YAPAY ZEKA NEDİR?

• İnsanın bilişini-eylemini taklit eden, karar verme veya hesaplama süreçlerini kullanan makinelerdir. Yapay zeka, genellikle, bilgisayarların insanlar tarafından yapıldığında zeka gerektiren şeyler yapmasını sağlama bilimidir.
• 1950'lerde ilk yapay zeka araştırması, problem çözme ve sembolik yöntemler gibi konuları araştırdı. 1960'larda ABD Savunma Bakanlığı bu tür çalışmalara ilgi gösterdi ve temel insan mantığını taklit etmek için bilgisayarları eğitmeye başladı. Örneğin, İleri Savunma Araştırma Projeleri Ajansı (DARPA), 1970'lerde sokak haritalama projelerini tamamladı. Ve DARPA, Siri, Alexa veya Cortana'nın ev isimlerinden çok önce 2003 yılında akıllı kişisel asistanlar üretti.
• AI, makinelerle insan zekası süreçlerinin bir taklididir. İstihbarat süreçleri öğrenmeyi, muhakemeyi ve kendi kendini düzeltmeyi içerir. Belirli AI uygulamaları arasında makine görüşü, konuşma tanıma ve uzman sistemler bulunur.
• Yapay zekanın ne olduğunu anlamak, oyuna nasıl girdiğini anlayana kadar yeterli değildir. Yapay zekanın nasıl çalıştığını öğrenmek için daha fazlasını okuyun.
• İnsan beyninin yapısını ve işlevini kopyalayabilirsek, makinelerde bilişsel yetenekler elde edebiliriz; bu sinir ağlarının alanıdır.
• Bu ağlar daha karmaşık ve derinlemesine ise ve biz bunları derin öğrenme alanı olan karmaşık şeyi öğrenmek için kullanırsak.
• İnsan beyninin yaptığını kopyalamak için temelde farklı teknikler olan farklı derin öğrenme türleri ve makineler vardır.
• Ağın görüntüleri soldan sağa, yukarıdan aşağıya taramasını sağlarsak, bu bir evrişimli sinir ağıdır. Ama CNN nedir?
• Bir sahnedeki nesneleri tanımak için bir CNN kullanılır; Bu, bilgisayar vizyonunun nesne tanımaya nasıl uyduğu, AI aracılığıyla gerçekleştirilir.
• İnsanlar geçmişi dün akşam yemekte ne yediğiniz olarak hatırlayabilir, en azından çoğumuz. Sınırlı bir geçmişi tanımak için bir sinir ağı bulabiliriz, bu tekrarlayan bir sinir ağıdır.
• Gördüğünüz gibi, bir gözün çalışmasının iki yolu vardır, biri sembolik temelli ve diğeri veri tabanlıdır. Veritabanı tarafı için, makineye öğrenmeden önce birçok veriyi beslememiz gerektiğinden buna makine öğrenimi denir.
• Örneğin, satışlara karşı reklam harcamalarına ilişkin çok sayıda veriniz varsa, bazı kalıpları görmek için bu verileri planlayabilirsiniz. Makine bu kalıbı öğrenebilirse, öğrendiklerine dayanarak tahminlerde bulunabilir.
• İnsanların anlaması ve öğrenmesi için bir veya iki hatta üç boyut doğal olsa da, makineler yüz veya binlerce gibi daha birçok yönden öğrenebilir. Bu nedenle cihazlar çok sayıda yüksek boyutlu veriye bakabilir ve kalıpları belirleyebilir.
• Bu kalıpları öğrendikten sonra, insanların yaklaşamayacağı tahminlerde bulunabilir. Tüm bu makine öğrenimi tekniklerini iki şeyden birini yapmak için kullanabiliriz: sınıflandırma veya tahmin.
• Örnek olarak, genç yetişkinler gibi bir gruba yeni müşteriler atamak için müşterilerle ilgili bazı bilgileri kullandığınızda, müşterilerini sınıflandırmış olursunuz.
• Bir rakibe zarar verme ihtimalinin olup olmadığını tahmin etmek için verileri kullanırsanız, o zaman bir tahmin yaparsınız.
• Makineleri akıllıca çalıştırmak için AI geliştirme sürecinde kullanılan belirli öğrenme algoritmaları vardır. Farklı öğrenme algoritmalarının nasıl performans gösterdiğini anlayalım.
• Makineleri Yapay Olarak Akıllı yapmak için kullanılan öğrenme algoritmalarından bazıları şunlardır
• Denetimli Öğrenme
  Yanıtı da içeren verilerle bir algoritma eğitirseniz, buna denetimli öğrenme denir. Örneğin, bir makineyi arkadaşlarınızı adıyla tanıması için eğittiğinizde, onları bilgisayar için tanımlamanız gerekir.
• Denetimsiz Öğrenme
  Makinenin kalıpları anlamasını istediğiniz verilerle bir algoritma eğitirseniz, bu denetimsiz öğrenmedir. Örneğin, evrendeki gök cisimleriyle ilgili verileri beslemek isteyebilir ve makinenin bu verilerde kendi kendine desenler oluşturmasını bekleyebilirsiniz.
• Takviye Öğrenme
  Herhangi bir algoritmaya bir hedef verirseniz ve Makinenin deneme yanılma yoluyla bu hedefe ulaşmasını beklerseniz, buna pekiştirmeli öğrenme denir. Bir robotun başarılı oluncaya kadar duvardan tırmanma girişimi bunun bir örneğidir.
• Özet
  AI Geliştirme, doğal dil işleme, makine öğrenimi, görüntü işleme ve robotik süreç otomasyonu gibi yenilikçi özellikleriyle işletmeleri yeniden yapılandırma potansiyeline sahiptir.

KAYNAKÇA : CNN TÜRK, SLIDEPLAYER.COM, leewayhertz.com