Yapay zeka, insanlarda zeka ile ilgili zihinsel fonksiyonları bilgisayar modelleri yardımıyla inceleyip formül haline getirmeyi ve bunları yapay sistemlere uygulamayı amaçlayan araştırma alanıdır. Yapay zeka, insanın düşünme yapısını anlamak ve bunun benzerini ortaya çıkaracak bilgisayar işlemlerini geliştirmeye çalışmak olarak tanımlanır. Yani programlanmış bir bilgisayarın düşünme girişimidir. Daha geniş bir tanıma göre ise, yapay zeka; bilgi edinme, algılama, görme, düşünme ve karar verme gibi insan zekasına özgü kapasitelerle donatılmış bilgisayarlardır.
Literatürde “Artificial Intelligence” olarak adlandırılan yapay zeka ilk bakışta herkese farklı bir şeyin çağrışımını yaptırmaktadır. Kimilerine göre, yapay zeka kavramı, insanoğlunun yerini alan elektro mekanik bir robotu çağrıştırmaktadır. Fakat bu alanla ilgili olan herkes, insanoğlu ile makineler arasında kesin bir farklılığın olduğu bilincindedir. Bilgisayarlar hiçbir zaman insanoğlunun yaratıcılık, duygu ve mizacının benzeşimini aktarabilme becerisine sahip olamayacaktır. Bununla beraber, bilgisayarların belirli insan davranışlarını (nesneleri alma ve bunları belirli yerlere yerleştirme gibi) yapan makinelere yön vermesi ve belirli bir uzmanlık alanı ile ilgili (veri hesaplaması, tıbbi teşhis gibi) beşeri düşünme sürecinin benzeşimini yapan (simule eden) sistemlere beyin olma becerisine sahip olması mümkündür.
Yapay zekanın genel amacı, insan hayatını kolaylaştırmak, insan hayatındaki toplam kaliteyi arttırmak, endüstride kaliteyi ve verimliliği arttırmak ve iş kazaları riskini en aza indirgemek, özellikle tehlikeli işlerde robotları kullanmak, eğitim alanında strateji geliştirme ve problem çözme yeteneği kazandırmaktır. Bu genel amaç doğrultusunda yapay zekanın amaçlarını üç ana başlıkta ele alabiliriz.
a)Bilimsel amaç: Yapay zekanın bilimsel amacı zekânın esaslarını ve biyolojik sistemlerin fonksiyonlarını anlamaktır. Örneğin, beyin nasıl çalışır, limitler ve sınırlar nedir, hangi işler mümkündür, hangi işler mümkün değildir, bir işi düzenlemek için optimal (en uygun) yol nedir gibi sorulara cevap aramaktır.
b)Eğitim amacı: Bireyin öğrenme ve anlama kabiliyetini arttırmak, muhakeme yeteneği kazandırmak, strateji geliştirme kabiliyeti kazandırmak, araştırma geliştirme yapabilecek, teknolojik gelişmelere ayak uydurabilecek ve bilgilerini bu yönde güncelleştirebilecek duruma getirmek, bu amaçla simülasyonlar yazılımlar ile desteklenen müfredatın teknolojik gelişmelere göre güncelleştirildiği ve eğiticilerin-öğreticilerin buna uyum sağlayacak şekilde kurslar, oryantasyon programları ve seminerlerle desteklenmesidir.
c)Mühendislik amacı: Gerçek ortamda hareket edebilen zeki makineler (programlar, özerk robotlar) tasarlamaktır.
Yapay zekanın tarihçesine gelirsek; insana benzer makinelerin, robotların oluşturulması düşüncesi antik çağdan beri insanların ilgisini çekmektedir. Yunan mitolojisinde yapılan heykelleri canlandırma izlerine rastlanır. M.Ö. 2500 yılında Eski Mısır’da konuşan heykellerden bahsedilir. George F. Luger, Yapay Zeka adlı kitabında, yapay zekanın temellerini Aristo (M.Ö. 384-322)’ ya dayandırır. Çünkü, akıl- mantık ilişkisini tarihte ilk defa Aristo kurmuştur: Politika adlı yapıtında, emirlere itaat eden ve gelecekle ilgili planlar yapan, efendiyi de kölelerinden vazgeçirecek otomatlardan (robotlardan) bahsetmiştir.
