Yapay zeka nedir? AI ile ilgili bilmek istedikleriniz.

Yapay zeka nedir? : İnsanlar için Yapay zekaya yönelik bir rehber

Yapay zeka (AI) şu anda en çok konuşulan kelime ve hemen hemen her büyük şirket, ürün veya hizmetlerine bir tür AI özelliği ekliyor. Ne yazık ki, terimin kolay ve net bir tanımı olması gerekiyormuş gibi görünse de aslında öyle değil. Araştırmacıların makine öğreniminde küçük bir ilerleme olarak adlandırdığı şeyi (bu terime değineceğiz), bazı pazarlama departmanları yapay genel zekaya doğru büyük bir adım olarak faturalandırıyor (buna da değineceğiz).

Bilimkurgu yazarı Ted Chiang, Financial Times’taki bir profilinde yapay zekayı “1954’te kötü bir kelime seçimi” olarak tanımladı. Ve son on yıldır yapay zekadaki gelişmeler hakkında yazan biri olarak bunda pek çok doğruluk payı olduğunu düşünüyorum. İlgili terimler ve tanımlar o kadar belirsiz ki, önce yapay zekayla ne demek istediğinizi tam olarak özetlemeden yapay zeka hakkında gerçek bir tartışma yapmak zor.

O halde yapay zekanın ne olduğunu, neden iyi tanımlanmasının bu kadar zor olduğunu, bu noktaya nasıl geldiğimizi ve neler yapabileceğini araştıralım. Son birkaç yılda öğrendiğim her şeyi olabildiğince basit bir şekilde ortaya koymak için elimden geleni yapacağım, böylece siz de her şeyi özetlemenin ne kadar zor olduğu konusunda hayal kırıklığına uğrayacaksınız.

Yapay Zeka (AI) nedir?

Yapay zeka, daha önce hiç karşılaşmadığı bir durumla karşılaştığında bile öğrenebilen, karar verebilen ve harekete geçebilen bir makinedir.
İnsanlarda zekayı oluşturan şeylerde olduğu gibi, yapay zekanın da düzgün bir şekilde çerçevelenmesi zordur.

Yapay zeka, mümkün olan en geniş anlamıyla, daha önce hiç karşılaşmadığı bir durumla karşılaştığında bile öğrenebilen, karar verebilen ve harekete geçebilen bir makinedir.

Mümkün olan en dar bilimkurgu anlamında, birçok insan sezgisel olarak yapay zekanın, insan veya insanüstü zeka seviyelerine ve sadece bir olay örgüsü aracı değil, bir karakter olarak hareket etmeye yetecek kişiliğe sahip robotları ve bilgisayarları ifade ettiğini düşünüyor. Star Trek’te Veri bir yapay zekadır, ancak bilgisayar yalnızca Microsoft Clippy’nin güçlendirilmiş bir versiyonudur. Hiçbir modern yapay zeka bu tanıma yaklaşamaz.

Basit bir ifadeyle, yapay zeka olmayan bir bilgisayar programı, aynı görevi her seferinde aynı şekilde tekrarlayacak şekilde programlanmıştır. Küçük bir tel şeridi bükerek ataç yapmak üzere tasarlanmış bir robot hayal edin. Birkaç inçlik kabloyu alır ve her seferinde aynı üç kıvrımı yapar. Kendisine tel verildiği sürece onu ataç şeklinde bükmeye devam edecektir. Ancak ona bir parça kuru spagetti verirseniz hemen kıracaktır. Bir tel şeridi bükmek dışında hiçbir şey yapma kapasitesi yoktur. Yeniden programlanabilir ama yeni duruma tek başına uyum sağlayamaz.

Öte yandan yapay zekalar, daha önce karşılaşmadıkları sorunlar da dahil olmak üzere daha karmaşık ve dinamik sorunları öğrenip çözebiliyor. Sürücüsüz bir araba yapma yarışında hiçbir şirket, Amerika Birleşik Devletleri’ndeki her yoldaki her kavşakta nasıl gidileceğini bir bilgisayara öğretmeye çalışmıyor. Bunun yerine, etraflarında olup biteni değerlendirmek ve daha önce karşılaşıp karşılaşmadıklarına bakılmaksızın gerçek dünyadaki durumlara doğru tepki vermek için çeşitli farklı sensörleri kullanabilen bilgisayar programları oluşturmaya çalışıyorlar. Gerçek anlamda sürücüsüz bir arabaya henüz çok uzağız ancak bunların normal bilgisayar programlarıyla aynı şekilde oluşturulamayacağı açık. Programcıların her bir durumu hesaba katması imkansızdır, dolayısıyla uyum sağlayabilecek bilgisayar sistemleri oluşturmanız gerekir.

Elbette sürücüsüz bir arabanın gerçekten akıllı olup olmayacağını sorgulayabilirsiniz. Cevap muhtemelen büyük bir belki ama çoğu zeka tanımına göre kesinlikle robotik bir elektrikli süpürgeden daha akıllı. Yapay zekada gerçek kazanç, bir yapay genel zeka (AGI) veya güçlü bir yapay zeka oluşturmak olacaktır: temel olarak, insan benzeri zekaya sahip, yeni görevler öğrenebilen, çeşitli biçimlerdeki talimatları konuşup anlayabilen ve tüm bilimlerimizi yerine getirebilen bir yapay zeka. fi rüyalar. Yine söylüyorum, bu çok uzakta olan bir şey.

