunuz sorulara verilen karşılıklarda cevabı verenin bilgisayar mı yoksa insan mı olduğuna karar veremiyorsanız o zaman bilgisayarlar düşünebiliyor demektir. Alex Garland’ın yönettiği, başrolünü Alicia Vikander, Domhnall Gleeson ve Oscar Isaac’ın oynağını 2014 yapımı “Ex Machina” bu konuyu işleyen güzel bir film, tavsiye ederim.
Alan Turing, 2. Dünya savaşında Nazilerin Enigma makinesinin şifre algoritmasını çözmeye çalışan matematikçilerden biriydi. İngiltere, Bletchley Park'ta şifre çözme amacı ile başlatılan bu çalışmaların Makine Zekâsı kavramının oluşmasına büyük katkılar sağladığını söyleyebiliriz.
Dartmouth Konferansı: Bu konferans yapay zekânın doğuşu olarak da nitelendirilebilir. Dartmouth Koleji tarafından düzenlenen bu konferansta yapay zekâ (Artificial Intelligent: AI) adı ilk kez öğrenildi (Yapay zekâ teriminin isim babası, bu kavramı 1955 yılında proje başvurusunda kullanan John McCarthy olsa da konferansında yeni bir araştırma disiplinin resmi adı olarak kabul edilmiştir) ve bu konferansa katılanlar, yapay zekânın öncüleri olarak kabul gördüler. Bunların arasında, Marvin Minsky (MIT’de Yapay zekâ laboratuvarının kurucusu), Claude Shannon, Nathaniel Rochester (IBM), Allen Newell (Amerikan Yapay Zekâ Derneği’nin ilk başkanı) ve Nobel Ödülü sahibi Herbert Simon sayılabilir. Devamında 1963 yılında E. Feigenbaum ve J. Feldman tarafından derlenen ve 21 makaleden oluşan "Bilgisayar ve Düşünce" (Computer and Tought) kitabı ilk yapay zekâ kitabı olarak kayıtlara geçti.
Yapay zekâ konusunda bir diğer kilometre taşı IBM tarafından geliştirilerek saniyede 200 milyon pozisyon deneyebilecek hale getirilen Deep Blue bilgisayarının 1997'de dünya şampiyonu Garry Kasparov'u yenmesiydi. Bunu 2011’de yine IBM’in geliştirdiği Watson’ın, Amerikan bilgi yarışması Riziko’da iki en başarılı insan yarışmacıyı yenmesi takip etti.
Yapay zekânın kullanım alanlarının çoğalması ile birlikte yapay zekâ teknikleri de kendi içerisinde gruplanmaya başlamışlardır. Günümüzde en çok kullanılan yapay zekâ tekniklerini aşağıda sizler için derledim;
1. Makine Öğrenimi (Machine Learning):
1.1. Gözetimli Öğrenme (Supervised Learning): Gözetimli öğrenme, eğitim verileriyle birlikte etiketlenmiş örneklerin kullanıldığı bir yöntemdir. Bir algoritma, verilerdeki örüntüleri tespit etmek ve yeni girişler için tahminler yapmak için bu etiketli örnekleri kullanır. Örnek olarak, bir görüntü tanıma sistemi, birçok etiketlenmiş görüntüyle eğitilir ve yeni görüntülerde nesneleri tanımlayabilir.
1.2. Gözetimsiz Öğrenme (Unsupervised Learning): Gözetimsiz öğrenme, etiketlenmemiş verilerin kullanıldığı bir yöntemdir. Algoritma, veri setindeki yapıyı veya örüntüleri tespit etmeye çalışır. Örnek olarak, bir gruplama algoritması, verileri benzerliklerine göre gruplara ayırabilir.
1.3. Takviyeli Öğrenme (Reinforcement Learning): Takviyeli öğrenme, bir ajanın bir ortamla etkileşim içinde öğrendiği bir öğrenme yöntemidir. Ajan, belirli bir hedefi elde etmek için çeşitli aksiyonlar alır ve bu aksiyonların sonuçlarına göre ödüller veya cezalar alır. Ajan, en yüksek ödülü elde etmek için en uygun aksiyonları öğrenir. Örnek olarak, bir oyun oynayan yapay bir ajan, deneyimlerine dayanarak oyunu daha iyi oynamayı öğrenebilir.
2. Derin Öğrenme (Deep Learning):
2.1. Yapay Sinir Ağları (Artificial Neural Networks): Yapay sinir ağları, insan beyninin sinir hücrelerine benzer şekilde yapılandırılmış matematiksel modellerdir. Bu sinir ağları, birçok katman ve birçok düğümden oluşur ve veri işleme ve öğrenme yetenekleriyle bilinir. Derin öğrenme, genellikle derin sinir ağları kullanarak karmaşık veri yapılarını ve örüntülerini öğrenmek için kullanılır.
