Yapay Zeka ve Makine Öğrenimi: Farkı Nedir? AI ve ML, İnternet ve diğer medya kanallarında şimdi bir sürü sözler edindi ve sürekli olarak toplumdaki olumsuz ve olumlu ilgiyi çekti. Fakat iki terim, genellikle farklı insanlara farklı şeyler demektir. Bazı uzmanlar, her iki terimle ilişkili risklerle ilgili endişelerini dile getirdikleri gibi, AI veya ML’ye gelerek korku ve belirsizlik uyandırabilir.

Aslında, AI ve ML bugün bile birçok insanın farkında olmadığı yollarla bile olsa, günlük yaşamlarımızın ayrılmaz bir parçasıdır. Başkalarıyla nasıl etkileşim kurduğumuz ve teknolojiyi benimsettiğimiz yolları büyük ölçüde etkilemişlerdir. Siri ve Cortana gibi kullanıcıların sesi ile web’de arama yapma veya bir akıllı telefonda alarm ayarlama gibi basit görevler gerçekleştirilebilir. Buna ek olarak, Facebook kullanıcıları artık önceki etkinliklerine göre uyarlanmış bir haber beslemesine erişebiliyorlar.

Prismtech’e göre, teknoloji şirketleri “araştırmalarına büyük yatırımlar yaparak AI’nın büyümesine artıyor”. Mobil cihazlar üzerinde büyük bir etkiye sahip olmaktan başka AI’nın uygulamaları Şeyler İnternet’te de görülebilir. İoT tarafından sağlanan veriler AI tarafından performansını artırmak için kullanıldığından ikisi birbirine bağlı. AI, iş dünyasında ana akım haline geliyor ve onu iş süreçlerine dönüştürüp geliştirmeye yenilenmiş bir ilgi götürüyor.

 

Resim kredisi: Nvidia

Yukarıdaki grafik AI, ML ve ML’nin bir alt kümesi olan derin öğrenme arasındaki ilişkiyi göstermektedir. Birçok insanın AI ve ML’yi birbirinin yerine kullanması yaygın bir durumdur, ancak aralarında küçük farklılıklar vardır. Bu bizi büyük soruya götürür: AI ve ML arasındaki en önemli fark nedir?

YAPAY ZEKA

AI temelde makinelerin insanlar gibi düşünme yeteneğine atıfta bulunur. Süreç, geleneksel olarak insanlar tarafından yapılan işleri daha iyi ve verimli bir şekilde gerçekleştirebilen bir bilgisayar sisteminin geliştirilmesini içerir. Alan Turing, 1950’de makinelerin gerçekten düşünebileceği sorusunu gündeme getiren ve “Turing testi” nin teklifiyle sonuçlanan bir kağıt yayınladı.

AI kavramı hiç yeni değil; 1956’da bir akademik konferansta John McCarthy tarafından icat edildi. Bu, AI’daki çeşitli araştırma projelerinin kapısını anında açtı, ancak kısa bir süre önce sadece bir konsept olarak kalan ilgi hızla azaldı. Bugün, AI, büyük verilerin depolanmasını kolaylaştıran Big Data ve bulut bilişimi sayesinde benzeri görülmemiş bir oranda gelişiyor.

Uzmanlara göre AI’nın farklı biçimleri vardır: dar AI ve genel AI. Şu anda, dar temelli görevleri insanlardan daha iyi yapabilen dar AI kullanıyoruz, ancak diğer görevlerde yetersizdir. Örneğin, tüketicilere web tabanlı öneriler sunmak için mükemmel bir makine düşünün ve başka hiçbir şey yapmayın.

Genel AI’ya gelince AGI topluluğu bunu “düşünen makinelerin inşasını amaçlayan gelişmekte olan bir alan” olarak tanımlıyor; Yani akılın insan zihniyle karşılaştırılabilir (ve belki de genelde insan genel istihbaratının ötesinde) genel amaçlı sistemler olduğunu “söyledi.

MAKİNE DİLİ

ML için farklı tanımlar vardır ve bazıları kafa karıştırıcı olabilir. Arthur Samuel, ML’yi “bilgisayarın açıkça programlanmadan öğrenebilmesini sağlayan bir çalışma alanı” olarak tanımlamıştır. ML kavramı, bir makineyi, algoritmayı kullanarak beslenen büyük miktarda veriden öğrenmek üzere eğitmeyi içerir. Veri madenciliği ML’ye benzer; Her ikisi de belirli bir bilgi kümesindeki kalıpları aramak için algoritmaları kullanır, ancak ML, öğrenenine dayalı olarak program modelini uyarlar.

ML, şirketlerin verileri analiz etmek için kullandığı araçlarda büyük bir rol oynamaktadır. ML bugüne kadar AI’ya ulaşmada en etkili yaklaşımdır. ML olmadan AI’ya ulaşmak mümkündür, ancak diğer süreçler karmaşık ve zaman alıcıdır.

Yapay Sinir Ağı (ANN), verileri insan beyninin çalışma şekillerine benzer şekillerde işlemek üzere tasarlanmış bir bilgisayar sistemidir. Bu, geniş bir veri setinde Derin Sinir Ağı’nı kullanan bir yapı sistemi olan Derin Öğrenme’nin temelidir. AI, ML ve Derin Öğrenme Tümü Büyük Verilere güveniyor.

AI’nın geleceği Derin Öğrenme’de yatmaktadır, zira halihazırda ML’nin pek çok pratik uygulaması mümkündür. Bir örnek, İnsanlar tarafından yapıldığı zamandan daha doğru olduğu kanıtlanmış Derin Öğrenme yoluyla görüntü tanıma yöntemidir. Zaten teknoloji insanlığın ihtiyaçlarına yavaş yavaş adapte olan bir çağdayız. Bazı uzman endişeleri artırdığı halde Genel AI’nın güvenliği ile ilgili araştırma devam etmektedir. Tehlikeli bazı işlerle uğraşmaktan hayati tehlike oluşturan birçok hastalığın tedavisine anahtarın tutulmasına kadar, AI’nın geleceği sonsuz olasılıklara sahiptir.

Makine öğrenimi hakkında daha fazla bilgi için bkz. Makineyi Öğrenme Konusu İstihbarat İçinde Öğrenme.