Şu anda sahip olduğumuz şeye bazen zayıf yapay zeka, dar yapay zeka veya yapay dar zeka (ANI) deniyor: Belirli görevleri yerine getirmek üzere eğitilmiş ancak her şeyi yapamayan yapay zekalar. Bu hala oldukça etkileyici bazı kullanımlara olanak tanıyor. Apple’ın Siri’si ve Amazon’un Alexa’sı oldukça basit ANI’lardır ancak yine de çok sayıda isteğe yanıt verebilirler.

Yapay zeka şu sıralar bu kadar popüler olduğundan, bu terimin gerçekte uygulanmadığı birçok şey için ortalıkta dolaştığını muhtemelen göreceğiz. Bu nedenle, kendisini bu konseptle pazarlayan bir marka gördüğünüzde buna biraz şüpheyle yaklaşın; bunun yalnızca bir dizi kural değil, gerçekten yapay zeka olduğundan emin olmak için biraz araştırma yapın. Bu da beni bir sonraki noktaya getiriyor.

Yapay zeka nasıl çalışır?

Şu anda çoğu yapay zeka, akıllıca hareket etme yeteneklerini oluşturan karmaşık algoritmaları geliştirmek için makine öğrenimi adı verilen bir sürece güveniyor. Yapay zekanın birçok pratik uygulamasında da önemli bir rol oynayan robot bilimi, bilgisayarla görme ve doğal dil işleme gibi başka yapay zeka araştırma alanları da var, ancak temeldeki eğitim ve geliştirme hala makine öğrenmesiyle başlıyor.

Makine öğrenimi ile bir bilgisayar programına geniş bir eğitim veri seti sunulur; ne kadar büyükse o kadar iyidir. Bir bilgisayarı farklı hayvanları tanıyacak şekilde eğitmek istediğinizi varsayalım. Veri kümeniz, onları açıklayan bir metin etiketiyle eşleştirilmiş binlerce hayvan fotoğrafı olabilir. Bilgisayar programının tüm eğitim veri setini incelemesini sağlayarak, farklı yaratıkları tanımlamak için bir algoritma (aslında bir dizi kural) oluşturabilir. Bir insanın bir kriter listesi programlaması yerine, bilgisayar programı kendi listesini oluşturacaktır.

Bu, işletmelerin yapay zekayı eğitmek için müşteri sorguları gibi mevcut verilere sahip olmaları durumunda yapay zekayı benimsemede en fazla başarıya sahip olacağı anlamına gelir.

Ayrıntılar çok daha karmaşık hale gelse de, makine öğrenimini kullanan yapılandırılmış eğitim, hem GPT-3 hem de GPT-4 (Generative Pre-trained Transformer 3/4) ve Stabil Difüzyon’un geliştirilmesinin temelini oluşturur. GPT-3 (ChatGPT’deki GPT) internetteki kitaplardan, haber makalelerinden ve web sitelerinden alınan neredeyse 500 milyar “belirteç” (kabaca dört karakterlik metin) üzerinde eğitildi. Öte yandan Stable Diffusion, 5,85 milyar metin-görüntü çiftinden oluşan bir veri kümesi olan LAOIN-5B veri kümesini kullandı.

Bu eğitim veri kümelerinden, hem GPT modelleri hem de Stable Diffusion, eğitim verilerinden öğrendiklerine dayalı olarak yeni içerikleri tahmin etmelerine ve oluşturmalarına olanak tanıyan, insan beynini model alan karmaşık, çok katmanlı, ağırlıklı algoritmalar olan sinir ağları geliştirdi. ChatGPT’ye bir soru sorduğunuzda, bir sonraki adımda hangi tokenin geleceğini tahmin etmek için sinir ağını kullanarak yanıt verir. Stable Diffusion’a bir komut verdiğinizde, bir dizi rastgele gürültüyü metinle eşleşen bir görüntüye dönüştürmek için sinir ağını kullanır.

Bu sinir ağlarının her ikisi de teknik olarak “derin öğrenme algoritmalarıdır”. Kelimeler sıklıkla birbirinin yerine kullanılsa da, bir sinir ağı teorik olarak oldukça basit olabilir; modern yapay zekalar ise genellikle milyonlarca veya milyarlarca parametreyi hesaba katan derin sinir ağlarına dayanır. Bu, operasyonlarını son kullanıcılar için bulanık hale getiriyor çünkü yaptıkları işin ayrıntıları kolayca çözülemiyor. Bu yapay zekalar genellikle bir girdi alıp bir çıktı döndüren kara kutulardır; bu da önyargılı veya başka şekilde sakıncalı içerik söz konusu olduğunda sorunlara neden olabilir.