2.2. Evrişimli Sinir Ağları (Convolutional Neural Networks): Evrişimli sinir ağları, özellikle bilgisayar görüşü problemleri için popüler olan sinir ağı türleridir. Görüntü veya video verilerini işlemek için optimize edilmiştir ve örüntü tanıma, nesne tespiti ve yüz tanıma gibi görevleri başarıyla gerçekleştirebilir.
2.3. Rekurrent Sinir Ağları (Recurrent Neural Networks): Rekurrent sinir ağları, zaman serileri ve doğal dil gibi zaman bağımlı verileri işlemek için kullanılır. Bu sinir ağları, geri besleme döngüleriyle birlikte çalışarak geçmiş bilgiyi anımsayabilir ve gelecekteki durumları tahmin etmek veya sıralı verileri analiz etmek için kullanılabilir.
3. Doğal Dil İşleme (Natural Language Processing - NLP):
3.1. Dil Modelleri (Language Models): Dil modelleri, doğal dildeki yapıyı ve örüntüleri anlamak ve oluşturmak için kullanılan yapay zekâ modelleridir. Bu modeller, metinlerin otomatik çevirisini yapabilir, metinleri sınıflandırabilir, duygusal tonu analiz edebilir ve metin tabanlı soruları yanıtlayabilir.
3.2. Konuşma Tanıma (Speech Recognition): Konuşma tanıma, insan sesini alıp metne dönüştüren bir NLP alt dalıdır. Bu teknoloji, sesli komutları anlamak, metin tabanlı bir sistemle etkileşimde bulunmak ve otomatik altyazı oluşturmak için kullanılır.
3.3. Metin Sentetikleştirme (Text-to-Speech Synthesis): Metin sentetikleştirme, metni sesli bir biçimde oluşturmak için kullanılan bir teknolojidir. Bu, bir bilgisayarın kendisine sunulan metni doğal dilde konuşmasını sağlar.
4. Bilgisayar Görüşü (Computer Vision):
4.1. Nesne Algılama (Object Detection): Nesne algılama, bir görüntü veya video içindeki nesneleri tespit etmek ve tanımak için kullanılan bir bilgisayar görüşü alt dalıdır. Bu teknoloji, otomotiv endüstrisinde sürücü destek sistemlerinde, güvenlik sistemlerinde ve nesne takibi gibi birçok uygulamada kullanılır.
4.2. Yüz Tanıma (Face Recognition): Yüz tanıma, bir görüntü veya videodan insan yüzlerini tespit edip tanıyabilme yeteneğidir. Bu teknoloji, güvenlik sistemlerinde, otomatik fotoğraf etiketleme uygulamalarında ve kullanıcı doğrulama sistemlerinde yaygın olarak kullanılır.
4.3. Görüntü Sınıflandırma (Image Classification): Görüntü sınıflandırma, bir görüntünün belirli bir kategoriye ait olduğunu tespit etme görevini ifade eder. Örnek olarak, bir görüntü tanıma sistemi, bir fotoğrafta bir köpeği veya bir arabayı tanıyabilir.
5. Robotik:
5.1. Hareket Planlaması (Motion Planning): Hareket planlaması, bir robotun verilen bir ortamda hareket etmek için en uygun yol veya hareket planını oluşturma sürecidir. Yapay zekâ, bu süreçte çeşitli algoritmalardan ve öğrenme tekniklerinden yararlanabilir.
5.2. Algılama ve Algılayıcı Kontrolü: Yapay zekâ, robot sistemlerinin çevrelerini algılamak için kullanılan algılama cihazlarıyla entegre edilebilir. Bu algılayıcılar, kamera, lidar, radar, ultrasonik sensörler gibi çeşitli teknolojileri içerebilir. Yapay zekâ algoritmaları, algılanan verileri analiz edebilir ve robotun davranışını buna göre ayarlayabilir.
6. Üretken Yapay Zekâ (Generative AI):
6.1. Görüntü Oluşturma: Generative AI, derin öğrenme modelleri kullanarak yeni ve gerçekçi görüntüler oluşturabilir. Örneğin, bir generative AI modeli, doğal sahneleri, yüzleri veya sanatsal eserleri taklit edebilir. Bu tür modeller, Generative Adversarial Networks (GANs) veya Variational Autoencoders (VAEs) gibi yöntemlerle oluşturulabilir.
6.2. Metin Oluşturma: Generative AI, doğal dil işleme alanında da etkilidir ve metinleri oluşturabilir. Örneğin, bir generative AI modeli, şiirler, hikayeler veya makaleler gibi metinleri yazabilir. Bu tür modeller, dil modelleri ve rekurrent sinir ağları gibi tekniklerle geliştirilebilir.
Son Söz: Yıkıcı bir teknoloji olarak yapay zekâ bir oyunun kurallarını değiştiriyor. Yapay zekâ ile savaşmak, yasaklamak ve işimizi elimizden alacak diye korkmak yerine, yapay zekâ araçlarını daha iyi kullanmak ve uygulamalarımıza entegre etmek zorundayız.