Yapay zeka ile ilgili ilk ipuçları 1940’lara kadar gitmektedir. 1943 yılında McCulloch ve Pitts tarafından “Beynin Boolean Devre Modeli” geliştirilir. Bu model basitçe belli varsayımları kullanarak beyinde nöronların nasıl çalıştığını matematiksel olarak açıklayan bir teoriye dayanır. Bu teori, beynin çalışma prensiplerini formülize ederek açıkladığından, yapay zekanın en önemli basamağı olarak kabul edilir. 1948 yılına gelindiğinde ise Shannon, bilgisayarların belli algoritmalar çerçevesinde karmaşık matematik teoremlerini ispatlamak ve satranç oynamak için kullanılabileceğini öne sürer. Bu tarihi takiben 1950 yılında, İngiliz matematikçi Alan Turing, Mind adlı felsefe dergisinde “makineler düşünebilir mi?” sorusunu sorduğu makalesini kaleme alır. Bu makalesinde Turing, “karar verme ve problem çözme gibi becerileri, mantık kadar mevcut bilgileri de kullanarak bir insan çözebiliyorsa, makineler neden yapamasın?” sorusuna cevap arar. Daha sonra sıklıkla kullanılacak olan “Turing Testi” tam olarak bu makalede ortaya atılan bir fikirdir.
“Makineler düşünebilir mi?” sorusuyla bir makinenin zeki olabilmesi durumunu ilk olarak ortaya atan isim Alan Turing’dir. Bu soruyla birlikte günümüzde hala geçerliliğini koruyan ve Turing Test olarak adlandırılan testi geliştirir. Test, bir bilgisayarın insan gibi düşünüp düşünemeyeceğini belirlemek için yapılan yapay zekaya dayalı bir sorgulama sistemidir. Bazı çalışmalarda farklı versiyonlarına yer verilmesine karşın orijinal Turing testinde üç terminal, iki insan ve bir bilgisayar bulunur. Katılımcılardan birinin görevi soru sormak, diğer katılımcı ve bilgisayarın görevi ise bu sorulara cevap vermektir. Soru soran insan, belli bir format ve bağlamda katılımcılara soru sorar, belli bir süre ve sorudan sonra cevap verenlerden hangisinin insan hangisinin bilgisayar olduğunu karar vermesi istenir. Test birçok kez tekrarlanır ve eğer bilgisayar bunların en az yarısında kazanırsa bilgisayar zeki bir makine olarak adlandırılır.
Ancak, 1956 yılında Dartmouth Koleji tarafından düzenlenen Dartmouth Konferans’ında, Yapay zeka (Artificial Intelligent: AI) adı ilk kez öğrenilir. Bu kavram John McCarthy, Marvin L. Minsky, Nathaniel Rochester ve Claude E. Shannon tarafından sunulan bir öneri mektubunda dile getirilse de; bu kavramın mucidi olarak John McCarthy kabul edilir. Bu konferansa katılanlar, yapay zekanın öncüleri olarak kabul görürler. Marvin Minsky (MIT’de Yapay zeka laboratuvarının kurucusu), Claude Shannon, Nathaniel Rochester (IBM), Allen Newell (Amerikan Yapay Zeka Derneği’nin ilk başkanı) ve Nobel Ödülü sahibi Herbert Simon sayılabilir. Bu dönemde ulaşılan bazı önemli başarılara, zeka testlerindeki benzer geometrik şekillerin ayırt edilmesinde kullanılan bir program örnek olarak gösterilebilir. Bu dönemdeki başarılar ne yazık ki zeki bilgisayarların yaratılması konusunda çok erken ve gerçekçi olmayan bir beklenti döneminin de başlangıcını oluşturur.
Diğer taraftan bu dönemde bilgisayarlar “zeka” için en önemli gerekliliklerden biri olan bilgiyi saklama özelliğine henüz sahip değillerdi. Yapabildikleri ise sadece yüklenen komutları çalıştırmak gibi temel seviye işlemlerdi. Bu durumun bir sonucu olarak, 1956 yılına kadar yapay zeka alanının bir ilerleme göstermeden sessiz kaldığı söylenebilir.
1960’lı yıllara gelindiğinde bilgisayarların artık daha kolay bilgi saklaması ve daha hızlı çalışmasıyla birlikte yapay zeka alanında farklı çalışmalar da ortaya çıkar. Bunların ilki Newell and Simon tarafından geliştirilen “genel problem çözücü” ve MIT’nin yapay zeka laboratuvarlarında Joseph Weizenbaum tarafından geliştirilen ELİZA isimli programlardır. 1964-1966 döneminde geliştirilen ELİZA yapay zekada doğal dil işleme programlarının ilk örneğidir.
