Yapay zeka (YZ), bilgisayarların konuşulan ve yazılı dili görme, anlama ve çevirme, verileri analiz etme, önerilerde bulunma ve daha fazlası gibi çeşitli gelişmiş işlevleri yerine getirmesini sağlayan bir dizi teknolojidir .
Yapay zekanın türleri
Yapay zeka, geliştirme aşamalarına veya gerçekleştirilen eylemlere bağlı olarak çeşitli şekillerde organize edilebilir.
Örneğin, yapay zeka gelişiminin dört aşaması yaygın olarak kabul edilmektedir.
- Reaktif makineler: Önceden programlanmış kurallara göre farklı türdeki uyaranlara tepki veren sınırlı yapay zeka. Belleği kullanmaz ve bu nedenle yeni verilerle öğrenemez. 1997’de satranç şampiyonu Garry Kasparov’u yenen IBM’in Deep Blue’su reaktif bir makinenin örneğiydi.
- Sınırlı bellek: Çoğu modern AI’nın sınırlı belleğe sahip olduğu düşünülür. Genellikle yapay sinir ağı veya başka bir eğitim modeli aracılığıyla yeni verilerle eğitilerek zamanla belleğini geliştirmek için kullanabilir. Makine öğreniminin bir alt kümesi olan derin öğrenme, sınırlı belleğe sahip yapay zeka olarak kabul edilir.
- Zihin teorisi: Zihin teorisi AI şu anda mevcut değil, ancak olasılıkları üzerine araştırmalar devam ediyor. İnsan zihnini taklit edebilen ve duyguları tanıma ve hatırlama ve sosyal durumlarda bir insan gibi tepki verme gibi bir insanınkine eşit karar alma yeteneklerine sahip AI’yı tanımlar.
- Kendini farkında: Zihin teorisi AI’nın bir adım ötesinde, kendini farkında AI, kendi varlığının farkında olan ve bir insanın entelektüel ve duygusal yeteneklerine sahip efsanevi bir makineyi tanımlar. Zihin teorisi AI gibi, kendini farkında AI şu anda mevcut değildir.
Yapay zekada yaygın bir eğitim modeli türü, insan beynine dayanan bir model olan yapay sinir ağıdır.
Sinir ağı, verileri sınıflandırmak ve analiz etmek için kullanılan hesaplama düğümleri olan yapay nöronlardan (bazen algılayıcılar olarak da adlandırılır) oluşan bir sistemdir. Veriler, sinir ağının ilk katmanına beslenir ve her algılayıcı bir karar verir, ardından bu bilgiyi bir sonraki katmandaki birden fazla düğüme iletir. Üçten fazla katmana sahip eğitim modelleri “derin sinir ağları” veya “derin öğrenme” olarak adlandırılır. Bazı modern sinir ağlarının yüzlerce veya binlerce katmanı vardır. Son algılayıcıların çıktısı, bir nesneyi sınıflandırmak veya verilerdeki kalıpları bulmak gibi sinir ağına ayarlanan görevi gerçekleştirir.
Karşılaşabileceğiniz en yaygın yapay sinir ağı türlerinden bazıları şunlardır:
- İleri beslemeli sinir ağları (FF), yapay nöron katmanları boyunca tek yönlü akan verilerle, çıktı elde edilene kadar sinir ağlarının en eski biçimlerinden biridir. Günümüzde, ileri beslemeli sinir ağlarının çoğu, birkaç katman (ve birden fazla “gizli” katman) içeren “derin ileri beslemeli” olarak kabul edilir. İleri beslemeli sinir ağları, genellikle, basit bir ifadeyle, sinir ağının sonucuyla başlayan ve sinir ağının doğruluğunu artırmak için hataları bularak başa doğru giden “geri yayılım” adı verilen bir hata düzeltme algoritmasıyla eşleştirilir. Birçok basit ama güçlü sinir ağı, derin ileri beslemelidir.
- Tekrarlayan sinir ağları (RNN), tipik olarak zaman serisi verileri veya diziler içeren veriler kullanmaları bakımından ileri beslemeli sinir ağlarından farklıdır. Ağın her düğümünde ağırlıklar kullanan ileri beslemeli sinir ağlarının aksine, tekrarlayan sinir ağları, geçerli katmanın çıktısına bağlı olarak önceki katmanda ne olduğunu “hafızasına” sahiptir. Örneğin, doğal dil işleme gerçekleştirirken, RNN’ler bir cümlede kullanılan diğer kelimeleri “aklında tutabilir”. RNN’ler genellikle konuşma tanıma, çeviri ve resimlere altyazı eklemek için kullanılır.
- Uzun/kısa süreli bellek (LSTM), önceki katmanlarda ne olduğunu “hatırlamak” için belleği kullanabilen gelişmiş bir RNN biçimidir. RNN’ler ile LSTM arasındaki fark, LSTM’nin “bellek hücreleri” kullanımıyla birkaç katman önce ne olduğunu hatırlayabilmesidir. LSTM genellikle konuşma tanıma ve tahminlerde bulunmada kullanılır.
- işimsel sinir ağları (CNN),modern yapay zekadaki en yaygın sinir ağlarından bazılarını içerir . Çoğunlukla görüntü tanımada kullanılan CNN’ler, bir görüntünün farklı bölümlerini tekrar bir araya getirmeden önce (tam bağlı katmanda) filtreleyen birkaç ayrı katman (bir evrişimsel katman, ardından bir havuzlama katmanı) kullanır. Daha önceki evrişimsel katmanlar, ek katmanlarda daha karmaşık özellikler aramadan önce renkler ve kenarlar gibi bir görüntünün basit özelliklerini arayabilir
- Üretken düşmanca ağlar (GAN), bir oyunda birbirleriyle rekabet eden iki sinir ağını içerir ve bu da sonuçta çıktının doğruluğunu artırır. Bir ağ (üreteç), diğer ağın (ayırt edici) doğru veya yanlış olduğunu kanıtlamaya çalıştığı örnekler oluşturur. GAN’lar gerçekçi görüntüler oluşturmak ve hatta sanat yapmak için kullanılmıştır.
KAYNAK: Google
