Yapay Zeka
Nedir ve Neden Önemlidir
Yapay zeka (AI), makinelerin deneyimden öğrenmesini, yeni girdilere uyum sağlamasını ve insan benzeri görevleri gerçekleştirmesini mümkün kılar. Bugün duyduğunuz çoğu AI örneği - satranç oynayan bilgisayarlardan kendi kendine giden arabalara kadar - derin öğrenme ve doğal dil işlemeye dayanmaktadır. Bu teknolojileri kullanarak bilgisayarlar, büyük miktarda veri işleyerek ve verilerdeki kalıpları tanıyarak belirli görevleri yerine getirecek şekilde eğitilebilir.
Yapay Zekanın Tarihi
Yapay zeka terimi 1956'da üretildi, ancak yapay zeka, artan veri hacimleri, gelişmiş algoritmalar ve hesaplama gücü ve depolama alanındaki iyileştirmeler sayesinde bugün daha popüler hale geldi.
1950'lerde erken AI araştırmaları problem çözme ve sembolik yöntemler gibi konuları araştırdı. 1960'larda ABD Savunma Bakanlığı bu tür çalışmalara ilgi duydu ve temel insan akıl yürütmesini taklit etmek için bilgisayar eğitimi almaya başladı. Örneğin, Savunma İleri Araştırma Projeleri Ajansı (DARPA) 1970'lerde sokak haritalama projelerini tamamladı. DARPA, Siri, Alexa veya Cortana'nın ev isimleri olmadan çok önce 2003 yılında akıllı kişisel asistanlar üretti.
Bu erken çalışma, bugün bilgisayarlarda gördüğümüz otomasyon ve resmi muhakemenin yolunu açtı; bunlar arasında insani yetenekleri tamamlamak ve güçlendirmek için tasarlanabilen karar destek sistemleri ve akıllı arama sistemleri de var.
Hollywood filmleri ve bilim kurgu romanları AI'ı dünyayı ele geçiren insan benzeri robotlar olarak tasvir ederken, AI teknolojilerinin şu andaki evrimi o kadar da korkutucu ya da oldukça zeki değil. Bunun yerine, AI her sektörde birçok özel fayda sağlamak için gelişti. Sağlık, perakende ve daha pek çok alanda yapay zekanın modern örneklerini okumaya devam edin.
1950s–1970s
Sinir ağları alanında yapılan ilk çalışmalar “düşünme makineleri” konusunda heyecan uyandırır.
Yapay Zeka yıllardır SAS yazılımının ayrılmaz bir parçası olmuştur. Bugün, her sektörden müşterilerimizin yapay zekadaki gelişmelerden faydalanmasına yardımcı oluyoruz ve makine öğrenimi ve derin öğrenme gibi yapay zeka teknolojilerini SAS portföyündeki çözümlere yerleştirmeye devam edeceğiz.Jim Goodnight CEO SAS
Yapay Zeka ve Makine Öğrenmesi
Yapay zeka ile makine öğrenimi arasındaki ilişkiyi anlamak için bu videoyu izleyin. Bu iki teknolojinin nasıl çalıştığını, örneklerle ve birkaç komik yanla göreceksiniz.
Ayrıca bu video, ailenize ve arkadaşlarınıza yapay zekayı herkesin anlayabileceği bir dille anlatmak için de harika bir kaynak!
Yapay zeka neden önemlidir?
- Yapay Zeka, tekrarlayan öğrenme ve verisel keşifleri otomatikleştirir. Ancak yapay zeka, donanım odaklı robotik otomasyondan farklıdır. Yapay zeka, manuel görevleri otomatikleştirmek yerine sık, yüksek hacimli, bilgisayarlı görevleri güvenilir bir şekilde ve yorulmadan gerçekleştirir. Bu tür bir otomasyon için, sistemi kurmak ve doğru soruları sormak adına insan gücü hala gereklidir.
- Yapay Zeka, halihazırdaki ürünlere zeka ekler. Çoğu durumda, yapay zeka bireysel bir uygulama olarak satılmayacaktır. Bunun yerine, halihazırda kullandığınız ürünler, Siri'nin yeni nesil Apple ürünlerine bir özellik olarak eklenmesi gibi, AI yetenekleriyle geliştirilecektir. Otomasyon, konuşma platformları, botlar ve akıllı makineler, güvenlik istihbaratından yatırım analizine kadar evde ve işyerinde birçok teknolojiyi iyileştirmek için büyük miktarda veriyle birleştirilebilir..