1980’ler bilgisayarların bilgi saklama ve işleme gibi özelliklerine ek olarak bilgiler arası ilişki kurabildiği bir dönemdir. Bu dönemde gelişen algoritmik yapılar ve birçok kurum veya kuruluş tarafından sağlanan fonlarla John Hopfield ve David Rumelhart tarafından ortaya atılan ya da popülerleştirilen “derin öğrenme”, yani bilgisayarın daha önce sakladığı veya kullandığı bilgileri yeni deneyimlerde kullanması olarak tanımlanabilecek bir teknik yapay zeka alanına kazandırılır. Aynı dönemde, Edward Feigenbaum, uzman insanların karar mekanizmalarına benzer bir süreci taklit edebilen “uzman sistemler” programını da geliştirir.
1990’lar, insan beynini taklit ederek birbirinden bellek bakımından bağımsız, iletişim bakımından bağlı bilgi işleme yapıları olan yapay sinir ağları, sibernetik alanında yapay zekaya yeni bir boyut kazandırır. Yapay zeka birçok alandan beslenen ve bir çok alanı besleyen bir olgudur ve bu özelliğini bu yıllarda kazandığı söylenebilir. Yapay sinir ağları, belli bir görev için programlanmadıkları halde var olan örneklerden yolan çıkarak “öğrenen sistemler” olarak kabul edilir. Buna göre, bir makine kedi olarak etiketlenmiş bir resmi kullanarak, daha önce kediler hakkında bir bilgiye sahip olmadan onlar hakkında tanımlayıcı karakterler ortaya koyabilir. Böylece bir sonraki kedi resmini tanıyabilir.
1997 yılında dünya satranç şampiyonu Gary Kasparov ile IBM tarafından geliştirilen satranç oynama programı Deep Blue, büyük bir duyuru ile bütün dünyanın izlediği bir maçta karşı kaşıya gelir ve Deep Blue, Kasparov’u yener. Bu durum, çoğunluğun farkında olmadığı akıllı makineler konusuna toplum tarafından bir duyarlılık oluşmasını ve sadece bilim kurgu filmlerinin teması olan insanlardan daha üstün maineler olacak fikrinin bir korku olgusuyla birlikte genele yayılmasını sağlar. Yine aynı dönemde Dragon Systems tarafından geliştirilen ve Windows’ta kullanılan ilk konuşma tanıma yazılımı piyasaya sürülür.
Kasparov ve Deep Blue
2001 yılından başlamak üzere artık neredeyse hiçbir sorun yapay zeka için zor değildir. İlk olarak 2001 yılında yine MIT laboratuvarlarında Kismet olarak adlandırılan, insan mimiklerini kullanabilen, bir bebek gibi sosyalleşebilen, sosyal olarak öğrenebilen, sesini, ifadelerini, kafa hareketlerini insan benzeri kullanabilen bir robot geliştirilir. Robotun tasarımcısı Cynthia Breazeal’a göre amaç “bir şeyleri öğrenirken toplumsal etkileşimlerle öğrenen sosyal olarak akıllı bir makine inşa etmek” olduğunu belirtir.
Kismet
Yapay Zeka Teknikleri:
1. Bulanık Mantık: Bulanık sistemler, eğitilebilir dinamik sistemlerdir. Bir fonksiyonu, çıktıların girdilere ne şekilde bağlı olduğunun matematiksel modelini bilmeksizin tahmin ederler. Sayısal, bazen dilsel örnek verilerden deney yoluyla öğrenirler. Bulanık mantık kullanan sistemlerle metroların işleyişi kontrol edilir, televizyonların alıcıları ayarlanır, bilgisayar disklerinin kafaları kontrol edilir, kameralar görüntüye odaklanır. Klimalar, çamaşır makineleri, elektrikli süpürgeler ayarlanır, buzdolaplarının buzlanması engellenir, asansörler ve trafik lambaları programlanır, otomobillerin motorları, süspansiyonları, emniyet firen sistemleri kontrol edilir. Füzeler, çimento karıştırıcılar kontrol edilir, robot kolları yönlendirilir, karakterler, nesneler tanınır, golf kulüpleri seçilir, hatta çiçek düzenlemesi yapılır.
