İçeriğe geçmek için "Enter"a basın

Yapay zeka ülke ekonomilerini yüzde 26 büyütecek

Pandemi ile birlikte gündemimizdeki yerini sağlamlaştıran yapay zekanın 2030 yılına kadar küresel ekonomiye 15,7 trilyon dolar katkı yapacak. Ülke ekonomilerini yüzde 26 büyütecek yapay zeka nedir?

Teknolojinin hayatımızın her alanındaki etkisi giderek artıyor. Özellikle Covid-19 süreci ile birlikte teknolojiden daha fazla yararlanılarak pandeminin olumsuz etkilerinin azaltılması planlanıyor. Robot doktorlarda sürücüsüz otomobillere, haber yazan yapay zekalardan sesli asistanlara kadar birçok alanda yapay zeka kullanılıyor.

Gelişen teknoloji ve işlemci gücüyle akıllı sistemlerin kullanımı hızla artıyor. Bu artış ile birlikte yapay zekâ, havacılıktan telekomünikasyona, sağlıktan savunma sektörüne, dijital pazarlamacılıktan eğitime adar pek çok alanda yaygın bir şekilde kullanılıyor. TÜBİTAK Bilişim Teknolojileri Enstitüsü (BİLGEM/BTE) Başuzman Araştırmacı Mehmet Haklıdır Yapay Zeka konusu ile ilgili bir makale kaleme aldı.

Yapılan araştırmalara göre 2030 yılına kadar yapay zekânın, küresel ekonomiye 15.7 trilyon dolar katkıda bulunacağı tahmin ediliyor. Ayrıca bu teknolojinin ülke ekonomilerini ortalama yüzde 26 büyütmesi bekleniyor.

Özellikle gelişmiş ülkeler teknolojinin etkisiyle oluşan bu büyük pazarda paylarını daha da arttırmak için yoğun çaba sarf ediyor. Bu ülkeler başta üniversiteler olmak üzere araştırma merkezleri, teknoloji lideri şirketler ve girişimler aracılığıyla yapay zekâ teknolojileri konusunda yapılan çalışmaları hem arttırıyor hem de bu konuda verdiği desteği ciddi oranlara çıkarıyor.

Üçüncü Dalga yapay zekâ sistemleri, özellikle bağlamsal adaptasyon yeteneklerinde dramatik iyileştirmeler içerecek.

Yapa Zeka Nedir?

Bir bilgisayarın veya bilgisayar kontrolündeki bir robotun, çeşitli faaliyetleri zeki canlılara benzer şekilde yerine getirme kabiliyeti yapay zeka olarak tanımlanıyor. Yapay zekâ 3 başlıkta inceleniyor;

  • Dar Kapsamlı Yapay Zekâ (Artificial Narrow Intelligence)
  • Genel Yapay Zekâ – İnsan Düzeyi Yapay Zekâ (Artificial General Intelligence)
  • Süper Yapay Zekâ – İnsan Ötesi Yapay Zekâ (Artificial Super Intelligence)

Yapay Zekâda Birinci Dalga

Bundan yaklaşık 70 yıl önce yapay zekanın vizyon insan gibi düşünebilen, öğrenebilen ve akıl yürüten makineler inşa edebilmekti. Bu konuda çalışmalar yürüten akademisyen ve araştırmacılar, insanın genel bilişsel yeteneklerine yakın bir yere ulaşamadıklarında, odak noktalarını çok özel, dar ‘zekâ’ problemlerini çözmeye yöneltti. İşte günümüze kadar yapay zekâ bu şekilde uygulandı.

İlk yapay zekâ sistemleri, sorunu bul-çöz-çözümü kodla-uygula yöntemiyle geliştirildi. Bu sistemler geleneksel programlamanın kullanıldığı ve çoğunluğu kural tabanlı yaklaşımların yer aldığı, emek yoğun sistemlerdi. Uygulama alanları ve gelişimleri kısıtlıydı. Bu yaklaşıma Güzel, Nostaljik Yapay Zekâ (GOFAI Good Old-Fashioned AI) denildi. Yapılan bu çalışmalara ve döneme ‘Birinci Dalga’ adı verildi.

