new alien road company

AI nedir?

Yapay zeka veya AI, bilgisayarların ve makinelerin insan zekasını ve problem çözme yeteneklerini simüle etmesini sağlayan bir teknolojidir.
Yapay zeka, tek başına veya diğer teknolojilerle (örn. sensörler, coğrafi konum belirleme, robotik) birleştirildiğinde, normalde insan zekası veya müdahalesi gerektirecek görevleri gerçekleştirebilir. Dijital asistanlar, GPS rehberliği, otonom araçlar ve üretken yapay zeka araçları (Open AI’nin Chat GPT’si gibi), günlük haberlerde ve günlük yaşamlarımızda yer alan yapay zekanın yalnızca birkaç örneğidir.
Bilgisayar biliminin bir alanı olarak yapay zeka, makine öğrenimini ve derin öğrenmeyi kapsar (ve sıklıkla birlikte anılır). Bu disiplinler, insan beyninin karar verme süreçlerine göre modellenen, mevcut verilerden “öğrenebilen” ve zaman içinde giderek daha doğru sınıflandırmalar veya tahminler yapabilen yapay zeka algoritmalarının geliştirilmesini içerir.
Yapay zeka birçok heyecan döngüsünden geçti, ancak şüpheciler için bile ChatGPT’nin piyasaya sürülmesi bir dönüm noktası gibi görünüyor. Üretken yapay zekanın bu kadar büyük olduğu son zamanlarda, atılımlar bilgisayarlı görme alanındaydı, ancak şimdi ileriye doğru atılım doğal dil işlemede (NLP) gerçekleşti. Günümüzde üretken yapay zeka yalnızca insan dilini değil, görüntüler, videolar, yazılım kodları ve hatta moleküler yapılar da dahil olmak üzere diğer veri türlerini de öğrenip sentezleyebiliyor.
Yapay zekaya yönelik uygulamalar her geçen gün artıyor. Ancak yapay zeka araçlarının iş dünyasında kullanımıyla ilgili heyecan arttıkça, yapay zeka etiği ve sorumlu yapay zeka hakkındaki konuşmalar kritik öneme sahip hale geliyor. IBM’in bu konularda nerede durduğu hakkında daha fazla bilgi için lütfen Yapay Zekada Güven Oluşturmak başlıklı makaleyi okuyun.
Yapay zeka türleri: zayıf yapay zeka ve güçlü yapay zeka
Dar yapay zeka veya yapay dar zeka (ANI) olarak da bilinen zayıf yapay zeka, yapay zeka tarafından eğitilir ve belirli görevleri yerine getirmeye odaklanır. Zayıf yapay zeka, bugün bizi çevreleyen yapay zekanın çoğunu yönlendiriyor. “Dar” bu tür yapay zeka için daha uygun bir tanımlayıcı olabilir çünkü hiç de zayıf değildir: Apple’ın Siri’si, Amazon’un Alexa’sı, IBM watsonx™ ve sürücüsüz araçlar gibi bazı çok sağlam uygulamaları mümkün kılar.
Güçlü yapay zeka, yapay genel zeka (AGI) ve yapay süper zekadan (ASI) oluşur. AGI veya genel yapay zeka, bir makinenin insanlarla eşit zekaya sahip olacağı teorik bir yapay zeka biçimidir; problem çözme, öğrenme ve gelecek için plan yapma becerisine sahip olacak bir bilinçle kendinin farkında olacaktır. Süper zeka olarak da bilinen YSZ, insan beyninin zekasını ve yeteneğini aşacaktı. Güçlü yapay zeka, günümüzde kullanımda hiçbir pratik örnek olmadığından tamamen teorik olsa da, bu, yapay zeka araştırmacılarının da onun gelişimini keşfetmediği anlamına gelmiyor. Bu arada, YSZ’nin en iyi örnekleri, 2001: A Space Odyssey filmindeki insanüstü ve hileli bilgisayar asistanı HAL gibi bilim kurgudan olabilir.