2. Yapay Sinir Ağları: Genel anlamda YSA, beynin bir işlevini yerine getirme yöntemini modellemek için tasarlanan bir sistem olarak tanımlanabilir. YSA, yapay sinir hücrelerinin birbirleri ile çeşitli şekilde bağlanmasından oluşur ve genellikle katmanlar şeklinde düzenlenir. Donanım olarak elektronik devrelerle yada bilgisayarlarda yazılım olarak gerçeklenebilir. Bilgi işlem süreçleri olarak nitelendirilebilen yapay sinir ağları, verilen girdilere karşı çıktılar üreten bir kara kutuya benzetilebilir. Yapay sinir ağlarının çalışma mantığı, insan beyninin öğrenme ve öğrendiği bilgileri kullanma sürecindeki işleyişi üzerine kuruludur. Kullanım alanlarını sıralarsak:
a) Biyoloji: Beyni ve diğer sistemleri daha iyi anlama, retina ve korneayı modelleme.
b) İş Dünyası: Petrol ve jeolojik yapı değişimlerinin tahmini, özel durumlar için toplum eğilimlerinin tanımı, veri tabanı oluşturulması, hava yolları ve ücret düzenlemesi ,el yazısı karakterini tanıma.
c) Çevresel: Numuneleri analiz etme, hava tahmini.
d) Finans: Kredi riski değerlendirilmesi, sahte para ve evrak tanımı, el yazısı formların değerlendirilmesi, yatırım eğilimleri ve portföy analizi.
e) Üretim: Robot ve kontrol sistemlerini otomatikleştirme, üretim işlem kontrolü, kalite kontrolü, montaj hattında parça seçimi.
f) Tıp: Sağırlar için ses analizi, semptom hastalıkların teşhis ve tedavisi ameliyat görüntüleme ilaçların yan etkilerinin analizi x-ışınlarını okuma epileptik felcin nedenlerini anlama.
g) Askeri: Radar sinyallerini anlama, yeni ve gelişmiş silahlar yaratma, keşif yapma kıt kaynakların kullanımını optimize etme, hedef tanıma ve izleme.
3. Genetik Algoritma: Genetik algoritma, doğadaki evrim mekanizmasını örnek alan bir arama metodudur ve bir veri grubundan özel bir veriyi bulmak için kullanılır. Genetik algoritmalar doğada geçerli olan en iyinin yaşaması kuralına dayanarak sürekli iyileşen çözümler üretir. Bunun için iyinin ne olduğunu belirleyen bir uygunluk (fitness) fonksiyonu ve yeni çözümler üretmek için yeniden kopyalama (recombination), değiştirme (mutation) gibi operatörleri kullanır. Genetik algoritmaların bir diğer önemli özelliği de bir grup çözümle uğraşmasıdır. Bu sayede çok sayıda çözümün içinden iyileri seçilip kötüleri elenebilir.
Kullanım Alanları: Ürün tasarımı, işlem planlama, medikal, tedavi, kalite kontrol çizelgeleme, ses işleme, görüntü tanıma, robotik uygulamaları, hata düzeltme, eğitsel yazılımlar.
Karınca Algoritma
4. Karınca Algoritmaları: Temel ilkeleri ilk kez Marco Dorigo tarafından ortaya atılmış olan karınca kolonisi algoritmaları, karınca kolonilerinin feromon salgılayarak yiyecek kaynakları ile yuvaları arasındaki en kısa yolu bulma yöntemlerinden esinlenerek oluşturulmuş bir tekniktir. Tekniğin en temel unsurlarından biri haberleşme aracı olarak kullanılan ve problemlerde çözümün kalitesini gösteren feromon kimyasalıdır. Feromon, gerçek karıncaların da bir haberleşme ve yön bulma aracı olarak kullandıkları, vücutlarından salgıladıkları kimyasaldır. Feromon izleri, karıncalar tarafından güncellenmekte ve bir bilgiyi temsil etmektedir. Bir yolda feromon izinin yoğun olması, yolun kalitesini gösterir ve tercih olasılığını arttırır. Yapay karıncalar, gerçek mesafeler dikkate alınarak yapılmış olan model üzerinde en kısa yolu araştırmaktadırlar. Yollardaki feromon izleri yine yapay olarak, karıncaların geçiş sıklığıyla orantılı bir şekilde güncellenmektedir.
Kulanım Alanları: Telekomünikasyon sistemleri, minik robotlar, petrol tankerlerinin rotalarının oluşturulması, haberleşme ağlarında kullanılan yönlendirici sinyallerin en kısa rotadan gönderilmesi, trafik sıkışıklığının önlenmesi.
