TANIM

yapay zeka​

Yapay zeka nedir?​

Yapay zeka, insan zekası süreçlerinin makineler, özellikle bilgisayar sistemleri tarafından simüle edilmesidir. Yapay zekanın özel uygulamaları arasında uzman sistemler , doğal dil işleme , konuşma tanıma ve makine görüşü yer alıyor .

Yapay zeka nasıl çalışır?​

Yapay zeka hakkındaki heyecan arttıkça, satıcılar ürün ve hizmetlerinin yapay zekayı nasıl kullandığını tanıtmak için çabalıyorlar. Çoğu zaman yapay zeka olarak adlandırdıkları şey, makine öğrenimi gibi teknolojinin basit bir bileşenidir . Yapay zeka, makine öğrenimi algoritmalarının yazılması ve eğitilmesi için özel bir donanım ve yazılım temeli gerektirir. Hiçbir programlama dili yapay zeka ile eşanlamlı değildir ancak Python, R, Java, C++ ve Julia, yapay zeka geliştiricileri arasında popüler olan özelliklere sahiptir.

Genel olarak yapay zeka sistemleri, büyük miktarda etiketli eğitim verisini alarak, verileri korelasyonlar ve modeller açısından analiz ederek ve bu modelleri gelecekteki durumlar hakkında tahminler yapmak için kullanarak çalışır. Bu şekilde, metin örnekleriyle beslenen bir sohbet robotu, insanlarla gerçekçi alışverişler oluşturmayı öğrenebilir veya bir görüntü tanıma aracı, milyonlarca örneği inceleyerek görüntülerdeki nesneleri tanımlamayı ve tanımlamayı öğrenebilir. Yeni, hızla gelişen üretken yapay zeka teknikleri gerçekçi metinler, resimler, müzik ve diğer medyaları oluşturabilir.

Yapay zeka programlama aşağıdakileri içeren bilişsel becerilere odaklanır:

• Öğrenme. Yapay zeka programlamanın bu yönü, veri toplamaya ve bunların eyleme dönüştürülebilir bilgilere nasıl dönüştürüleceğine ilişkin kurallar oluşturmaya odaklanır. Algoritma adı verilen kurallar , bilgi işlem cihazlarına belirli bir görevin nasıl tamamlanacağı konusunda adım adım talimatlar sağlar.
• Muhakeme. Yapay zeka programlamanın bu yönü, istenen sonuca ulaşmak için doğru algoritmayı seçmeye odaklanır.
• Kendini düzeltme. Yapay zeka programlamanın bu yönü, algoritmalara sürekli olarak ince ayar yapmak ve mümkün olan en doğru sonuçları vermelerini sağlamak için tasarlanmıştır.
• Yaratıcılık. Yapay zekanın bu yönü , yeni görüntüler, yeni metinler, yeni müzik ve yeni fikirler üretmek için sinir ağlarını, kurallara dayalı sistemleri, istatistiksel yöntemleri ve diğer yapay zeka tekniklerini kullanır.

Yapay zeka, makine öğrenimi ve derin öğrenme arasındaki farklar​

Yapay zeka , makine öğrenimi ve derin öğrenme, kurumsal BT'de yaygın olarak kullanılan terimlerdir ve bazen özellikle şirketler tarafından pazarlama materyallerinde birbirinin yerine kullanılır. Ama farklılıklar var. 1950'lerde ortaya atılan yapay zeka terimiYeni teknolojiler geliştirildikçe sürekli değişen bir dizi yeteneği kapsar. Yapay zeka çatısı altında yer alan teknolojiler arasında makine öğrenmesi ve derin öğrenme yer alıyor.
Makine öğrenimi, yazılım uygulamalarının açıkça programlanmadan sonuçları tahmin etmede daha doğru olmasını sağlar. Makine öğrenimi algoritmaları, yeni çıktı değerlerini tahmin etmek için geçmiş verileri girdi olarak kullanır. Bu yaklaşım, üzerinde eğitim yapılabilecek büyük veri kümelerinin artmasıyla çok daha etkili hale geldi. Makine öğreniminin bir alt kümesi olan derin öğrenme, beynin nasıl yapılandırıldığına dair anlayışımıza dayanmaktadır. Derin öğrenmenin yapay sinir ağları yapısını kullanması, sürücüsüz arabalar ve ChatGPT dahil olmak üzere yapay zekadaki son gelişmelerin temelini oluşturuyor.

Yapay zeka neden önemlidir?​

Yapay zeka, yaşama, çalışma ve oyun oynama şeklimizi değiştirme potansiyeli nedeniyle önemlidir. Müşteri hizmetleri çalışmaları, olası satış yaratma, dolandırıcılık tespiti ve kalite kontrolü de dahil olmak üzere insanlar tarafından gerçekleştirilen görevleri otomatikleştirmek için iş dünyasında etkin bir şekilde kullanılmaktadır. Yapay zeka birçok alanda görevleri insanlardan çok daha iyi yerine getirebiliyor. Özellikle ilgili alanların düzgün bir şekilde doldurulmasını sağlamak için çok sayıda yasal belgenin analiz edilmesi gibi tekrarlayan, ayrıntı odaklı görevler söz konusu olduğunda, yapay zeka araçları genellikle işleri hızlı bir şekilde ve nispeten daha az hatayla . İşleyebildiği devasa veri kümeleri nedeniyle yapay zeka, işletmelere operasyonları hakkında farkında olmayabilecekleri bilgiler de verebilir. Hızla genişleyen üretken yapay zeka araçları popülasyonueğitimden pazarlamaya, ürün tasarımına kadar pek çok alanda önemli olacak.

