Yapay zeka nedir? AI ile ilgili bilmek istedikleriniz.

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

Yapay zeka (AI) şu anda en çok konuşulan söz ve çabucak hemen her büyük şirket, eser yahut hizmetlerine bir tıp AI özelliği ekliyor. Ne yazık ki, tabirin kolay ve net bir tarifi olması gerekiyormuş üzere görünse de aslında o denli değil. Araştırmacıların makine tahsilinde küçük bir ilerleme olarak isimlendirdiği şeyi (bu tabire değineceğiz), kimi pazarlama departmanları yapay genel zekaya hakikat büyük bir adım olarak faturalandırıyor (buna da değineceğiz).

Bilimkurgu müellifi Ted Chiang, Financial Times’taki bir profilinde yapay zekayı “1954’te makûs bir söz seçimi” olarak tanımladı. Ve son on yıldır yapay zekadaki gelişmeler hakkında yazan biri olarak bunda pek çok doğruluk hissesi olduğunu düşünüyorum. İlgili tabirler ve tanımlar o kadar meçhul ki, evvel yapay zekayla ne demek istediğinizi tam olarak özetlemeden yapay zeka hakkında gerçek bir tartışma yapmak sıkıntı.

O halde yapay zekanın ne olduğunu, neden âlâ tanımlanmasının bu kadar güç olduğunu, bu noktaya nasıl geldiğimizi ve neler yapabileceğini araştıralım. Son birkaç yılda öğrendiğim her şeyi olabildiğince kolay bir formda ortaya koymak için elimden geleni yapacağım, böylelikle siz de her şeyi özetlemenin ne kadar sıkıntı olduğu konusunda hayal kırıklığına uğrayacaksınız.

Yapay Zeka (AI) nedir?

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

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

Mümkün olan en dar bilimkurgu manasında, birçok insan sezgisel olarak yapay zekanın, insan yahut insanüstü zeka düzeylerine ve yalnızca bir olay örgüsü aracı değil, bir karakter olarak hareket etmeye yetecek kişiliğe sahip robotları ve bilgisayarları tabir ettiğini düşünüyor. Star Trek’te Data bir yapay zekadır, fakat bilgisayar sırf Microsoft Clippy’nin güçlendirilmiş bir versiyonudur. Hiçbir çağdaş yapay zeka bu tanıma yaklaşamaz.

Basit bir sözle, yapay zeka olmayan bir bilgisayar programı, tıpkı misyonu her seferinde tıpkı formda tekrarlayacak formda programlanmıştır. Küçük bir tel şeridi bükerek ataç yapmak üzere tasarlanmış bir robot hayal edin. Birkaç inçlik kabloyu alır ve her seferinde tıpkı üç kıvrımı yapar. Kendisine tel verildiği sürece onu ataç formunda bükmeye devam edecektir. Lakin ona bir modül kuru spagetti verirseniz çabucak kıracaktır. Bir tel şeridi bükmek dışında hiçbir şey yapma kapasitesi yoktur. Yine programlanabilir lakin yeni duruma tek başına ahenk sağlayamaz.

Öte yandan yapay zekalar, daha evvel karşılaşmadıkları meseleler da dahil olmak üzere daha karmaşık ve dinamik problemleri öğrenip çözebiliyor. Şoförsüz bir otomobil yapma yarışında hiçbir şirket, Amerika Birleşik Devletleri’ndeki her yoldaki her kavşakta nasıl gidileceğini bir bilgisayara öğretmeye çalışmıyor. Bunun yerine, etraflarında olup biteni kıymetlendirmek ve daha evvel karşılaşıp karşılaşmadıklarına bakılmaksızın gerçek dünyadaki durumlara hakikat reaksiyon vermek için çeşitli farklı sensörleri kullanabilen bilgisayar programları oluşturmaya çalışıyorlar. Gerçek manada şoförsüz bir otomobile şimdi çok uzağız fakat bunların olağan bilgisayar programlarıyla tıpkı formda oluşturulamayacağı açık. Programcıların her bir durumu hesaba katması imkansızdır, hasebiyle ahenk sağlayabilecek bilgisayar sistemleri oluşturmanız gerekir.

