Nummer 5 Teknologi

Kunstig intelligens

Yapay zeka nedir?

Yapay zeka (YZ) nedir ve genel YZ ile dar YZ arasındaki fark nedir?

Şu anda yapay zeka çevresinde bir çok anlaşmazlık ve karışıklık var gibi görünüyor.

Turing Testi ile YZ sistemlerini değerlendirmeyle ilgili devam eden tartışmalara başlıyoruz, hiper akıllı makinelerin bizi öldüreceği veya daha az korkunçsa YZ ve robotların tüm işlerimizi elinden alacağına dair aynı derecede korkutucu olduğu yönündeki uyarılar ve konular var. Bununla birlikte, IBM Watson, Google’ın derin öğrenme kabiliyetli Google Now ve Apple’ın Sirisi ve Microsoft’un Cortanası gibi konuşma asistanları gibi sistemlerin ortaya çıkmasını gördük. Bütün bunlara ilave olarak, gerçekten akıllı sistemleri oluşturmak mümkün olup olmadığı konusu ise tamamen karışıklıklar ile dolu. Her Kafadan bir ses….
Cevabı elde etmek için basit bir sorunun cevabını anlamamız gerekir: YZ nedir? Stanford araştırmacısı John McCarthy, 1956’da YZ alanının ana görevinin tanımlandığı The Dartmouth Konferansı sırasında terimi şu şekilde hazırladı. Bu tanımla başlarsak, insanlar normalde akıllı olarak düşündüğümüz bir şey yaparlarsa herhangi bir program yada YZ bu YZ olarak düşünülebilir. Sorun ne olmadığı değildir, sadece bunu yapabilen bir programdır. Akıllı davranabilen bir program Yani akıllıysa YZ olur, ancak bizim gibi akıllı olması gerekmez. Güçlü YZ, zayıf YZ ve aradaki farklar; İnsanların YZ sistemleri oluşturmak konusunda çok farklı hedefleri olduğu ortaya çıkıyor ve inşa ettikleri makinelerin insanların çalışma biçimiyle ne kadar yakın olduklarına bağlı olarak üç sınıfa girme
eğilimindeler. Gerçekten insan akıl yürütme simülasyonunu amaçlayan çalışma, «güçlü YZ» olarak adlandırılmaya eğilimlidir; çünkü herhangi bir sonuç, düşünen sistemleri oluşturmakla kalmayıp aynı zamanda insanların nasıl düşündüğünü de açıklamak için kullanılabilir. Bununla birlikte, çözülmesi çok zor bir problem olduğu için, insan bilgisinin gerçek simülasyonları olan güçlü YZ veya sistemlerin gerçek bir modelini henüz görmedik. İkinci sırada, sadece sistemlerin çalışmaya başlamasını amaçlayan çalışmalara «zayıf YZ» deniliyor, çünkü insanlar gibi davranabilen sistemler kurabilsek de, sonuçlar bize insanların nasıl düşündüğü hakkında hiç bir şey söyleyemeyecek. Bunun en önemli örneklerinden biri de, IBM’in Deep Blue, master satranç oyuncusu olan bir sistemdir, fakat kesinlikle insanların yaptığı gibi oynayamadı. Güçlü ve zayıf YZ’nın ortasındaki bir yer üçüncü bir kısımara»):
insan akıl yürütmesinden haberdar olan veya ilham alan sistemlerdir. Bu, daha güçlü işlerin çoğunun bugün yaşandığı eğilimindedir. Bu sistemler, insan aklını bir kılavuz olarak kullanıyorlar, ancak mükemmel modelleme hedefiyle yönlendirilmiyorlar. Buna iyi bir örnek IBM Watson. Watson, sonuca güven düzeyinde olan binlerce parçaya bakarak bulduğu cevaplara delil oluşturuyor. Metindeki kalıpları tanıma yeteneğini, bu kalıplarla eşleşen kanıtları tartmak için çok farklı yeteneği birleştiriyor. Gelişimi, insanların sert ve hızlı kurallara sahip olmadan sonuçlara varabildikleri ve bunun yerine kanıt koleksiyonları oluşturabileceği gözlemiyle yol göstericiyor.
Tıpkı insanlar gibi, Watson da metin içinde bir miktar kanıt sağlayan ve bu kanıtları bir cevap almak için toplamaya ekleyen kalıpları fark edebiliyor. Benzer şekilde, Google’ın Derin Öğrenme’deki çalışması, beynin gerçek yapısından esinlenildiği için benzer bir hisse sahiptir. Nöronların davranışlarından haberdar olan Derin Öğrenme sistemleri,
görüntü ve konuşma tanıma gibi görevler için sunum katmanlarını öğrenerek işlev görür. Tam beyne benzemez, ama ondan esinlenir. Buradaki önemli alan, bir sistemin YZ olarak kabul edilmesi için bizim yaptığımız gibi beyninin çalışmamasının bir zorunluluğu olmaması Sadece akıllı olması yeterli. Dar YZ vs. Genel YZ Burada yapılacak başka bir ayrım varbelirli görevler için tasarlanmış YZ sistemleri (çoğunlukla «dar YZ») ve genel anlamda mantıklı
düşünme yeteneği için tasarlanmış birkaç sistem arasındaki farkgenel YZ» olarak anılacaktır) . İnsanlar bazen bu ayrımdan şaşkına düşerler ve sonuç olarak, spesifik sonuçları spesifik bir alanda, yanlışlıkla akıllı davranışların bir bölümünü kapsar şekilde yorumlarlar. Geçmişteki davranışlarınızı temel alarak size bir şeyler önerebilen sistemler, örneklerden görüntü tanımayı öğrenebilen ve bu da kanıt sentezine dayalı kararlar verebilecek sistemlerden farklı sistemler için farklı olacaktır. Bunların hepsi pratikte dar YZ örnekleri olabilir, ancak akıllı bir makinenin tek başına uğraşması gereken tüm konuları ele almak üzere genelleştirilebilir olmayabilir. Örneğin, en yakın benzin istasyonunun nerede olduğunuzu anlamada mükemmel bir sistem olmasını istemiyorum. Tıbbi teşhislerimi gerçekleştirmek için. Bir sonraki adım, bu fikirlerin akıllı sistemlerde görmeyi beklediğimiz farklı yeteneklerde ve bugün ortaya çıkan YZ ekosisteminde nasıl etkileşime girdiğini inceliyoruz. Yani ne yaptıklarını ve birlikte nasıl
birlikte oynayacaklarını. Bu yüzden devam ediyoruz. Kısaca YZ, bir gün sizden daha akıllı hale gelebilir, günümüz
şartlarında bunu diyemiyoruz.

 

Om forfatteren

Alanya Vip Magazine