Yapay zekâ araştırmacıları, birinci dalga yapay zekâ sistemlerin gelişimlerinin kısıtlı olduğunu fark etti. Bu fark ediş ile birlikte tekrar insan gibi düşünen sistemlere yönelme başladı. Ve insanların nöron yapısını temel alarak yapay sinir ağı yaklaşımını geliştirildi.

Yapay zekada 2. Dalgaya Nasıl Geçildi?

Yapay sinir ağı algoritmaları insandaki öğrenme işleyişinden hareketle geliştirildi. Biyolojik sinir sisteminde bulunan nöronların birbirleri ile ilişki kurması gibi yapay sinir ağı sistemlerinde de nöron şeklinde tanımlanan yapılar birbirleri ile bağlantılı olacak şekilde modellendiler. Buradaki amaç, insanda olduğu gibi yapay zekâya da öğrenme, hafızaya alma ve veriler arasındaki ilişkiyi ortaya çıkarma gibi yeteneklerin kazandırılmasıydı. Hız Kesmeden İkinci Dalga Bahsedilen çalışmalarla başlayan ve özellikle, 2010’lu yıllarda teknoloji ve işlemci gücünde gerçekleşen gelişmelerle çok katmanlı yapay sinir ağlarının geliştirilmesine izin veren derin öğrenme yaklaşımıyla hızlanan bu döneme ‘ikinci dalga’ denildi. 

Yapay zeka 1970’ler de geleneksel programlama ile başlayan 2000’ler de yapay sinir ağları ile ilerledi.

İkinci dalgada, derin öğrenme kullanılarak geliştirilen dar kapsamlı yapay zekâ uygulamaları; belirli, iyi tanımlanmış görevlerde ürettikleri başarılı sonuçlarla hayatın her alanında yer aldı. Bu dönemin en popüler çalışması sürücüsüz otomobiller, birden fazla dar kapsamlı yapay zekâ çözümünün birlikte kullanılmasından oluştu. Bu araçların;

  • Algı
  • Karar verme
  • Kontrol olarak 3 ana başlıkta incelenebilecek yetenekleri, belirlenmiş işler için özelleştirilmiş çözümlere sahipti.

Ama örneğin sürücüsüz otomobilin, sürüş kararlarını belirleyen, bir nevi beyni olan karar verme uygulamasının alınıp doğrudan bir minibüse uygulanması ile aynı sonuçlar alınamaz. Buna karşın otomobil kullanmayı bilen bir kişi, minibüsün direksiyonuna geçtikten kısa bir süre sonra minibüsü aktif olarak kullanabilecek. Bunun nedeni, insan zekâsının soyutlamada çok iyi olması, çözümleri kolayca genelleştirebilmesi ve benzer ama farklı sorunlara bu çözümleri uygulayabilir olması. Fakat ikinci dalga yapay zekâ uygulamaları bunu yapamamakta.

Üçüncü dalga yapay zeka da akıl yürüten teknolojileri yönelme evresi

İkinci dalga yapay zekânın bir başka sınırlaması, çok miktarda eğitim verisine bağımlılığıdır. Örneğin, kedileri tanımak için geliştirilecek bir derin öğrenme algoritmasının kabul edilebilir bir doğruluk seviyesinde sonuç verebilmesi için on binlerce kedi fotoğrafıyla eğitilmesi gerekir. Bu da üç yaşındaki bir çocuğun sadece birkaç örnek gördükten sonra başarabileceği bir şeydir. İnsan Gibi Düşünebilen Yapay Zekâ Birinci ve ikinci dalga ile yapay zekânın potansiyelini anladık, fakat özellikle etiketli veriye bağımlı, dar kapsamlı zekâ ile bu teknolojiyi daha öteye taşıyamayacağımızı da öğrendik. Bu nedenle yapay zekâ araştırmacıları, yapay zekânın ortaya çıktığı andaki vizyonuna, insan gibi düşünebilen, öğrenebilen ve akıl yürüten, yani insan düzeyi yapay zekâ teknolojilerine yönelmeye başladı. İşte bu da yapay zekânın “üçüncü dalgası”nı oluşturdu.