Aslında, yapay zeka tekniklerindeki ilerlemeler yalnızca verimlilikte bir patlamaya yardımcı olmakla kalmadı, aynı zamanda bazı büyük işletmeler için tamamen yeni iş fırsatlarının kapısını da açtı. Mevcut yapay zeka dalgasından önce, yolcuları taksilere bağlamak için bilgisayar yazılımı kullanmayı hayal etmek zor olurdu, ancak Uber tam da bunu yaparak bir Fortune 500 şirketi haline geldi.

Yapay zeka, Alphabet, Apple, Microsoft ve Meta da dahil olmak üzere, operasyonları geliştirmek ve rakipleri geride bırakmak için yapay zeka teknolojilerinin kullanıldığı günümüzün en büyük ve en başarılı şirketlerinin çoğunun merkezi haline geldi. Örneğin, Alphabet'in yan kuruluşu Google'da yapay zeka, arama motorunun, Waymo'nun sürücüsüz arabalarının ve doğal dil işlemedeki son buluşların temelini oluşturan transformatör sinir ağı mimarisini icat eden Google Brain'in merkezinde yer alıyor.

Yapay zekanın avantajları ve dezavantajları nelerdir?​

Yapay sinir ağları ve derin öğrenme yapay zeka teknolojileri hızla gelişiyor; bunun başlıca nedeni, yapay zekanın büyük miktarda veriyi çok daha hızlı işleyebilmesi ve insanların yapabileceğinden daha doğru tahminlerde bulunabilmesi.

Günlük olarak oluşturulan büyük miktarda veri bir insan araştırmacının hayatını mahvederken, makine öğrenimini kullanan yapay zeka uygulamaları bu verileri alıp hızlı bir şekilde eyleme dönüştürülebilir bilgilere dönüştürebilir. Bu yazının yazıldığı an itibariyle, yapay zekanın birincil dezavantajı, yapay zeka programlamasının gerektirdiği büyük miktarda veriyi işlemenin pahalı olmasıdır. Yapay zeka teknikleri daha fazla ürün ve hizmete dahil edildikçe, kuruluşların yapay zekanın kasıtlı veya kasıtsız olarak önyargılı ve ayrımcı sistemler yaratma potansiyeline de uyum sağlaması gerekiyor.

Yapay zekanın avantajları​

Aşağıda yapay zekanın bazı avantajları yer almaktadır.

• Detay odaklı işlerde iyidir. Yapay zekanın, meme kanseri ve melanom da dahil olmak üzere belirli kanser türlerinin teşhisinde doktorlar kadar veya doktorlardan daha iyi olduğu kanıtlandı .
• Veri ağırlıklı görevler için daha az süre. Yapay zeka, büyük veri kümelerini analiz etmek için gereken süreyi azaltmak amacıyla bankacılık ve menkul kıymetler, ilaç ve sigorta gibi veri ağırlıklı sektörlerde yaygın olarak kullanılıyor. Örneğin finansal hizmetler, kredi başvurularını işlemek ve dolandırıcılığı tespit etmek için rutin olarak yapay zekayı kullanıyor.
• İşgücünden tasarruf sağlar ve üretkenliği artırır. Pandemi sırasında büyüyen ve yapay zeka ile makine öğreniminin entegrasyonuyla artması beklenen depo otomasyonunun kullanımı buna bir örnektir .
• Tutarlı sonuçlar sunar. En iyi yapay zeka çeviri araçları, yüksek düzeyde tutarlılık sunarak küçük işletmelere bile müşterilere kendi ana dillerinde ulaşma olanağı sunar.
• Kişiselleştirme yoluyla müşteri memnuniyetini artırabilir. Yapay zeka, içeriği, mesajları, reklamları, önerileri ve web sitelerini bireysel müşterilere göre kişiselleştirebilir.
• Yapay zeka destekli sanal aracılar her zaman mevcuttur. 7/24 hizmet sağlayan yapay zeka programlarının uyumaya veya ara vermeye ihtiyacı yoktur.

Yapay zekanın dezavantajları​

Aşağıda yapay zekanın bazı dezavantajları yer almaktadır.

• Masraflı.
• Derin teknik uzmanlık gerektirir.
• Yapay zeka araçları geliştirmek için sınırlı sayıda nitelikli işçi temini.
• Eğitim verilerinin önyargılarını geniş ölçekte yansıtır.
• Bir görevden diğerine genelleme yapma yeteneğinin eksikliği.
• İnsan işlerini ortadan kaldırır, işsizlik oranlarını artırır.

Güçlü yapay zeka ve zayıf yapay zeka​

veya olarak kategorize edilebilir .

• Dar AI olarak da bilinen zayıf AI , belirli bir görevi tamamlamak için tasarlanmış ve eğitilmiştir. Endüstriyel robotlar ve Apple'ın Siri'si gibi sanal kişisel asistanlar zayıf yapay zeka kullanıyor.
• Yapay genel zeka (AGI) olarak da bilinen güçlü yapay zeka , insan beyninin bilişsel yeteneklerini kopyalayabilen programlamayı tanımlar. Alışılmadık bir görev sunulduğunda, güçlü bir yapay zeka sistemi, bilgiyi bir alandan diğerine uygulamak ve bağımsız olarak bir çözüm bulmak için bulanık mantığı kullanabilir. Teorik olarak, güçlü bir yapay zeka programı hem Turing testini hem de Çin Odası argümanını geçebilmelidir .

4 tür yapay zeka nedir?​

Michigan Eyalet Üniversitesi'nde bütünleştirici biyoloji ve bilgisayar bilimi ve mühendisliği alanında yardımcı doçent olan Arend Hintze, yapay zekanın dört türe ayrılabileceğini, günümüzde yaygın olarak kullanılan göreve özgü akıllı sistemlerden başlayarak, yapay zekanın günümüzde yaygın olarak kullanılmayan duyarlı sistemlere doğru ilerleyebileceğini . henüz var. Kategoriler aşağıdaki gibidir.