Yapay zekaların eğitilebilmesinin başka yolları da var. AlphaZero kendisine karşı milyonlarca oyun oynayarak satranç oynamayı kendi kendine öğrendi. Başlangıçta bildiği tek şey oyunun temel kuralları ve kazanma koşuluydu. Farklı stratejiler denedikçe neyin işe yarayıp neyin yaramadığını öğrendi ve hatta insanların daha önce düşünmediği bazı şeyleri ortaya çıkardı.

Yapay zekanın temelleri: terimler ve tanımlar

Şu anda yapay zeka, genellikle farklı işlevleri birleştirerek çok çeşitli etkileyici teknik görevleri gerçekleştirebiliyor. İşte yapabileceği en önemli şeylerden bazıları.

Makine öğrenme

Makine öğrenimi, bilgisayarların (makinelerin) üzerinde eğitim aldıkları verilerden bilgi çıkarması ve ardından buna dayalı olarak yeni bilgiler geliştirmeye (öğrenmeye) başlamasıdır. Bilgisayara devasa bir veri seti veriliyor, insanlar tarafından çeşitli şekillerde eğitiliyor ve ardından bu eğitime göre uyum sağlamayı öğreniyor.

Derin öğrenme

Derin öğrenme, makine öğreniminin bir parçasıdır; bilgisayarların insanlardan daha az yardım alarak daha özerk bir şekilde iş yapabilmesini sağlayan “derin” bir kısımdır. Bilgisayarın üzerinde eğitim aldığı devasa veri seti, derin öğrenme sinir ağı oluşturmak için kullanılıyor: insan beynini örnek alan karmaşık, çok katmanlı, ağırlıklı bir algoritma. Bu, derin öğrenme algoritmalarının bilgileri (ve daha fazla veri türünü) inanılmaz derecede gelişmiş, insan benzeri bir şekilde işleyebileceği anlamına gelir.

Üretken Yapay Zeka

Winston pop art tarzında renkli bir takım elbiseyle
GPT ve DALL·E 2 gibi üretken yapay zekalar, eğitim verilerine dayanarak girdilerinizden yeni içerik oluşturabilir.

Örneğin GPT-3 ve GPT-4 inanılmaz miktarda yazılı çalışmayla eğitilmişti. Temel olarak bu, halka açık internetin tamamına ek olarak yüzbinlerce kitap, makale ve diğer belgeye karşılık gelir. Bu nedenle yazılı yönlendirmelerinizi anlayabilir ve Shakespeare, Oxford virgülü ve hangi emojilerin Slack çalışması için uygun olmadığı hakkında uzun uzun konuşabilirler. Eğitim verilerinde bunlarla ilgili her şeyi okudular.

Benzer şekilde, görüntü oluşturucular, metin-görüntü çiftlerinden oluşan devasa veri kümeleri üzerinde eğitildi. Bu nedenle sayı ve renk gibi daha soyut kavramlarla hâlâ uğraşsalar da köpeklerin ve kedilerin farklı olduğunu anlıyorlar.

Üretken yapay zeka hakkında incelenecek birkaç makale daha:

En iyi yapay zeka sanat yaratıcıları ve nasıl çalıştıkları
En iyi AI metin oluşturucuları ve nasıl çalıştıkları
Doğal dil

Bilgisayar görüşü

Bilgisayar görüşü, yapay zekaların fiziksel dünyayı görüntüler ve videolar aracılığıyla ya da doğrudan sensörleri aracılığıyla görme ve yorumlama sürecidir.

Bilgisayarla görme, sürücüsüz otomobiller yaratmanın önemli bir parçası elbette ama aynı zamanda daha acil kullanımları da var. Örneğin yapay zekalar, yaygın cilt rahatsızlıklarını ayırt etmek, silahları tespit etmek veya yalnızca açıklayıcı metin eklemek üzere eğitilebilir; böylece ekran okuyucu kullanan kişiler daha iyi bir çevrimiçi deneyime sahip olur.

Robotik süreç otomasyonu

Robotik Süreç Otomasyonu (RPA), insanların normalde halledeceği temel görevleri yürütmek için yapay zeka, makine öğrenimi veya sanal botları kullanan bir optimizasyon yöntemidir. Örneğin bir sohbet robotu, sık sorulan soruları yanıtlayacak ve müşterileri doğru destek kişisiyle iletişime geçmeye yönlendirecek veya her ayın sonunda tedarikçilere otomatik olarak güncel bir fatura e-postası gönderecek şekilde programlanabilir.

RPA, normal otomasyon ile yapay zeka arasındaki çizgide ilerleyebilirken, akıllı otomasyon (IA) onu sıkı bir şekilde yapay zeka alanına taşıyor. Yalnızca otomatik olarak çalışmayan, aynı zamanda insan müdahalesi olmadan düşünebilen, öğrenebilen ve gelişebilen iş akışları oluşturmayı içerir. Örneğin IA, web sitenizde bir A/B testi çalıştırabilir ve kopyayı en iyi performans gösteren sürümle otomatik olarak güncelleyebilir ve ardından yeni AI tarafından oluşturulan sürümle başka bir A/B testi çalıştırabilir.