- Yapay Zeka, verilerin programlamayı yapmasına izin vermek için aşamalı öğrenme algoritmaları aracılığıyla uyum sağlar. Yapay Zeka, verilerde yapı ve düzenlilik bulur, böylece algoritma bir beceri kazanır: sınıflandırıcılık veya tahmincilik. Yani, algoritma nasıl satranç oynanacağını kendi kendine öğretebildiği gibi, bir sonraki ziyaretinde kişiye hangi ürünü önereceğini kendi kendine öğretebilir. Ve modeller yeni veriler geldiğinde de buna uyum sağlar. Geri yayılma, modelin, ilk yanıt tam olarak doğru olmadığında, eğitim ve eklenmiş veriler yoluyla ayarlamasını sağlayan bir yapay zeka tekniğidir.
- Yapay zeka, birçok gizli katmana sahip sinir ağlarını kullanarak daha fazla ve daha derin verileri analiz eder. Beş gizli katmana sahip bir sahtekarlık tespit sistemi kurmak birkaç yıl önce neredeyse imkansızdı. Tüm bunlar inanılmaz bir bilgisayar gücü ve büyük veri Doğrudan veriden öğrendiklerinden, derin öğrenme modellerini eğitmek için çok sayıda veriye ihtiyacınız var. Onları ne kadar çok veriyle beslerseniz, o kadar doğru olurlar.
- Yapay Zeka, derin sinir ağları sayesinde önceden imkansız olan bir doğrulukla çalışıyor. Örneğin, Alexa, Google Aramaları ve Google Fotoğraflar ile etkileşimlerinizin tümü derin öğrenmeye dayalıdır - ve biz onları kullandıkça daha doğru olmaya devam ederler. Tıp alanında, derin öğrenme, görüntü sınıflandırma ve nesne tanıma gibi yapay zeka teknikleri, artık yüksek eğitimli radyologlarla aynı doğrulukla MRI'larda kanseri bulmak için kullanılabilir..
- Yapay Zeka, verilerden en iyi şekilde yararlanır. Algoritmalar kendi kendine öğrenirken, verinin kendisi fikri mülkiyet haline gelebilir. Cevap veride saklıdır; size sadece yapay zekayı kullanarak onu ortaya çıkarmak düşer. Verinin rolü artık her zamankinden daha önemli olduğundan, rekabet avantajı yaratabilir Rekabetçi bir sektörde en iyi veri sizdeyse, herkes benzer teknikleri uygulasa bile, her zaman en iyi veri kazanır.
Günümüz Dünyasında Yapay Zeka
Yapay Zeka ve Nesnelerin İnterneti
Veri her yerdedir. Nesnelerin İnterneti (IoT) ve sensörler, büyük hacimli verilerden yararlanma yeteneğine sahipken, yapay zeka (AI), çeşitli iş avantajları sağlama amacıyla görevleri otomatikleştirmek için verilerdeki modelleri öğrenebilir
Yapay Zekayı Analitik Planınıza entegre edin
Yapay zekanın etkili bir şekilde kullanılabilmesi için, etrafındaki stratejinin her zaman insanların, sürecin ve teknolojinin yakınsamasını dikkate alarak daha büyük iş stratejinize beslenmesi önemlidir
Popüler Trendlerle Gerçeği Karıştırmayın
SAS, Executive VP ve CTO'su Oliver Schabenberger, AI'nın "makinelere daha fazla akıllılık" yerleştirmeye yardımcı olduğunu, ancak dünyayı ele geçirmediğini söylüyor.
Yapay Zeka Nasıl Kullanılır
Her sektörde yapay zeka yeteneklerine yüksek bir talep vardır - özellikle de hukuki yardım, patent aramaları, risk bildirimi ve tıbbi araştırma için kullanılabilecek soru yanıtlama sistemleri için. Yapay zekanın diğer kullanım alanları şunları içerir:
Sağlık Hizmetleri
Yapay zeka uygulamaları kişiselleştirilmiş reçete ve röntgen okumaları sağlayabilir. Kişisel sanal sağlık asistanları yaşam koçu olarak görev yapabilir, haplarınızı almanızı, egzersiz yapmayı veya daha sağlıklı beslenmenizi hatırlatır.
Perakende
Yapay zeka, kişiselleştirilmiş öneriler sunan ve satın alma seçeneklerini tüketici ile tartışan sanal alışveriş özellikleri sunar. Yapay zeka ile stok yönetimi ve saha yerleşim teknolojileri de gelişmektedir.
İmalat
Yapay zeka, sıralanan veriyle kullanılan bir derin öğrenme ağı türü olan tekrarlanan ağları kullanarak beklenen yükü ve talebi tahmin etmek için bağlı ekipmanlardan akan fabrika verilerini analiz edebilir.