• Tip 1: Reaktif makineler. Bu yapay zeka sistemlerinin hafızası yoktur ve göreve özeldir. Bunun bir örneği, 1990'larda Garry Kasparov'u yenen IBM satranç programı Deep Blue'dur. Deep Blue satranç tahtasındaki taşları tespit edebilir ve tahminlerde bulunabilir, ancak hafızası olmadığı için geçmiş deneyimlerini gelecekteki deneyimlere bilgi vermek için kullanamaz.
• Tip 2: Sınırlı hafıza. Bu yapay zeka sistemlerinin hafızası var, dolayısıyla gelecekteki kararları bildirmek için geçmiş deneyimleri kullanabilirler.
  Ziyaretçiler için gizlenmiş link,görmek için Giriş yap veya üye ol.
  bazı karar verme fonksiyonları bu şekilde tasarlanmıştır.
• Tip 3: Zihin teorisi. Zihin teorisi bir psikoloji terimidir. Yapay zekaya uygulandığında bu, sistemin duyguları anlayacak sosyal zekaya sahip olacağı anlamına gelir. Bu tür yapay zeka, yapay zeka sistemlerinin insan ekiplerinin ayrılmaz üyeleri haline gelmesi için gerekli bir beceri olan insanın niyetlerini çıkarabilecek ve davranışı tahmin edebilecektir.
• Tip 4: Kişisel farkındalık. Bu kategoride yapay zeka sistemleri, onlara bilinç veren bir benlik duygusuna sahiptir. Öz farkındalığa sahip makineler kendi mevcut durumlarını anlarlar. Bu tür bir yapay zeka henüz mevcut değil.

Yapay zeka teknolojisinin örnekleri nelerdir ve günümüzde nasıl kullanılıyor?​

Yapay zeka, çeşitli farklı teknoloji türlerine dahil edilmiştir. İşte yedi örnek.

Otomasyon. Otomasyon araçları yapay zeka teknolojileriyle eşleştirildiğinde gerçekleştirilen görevlerin hacmini ve türlerini genişletebilir. Bunun bir örneği , geleneksel olarak insanlar tarafından yapılan tekrarlayan, kurallara dayalı veri işleme görevlerini otomatikleştiren bir yazılım türü olan robotik süreç otomasyonudur ( Makine öğrenimi ve yeni ortaya çıkan yapay zeka araçlarıyla birleştirildiğinde RPA, kurumsal işlerin daha büyük bölümlerini otomatik hale getirebilir ve RPA'nın taktiksel botlarının yapay zekadan gelen zekayı iletmesine ve süreç değişikliklerine yanıt vermesine olanak tanır.

Makine öğrenme. Bu, bir bilgisayarın programlama olmadan hareket etmesini sağlama bilimidir. Derin öğrenme, çok basit bir ifadeyle tahmine dayalı analitiğin otomasyonu olarak düşünülebilecek makine öğreniminin bir alt kümesidir. Üç tür makine öğrenimi algoritması vardır:

• Denetimli öğrenme . Veri kümeleri, kalıpların algılanabilmesi ve yeni veri kümelerinin etiketlenmesinde kullanılabilmesi için etiketlenir.
• Denetimsiz öğrenme . Veri kümeleri etiketlenmez ve benzerlik veya farklılıklara göre sıralanır.
• Takviyeli öğrenme . Veri kümeleri etiketlenmez ancak bir eylem veya birkaç eylem gerçekleştirildikten sonra yapay zeka sistemine geri bildirim verilir.

Makine vizyonu. Bu teknoloji makineye görme yeteneği kazandırır. Yapay görme, bir kamera, analogdan dijitale dönüştürme ve dijital sinyal işlemeyi kullanarak görsel bilgileri yakalar ve analiz eder. Genellikle insan görme yeteneğiyle karşılaştırılır, ancak makine görüşü biyolojiyle sınırlı değildir ve örneğin duvarların arkasını görecek şekilde programlanabilir. İmza tanımlamadan tıbbi görüntü analizine kadar çeşitli uygulamalarda kullanılır. Makine tabanlı görüntü işlemeye odaklanan bilgisayarlı görme , genellikle makine görüşüyle karıştırılır.

Doğal dil işleme (NLP). Bu, insan dilinin bir bilgisayar programı tarafından işlenmesidir. NLP'nin en eski ve en iyi bilinen örneklerinden biri, bir e-postanın konu satırına ve metnine bakıp bunun önemsiz olup olmadığına karar veren spam tespitidir. NLP'ye yönelik mevcut yaklaşımlar makine öğrenimine dayanmaktadır. NLP görevleri arasında metin çevirisi, duygu analizi ve konuşma tanıma yer alır.

Robotik. Bu mühendislik alanı robotların tasarımı ve üretimine odaklanmaktadır . Robotlar genellikle insanların gerçekleştirmesi veya tutarlı bir şekilde gerçekleştirmesi zor olan görevleri gerçekleştirmek için kullanılır. Örneğin robotlar, araba üretim montaj hatlarında veya NASA tarafından uzayda büyük nesneleri hareket ettirmek için kullanılıyor. Araştırmacılar ayrıca sosyal ortamlarda etkileşim kurabilen robotlar oluşturmak için makine öğrenimini kullanıyor.

Kendi kendine giden arabalar. Otonom araçlar , belirli bir şeritte kalarak ve yayalar gibi beklenmedik engellerden kaçınarak bir aracı yönlendirmek için otomatikleştirilmiş beceriler geliştirmek üzere bilgisayar görüşü, ve derin öğrenmenin bir kombinasyonunu kullanır .

Metin, görüntü ve ses üretimi. Metin istemlerinden çeşitli medya türleri oluşturan üretken yapay zeka teknikleri, fotogerçekçi sanattan e-posta yanıtlarına ve senaryolara kadar görünüşte sınırsız çeşitlilikte içerik türleri oluşturmak için işletmeler genelinde yaygın olarak uygulanıyor.

