Yapay Zekâ:
Nedir, Ne Değildir?
Prof. Dr. A. Egemen YILMAZ Ankara Üniversitesi
Mühendislik Fakültesi Elektrik-Elektronik Mühendisliği Bölümü Mühendislik Fakültesi Yazılım Mühendisliği Bölümü Fen Bilimleri Enstitüsü Disiplinler Arası Yapay Zeka Teknolojileri Ana Bilim Dalı
Bilgi Piramidi Üzerinden Bir Açıklama
Wisdom
Knowledge
Information
Data Gözlemler: Ölçümler
(HAM)
Veriler arasındaki ilişkiler: Ne?/Nerede?/Ne zaman?/Neden?/Kim? (ANLAM)
Bilginin faaliyet için kullanımı: Nasıl? (BAĞLAM) İletişim ve Paylaşım, Farkındalık: Neden/Ne zaman?
(KARAR / UYGULAMA)
Veri
Bilgelik, İrfan,
‘Hikmet’
Malumat?
Bilgi?
Bilgi Piramidi Üzerinden Bir Açıklama
Wisdom
Knowledge
Information
Data 252.144.122.355 IP Numaralı Trafik Lambası: Kırmızı (HAM)
Cumhuriyet Caddesi ve Atatürk Bulvarı
kesişimindeki güney-kuzey doğrultusundaki trafik lambası kırmızı (ANLAM)
Benim gittiğim yöndeki trafik lambası kırmızı (BAĞLAM)
Kullandığım aracı durdurmalıyım (KARAR / UYGULAMA)
Veri
Bilgelik, İrfan,
‘Hikmet’
Malumat?
Bilgi?
Tarihçeyi Özetlersek
1956-1974: Birinci Altın Dönem (First Golden Era) veya İlk Patlama (First Burst) veya Çıkarım Dönemi
(Inference Period)
1974-1980: Birinci Yapay Zeka Kışı (First AI Winter)
1980-1987: Gümbürtü Dönemi (Boom) veya İkinci
Patlama (Second Burst) veya Bilgi Dönemi (Knowledge Period)
1987-1993: İkinci Yapay Zeka Kışı (Second AI Winter)
1993-Günümüze: Üçüncü Patlama (Third Burst) veya
Öğrenme Dönemi (Learning Period)
Biraz Tarihçe - 1
1642: Fransız mucit ve matematikçi Blaise Pascal’ın mekanik hesap makinesi
1837: Charles Babbage ve Ada Lovelace tarafından ilk programlanabilir makinenin tasarlanması
1943: Warren McCulloch ve Walter Pitts tarafından insan beyni ve makineler arasındaki benzerlik ilişkisi fikirlerinin ilk olarak ortaya atılışı
1949: Donald Hebb’in «The Organization of Behavior»
isimli çalışmasında nöral güzergahların kullanıldıkça
kuvvetlendiği fikrini ileri sürmesi
Biraz Tarihçe - 2
1950: Alan Turing tarafından bir makinenin ne kadar zeki olduğunu ölçmeye dair «Turing Testi» tanımının yapılması
1950: Edmonds ve Minsky tarafından vakum tüpler ile B24 bombardıman uçağının otopilot sistemini taklit eden bir yapay sinir ağı mimarisinin oluşturulması
1955: John McCarthy tarafından «Artificial Intelligence»
teriminin ilk kez kullanılması
1956: Konu ile ilgili Dartmouth College Workshop’ın düzenlenmesi
1958: Frank Rosenblatt tarafından «Perceptron» fikrinin
ortaya atılması
Biraz Tarihçe - 3
1958: John McAfee tarafından Lisp programlama dilinin geliştirilmesi
1959: IBM’den Nathaniel Rochester’ın geometrik
teoremleri ispatlayan program geliştirme denemeleri
1960: Stanford Üniversitesi’nden Bernard Widrow ve öğrencisi Ted Hoff tarafından ADALINE (Adaptive Linear Neuron; Adaptive Linear Element) yapısının geliştirilmesi
1962: ADALINE’ın 3 katmanlı MADALINE (Multiple ADALINE) versiyonunun; telefon hatlarında yankı giderme
algoritmasının geliştirilmesi
1966: MIT’den Joseph Weizenbaum tarafından
Chatbot’ların atası olan psikoterapist simülatörü ELIZA’nın
geliştirilmesi
Biraz Tarihçe - 4
1980: Ticari olarak başarılı Uzman Sistemlerin ortaya çıkışı (Carnegie Mellon’ın XCON’u ve diğerleri)
1980: Kohonen’in Öz Düzenlemeli Haritası
1982: Hopfield Ağı
1985: Boltzmann Makinesi (Hinton ve Sejnowski)
1986: Rumelhart, Hinton ve Williams tarafından Çok Katmanlı Perceptron fikrinin hayata geçirilmesi
1986: İlk Tekrarlayan Sinir Ağı (Jordan)
1987: Kısıtlı Boltzmann Makinesi (Smolensky)
1990: İlk Evrişimli Sinir Ağı LeNet (Lecun)
1995: Adaptive Boosting ve Destek Vektör Makineleri
Biraz Tarihçe - 5
1997: Çift Yönlü RNN (Schuster ve Paliwal)
1997: LSTM (Hochreiter ve Schmidhuber)
2006: Derin Boltzmann Makineleri (Salakhudnitov)
2006: Derin Kanı Ağları (Hinton)
2012: Dropout (Hinton)
2014: GAN (Goodfellow)
2017: Kapsül Ağları (Sabour, Frosst, Hinton)
Biraz da Popülarite - 1
1997: İlk başarılı ve ticari Konuşma Tanıma Uygulaması (Dragon Systems)
1997: IBM Deep Blue’nun Kasparov’u yenmesi
1998: MIT’de karşıdakinin duygularını tespit eden KISmet’in geliştirilmesi
2002: Otonom elektrik süpürgesi Roomba’nın piyasaya çıkışı
2009: Google’ın Kendini Süren Aracı
2011: IBM Watson’un ABD’deki Jeopardy şampiyonlarını yenmesi
2011-2014: Kişisel Asistan Uygulamaları (Siri, Now, Cortana, Alexa)
2014: Turing Test’ten geçen ve birçok değerlendiriciyi insan olduğuna ikna eden «Eugene Goostman» chatbot’u