Bankacılık
Yapay Zeka, insan çabalarının hızını, hassasiyetini ve etkinliğini artırır. Finansal kurumlarda, yapay zeka teknikleri hangi işlemlerin hileli olabileceğini belirlemek, hızlı ve doğru kredi puanlamayı benimsemek ve manuel olarak yoğun veri yönetimi görevlerini otomatikleştirmek için kullanılabilir.
Yapay zekayla birlikte çalışmak
Yapay zeka bizim yerimize geçmek için çabalamıyor. Yeteneklerimizi artırmak ve yaptığımız işte bizi daha iyi hale getirmek için yetişiyor. Yapay zeka algoritmaları insanlardan farklı biçimde öğrendiği için, olaylara farklı bakarlar. Bizden kaçan ilişkileri ve desenleri görebilirler. Bu insanlık - yapay zeka ortaklığı birçok fırsat sunuyor. İşte yapay zekanın yapabilecekleri:
- Henüz yeterli seviyede analitik kullanamayan sektörlere ve alanlara analitiği taşır.
- Bilgisayarla görme ve zaman serisi analizi gibi mevcut analitik teknolojilerin performansını artırabilir
- Dil ve çeviri engelleri de dahil olmak üzere ekonomik engelleri yıkar.
- Mevcut yetenekleri artırabilir ve yaptığımız işte bizi daha iyi hale getirebilir.
- Bize daha iyi vizyon, daha iyi anlayış, daha iyi hafıza ve çok daha fazlasını verebilir.
Yapay zeka kullanmanın zorlukları nelerdir?
Yapay zeka her endüstriyi değiştirecek, ancak sınırlarını anlamalıyız.
Yapay zekanın temel kısıtlaması, veriden öğrenmesidir. Bilginin dahil edilebileceği başka bir yol yoktur. Bu, verideki herhangi bir yanlışlığın sonuçlara yansıyacağı anlamına gelir. Ve herhangi bir ek tahmin veya analiz katmanı ayrı olarak eklenmelidir.
Günümüzün yapay zeka sistemleri, açıkça tanımlanmış bir görevi yerine getirmek üzere eğitilmiştir. Poker oynayan sistem solitaire veya satranç oynayamaz. Sahteciliği tespit eden sistem araba kullanamaz veya size hukusal tavsiyeler veremez. Aslına bakarsanız, sağlık sahtekarlığını tespit eden bir yapay zeka sistemi bile vergi sahtekarlığını veya ürün garantisi sahtekarlığını doğru bir şekilde tespit edemez..
Başka bir deyişle, bu sistemler son derece uzmanlaşmıştır. Tek bir göreve odaklanmışlardır ve insan gibi davranmaktan çok uzaklardır.
Aynı şekilde, kendi kendine öğrenme sistemleri de özerk sistemler değildir. Filmlerde ve televizyonda gördüğünüz hayali yapay zeka teknolojileri hala bilim kurgu seviyesindedir. Ancak, karmaşık verileri öğrenmek ve belirli görevleri mükemmelleştirmek için çalışan bilgisayarlar oldukça yaygın hale gelmektedir.
SAS® Visual Data Mining and Machine Learning
Analiz için veri hazırlayabildiğiniz, modern makine öğrenimi algoritmalarıyla modeller geliştirebildiğiniz ve metin analitiğini tek bir üründe entegre edebildiğiniz zaman yapay zeka basitleştirilir. Ayrıca, SAS'ı Python, R, Java veya Lua gibi diğer dillerle birleştiren projeleri kodlayabilirsiniz.
Yapay Zeka Nasıl Çalışır?
Yapay zeka, büyük miktarda veriyi hızlı, yinelemeli işleme ve akıllı algoritmalarla birleştirerek çalışır ve yazılımın verilerdeki desenlerden veya özelliklerden otomatik olarak öğrenmesini sağlar. Yapay zeka, birçok teori, yöntem ve teknolojinin yanı sıra aşağıdaki ana alt alanları içeren geniş bir çalışma alanıdır:
Machine learning automates analytical model building. It uses methods from neural networks, statistics, operations research and physics to find hidden insights in data without explicitly being programmed for where to look or what to conclude.
- Makine Öğrenimi analitik model oluşturmayı otomatikleştirir. Nerelere bakması ya da hangi sonuçlara varması açıkca programlanmadan, verideki gizli içgörüleri bulabilmek için sinir ağlarından, istatistik biliminden, yöneylem araştırmalarından ve fizikten yöntemler kullanır.