Yapay zekanın uygulamaları nelerdir?​

Yapay zeka çok çeşitli pazarlara girmiştir. İşte 11 örnek.

Sağlık hizmetlerinde yapay zeka. En büyük bahis hasta sonuçlarını iyileştirmek ve maliyetleri azaltmak üzerinedir. Şirketler insanlardan daha iyi ve daha hızlı tıbbi teşhis koymak için makine öğrenimini kullanıyor. En bilinen sağlık teknolojilerinden biri IBM Watson'dur. Doğal dili anlar ve kendisine sorulan sorulara yanıt verebilir. Sistem, bir hipotez oluşturmak için hasta verilerini ve diğer mevcut veri kaynaklarını inceler ve daha sonra bunu bir güven puanlama şemasıyla sunar. Diğer yapay zeka uygulamaları arasında hastaların ve sağlık hizmetleri müşterilerinin tıbbi bilgileri bulmasına, randevu planlamasına, faturalandırma sürecini anlamalarına ve diğer idari süreçleri tamamlamalarına yardımcı olmak için çevrimiçi sanal sağlık asistanlarının ve Tahmin etmek, mücadele etmek ve anlamak için bir dizi yapay zeka teknolojisi de kullanılıyorCOVİD-19 gibi salgınlar .

İş dünyasında yapay zeka. Makine öğrenimi algoritmaları , müşterilere nasıl daha iyi hizmet verileceğiyle ilgili bilgileri ortaya çıkarmak için analitik ve müşteri ilişkileri yönetimi ( ) platformlarına entegre ediliyor . Müşterilere anında hizmet sunmak için web sitelerine sohbet robotları dahil edildi. ChatGPT gibi üretken yapay zeka teknolojisindeki hızlı ilerlemenin geniş kapsamlı sonuçlara yol açması bekleniyor: işleri ortadan kaldırmak, ürün tasarımında devrim yaratmak ve iş modellerini altüst etmek.

Eğitimde yapay zeka. Yapay zeka, not verme işlemini otomatik hale getirerek eğitimcilere diğer görevler için daha fazla zaman kazandırabilir. Öğrencileri değerlendirebilir ve ihtiyaçlarına göre uyarlayarak kendi hızlarında çalışmalarına yardımcı olabilir. Yapay zeka eğitmenleri öğrencilere ek destek sağlayarak onların doğru yolda kalmalarını sağlayabilir. Teknoloji aynı zamanda öğrencilerin nerede ve nasıl öğrendiklerini de değiştirebilir, hatta bazı öğretmenlerin yerini bile alabilir. ChatGPT, Bard ve diğer büyük dil modellerinin gösterdiği gibi , üretken yapay zeka, eğitimcilerin ders çalışmalarını ve diğer öğretim materyallerini hazırlamasına ve öğrencilerin yeni yollarla ilgisini çekmesine yardımcı olabilir. Bu araçların ortaya çıkışı aynı zamanda eğitimcileri öğrenci ödevlerini yeniden düşünmeye ve intihal politikalarını test etmeye ve gözden geçirmeye zorlamaktadır.

Finansta yapay zeka. Intuit Mint veya TurboTax gibi kişisel finans uygulamalarındaki yapay zeka, finansal kurumları sekteye uğratıyor. Bu gibi uygulamalar kişisel verileri toplar ve finansal tavsiyelerde bulunur. IBM Watson gibi diğer programlar ev satın alma sürecine uygulanmıştır. Bugün Wall Street'teki ticaretin çoğunu yapay zeka yazılımları gerçekleştiriyor.

Hukukta AI. Hukukta keşif süreci (belgelerin taranması) genellikle insanlar için çok zorlayıcıdır. Hukuk sektörünün emek yoğun süreçlerini otomatikleştirmeye yardımcı olmak için yapay zekanın kullanılması, zamandan tasarruf sağlıyor ve müşteri hizmetlerini geliştiriyor. Hukuk firmaları, verileri tanımlamak ve sonuçları tahmin etmek için makine öğrenimini, belgelerden bilgileri sınıflandırmak ve çıkarmak için bilgisayarlı görmeyi ve bilgi taleplerini yorumlamak için NLP'yi kullanıyor.

Eğlence ve medyada yapay zeka. Eğlence sektörü, hedefli reklamcılık, içerik önerme, dağıtım, dolandırıcılığı tespit etme, senaryo oluşturma ve film yapma için yapay zeka tekniklerini kullanıyor. Otomatik gazetecilik, haber merkezlerinin medya iş akışlarını düzenleyerek zamanı, maliyetleri ve karmaşıklığı azaltmasına yardımcı olur. Haber odaları, veri girişi ve düzeltme gibi rutin görevleri otomatikleştirmek için yapay zekayı kullanıyor; ve konuları araştırmak ve başlıklara yardımcı olmak. Gazeteciliğin içerik üretmek için ChatGPT'yi ve diğer üretken yapay zekayı nasıl güvenilir bir şekilde kullanacağı tartışmaya açıktır .

Yazılım kodlama ve BT süreçlerinde yapay zeka. Doğal dil istemlerine dayalı uygulama kodu üretmek için yeni üretken yapay zeka araçları kullanılabilir, ancak bu araçların henüz ilk günleridir ve yakın zamanda yazılım mühendislerinin yerini almaları pek olası değildir. Yapay zeka aynı zamanda veri girişi, dolandırıcılık tespiti, müşteri hizmetleri ve tahmine dayalı bakım ve güvenlik dahil olmak üzere birçok BT sürecini otomatikleştirmek için de kullanılıyor .