Elbette şoförsüz bir otomobilin sahiden akıllı olup olmayacağını sorgulayabilirsiniz. Karşılık muhtemelen büyük bir tahminen lakin birden fazla zeka tarifine nazaran katiyen robotik bir elektrikli süpürgeden daha akıllı. Yapay zekada gerçek yarar, bir yapay genel zeka (AGI) yahut güçlü bir yapay zeka oluşturmak olacaktır: temel olarak, insan gibisi zekaya sahip, yeni vazifeler öğrenebilen, çeşitli biçimlerdeki talimatları konuşup anlayabilen ve tüm bilimlerimizi yerine getirebilen bir yapay zeka. fi düşler. Yeniden söylüyorum, bu çok uzakta olan bir şey.

Şu anda sahip olduğumuz şeye bazen zayıf yapay zeka, dar yapay zeka yahut yapay dar zeka (ANI) deniyor: Belli vazifeleri yerine getirmek üzere eğitilmiş lakin her şeyi yapamayan yapay zekalar. Bu hala epey etkileyici birtakım kullanımlara imkan tanıyor. Apple’ın Siri’si ve Amazon’un Alexa’sı epeyce kolay ANI’lardır lakin tekrar de çok sayıda isteğe cevap verebilirler.

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

Yapay zeka nasıl çalışır?

Şu anda birden fazla yapay zeka, akla yatkın hareket etme yeteneklerini oluşturan karmaşık algoritmaları geliştirmek için makine tahsili ismi verilen bir sürece güveniyor. Yapay zekanın birçok pratik uygulamasında da kıymetli bir rol oynayan robot bilimi, bilgisayarla görme ve doğal lisan sürece üzere öbür yapay zeka araştırma alanları da var, lakin temeldeki eğitim ve geliştirme hala makine öğrenmesiyle başlıyor.

Makine tahsili ile bir bilgisayar programına geniş bir eğitim bilgi seti sunulur; ne kadar büyükse o kadar yeterlidir. Bir bilgisayarı farklı hayvanları tanıyacak halde eğitmek istediğinizi varsayalım. Bilgi kümeniz, onları açıklayan bir metin etiketiyle eşleştirilmiş binlerce hayvan fotoğrafı olabilir. Bilgisayar programının tüm eğitim data 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 üzere mevcut bilgilere sahip olmaları durumunda yapay zekayı benimsemede en fazla muvaffakiyete sahip olacağı manasına gelir.

Ayrıntılar çok daha karmaşık hale gelse de, makine tahsilini 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 data kümesi olan LAOIN-5B data kümesini kullandı.

Bu eğitim data kümelerinden, hem GPT modelleri hem de Stable Diffusion, eğitim bilgilerinden öğrendiklerine dayalı olarak yeni içerikleri kestirim etmelerine ve oluşturmalarına imkan tanıyan, insan beynini model alan karmaşık, çok katmanlı, yüklü algoritmalar olan hudut ağları geliştirdi. ChatGPT’ye bir soru sorduğunuzda, bir sonraki adımda hangi tokenin geleceğini iddia etmek için hudut ağını kullanarak cevap verir. Stable Diffusion’a bir komut verdiğinizde, bir dizi rastgele gürültüyü metinle eşleşen bir imgeye dönüştürmek için hudut ağını kullanır.

Bu hudut ağlarının her ikisi de teknik olarak “derin öğrenme algoritmalarıdır”. Sözler sıklıkla birbirinin yerine kullanılsa da, bir hudut ağı teorik olarak hayli kolay olabilir; çağdaş yapay zekalar ise ekseriyetle milyonlarca yahut milyarlarca parametreyi hesaba katan derin hudut ağlarına dayanır. Bu, operasyonlarını son kullanıcılar için bulanık hale getiriyor zira yaptıkları işin detayları kolaylıkla çözülemiyor. Bu yapay zekalar çoklukla bir girdi alıp bir çıktı döndüren kara kutulardır; bu da önyargılı yahut öbür halde sakıncalı içerik kelam konusu olduğunda meselelere neden olabilir.