Derin öğrenme ve makine öğrenimi
Makine öğrenimi ve derin öğrenme, yapay zekanın alt disiplinleridir ve derin öğrenme, makine öğreniminin bir alt disiplinidir.
Hem makine öğrenimi hem de derin öğrenme algoritmaları, büyük miktarda veriden “öğrenmek” için sinir ağlarını kullanır. Bu sinir ağları, insan beyninin karar verme süreçlerini örnek alarak modellenen programlı yapılardır. Verilerden özellikler çıkaran ve verilerin neyi temsil ettiğine dair tahminler yapan, birbirine bağlı düğüm katmanlarından oluşurlar.
Makine öğrenimi ve derin öğrenme, kullandıkları sinir ağı türlerine ve insan müdahalesinin miktarına göre farklılık gösterir. Klasik makine öğrenimi algoritmaları, bir giriş katmanı, bir veya iki “gizli” katman ve bir çıkış katmanı içeren sinir ağlarını kullanır. Genellikle bu algoritmalar denetimli öğrenmeyle sınırlıdır: Algoritmanın verilerden özellikler çıkarabilmesi için verilerin insan uzmanlar tarafından yapılandırılması veya etiketlenmesi gerekir.
Derin öğrenme algoritmaları, bir giriş katmanından, üç veya daha fazla (ancak genellikle yüzlerce) gizli katmandan ve bir çıkış düzeninden oluşan ağlar olan derin sinir ağlarını kullanır. Bu çoklu katmanlar denetimsiz öğrenmeye olanak tanır: Büyük, etiketlenmemiş ve yapılandırılmamış veri kümelerinden özelliklerin çıkarılmasını otomatikleştirir. İnsan müdahalesi gerektirmediği için derin öğrenme, esasen makine öğreniminin geniş ölçekte gerçekleşmesini sağlar.
Üretken modellerin yükselişi
Üretken yapay zeka, ham verileri (örneğin tüm Wikipedia’yı veya Rembrandt’ın toplu eserlerini) alabilen ve istendiğinde istatistiksel olarak olası çıktılar üretmeyi “öğrenebilen” derin öğrenme modellerini ifade eder. Üretken modeller, yüksek düzeyde, eğitim verilerinin basitleştirilmiş bir temsilini kodlar ve orijinal verilere benzer ancak aynı olmayan yeni bir çalışma oluşturmak için bundan yararlanır.

Üretken modeller istatistiklerde sayısal verileri analiz etmek için yıllardır kullanılmaktadır. Ancak derin öğrenmenin yükselişi, bunların görüntülere, konuşmaya ve diğer karmaşık veri türlerine genişletilmesini mümkün kıldı. Bu geçiş başarısını elde eden ilk yapay zeka modelleri arasında, 2013’te tanıtılan değişken otomatik kodlayıcılar veya VAE’ler vardı. VAE’ler, gerçekçi e-postalar oluşturmak için yaygın olarak kullanılan ilk derin öğrenme modelleriydi.

büyücüler ve konuşma.
MIT-IBM Watson Yapay Zeka Laboratuvarı’nda üretken yapay zeka uzmanı Akash Srivastava, “VAE’ler, modellerin ölçeklendirilmesini kolaylaştırarak derin üretken modellemenin kapısını açtı” dedi. “Bugün üretken yapay zeka olarak düşündüğümüz şeylerin çoğu burada başladı.”
GPT-3, BERT veya DALL-E 2 dahil olmak üzere modellerin ilk örnekleri nelerin mümkün olduğunu gösterdi. Gelecekte modeller, minimum ince ayar ile farklı görevler için kullanılabilecek geniş bir etiketlenmemiş veri kümesi üzerinde eğitilecek. Belirli görevleri tek bir alanda yürüten sistemler, yerini daha genel olarak öğrenen ve alanlar ve sorunlar arasında çalışan geniş yapay zeka sistemlerine bırakıyor. Büyük, etiketlenmemiş veri kümeleri üzerinde eğitilen ve bir dizi uygulama için ince ayar yapılan temel modeller bu değişime yön veriyor.