Güvenlik. Yapay zeka ve makine öğrenimi, güvenlik satıcılarının ürünlerini pazarlamak için kullandıkları moda kelimeler listesinin başında yer alıyor; bu nedenle alıcıların bu konuya dikkatli yaklaşması gerekiyor. Yine de yapay zeka teknikleri , anormallik tespiti, yanlış pozitif problemin çözülmesi ve davranışsal tehdit analitiğinin yürütülmesi de dahil olmak üzere siber güvenliğin birçok yönüne başarıyla uygulanıyor . Kuruluşlar, anormallikleri tespit etmek ve tehditlere işaret eden şüpheli etkinlikleri belirlemek için güvenlik bilgileri ve olay yönetimi ( SIEM ) yazılımında ve ilgili alanlarda makine öğrenimini kullanır. Yapay zeka, verileri analiz ederek ve bilinen kötü amaçlı kodlarla benzerlikleri belirlemek için mantığı kullanarak, yeni ve ortaya çıkan saldırılara ilişkin uyarıları, insan çalışanlardan ve önceki teknoloji yinelemelerinden çok daha kısa sürede sağlayabilir.

Üretimde yapay zeka. Üretim, robotların iş akışına dahil edilmesinde ön sıralarda yer alıyor . Örneğin, bir zamanlar tek görevleri yerine getirmek üzere programlanan ve insanlardan ayrılan endüstriyel robotlar, giderek daha fazla işlevi görüyor : İnsanlarla işbirliği yapan ve depolarda, fabrika katlarında işin daha fazla bölümünün sorumluluğunu üstlenen daha küçük, çok görevli robotlar. ve diğer çalışma alanları.

Bankacılıkta yapay zeka. Bankalar, müşterilerini hizmet ve tekliflerden haberdar etmek ve insan müdahalesi gerektirmeyen işlemleri gerçekleştirmek için chatbotları başarıyla kullanıyor. Yapay zeka sanal asistanları, bankacılık düzenlemelerine uyum maliyetlerini iyileştirmek ve azaltmak için kullanılıyor. Bankacılık kuruluşları, kredilere ilişkin karar alma süreçlerini geliştirmek, kredi limitlerini belirlemek ve yatırım fırsatlarını belirlemek için yapay zekayı kullanıyor.

Ulaşımda yapay zeka. Yapay zekanın otonom araçların işletilmesindeki temel rolüne ek olarak, yapay zeka teknolojileri ulaşımda trafiği yönetmek, uçuş gecikmelerini tahmin etmek ve okyanus taşımacılığını daha güvenli ve verimli hale getirmek için kullanılıyor. Tedarik zincirlerinde yapay zeka, geleneksel talebi tahmin etme ve aksaklıkları tahmin etme yöntemlerinin yerini alıyor; birçok şirketin küresel bir salgının malların arz ve talebi üzerindeki etkilerine hazırlıksız yakalandığı COVID-19 tarafından hızlanan bir trend.

Artırılmış zeka ve yapay zeka​

Bazı endüstri uzmanları, yapay zeka teriminin popüler kültürle çok yakından bağlantılı olduğunu ve bunun da genel kamuoyunun, yapay zekanın işyerini ve genel olarak yaşamı nasıl değiştireceği konusunda beklenmedik beklentilere sahip olmasına neden olduğunu savundu. Hal 9000 ve Terminatör gibi popüler kültür örnekleri arasında özerk bir şekilde hareket eden yapay zeka sistemleri ile insanları destekleyen yapay zeka araçları arasında ayrım yapmak için artırılmış zeka teriminin kullanılmasını önerdiler .

• Artırılmış zeka. Bazı araştırmacılar ve pazarlamacılar , daha tarafsız bir çağrışıma sahip olan artırılmış zeka etiketinin, insanların çoğu yapay zeka uygulamasının zayıf olacağını anlamalarına ve yalnızca ürün ve hizmetleri iyileştirmelerine yardımcı olacağını umuyor . Örnekler arasında iş zekası raporlarında önemli bilgilerin otomatik olarak ortaya çıkarılması veya yasal başvurularda önemli bilgilerin vurgulanması yer alır. ChatGPT ve Bard'ın endüstri genelinde hızla benimsenmesi, insanların karar verme sürecini desteklemek için yapay zekayı kullanma isteğini gösteriyor.
• 
  
• Yapay zeka. Gerçek yapay zeka veya AGI, teknolojik tekillik kavramıyla yakından ilişkilidir ; insan beyninin onu anlama yeteneğini veya gerçekliğimizi nasıl şekillendirdiğini çok aşan
  Ziyaretçiler için gizlenmiş link,görmek için Giriş yap veya üye ol.
  bir süper zeka tarafından yönetilen bir gelecek . Her ne kadar bazı geliştiriciler bu sorun üzerinde çalışıyor olsa da, bu durum bilim kurgunun kapsamı içinde kalıyor. Pek çok kişi, kuantum hesaplama gibi teknolojilerin YZG'yi gerçeğe dönüştürmede önemli bir rol oynayabileceğine ve yapay zeka teriminin kullanımını bu tür genel zeka için ayırmamız gerektiğine inanıyor.

Yapay zekanın etik kullanımı​

bir dizi yeni işlevsellik sunarken , yapay zeka kullanımı aynı zamanda etik soruları da gündeme getiriyor çünkü iyi ya da kötü, bir yapay zeka sistemi halihazırda öğrendiklerini pekiştirecektir.

Bu sorunlu olabilir çünkü en gelişmiş yapay zeka araçlarının çoğunun temelini oluşturan makine öğrenimi algoritmaları, yalnızca eğitimde kendilerine verilen veriler kadar akıllıdır. Bir yapay zeka programını eğitmek için hangi verilerin kullanılacağını insan seçtiğinden, makine öğrenme yanlılığı potansiyeli doğaldır ve yakından izlenmelidir.

Makine öğrenimini gerçek dünyadaki üretim içi sistemlerin bir parçası olarak kullanmak isteyen herkesin yapay zeka eğitim süreçlerinde etiği dikkate alması ve önyargıdan kaçınmaya çalışması gerekir. ve üretken çekişmeli ağ ( GAN ) uygulamalarında doğası gereği açıklanamayan yapay zeka algoritmaları kullanıldığında geçerlidir .