Yapay zekânın aldığı kararları son kullanıcısına açıklayabilmesi, son kullanıcıda güven teşkil edeceği gibi sistemin doğrulanması, sistemin iyileştirilmesi, sistemden öğrenme prensiplerinin tam olarak anlaşılabilmesi gibi özellikle savunma alanı için vazgeçilmez niteliklerin kazanımını da sağlayacak.

Üçüncü Dalga yapay zekâ sistemleri, özellikle bağlamsal adaptasyon yeteneklerinde dramatik iyileştirmeler içerecektir. Bağlamı ve anlamı anlayacakları için içinde bulundukları ortama ve çözülmesi gereken problemlere daha kolay adapte olup bunlara uygun çözümler üretebileceklerdir. Üçüncü dalga yapay zekâ sistemleri sadece kediyi tanımakla kalmayacak, aynı zamanda neden bir kedi olduğunu ve bu sonuca nasıl ulaştığını açıklayabilecek.

Ortaya çıkmış bir takım kararların arkasındaki mantığı açıklayabilme yeteneği, insan zekâsının önemli bir yönüdür. Bu yeti, sadece sosyal etkileşimde değil insanlar arasında bir güven ilişkisi kurmak için de önemlidir. İzah edilebilme olgusu, yapay zekâ sistemleri ve onların son kullanıcıları için de vazgeçilmez bir unsurdur.

Yapay zeka önemli açılımlar yapılmasını sağlayabilir

Açıklanabilir Yapay Zekâ Açıklanabilir Yapay Zekâ, ilk etapta belirli bir oranda, daha sonra ise tam olarak açıklanabilir modeller oluşturmak için gerekli araştırmayı yapmaktadır. Bununla birlikte bunları geliştirmek ve açıklama teknikleriyle birleştirmek için yeni ve mevcut tekniklere göre daha gelişmiş makine öğrenme yöntemleri ortaya koymayı amaçlayan çok yeni ve çok önemli bir araştırma geliştirme alanı olarak tanımlanmaktadır. Kullanıcıların yeni nesil yapay zekâ sistemlerini anlayabilir ve yorumlayabilir hale gelmelerine olanak sağlamaktadır. Diğer yandan uygulanmış yapay zekâ yöntemlerine güven duymalarına ve bu yöntemlerin bir parçası olduğu sistemlerin etkili bir şekilde yönetilmesine yardımcı olmayı amaçlamaktadır.

Üçüncü dalga yapay zekâ sistemleri, muazzam sayıda etiketli eğitim verisi ile beslenmek yerine, insanların nasıl öğrendiklerine çok daha benzer bir şekilde öğrenme yeteneğine sahip olmaya odaklanacaktır. Bu sadece büyük veri kümelerine bağımlılığı azaltmakla kalmayacak, aynı zamanda yanıltıcı eğitim verisi sorununu da giderecektir. Bu kapsamda derin pekiştirmeli öğrenme, etiketli veri ile çalışma bağımlılığını ortadan kaldırabilecek önemli tekniklerdendir. Derin pekiştirmeli öğrenmede ajan adı verilen öğrenen makine, karşılaştığı durumlara bir tepki verir ve bunun karşılığında da sayısal bir ödül veya ceza alır. Öğrenen makine aldığı bu ödül puanını maksimuma çıkartmak için çalışır. İnsanın öğrenmesine benzer bir yaklaşıma sahip olan derin pekiştirmeli öğrenme konusunda yapılan çalışmalar, insan düzeyi yapay zekâ alanında önemli açılımlar yapılmasını sağlayabilir.

İlk yorum yapan siz olun

Bir cevap yazın

E-posta hesabınız yayımlanmayacak. Gerekli alanlar * ile işaretlenmişlerdir