Yapay zekanın geleceğine gelince, üretken yapay zeka söz konusu olduğunda, temel modellerin yapay zekanın kurumlarda benimsenmesini önemli ölçüde hızlandıracağı tahmin ediliyor. Etiketleme gereksinimlerinin azaltılması, işletmelerin konuya dalmasını çok daha kolaylaştıracak ve bunların mümkün kıldığı son derece doğru, verimli yapay zeka odaklı otomasyon, çok daha fazla şirketin yapay zekayı daha geniş bir görev kritik durum yelpazesinde kullanabileceği anlamına gelecektir. IBM için umut, temel modellerin bilgi işlem gücünün eninde sonunda sürtünmesiz bir hibrit bulut ortamında her kuruluşa ulaştırılabilmesidir.
Watsonx.ai’deki temel modellerini keşfedin
Yapay zeka uygulamaları
Günümüzde yapay zeka sistemleri için çok sayıda gerçek dünya uygulaması bulunmaktadır. Aşağıda en yaygın kullanım durumlarından bazıları verilmiştir:
Konuşma tanıma
Otomatik konuşma tanıma (ASR), bilgisayar konuşma tanıma veya konuşmayı metne dönüştürme olarak da bilinen konuşma tanıma, insan konuşmasını yazılı bir formata dönüştürmek için NLP’yi kullanır. Pek çok mobil cihaz, sesli arama (örneğin Siri) gerçekleştirmek veya İngilizce veya yaygın olarak kullanılan birçok dilde mesajlaşma konusunda daha fazla erişilebilirlik sağlamak için sistemlerine konuşma tanımayı dahil eder. Örnek olay incelememizle Don Johnston’un sınıfta erişilebilirliği geliştirmek için IBM Watson Text to Speech’i nasıl kullandığını görün.
Müşteri servisi
Çevrimiçi sanal aracılar ve sohbet robotları, müşteri yolculuğu boyunca insan aracıların yerini alıyor. Gönderim gibi konularla ilgili sık sorulan soruları (SSS) yanıtlıyorlar veya kişiselleştirilmiş tavsiyeler veriyorlar, ürünlerin çapraz satışını yapıyorlar veya kullanıcılar için boyutlar öneriyorlar; böylece web siteleri ve sosyal medya platformlarında müşteri etkileşimi hakkındaki düşüncelerimizi değiştiriyorlar. Örnekler arasında sanal aracılara sahip e-ticaret sitelerindeki mesajlaşma botları, Slack ve Facebook Messenger gibi mesajlaşma uygulamaları ve genellikle sanal asistanlar ve sesli asistanlar tarafından gerçekleştirilen görevler yer alır. Örnek olay incelememizle Autodesk Inc.’in müşteri yanıt sürelerini %99 oranında hızlandırmak için IBM watsonx Assistant’ı nasıl kullandığını görün.
Bilgisayar görüşü
Bu yapay zeka teknolojisi, bilgisayarların ve sistemlerin dijital görüntülerden, videolardan ve diğer görsel girdilerden anlamlı bilgiler elde etmesini ve bu girdilere dayanarak harekete geçmesini sağlar. Bu öneri sağlama yeteneği, onu görüntü tanıma görevlerinden ayırır. Evrişimsel sinir ağları tarafından desteklenen bilgisayarlı görme, sosyal medyada fotoğraf etiketleme, sağlık hizmetlerinde radyoloji görüntüleme ve otomotiv endüstrisindeki sürücüsüz araçlarda uygulamalara sahiptir. Örnek olay incelememizle ProMare’in okyanus araştırmalarına yönelik yeni bir rota belirlemek için IBM Maximo’yu nasıl kullandığını görün.