Açıklanabilirlik, sıkı mevzuat uyumluluğu gereksinimleri altında faaliyet gösteren sektörlerde yapay zekanın kullanılmasının önünde potansiyel bir engeldir . Örneğin, Amerika Birleşik Devletleri'ndeki finans kurumları, kredi verme kararlarını açıklamalarını gerektiren düzenlemeler altında faaliyet göstermektedir. Ancak krediyi reddetme kararı yapay zeka programlaması tarafından verildiğinde kararın nasıl alındığını açıklamak zor olabilir çünkü bu tür kararları vermek için kullanılan yapay zeka araçları binlerce değişken arasındaki ince korelasyonları ortaya çıkararak çalışır. Karar verme süreci açıklanamadığında programa kara kutu AI adı verilebilir .

Özetle, yapay zekanın etik sorunları şunları içerir: yanlış eğitilmiş algoritmalar ve insan önyargısından kaynaklanan önyargı ; deepfake ve kimlik avı nedeniyle kötüye kullanım ; AI iftirası ve telif hakkı sorunları da dahil olmak üzere yasal kaygılar ; işlerin ortadan kaldırılması ; ve özellikle bankacılık, sağlık ve hukuk alanlarındaki veri gizliliği endişeleri .

Yapay zeka yönetişimi ve düzenlemeleri​

Potansiyel risklere rağmen, halihazırda yapay zeka araçlarının kullanımını düzenleyen çok az düzenleme bulunmaktadır ve yasaların mevcut olduğu yerlerde bunlar genellikle dolaylı olarak yapay zeka ile ilgilidir. Örneğin, daha önce de belirtildiği gibi, ABD Adil Borç Verme düzenlemeleri, finansal kuruluşların kredi kararlarını potansiyel müşterilere açıklamasını gerektirir. Bu, kredi verenlerin, doğası gereği şeffaf olmayan ve açıklanamaz olan derin öğrenme algoritmalarını ne ölçüde kullanabileceğini sınırlıyor.

Avrupa Birliği'nin Genel Veri Koruma Yönetmeliği ( GDPR ), yapay zeka düzenlemelerini dikkate alıyor. GDPR'nin işletmelerin tüketici verilerini nasıl kullanabileceğine ilişkin katı sınırlamaları, tüketiciye yönelik birçok yapay zeka uygulamasının eğitimini ve işlevselliğini zaten sınırlıyor.

ABD'deki politika yapıcılar henüz yapay zeka mevzuatı yayınlamadı ancak bu durum yakında değişebilir. Beyaz Saray Bilim ve Teknoloji Politikası Ofisi (OSTP) tarafından Ekim 2022'de yayınlanan "Yapay Zeka Hakları Bildirgesi Planı", işletmelere etik yapay zeka sistemlerinin nasıl uygulanacağı konusunda rehberlik ediyor. ABD Ticaret Odası da Mart 2023'te yayınlanan bir raporda yapay zeka düzenlemeleri çağrısında bulundu.

Yapay zekayı düzenleyecek yasaların hazırlanması kolay olmayacak; bunun nedeni kısmen yapay zekanın şirketlerin farklı amaçlar için kullandığı çeşitli teknolojileri içermesi, kısmen de düzenlemelerin yapay zekanın ilerlemesi ve gelişmesi pahasına olabilmesi olabilir. Yapay zeka teknolojilerinin hızlı gelişimi, yapay zekaya yönelik anlamlı düzenlemelerin oluşturulmasının önündeki bir başka engeldir; tıpkı yapay zekanın şeffaflık eksikliğinin ortaya çıkardığı ve algoritmaların sonuçlara nasıl ulaştığını görmeyi zorlaştıran zorluklar gibi. Üstelik ChatGPT ve Dall-E gibi teknolojik gelişmeler ve yeni uygulamalar, mevcut yasaları anında geçersiz kılabilir. Ve elbette hükümetlerin yapay zekayı düzenlemek için çıkarmayı başardığı yasalar, suçluların teknolojiyi kötü niyetle kullanmasını engellemiyor.

Yapay zekanın tarihi nedir?​

Zeka ile donatılmış cansız nesneler kavramı eski çağlardan beri ortalıkta dolaşıyor. Yunan tanrısı Hephaestus, mitlerde altından robot benzeri hizmetkarlar döverken tasvir edilmiştir. Eski Mısır'daki mühendisler, rahipler tarafından canlandırılan tanrı heykelleri inşa ettiler. Yüzyıllar boyunca, Aristoteles'ten 13. yüzyıl İspanyol ilahiyatçısı Ramon Llull'a, René Descartes ve Thomas Bayes'e kadar düşünürler, insanın düşünce süreçlerini semboller olarak tanımlamak için zamanlarının araçlarını ve mantığını kullandılar ve genel bilgi temsili gibi yapay zeka kavramlarının temelini attılar .

19. yüzyılın sonları ve 20. yüzyılın ilk yarısı, modern bilgisayarın doğuşunu sağlayacak temel çalışmaları ortaya çıkardı. 1836'da Cambridge Üniversitesi matematikçisi Charles Babbage ve Lovelace Kontesi Augusta Ada King, programlanabilir bir makinenin ilk tasarımını icat etti.

1940'lar. Princeton'lı matematikçi John Von Neumann, depolanan programlı bilgisayarın mimarisini tasarladı; bir bilgisayarın programının ve onun işlediği verilerin bilgisayarın belleğinde tutulabileceği fikri. Ve Warren McCulloch ve Walter Pitts sinir ağlarının temelini attılar.