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

Yapay zekanın temelleri: tabirler ve tanımlar

Şu anda yapay zeka, ekseriyetle farklı fonksiyonları birleştirerek çok çeşitli etkileyici teknik vazifeleri gerçekleştirebiliyor. İşte yapabileceği en kıymetli şeylerden kimileri.

Makine öğrenme

Makine tahsili, bilgisayarların (makinelerin) üzerinde eğitim aldıkları bilgilerden bilgi çıkarması ve akabinde buna dayalı olarak yeni bilgiler geliştirmeye (öğrenmeye) başlamasıdır. Bilgisayara devasa bir data seti veriliyor, beşerler tarafından çeşitli formlarda eğitiliyor ve akabinde bu eğitime nazaran ahenk sağlamayı öğreniyor.

Derin öğrenme

Derin öğrenme, makine tahsilinin bir modülüdür; bilgisayarların insanlardan daha az yardım alarak daha özerk bir formda iş yapabilmesini sağlayan “derin” bir kısımdır. Bilgisayarın üzerinde eğitim aldığı devasa data seti, derin öğrenme hudut ağı oluşturmak için kullanılıyor: insan beynini örnek alan karmaşık, çok katmanlı, yüklü bir algoritma. Bu, derin öğrenme algoritmalarının bilgileri (ve daha fazla data türünü) inanılmaz derecede gelişmiş, insan gibisi bir formda işleyebileceği manasına gelir.

Üretken Yapay Zeka

Winston pop arka üslubunda renkli bir ekip elbiseyle
GPT ve DALL·E 2 üzere üretken yapay zekalar, eğitim bilgilerine dayanarak girdilerinizden yeni içerik oluşturabilir.

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

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

Üretken yapay zeka hakkında incelenecek birkaç makale daha:

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

Bilgisayar görüşü

Bilgisayar görüşü, yapay zekaların fizikî dünyayı imajlar ve görüntüler aracılığıyla ya da direkt sensörleri aracılığıyla görme ve yorumlama sürecidir.

Bilgisayarla görme, şoförsüz arabalar yaratmanın değerli bir kesimi elbette lakin birebir vakitte daha acil kullanımları da var. Örneğin yapay zekalar, yaygın cilt rahatsızlıklarını ayırt etmek, silahları tespit etmek yahut sadece açıklayıcı metin eklemek üzere eğitilebilir; böylelikle ekran okuyucu kullanan bireyler daha güzel bir çevrimiçi tecrübeye sahip olur.

Robotik süreç otomasyonu

Robotik Süreç Otomasyonu (RPA), insanların olağanda halledeceği temel misyonları yürütmek için yapay zeka, makine tahsili yahut sanal botları kullanan bir optimizasyon sistemidir. Örneğin bir sohbet robotu, sık sorulan soruları yanıtlayacak ve müşterileri hakikat dayanak bireyiyle bağlantıya geçmeye yönlendirecek yahut her ayın sonunda tedarikçilere otomatik olarak aktüel bir fatura e-postası gönderecek formda programlanabilir.

RPA, olağan otomasyon ile yapay zeka ortasındaki çizgide ilerleyebilirken, akıllı otomasyon (IA) onu sıkı bir biçimde yapay zeka alanına taşıyor. Sırf otomatik olarak çalışmayan, tıpkı vakitte insan müdahalesi olmadan düşünebilen, öğrenebilen ve gelişebilen iş akışları oluşturmayı içerir. Örneğin IA, web sitenizde bir A/B testi çalıştırabilir ve kopyayı en düzgün performans gösteren sürümle otomatik olarak güncelleyebilir ve akabinde yeni AI tarafından oluşturulan sürümle diğer bir A/B testi çalıştırabilir.