Tedarik zinciri
Uyarlanabilir robotlar, otonom kararlar vermek için Nesnelerin İnterneti (IoT) cihaz bilgileri ve yapılandırılmış ve yapılandırılmamış veriler üzerinde hareket eder. NLP araçları insan konuşmasını anlayabilir ve söylenenlere tepki verebilir. Tahmine dayalı analitik, talebe yanıt verme, envanter ve ağ optimizasyonu, önleyici bakım ve dijital üretime uygulanır. Artık yalnızca tahmine dayalı değil aynı zamanda hiyerarşik olan arama ve örüntü tanıma algoritmaları, gerçek zamanlı verileri analiz ederek tedarik zincirlerinin makine tarafından oluşturulan, artırılmış zekaya tepki vermesine yardımcı olurken anında görünürlük ve şeffaflık sağlar. Örnek olay incelememizle Hendrickson’un gerçek zamanlı işlemleri desteklemek için IBM Sterling’i nasıl kullandığını görün.
Hava Durumu tahmini
Yayıncıların doğru tahminler yapmak için güvendiği hava durumu modelleri, süper bilgisayarlarda çalıştırılan karmaşık algoritmalardan oluşur. Makine öğrenimi teknikleri bu modelleri daha uygulanabilir ve kesin hale getirerek geliştirir. Örnek olay incelememizle Emnotion’un, hava koşullarına duyarlı kuruluşların daha proaktif, veriye dayalı kararlar almasını desteklemek için IBM Cloud’u nasıl kullandığını görün.
Anomali tespiti
Yapay zeka modelleri büyük miktarlardaki verileri tarayabilir ve bir veri kümesindeki alışılmadık veri noktalarını keşfedebilir. Bu anormallikler hatalı ekipman, insan hatası veya güvenlik ihlalleri konusunda farkındalığı artırabilir. Örnek olay incelememizle Netox’un dijital işletmeleri siber tehditlerden korumak için IBM QRadar’ı nasıl kullandığını görün.
Yapay zekanın tarihi: Önemli tarihler ve isimler

“Düşünen makine” fikrinin kökeni antik Yunan’a kadar uzanıyor. Ancak elektronik hesaplamanın ortaya çıkışından bu yana (ve bu makalede tartışılan bazı konularla ilgili olarak) yapay zekanın evrimindeki önemli olaylar ve kilometre taşları

aşağıdakileri içerir:
1950: Alan Turing, Computing Machinery and Intelligence’ı yayınladı (bağlantı ibm.com dışındadır). Bu makalede, İkinci Dünya Savaşı sırasında Alman ENIGMA kodunu kırmasıyla ünlü olan ve sıklıkla “bilgisayar biliminin babası” olarak anılan Turing şu soruyu soruyor: “Makineler düşünebilir mi?” Buradan, artık “Turing Testi” olarak bilinen ve bir insan sorgulayıcının bilgisayar ile insan metni yanıtı arasında ayrım yapmaya çalışacağı bir test sunuyor. Bu test yayınlandığından bu yana çok fazla incelemeye tabi tutulmuş olsa da, dil bilimi etrafındaki fikirlerden yararlandığı için yapay zeka tarihinin önemli bir parçası ve felsefe içinde süregelen bir kavram olmaya devam ediyor.
1956: John McCarthy, Dartmouth College’daki ilk yapay zeka konferansında “yapay zeka” terimini ortaya attı. (McCarthy Lisp dilini icat etmeye devam edecekti.) Aynı yılın sonlarında Allen Newell, J.C. Shaw ve Herbert Simon, ilk çalışan yapay zeka yazılım programı olan Logic Theorist’i yarattılar.
1967: Frank Rosenblatt, deneme yanılma yoluyla “öğrenen” sinir ağını temel alan ilk bilgisayar olan Mark 1 Perceptron’u üretti. Sadece bir yıl sonra, Marvin Minsky ve Seymour Papert, hem sinir ağları üzerine dönüm noktası niteliğindeki bir çalışma hem de en azından bir süre için gelecekteki sinir ağı araştırma projelerine karşı bir argüman haline gelen Perceptrons başlıklı bir kitap yayınladılar.
1980’ler: Kendini eğitmek için geri yayılım algoritması kullanan sinir ağları, yapay zeka uygulamalarında yaygın olarak kullanılmaya başlandı.