1950'ler. Modern bilgisayarların ortaya çıkışıyla birlikte bilim insanları makine zekası hakkındaki fikirlerini test edebildiler. Bir bilgisayarın zekaya sahip olup olmadığını belirlemeye yönelik yöntemlerden biri, İngiliz matematikçi ve İkinci Dünya Savaşı şifre kırıcısı Alan Turing tarafından geliştirildi. Turing testi, bir bilgisayarın sorgulayıcıları, sorularına verdikleri yanıtların bir insan tarafından verildiğine inandırarak kandırma becerisine odaklandı.

1956. Modern yapay zeka alanının bu yıl Dartmouth College'da düzenlenen bir yaz konferansında başlayacağı geniş çapta dile getirildi. Savunma İleri Araştırma Projeleri Ajansı (DARPA) sponsorluğunda düzenlenen konferansa, yapay zeka öncüleri Marvin Minsky, Oliver Selfridge ve yapay zeka terimini icat eden John McCarthy de dahil olmak üzere, alandaki 10 aydın katıldı . Toplantıya ayrıca bilgisayar bilimcisi Allen Newell ve ekonomist, siyaset bilimci ve bilişsel psikolog Herbert A. Simon da katıldı. İkili, belirli matematik teoremlerini kanıtlayabilen ve ilk yapay zeka programı olarak anılan bir bilgisayar programı olan çığır açan Mantık Teorisyeni'ni sundu.

1950'ler ve 1960'lar. Dartmouth Koleji konferansının ardından, yeni gelişen yapay zeka alanındaki liderler, insan beynine eşdeğer insan yapımı bir zekanın çok yakında olduğunu ve bunun da büyük hükümet ve endüstri desteğini çektiğini öngördü. Aslında, yaklaşık 20 yıldır iyi finanse edilen temel araştırmalar yapay zekada önemli ilerlemeler sağladı: Örneğin, 1950'lerin sonlarında Newell ve Simon, karmaşık sorunları çözmede yetersiz kalan ancak yeni teknolojilerin temellerini atan Genel Sorun Çözücü (GPS) algoritmasını yayınladılar. daha karmaşık bilişsel mimarilerin geliştirilmesi; ve McCarthy , bugün hala kullanılan yapay zeka programlama dili olan 1960'ların ortasında, MIT Profesörü Joseph Weizenbaum, günümüzün sohbet robotlarının temelini oluşturan erken bir NLP programı olan ELIZA'yı geliştirdi.

1970'ler ve 1980'ler. Yapay genel zekanın elde edilmesinin zor olduğu, yakın olmadığı ortaya çıktı; bilgisayar işleme ve hafızadaki sınırlamalar ve sorunun karmaşıklığı nedeniyle engellendi. Hükümet ve şirketlerin yapay zeka araştırmalarına verdikleri destekten geri adım atması, 1974'ten 1980'e kadar süren ve ilk " " olarak bilinen bir nadas dönemine yol açtı. 1980'lerde, derin öğrenme teknikleri üzerine yapılan araştırmalar ve endüstrinin Edward Feigenbaum'un uzman sistemlerini benimsemesi, yeni bir yapay zeka coşkusu dalgasını ateşledi, ancak bunu hükümet finansmanı ve endüstri desteğinin başka bir çöküşü takip etti. İkinci AI kışı 1990'ların ortalarına kadar sürdü.

1990'lar. Hesaplama gücündeki artışlar ve veri patlaması, 1990'ların sonlarında yapay zekada bugün gördüğümüz dikkate değer ilerlemelere zemin hazırlayan bir yapay zeka rönesansını ateşledi. Büyük veri ve artan hesaplama gücünün birleşimi, NLP, bilgisayarla görme, robot bilimi, makine öğrenimi ve derin öğrenme alanlarında çığır açıcı gelişmelere yol açtı. 1997'de yapay zekadaki ilerlemeler hızlandıkça, IBM'in Deep Blue'su Rus satranç ustası Garry Kasparov'u mağlup ederek bir dünya satranç şampiyonunu yenen ilk bilgisayar programı oldu.

2000'ler. Makine öğrenimi, derin öğrenme, NLP, konuşma tanıma ve bilgisayarlı görme alanındaki daha fazla ilerleme, bugün yaşama biçimimizi şekillendiren ürün ve hizmetlerin ortaya çıkmasına neden oldu. Bunlar arasında Google'ın arama motorunun 2000'de piyasaya sürülmesi ve Amazon'un öneri motorunun 2001'de piyasaya sürülmesi yer alıyor. Netflix, filmler için öneri sistemini geliştirdi, Facebook yüz tanıma sistemini tanıttı ve Microsoft, konuşmayı metne dönüştürmek için konuşma tanıma sistemini piyasaya sürdü. IBM, Watson'ı piyasaya sürdü ve Google, kendi kendine sürüş girişimi Waymo'yu başlattı.

2010'lar. 2010 ile 2020 arasındaki on yılda sürekli bir yapay zeka gelişimi akışı görüldü. Bunlar arasında Apple'ın Siri ve Amazon'un Alexa sesli asistanlarının lansmanı; IBM Watson'ın Jeopardy'deki zaferleri ; sürücüsüz arabalar; ilk üretken rakipsel ağın geliştirilmesi; Google'ın açık kaynaklı derin öğrenme çerçevesi TensorFlow'un lansmanı; araştırma laboratuvarının kurulması , GPT-3 dil modelinin ve Dall-E görüntü oluşturucunun geliştiricileri; dünya Go şampiyonu Lee Sedol'un Google DeepMind'ın AlphaGo'su tarafından yenilgiye uğratılması; ve kanserleri yüksek doğrulukla tespit eden yapay zeka tabanlı sistemlerin uygulanması.

