Artificial Intelligence
AI · Yapay zekâ
Öğrenme, çıkarım yapma, algılama ve karar verme gibi insan zihnine atfedilen görevleri yazılım ve donanımla gerçekleştirmeyi amaçlayan bilgisayar bilimi alanıdır.
Kısa cevap
Yapay zekâ, tek bir teknoloji değil bir alandır: içinde kural tabanlı sistemlerden makine öğrenmesine, derin öğrenmeden üretken modellere uzanan farklı yaklaşımlar bulunur. Bugün "AI" denince çoğunlukla makine öğrenmesinin bir alt kümesi olan derin öğrenme kastedilir.
Alanın katmanları#
Kavramları iç içe halkalar olarak düşünmek, tartışmaların çoğunu netleştirir. En geniş halka yapay zekâ; içinde makine öğrenmesi, onun içinde derin öğrenme, onun içinde de üretken modeller ve dil modelleri yer alır. Bir sistem "yapay zekâ" olabilir ama makine öğrenmesi kullanmıyor olabilir; örneğin bir uzman sistem.
| Katman | Nasıl karar verir | Tipik örnek |
|---|---|---|
| Kural tabanlı yapay zekâ | İnsanın yazdığı kurallarla | Uzman sistem, karar tablosu |
| Makine öğrenmesi | Veriden çıkarılan örüntüyle | Kredi skoru, talep tahmini |
| Derin öğrenme | Çok katmanlı sinir ağıyla | Görüntü sınıflandırma, konuşma tanıma |
| Üretken modeller | Öğrenilen dağılımdan üreterek | Metin, görsel ve kod üretimi |
Dar yapay zekâ ve genel yapay zekâ#
Bugün üretimde olan her sistem dar yapay zekâdır: belirli bir görev kümesinde iyi, dışına çıkıldığında güvenilmez. Genel yapay zekâ (AGI), insan düzeyinde geniş yetkinliği tanımlayan ve üzerinde ortak bir ölçüt bulunmayan bir hedef. Bu ayrım pratik açıdan önemli: bir sistemin bir görevde etkileyici olması, komşu görevde çalışacağı anlamına gelmez.
Sık görülen yanılgılar#
- "Yapay zekâ düşünür" — model, olasılık dağılımından örnekleme yapar; niyeti veya inancı yoktur.
- "Model öğrendiği her şeyi hatırlar" — eğitim verisi bir veritabanı değildir; bilgi parametrelere dağılmıştır ve geri getirilmesi garanti değildir.
- "Daha fazla veri her zaman daha iyi" — veri kalitesi ve temsil gücü, hacimden önce gelir.
- "Yapay zekâ tarafsızdır" — model eğitim verisindeki eğilimleri taşır; tarafsızlık bir varsayım değil, ölçülmesi gereken bir özelliktir.
Nerede kullanılır?#
- Sınıflandırma ve tahmin: risk skoru, talep planlama, arıza öngörüsü.
- Algılama: görüntü, ses ve sensör verisinden bilgi çıkarma.
- Üretim: metin, görsel, ses ve kod üretimi.
- Karar desteği: belge özetleme, önceliklendirme, senaryo karşılaştırma.
- Otomasyon: araç kullanan ajanlarla çok adımlı iş akışlarını yürütme.
Sık sorulan sorular
Yapay zekâ ile makine öğrenmesi aynı şey mi?
Değil. Makine öğrenmesi, yapay zekânın veriden öğrenme yaklaşımını kullanan alt alanıdır. Kural tabanlı bir uzman sistem yapay zekâdır ama makine öğrenmesi değildir.
AGI ne zaman gelir?
Üzerinde uzlaşılmış bir tanım ve ölçüt olmadığı için tarih vermek spekülasyondur. Kurumsal kararlar için daha faydalı soru, bugünkü dar sistemlerin hangi görevde ölçülmüş biçimde yeterli olduğu.
Yapay zekâ projesine nereden başlanır?
Modelden değil işten. Tekrar sayısı yüksek, çıktısı doğrulanabilir ve hatası geri alınabilir bir süreç seçmek, teknoloji seçiminden önce gelir.
Kaynaklar
- 01Sinaptik Lab — alan tanımları ve taksonomi notları — Sinaptik Lab · Teknik rapor
Güncelleme geçmişi
- v1.2Katman tablosu ve yanılgılar bölümü eklendi.
- v1.0İlk yayın.
LEARN
Artificial Intelligence konusunu uygulamaya dökmek ister misin?
Kavramı okudun; sırada onu bir rotanın içinde öğrenmek ve bir testle ölçmek var.