1995: Stuart Russell ve Peter Norvig, yapay zeka çalışmalarında önde gelen ders kitaplarından biri haline gelen Yapay Zeka: Modern Bir Yaklaşım’ı yayınladılar (bağlantı ibm.com dışındadır). Bu kitapta, bilgisayar sistemlerini rasyonellik ve düşünme ile eyleme dayalı olarak farklılaştıran yapay zekanın dört potansiyel hedefini veya tanımını derinlemesine inceliyorlar.
1997: IBM’in Deep Blue’su, bir satranç maçında (ve rövanş maçında) o zamanın dünya satranç şampiyonu Garry Kasparov’u yendi.
2004: John McCarthy bir makale yazıyor: Yapay Zeka Nedir? (bağlantı ibm.com dışındadır) ve sıklıkla alıntılanan bir yapay zeka tanımını önerir.
2011: IBM Watson, Jeopardy’de şampiyon Ken Jennings ve Brad Rutter’ı yendi!
2015: Baidu’nun Minwa süper bilgisayarı, görüntüleri ortalama bir insandan daha yüksek bir doğruluk oranıyla tanımlamak ve kategorilere ayırmak için evrişimli sinir ağı adı verilen özel bir tür derin sinir ağı kullanıyor.
2016: Derin bir sinir ağıyla desteklenen DeepMind’ın AlphaGo programı, beş maçlık bir maçta dünya şampiyonu Go oyuncusu Lee Sodol’u yendi. Oyun ilerledikçe mümkün olan çok sayıda hamle göz önüne alındığında zafer önemlidir (yalnızca dört hamleden sonra 14,5 trilyonun üzerinde!). Daha sonra Google, DeepMind’ı 400 milyon ABD doları karşılığında satın aldı.
2023: Büyük dil modellerinde veya ChatGPT gibi LLM’lerde artış,
Yapay zekanın performansında ve kurumsal değeri artırma potansiyelindeki muazzam değişim. Bu yeni üretken yapay zeka uygulamalarıyla derin öğrenme modelleri, büyük miktarda ham, etiketlenmemiş veriler üzerinde önceden eğitilebilir.
İlgili çözümler
Yapay Zeka (AI) çözümleri
IBM’in sektör lideri yapay zeka uzmanlığı ve çözüm portföyüyle yanınızda yapay zekayı işinizde kullanın.
Yapay zeka çözümlerini keşfedin
Yapay zeka hizmetleri
Deneyimleri, gerçek zamanlı karar almayı ve iş değerini en üst düzeye çıkarmak için yapay zeka ekleyerek kritik iş akışlarını ve operasyonları yeniden icat edin.
Yapay zeka hizmetlerini keşfedin
Siber güvenlik için yapay zeka
Yapay zeka, tepki sürelerini hızlandırmak ve kaynak yetersizliği olan güvenlik operasyonlarını artırmak için büyük miktardaki risk verilerini analiz ederek siber güvenlik oyununu değiştiriyor.
Siber güvenlik için yapay zekayı keşfedin
Kaynaklar
E-kitapDoğru yapay zeka temel modeli nasıl seçilir
İş ihtiyaçlarınıza uygun temel modeli seçmek için model seçim çerçevesini nasıl kullanacağınızı öğrenin.
EğitimDijital Öğrenme Aboneliğimizle %70’e varan indirimden yararlanın
Bugün bireysel veya çok kullanıcılı bir dijital öğrenme aboneliği satın alarak 100’den fazla çevrimiçi kurstan oluşan kataloğumuzun tamamına erişin; bu, tek bir düşük fiyata becerilerinizi çeşitli ürünlerimizde geliştirmenize olanak tanır.
Pazar araştırması2023 Gartner Peer Insights Müşterilerin Seçimi
IBM watsonx Assistant, Kurumsal Konuşmaya Dayalı Yapay Zeka platformlarına yönelik 2023 Gartner Peer Insights Müşterinin Sesi raporunda Müşterilerin Seçimi olarak gösterildi
MakaleYapay zekayla geliştirilmiş satın alma stratejisi
Makine öğreniminin talebi nasıl tahmin edebileceğini ve maliyetleri nasıl azaltabileceğini keşfedin.