- Bir yapay sinir ağı (neural network) harici girişlere yanıt vererek bilgileri işleyen ve her birim arasında bilgi aktaran birbirine bağlı birimlerden (nöronlar gibi) oluşan bir tür makine öğrenmesidir. Bu işlem, bağlantıları bulmak ve tanımlanmamış verilerden anlam çıkarmak için verilerde birden çok geçiş gerektirir.
- Derin Öğrenme çok sayıda veri birimindeki karmaşık modelleri öğrenmek için hesaplama gücündeki gelişmelerden ve gelişmiş eğitim tekniklerinden yararlanarak, birçok işlem birimi katmanıyla büyük sinir ağlarını kullanır. Yaygın uygulamalar arasında görüntü ve konuşma tanıma yer alır.
- Bilişsel hesaplama, yapay zeka ile makinelerle doğal, insan benzeri bir etkileşim için uğraşan bir alt alandır. Yapay zeka ve bilişsel bilgi işlem kullanarak nihai hedef, bir makinenin görüntüleri ve konuşmayı yorumlama ve daha sonra yanıt olarak tutarlı bir şekilde konuşma becerisiyle insan süreçlerini simüle etmesidir.
- Bilgisayarlı Görme (Computer vision) bir resim veya videoda ne olduğunu tanımak için desen tanıma ve derin öğrenmeye dayanır. Makineler görüntüleri işleyebildiği, analiz edebildiği ve anlayabildiği zaman, görüntüleri veya videoları gerçek zamanlı olarak yakalayabilir ve çevrelerini yorumlayabilir..
- Doğal Dil İşleme (NLP) bilgisayarların konuşma da dahil olmak üzere insan dilini analiz etme, anlama ve üretme yeteneğidir. NLP'nin bir sonraki aşaması, insanların görevleri yerine getirmek için normal, günlük dil kullanan bilgisayarlarla iletişim kurmasını sağlayan doğal dil etkileşimidir.
Ayrıca, çeşitli teknolojiler Yapay Zeka'yı etkinleştirir ve destekler:
- Grafik işlem birimleri yinelemeli işlem için gereken yoğun hesaplama gücünü sağladığı için yapay zekanın anahtarıdır. Sinir ağlarını eğitmek büyük veri artı hesaplama gücü gerektirir.
- Nesnelerin İnterneti (IoT) bağlı cihazlardan, çoğu analiz edilmeden büyük miktarlarda veri üretir. Yapay zeka ile modelleri otomatikleştirmek, bu teknolojiden daha fazla yarar sağlanmasını sağlayacaktır.
- İleri Algoritmalar daha fazla veriyi daha hızlı ve birçok seviyede analiz edebilmek için geliştirilmektedir. Bu akıllı işleme, nadir olayları tanımlamak ve tahmin etmek, karmaşık sistemleri anlamak ve benzersiz senaryoları optimize etmek için çok önemlidir..
- API'ler yani Uygulama Programlama Arayüzleri, mevcut ürünlere ve yazılım paketlerine yapay zeka işlevselliği eklemeyi mümkün kılan taşınabilir kod paketleridir. Ev güvenlik sistemlerine görüntü tanıma yetenekleri ve verileri tanımlayan, resim yazıları ve başlıklar oluşturan veya verilerdeki ilginç kalıpları ve bilgileri çağıran Soru-Cevap özelliklerini ekleyebilirler.
Özetle, yapay zekanın amacı girdi üzerinde mantıklı olabilecek ve çıktıda açıklanabilecek yazılımlar sağlamaktır. Yapay zeka, yazılımla insan benzeri etkileşimler sağlayacak ve belirli görevler için karar desteği sunacaktır, ancak insanların yerini almaya hedeflemez - ve yakın zamanda bunun olması beklenmemektedir.
Bu konudaki diğer makalelerimizi keşfedin
-
What are chatbots?Chatbots are a form of conversational AI designed to simplify human interaction with computers. Learn how chatbots are used in business and how they can be incorporated into analytics applications.
-
Analytics leads to lifesaving cancer therapiesA long-shot treatment offers hope to 10-year-old Harrison after he learns the DNA profile of his cancer is resistant to chemo. Find out how data and analytics play a role in cancer research and cancer treatments that are saving lives.
-
Three steps for conquering the last mile of analyticsPutting your analytical models into production can be the most difficult part of the analytics journey. It’s no surprise that this last mile of analytics – bringing models into deployment – is the hardest part of digital transformation initiatives for organizations to master, yet it’s the most crucial.
-
As AI accelerates, focus on 'road' conditionsAI technology has made huge strides in a short amount of time and is ready for broader adoption. But as organizations accelerate their AI efforts, they need to take extra care, because as any police officer will tell you, even small potholes can cause problems for vehicles traveling at high speeds.