Yapay zeka (AI) 1950’li yıllarda ortaya çıkmış oldukça geniş bir kavramdır. İnsan zekasını taklit eden herhangi bir uygulamayı veya makineyi tanımlamak için kullanılabilir. Bu, hem sanal dama oynatıcısı gibi basit programları hem de sürücüsüz arabalar gibi karmaşık makineleri içerir. Bu alandaki bazı kişiler, bugün var olan yapay zeka araçları ile henüz var olmayan genel yapay zeka (düşünen, otonom robotlar) arasında ayrım yapıyor.
Makine öğrenimi, yapay zekanın bir alt kümesini tanımlar. Bu terim 1970’lerde ortaya çıktı. Makine öğrenimi, mevcut verilerle beslenen ve eğitilen ve daha önce hiç görmediği verilerle karşılaştığında kalıpları bulabilen, tahminlerde bulunabilen veya görevleri gerçekleştirebilen bir makine veya programla tanımlanabilir
Makine öğrenimi, verileri ve deneyimi genellikle matematiksel bir model biçiminde yeni bilgiye dönüştürme süreci olarak düşünülebilir. Bu model oluşturulduktan sonra diğer görevleri gerçekleştirmek için kullanılabilir. Bu, bilgisayar yardımı olmadan geliştirilmesi çok karmaşık veya zaman alıcı olan uygulamaların tasarlanmasına olanak tanır. Örneğin, bir makine öğrenme sistemi, MRI görüntülerindeki milyonlarca etiketli tümör örneği üzerinde eğitilebilir. Bu örneklere dayanarak sistem, bir tümörü oluşturan karakteristik kalıpları tanır. Bu, yeni MRI görüntülerinde tümörlerin bulunup bulunmadığını belirleyebilecek bir model görevi görüyor. Bu sistemler çoğu zaman uzmanları geride bırakabilmektedir.
Makine öğrenimi giderek daha fazla bilgisayar uygulamasına dahil edilen güçlü bir araçtır. Her yerde bulunması, verilerle eğitilmeyen ancak insanlar tarafından yazılan ve okunabilen kurallara ve gerçeklere dayanan yapay zeka uygulamalarının tespit edilmesini zorlaştırıyor. Yapay zeka kullanan ancak verilerden ders almayan veya verilere dayalı olarak yeni sonuçlar üretmeyen uygulamalara bazen “eski moda yapay zeka” veya “GOFAI” adı verilir. Ve bazıları hâlâ kullanılıyor. Örneğin, basit bir sohbet robotu, soruları yalnızca ilgili anahtar kelimeleri içeren önceden yazılmış yanıtlar sağlayarak yanıtlayabilir.
Son olarak derin öğrenme, makine öğreniminin bir alt kümesidir. Derin öğrenme, makine öğrenimi algoritmalarını kullanır ancak “yapay sinir ağları” oluşturmak için algoritmaları katmanlar halinde yapılandırır. Bu ağlar insan beynini örnek alarak modellenmiştir ve birçok durumda etkili olmuştur. Derin öğrenme uygulamaları büyük olasılıkla gerçek bir insanla etkileşime giriyormuş gibi hissettiren bir deneyim sağlayacaktır.
Kaynak: Caltech
