Yapay Zeka Kendi Soyunu Kendi Devam Ettirebilir Mi?

09.03.2018

Google, otomatikleştirilmiş makine öğrenmesi teknolojileri ile yapay zeka üreten yapay zeka araçları tasarlıyor.

Makine öğrenmesi teknolojileri ile yapay zeka uygulamaları yepyeni bir boyuta taşındı. Öğrenebilen yapay zekalar, yüz ve ses tanıma uygulamalarından doğal dil çevirme işlemlerine kadar yapay zeka alanında en heyecan verici gelişmelerin mimarı. Google gibi dünyanın önde gelen teknoloji şirketleri uzun yıllardan beri makine öğrenmesi teknolojilerine ciddi yatırımlar yapıyor. Makine öğrenmesi, en basit açıklaması ile, karmaşık matematiksel algoritmalar üzerinden geniş ölçekli verilerin işlenmesini sağlar. Bu algoritmalar da yapay zekanın öğrenme sistemini oluşturur. Bir nevi, makine öğrenmesi- büyük veri işbirliğinin yapay zeka dünyasının en güncel ve heyecan verici ayağı olduğunu söyleyebiliriz. Öğrenen makineler konsepti, yapay zekayı insansı yeteneklere yaklaştıran, heyecan uyandırmanın yanında bazı noktalarda endişe de yaratan bir alandır.

Yapay Zeka Kendi Soyunu Kendi Devam Ettirebilir Mi?

Makineler Nasıl Öğrenir?

Makine öğrenmesi, insan beyninin sürece dayalı öğrenme şeklinin bir taklididir. Sürece dayalı öğrenme, herhangi bir bilginin özümsenmesi ve bunun diğer deneyim ve bilgilerle ilişkilendirilmesidir. Örneğin; yeni bir dil öğrenirken beynimiz kelimelerin karşılıklarını ezberler, ardından bu kelimeleri özne, yüklem, zarf şeklinde yapısal ve anlamsal olarak kategorize eder. Dilin gramer kuralları (formulizasyonu) dilin konuşulduğu ortamlarda deneyimsel olarak öğrenilir veya kitap vb. araçlar üzerinden direkt olarak aynı kelime ezberleme süreci gibi hazır bilgi olarak edinilebilir. Dilin konuşulması ise; tüm bu bilgilerin değerlendirilip anlamlı cümle dizileri oluşturulmasını sağlayan bir öğrenme çıktısıdır. Makineler de öğrenme sürecinde aynı yolu izler. Veri yığını makinenin ham girdisidir, gözetimli öğrenme ile veriler etiketlenerek makinenin elindekileri kategorize etmesi kolaylaştırılabileceği gibi gözetimsiz öğrenme şekliyle de istatiksel yöntemlerden yararlanarak makinenin kendi çıkarımlarını yapması sağlanabilir. Makine verileri sınıflandırmaya başladıktan sonra belli bir model oluşturmaya başlar ve bu verileri modele uydurmaya çalışır. Modele uyan ve dışında kalan verileri değerlendirerek çıkarım yapma sürecine başlar ve sonuca ulaşmak için en iyi tahminini yapar. Örneğin, yüz tanıma teknolojilerinde araç elindeki yüz şemalarını model olarak kullanır, tespit edilmesi beklenen fotoğraflar ham girdilerdir; makine, model-veri değerlendirmesini yaparak elindeki verileri ilişkilendirir ve algoritmasına göre istenen sonuca gider. Eğer yapay zekanın yeni bir yapay zeka üretmesini istiyorsanız da; algoritma üzerinden bunun nasıl yapılacağını ona öğretmeniz yeterli.

Yapay zeka algoritmalarını yazmak ciddi bir eğitim, yetenek ve tecrübe gerektiriyor.

Yapay Zeka Kendi Soyunu Kendi Devam Ettirebilir Mi?

Doğru algoritmayı yazdıktan sonra yapay zeka üretmek işin en kolay kısmı, ancak algoritmanın oluşturulması o kadar kolay bir süreç değil. Hele ki, yapay zeka üretmek gibi bir işlevi yerine getirecek yapay zekanın algoritması son derece karmaşık matematiksel ifadeler içerir. Tahminlere göre, dünya genelinde bu algoritmaları yazabilecek eğitime ve bilgi birikimine sahip insan sayısı yaklaşık 10,000 civarında.

Google’ın Otomatik Makine Öğrenme Teknolojisi ve Yapay Zeka Üretimi

Google, yapay zeka tarafından üretilen yüz ve ses tanıma araçlarını bir süredir kullanıyordu. Bu araçların gösterdiği başarı, Google’ın bu teknolojiyi bir adım daha öteye götürmesini sağladı. Yapay zeka üretebilen akıllı yazılımlar ile şirketlerin bu alanda yetkin eleman ihtiyacının karşılanması hedefleniyor. Otomatikleştirilmiş makine öğrenmesi teknolojisi ile şirketler, ihtiyaç duydukları yeni algoritmaları oluşturabiliyorlar. AutoML, var olan algoritmaların işleyişini analiz eden algoritmalar üretiyor. Bu algoritmalar diğer algoritmaların işleyişindeki hataları tespit edip başarı sağlayan sistemi inşa etmeyi öğreniyorlar. Google, bu yeni teknoloji üzerinde çalışmalarını hala sürdürüyor ve yakın zamanda kullanıma sunulması beklenen bu yeni teknolojinin ilk etapta sınırlı şirketler arasında satışa sunulacağı belirtildi. Yeni teknolojinin fiyatlandırılması da yine bu şirketler arasında yapılacak görüşmeler esnasında belirlenecek. New York merkezli bir start-up olan Clarifai, müşterilerine bilgisayarlarının görsel tanıma algoritmalarını eğitecek yazılımlar sunuyor. Yaklaşık 11,000 farklı görsel kategori tabanına sahip yazılımlar, medikal görsel tanımlamalardan firmaların internet sitelerindeki fotoğrafların kategorize edilmesine kadar birçok farklı alanda kullanılıyor. DataRobot ve H20.ai gibi diğer start-up şirketleri de müşterilerine ürün ve müşteri analizleri ile öngörüsel analiz yapacak yazılımların üretimine yardımcı olacak araçlar sunuyor.

Kaynak: 1
Görsel Kaynakları: 1, 2, 3
Bizi Takip Edin

Çıkıyor Gibisiniz...

Blog'umuzu daha iyi bir seviyeye getirmek için bilmek isteriz:

  • Başka bir neden

Fikirleriniz Bizim İçin Önemli...

Blog'umuzu daha iyi bir seviyeye getirmek için bilmek isteriz:

  • Başka bir neden