Yapay Zeka, Makine Öğrenmesi ve Derin Öğrenme

Yapay zeka, sadece istediğiniz temel komutları yerine getirebilecek kadar basit ya da hatalarından öğrenebilen algoritmik sistemler kadar geniş bir aralığı kapsayabilir. Modern dünyanın teknolojik ilerlemeleriyle hayatımıza giren bu üç terime gelin yakından bakalım.

Yapay zekanın isim babası John McCarthy bu kavramı, akıllı makine yapmanın bilimi ve mühendisliği şeklinde açıklamaktadır. Bu yerinde bir açıklama olup çalışma alanının ne kadar geniş kapsamlı olduğunu da vurgulamaktadır. Tekhnelogos bünyesindeki ZetaCAD, yapay zekanın işlerimizi kolaylaştırmada ne kadar kullanışlı olabileceğinin en iyi örneklerinden biridir.

Bugünkü anlamıyla yapay zeka tartışmalarını başlatan yazı 1950 yılında Alan Turing tarafından yazılmıştır. O yazıda, sonradan kendi adıyla anılacak olan Turing testini öne sürer: Eğer bir makine, bir insanın sorularına cevap verdiğinde o insan karşısındakinin makine olduğunu anlayamaz ise bu düşünebilen bir makinedir. Yetmiş yıldan fazladır, yapay zekanın sınırlarının nerede başlayıp nerede bittiği hala tartışma konusudur.

Zayıf ve güçlü yapay zeka türleri vardır. Zayıf yapay zekayı, sizin istediğiniz komutları harfi harfine yerine getiren ve dışına çıkmayan basit sistemler olarak düşünebilirsiniz. Kuvvetli yapay zekalar ise istediğiniz görevi çok daha güçlü algoritmalar sayesinde birçok farklı yoldan gerçekleştirebilirler. Dolayısıyla yapay zeka, bir şemsiye terimdir.

Makine Öğrenmesi

Makine öğrenmesi, öngörülebilen sonuçların ötesine çıkabilen bir yapay zeka türüdür. Veri madenciliği denen, büyük veriler arasında anlamlı sonuçlara ulaşma gayretinin yaygınlaşmasıyla hayatımıza girmiştir.

Günümüzde her gün akıl almaz miktarda veri üretilmektedir. İster pazarlama dünyasında ister bilimde, bu verilerin anlamlandırılması ve daha titiz çıkarımlar yapılması gerekmektedir. Dolayısıyla büyük bir veri yığının arasında benzer özelliklere sahip grupları ve bunların birbirlerine nasıl bağlanabileceği ile ilgili bir fikir sahibi olmak için yeni teknolojilere ihtiyaç duyulmuştur. Makine öğrenmesi tam bu noktada sahneye çıkıyor.

Yüz tanıma, zaman tünelinizde neler gösterileceği gibi görevler makine öğrenmesinin alanındadır. Aynı zamanda birçok alışveriş sitesinin daha önce hangi ürünleri gezdiğiniz, neleri arattığınız gibi birçok veriye dayanarak size sevebileceğinizi düşündüğü ürünleri tavsiye etmesi de öngörü kullanan bir makine öğrenmesidir. Tekhnelogos olarak tasarladığımız MindWeb tavsiye motoru buna güzel bir örnektir.

Derin Öğrenme

Bir sistem, onu besleyen veriler kadar iyidir dersek çok da yanlış olmaz. Sistemlerin daha yerinde tahminlerde bulunabilmesi için daha fazla veri gerekir. Bu bir süre sonra, insanların tek tek tanımlayabileceği özelliklerin de ötesinde bir kategorizasyon gerektirir. Makine öğrenmesinde bu parametreler insanlar tarafından belirlenirken, derin öğrenmede bütün bunları sistem kendi öğrenir.

Örneğin bir derin öğrenme sisteminin elma ile armut ayrımını yapabilmesini istiyorsunuz. Bulabildiğiniz tüm elma ve armut görsellerini ona verdiğinizde, renk ve şekil gibi ayırıcı özellikleri sistem kendisi keşfeder. Dolayısıyla makine öğreniminin tek boyutlu çalışma yapısını çok boyuta taşır.

Özet geçmek gerekirse yapay zeka, günümüzde karşımıza çıkan birçok teknoloji kapsayan geniş kapsamlı bir terimdir. Bunun bir ileri versiyonu makine öğrenmesi olup örüntü ve öngörü çalışmalarında nelere dikkat edileceği yine çoğunlukla insanlar tarafından belirtilir. Derin öğrenme ise sistemin elindeki tüm verileri birçok boyutta analiz ederek gruplanmaları kendi kendine öğrendiği sistemlerdir.