2020'ler. İçinde bulunduğumuz on yıl, yeni içerik üretebilen bir tür yapay zeka teknolojisi olan üretken yapay zekanın ortaya çıkışına tanık oldu. Üretken yapay zeka, metin, resim, video, tasarım, müzik notaları veya yapay zeka sisteminin işleyebileceği herhangi bir girdi biçiminde olabilecek bir istemle başlar. Daha sonra çeşitli yapay zeka algoritmaları, isteğe yanıt olarak yeni içerik döndürür. İçerik; makaleler, sorunlara yönelik çözümler veya bir kişinin resimlerinden veya sesinden oluşturulan gerçekçi sahteleri içerebilir. ChatGPT-3, Google'ın Bard'ı ve Microsoft'un Megatron-Turing NLG'si gibi dil modellerinin yetenekleri dünyayı hayrete düşürdü, ancak halüsinasyon veya yanıtları çarpıtma eğiliminin de gösterdiği gibi teknoloji hâlâ erken aşamada.

Yapay zeka araçları ve hizmetleri​

Yapay zeka araçları ve hizmetleri hızla gelişiyor. Yapay zeka araçları ve hizmetlerindeki mevcut yeniliklerin izi, GPU'lar ve büyük veri kümeleri üzerine inşa edilmiş yüksek performanslı yapay zekada yeni bir çağ açan 2012 AlexNet sinir ağına kadar takip edilebilir. Temel değişiklik, sinir ağlarını birden fazla GPU çekirdeğindeki devasa miktarda veri üzerinde paralel olarak daha ölçeklenebilir bir şekilde eğitme yeteneğiydi.

Son birkaç yılda, Google, Microsoft ve OpenAI'deki yapay zeka keşifleri ile Nvidia'nın öncülük ettiği donanım yenilikleri arasındaki simbiyotik ilişki, daha büyük yapay zeka modellerinin daha bağlantılı GPU'larda çalıştırılmasına olanak sağlayarak performans ve ölçeklenebilirlik açısından oyunun kurallarını değiştiren iyileştirmelere yol açtı.

Bu yapay zeka uzmanları arasındaki işbirliği, ChatGPT'nin yakın zamandaki başarısı için çok önemliydi; düzinelerce diğer çığır açan yapay zeka hizmetlerinden bahsetmeye bile gerek yok. Yapay zeka araçları ve hizmetlerindeki önemli yeniliklerin bir özetini burada bulabilirsiniz.

Transformatörler. Örneğin Google, GPU'lu ticari bilgisayarlardan oluşan geniş bir kümede yapay zeka eğitimi sağlamak için daha verimli bir süreç bulmanın yolunu açtı. Bu, etiketlenmemiş veriler üzerinde yapay zeka eğitiminin birçok yönünü otomatikleştiren dönüştürücülerin keşfinin yolunu açtı.

Donanım optimizasyonu. Daha da önemlisi, Nvidia gibi donanım satıcıları da en popüler algoritmalar için birden fazla GPU çekirdeğinde paralel olarak çalışacak şekilde mikrokodu optimize ediyor. Nvidia, daha hızlı donanım, daha verimli yapay zeka algoritmaları, ince ayarlı GPU talimatları ve daha iyi veri merkezi entegrasyonunun birleşiminin yapay zeka performansında milyon kat iyileşme sağladığını iddia etti. Nvidia ayrıca bu özelliği IaaS, SaaS ve PaaS modelleri aracılığıyla Hizmet Olarak Yapay Zeka olarak daha erişilebilir hale getirmek için tüm bulut merkezi sağlayıcılarıyla birlikte çalışıyor .

Üretken önceden eğitilmiş transformatörler. Yapay zeka yığını da son birkaç yılda hızla gelişti. Daha önce işletmelerin yapay zeka modellerini sıfırdan eğitmesi gerekiyordu. OpenAI, Nvidia, Microsoft, Google ve diğerleri gibi satıcılar giderek daha fazla, önemli ölçüde azaltılmış maliyet, uzmanlık ve zaman ile belirli bir görev için ince ayar yapılabilen üretken önceden eğitilmiş transformatörler (GPT'ler) sağlıyor. En büyük modellerden bazılarının çalıştırma başına 5 ila 10 milyon dolar arasında bir maliyete sahip olduğu tahmin edilirken, işletmeler ortaya çıkan modellerde birkaç bin dolara ince ayar yapabiliyor. Bu, pazara sunma süresinin daha hızlı olmasını sağlar ve riski azaltır.

Yapay zeka bulut hizmetleri. Kuruluşların yapay zekayı işletmelerinde etkili bir şekilde kullanmasını engelleyen en büyük engeller arasında, yapay zeka yeteneklerini yeni uygulamalara dönüştürmek veya yenilerini geliştirmek için gereken veri mühendisliği ve veri bilimi görevleri yer alıyor. Önde gelen bulut sağlayıcılarının tümü, veri hazırlama, model geliştirme ve uygulama dağıtımını kolaylaştırmak için kendi markalı yapay zeka hizmet tekliflerini kullanıma sunuyor. En iyi örnekler arasında AWS AI Services , Google Cloud AI , Microsoft Azure AI platformu, IBM AI çözümleri ve Oracle Cloud Infrastructure AI Services yer alıyor .

Hizmet olarak son teknoloji yapay zeka modelleri. Önde gelen yapay zeka modeli geliştiricileri, bu bulut hizmetlerinin yanı sıra son teknoloji yapay zeka modelleri de sunuyor. OpenAI, Azure aracılığıyla sağlanan sohbet, NLP, görüntü oluşturma ve kod oluşturma için optimize edilmiş düzinelerce büyük dil modeline sahiptir. Nvidia, tüm bulut sağlayıcılarında mevcut olan metin, görseller ve tıbbi veriler için optimize edilmiş yapay zeka altyapısını ve temel modelleri satarak daha buluttan bağımsız bir yaklaşım izledi. Yüzlerce başka oyuncu da çeşitli endüstriler ve kullanım durumları için özelleştirilmiş modeller sunuyor.

George Lawton da bu makaleye katkıda bulunmuştur.