Teknoloji

Yapay Zeka ve Makine Öğreniminin Temelleri

Tanıtım

Son birkaç yıldır, yapay zeka ve makine öğrenimi terimleri, teknoloji haberlerinde ve web sitelerinde sıkça görünmeye başladı. Genellikle ikisi eşanlamlı olarak kullanılır, ancak birçok uzman bunların ince ama gerçek farklılıkları olduğunu iddia eder.

Ve elbette, uzmanlar bazen bu farklılıkların ne olduğu konusunda kendi aralarında anlaşamazlar.

Bununla birlikte, genel olarak, iki şey açık görünüyor: birincisi, yapay zeka (AI) terimi, makine öğrenimi (ML) teriminden daha eskidir ve ikincisi, çoğu insan makine öğrenimini yapay zekanın bir alt kümesi olarak görür.

Yapay Zeka ve Makine Öğrenimi

AI birçok şekilde tanımlansa da, en yaygın olarak kabul edilen tanım “öğrenme, problem çözme ve örüntü tanıma gibi insan zekası ile yaygın olarak ilişkili bilişsel problemleri çözmeye adanmış bilgisayar bilimi alanıdır”, özünde, fikir budur. makinelerin zekaya sahip olabileceğini

Related Articles

Yapay Zeka tabanlı bir sistemin kalbi, onun modelidir. Model, çevresi hakkında gözlemler yaparak öğrenme süreci yoluyla bilgisini geliştiren bir programdan başka bir şey değildir. Bu tür öğrenmeye dayalı model, denetimli Öğrenme altında gruplandırılmıştır. Denetimsiz öğrenme Modelleri kategorisine giren başka modeller de vardır.

“Makine öğrenimi” ifadesi de geçen yüzyılın ortalarına kadar uzanıyor. 1959 yılında Arthur Samuel ML’yi “açıkça programlanmadan öğrenme yeteneği” olarak tanımladı. Ve kendi hatalarından ders çıkarabilen ve zamanla performansını iyileştirebilen ilk programlardan biri olan bir bilgisayar denetleyicisi uygulaması oluşturmaya devam etti.

Yapay zeka araştırmaları gibi, makine öğrenimi de uzun bir süre modadan düştü, ancak 1990’larda veri madenciliği kavramı ortaya çıkmaya başladığında tekrar popüler oldu. Veri madenciliği, belirli bir bilgi kümesindeki kalıpları aramak için algoritmalar kullanır. ML de aynı şeyi yapar, ancak bir adım daha ileri gider – öğrendiklerine göre programının davranışını değiştirir.

Son zamanlarda çok popüler hale gelen ML uygulamalarından biri de görüntü tanımadır. Bu uygulamalar öncelikle eğitilmeli, yani insanlar bir sürü resme bakmalı ve resimde ne olduğunu sisteme anlatmalıdır. Binlerce ve binlerce tekrardan sonra yazılım, genellikle hangi piksel modellerinin atlar, köpekler, kediler, çiçekler, ağaçlar, evler vb. ile ilişkilendirildiğini öğrenir ve görüntülerin içeriği hakkında oldukça iyi bir tahminde bulunabilir.

Birçok web tabanlı şirket, öneri motorlarına güç sağlamak için makine öğrenimini de kullanır. Örneğin, Facebook haber akışınızda neyin gösterileceğine karar verdiğinde, Amazon satın almak isteyebileceğiniz ürünleri öne çıkardığında ve Netflix izlemek isteyebileceğiniz filmleri önerdiğinde, tüm bu öneriler, mevcut verilerindeki kalıplardan kaynaklanan tahminlere dayalıdır.

Yapay Zeka ve Makine Öğreniminin Sınırları: Derin Öğrenme, Sinir Ağları ve Bilişsel Hesaplama

Elbette, “ML” ve “AI”, bu bilgisayar bilimi alanıyla ilişkili tek terimler değildir. IBM, yapay zeka ile aşağı yukarı eşanlamlı olan “bilişsel bilgi işlem” terimini sıklıkla kullanır.

Bununla birlikte, diğer bazı terimlerin çok benzersiz anlamları vardır. Örneğin, bir yapay sinir ağı veya sinir ağı, bilgiyi biyolojik beyinlerin çalışma biçimlerine benzer şekillerde işlemek için tasarlanmış bir sistemdir. Sinir ağları makine öğreniminde özellikle iyi olduğu için işler kafa karıştırıcı olabilir, bu nedenle bu iki terim bazen birleştirilir.

Ek olarak, sinir ağları, belirli bir makine öğrenimi türü olan derin öğrenme için temel sağlar. Derin öğrenme, birden çok katmanda çalışan belirli bir dizi makine öğrenimi algoritması kullanır. Kısmen, aynı anda çok sayıda veriyi işlemek için GPU’ları kullanan sistemler tarafından mümkün kılınmıştır.

Tüm bu farklı terimlerle kafanız karıştıysa, yalnız değilsiniz. Bilgisayar bilimcileri, kesin tanımlarını tartışmaya devam ediyor ve muhtemelen bir süre daha olacak. Şirketler yapay zeka ve makine öğrenimi araştırmalarına para yatırmaya devam ettikçe, sorunlara daha fazla karmaşıklık eklemek için birkaç terimin daha ortaya çıkması muhtemeldir.

Related Articles

Leave a Reply

Your email address will not be published.

Back to top button