Uzman Sistem
5.Uzman Sistemler: Yapılandırılmamış karmaşık problemlerin analizine imkan sağlayarak yönetim biliminin sınırlarını genişletmiştir. Uzman sistemler ise ancak bir uzman insanın çözebileceği karmaşık problemlerin çözümüne olanak sağlamaktadır. Uzman sistemler sembolik işlemler kullanarak yönetim bilimlerine yeni bir boyut kazandırmıştır. Uzman sistemler diğer yönetim bilimi teknikleri gibi bilgisayar temelli sistemlerdir.
Kullanım Alanları: Ürün tasarımı, işlem planlama, medikal, tedavi, kalite kontrol çizelgeleme, ses işleme, görüntü tanıma, robotik uygulamaları, hata düzeltme, eğitsel yazılımlar.
Günümüzde kullanılan birçok elektronik eşya, evler, arabalar, hatta şehirler yapay zeka ile donatılmış durumdadır. Yaygın olarak bilinen bazı yapay zeka uygulamaları şunlardır:
Apple Siri: Üreticisi tarafından “işlerinizi halletmenize yardımcı olacak akıllı kişisel yardımcınız” olarak tanımlanan Siri’ye bir yemeğin tarifi sorulduğunda, Google veya Wikipedia gibi araçları kullanarak sonuçlar çıkarabilmekte ve kullanıcıya sunabilmektedir. Bunun dışında Siri, hava durumu ile ilgili tahminler iletebilmekte, kullanıcının ajandasına işlediği bir toplantının adresini GPS ile bularak kullanıcıyı bu adrese yönlendirebilmektedir.
Microsoft Cortana: Öğrenen makinalara örnek olabilecek bir uygulama olan Cortana, kendisini “akıllı kişisel yardımcı” olarak tanımlamaktadır. Cortana, kullanıcının bilgisayarındaki öğeleri bulmasında yardımcı olmakta, takvimleri yönetmekte, paketleri takip etmekte, dosyaları bulmakta ve kullanıcısıyla sohbet etmektedir. Daha önceden sorulan bir sorunun kendisini ve cevabını hatırlayarak, sonraki soruların cevaplarını daha etkili bir şekilde bulabilen Cortana, ne kadar çok kullanılırsa kullanıcı deneyimi de o kadar kişiselleşmektedir.
Google Now: Google tarafından geliştirilen akıllı asistan Google Now, Microsoft Cortana’nın öğrenme algoritmasını biraz daha karmaşıklaştırarak, kullanıcısıyla sohbet edebilmektedir. Örneğin, Google Now’a “Eve gitmek istiyorum.” denildiğinde, kullanıcıyı ev adresine yönlendirebilmektedir. Ancak bu işlem tamamlandıktan sonra, herhangi başka bir bilgi vermeksizin “Sence ne kadar sürede oraya varırım?” diye sorulduğunda, oradan kişinin neyi anlatmak istediğini anlayabilmekte ve yanıt verebilmektedir.
IBM Watson: Watson, karmakarışık hastane kayıtlarını analiz ederek, mantıklı desenler keşfedebilen ve bundan öğrendiği sonuçları kullanıcısına raporlayabilen bir sistemdir. Kullanıcısıyla konuşabilmenin ve sorulan sorulara yanıt verebilmenin yanında, doktorların öngöremeyeceği kadar veriyi bir arada işleyerek, teşhis ve tanıda tavsiyelerde de bulunabilmekte, daha önceden incelediği hastalardan yola çıkarak tedavinin en uygun nasıl yapılabileceği ile ilgili fikirler de öne sürebilmektedir.
IPSoft Amelia: Bir çeşit akıllı müşteri temsilcisi olan Amelia, otomatik müşteri hizmetleri makinalarının aksine, müşterilerin ses tonlarından yola çıkarak onların duygusal hallerini algılayabilmekte ve uygun duygularla cevap verebilmektedir. Amelia, sadece mantıksal çıkarımlarda değil, duygusal çıkarımlarda da bulunabilmektedir.
Kaynak
Yapay Sinir Ağları ve Kredi Taleplerinin Değerlendirilmesi Üzerine Bir Uygulama, Journal of Yaşar University, Yapay Zeka, Yapay Zeka İçerik, Yapay Zeka Uygulamaları Ve Yapay Zekanın Geleceği, Eğitimde Yapay Zeka ve Uygulamaları, Yapay Zeka Teknolojilerinin Endüstrideki Uygulamaları, GSP Çözümü İçin Karınca Kolonisi Optimizasyonu