2016: Microsoft Tay’in sosyal medyada ırkçı yorumlarda bulunması
2016: AlphaGo’nun profesyonel Go oyuncusunu yenmesi
Doğal Sinir Hücresi
Yapay Sinir Hücresi
Doğal ve Yapay Sinir Hücresi Karşılaştırma
Yapay Sinir Ağları - 1
Kapalı Kutu Olarak
Modellenen Sistem
x
1x
2x
N. . . . . . .
y
1y
2y
M. . . .
Girdiler Çıktılar
Yapay Sinir Ağları - 2
x
1x
2x
N. . . . . . .
y
1y
2y
M. . . . .
. . . . . .
. .
Giriş Katmanı
Çıkış Katmanı Gizli Katmanlar
‘Derin’lik Kavramı
Veri Analitiği – İstatistik – Yapay Zeka
Elimizde bir büst olsun
Söz konusu büst, tarihteki ünlü bir şahsa dair olsun; ayrıca ünlü bir
heykeltıraşın eseri olduğu düşünülüyor olsun
İstatistik, gerçeklere dayalı (factual) bir bilim dalıdır.
Elimizdeki büste dair ölçümlere (alın genişliği, göz küreleri arasındaki
mesafe, vb.) dayalı olarak söz konusu şahsın genel popülasyon içerisinde hangi yüzdelik dilimde olduğunu, standart sapma içerisinde olup olmadığını, vb. söyler.
Veri Analitiği – İstatistik – Yapay Zeka
Veri Analitiği ise çıkarımcı (inferential) bir bilim dalıdır.
Büste dair ölçümlere (alın genişliği, göz küreleri arasındaki mesafe, vb.) dayalı olarak söz konusu şahsın boyu, kilosu, ayakkabı numarası gibi değerleri tahmin etmeye çalışır!...
Veri Analitiği – İstatistik – Yapay Zeka
Yapay Zekâ ise öğrenmelere veya deneyimlere dayalı sezgisel bir yaklaşımdır.
Önceden yeterince veri ile eğitildiyse, elimizdeki büste dair ölçümlere (alın genişliği, göz küreleri arasındaki mesafe, vb.) dayalı olarak büstü yapılmış şahsa veya büste ilişkin olarak anomali tespiti yapabilir (örneğin şahsın alın genişliği aşırı derecede büyük; veya büst yanlış yapılmış vb.)
Veri Analitiği – İstatistik – Yapay Zeka
Veri Analitiği, çıkarımlar yaparken zaman zaman İstatistik Yöntemlerden ve Yapay Zekâ'dan yararlanabilir.
Büstün ölçümlerine, A ve B ırklarının antropometrik verilerine dayalı olarak büstü yapılmış olan şahsın A ırkından mı, B ırkından mı olmasının daha yüksek olasılıklı olduğunu tahmin etmeye
çalışabilir.
Veri Analitiği – İstatistik – Yapay Zeka
Veri Analitiği, çıkarımlar yaparken zaman zaman İstatistik Yöntemlerden ve Yapay Zekâ'dan yararlanabilir.
Büstün ölçümlerine ve genel toplumun antropometrik verilerine dayalı olarak büstü yapılmış olan şahsın Akromegali hastası olup olmadığını belirlemeye çalışabilir.
Veri Analitiği – İstatistik – Yapay Zeka
Veri Analitiği, çıkarımlar yaparken zaman zaman İstatistik Yöntemlerden ve Yapay Zekâ'dan yararlanabilir.
Büstün ölçümlerine ve büstü yaptığı iddia edilen heykeltıraşın diğer
eserlerinin özelliklerine dayalı olarak büstün gerçekten de ilgili şahsın eseri olup olmadığını belirlemeye çalışabilir.
Veri Analitiği – İstatistik – Yapay Zeka
Betimleyici Veri Analitiği (Descriptive Data Analytics): Mevcut durumun fotoğrafını çeker Öngörücü Veri Analitiği (Predictive Data
Analytics): Veri değişim eğilimlerini
irdeleyerek gelecekte ne olacağını tahmin eder
Reçete Yazıcı Veri Analitiği (Prescriptive Data Analytics):
What-If senaryoları koşturarak bunlara ilişkin sonuçlar bulur; önerilerde bulunur
Veri Analitiği – İstatistik – Yapay Zeka
Betimleyici Veri Analitiği (Descriptive Data Analytics): X Firması, 34 ayrı lokasyondaki
şubesi ve 165 çalışanıyla 2019 yılında Y lira kâr elde etmiştir
Öngörücü Veri Analitiği (Predictive Data
Analytics): İlk 9 aydaki verilere dayalı olarak X Firması’nın 2020 yılındaki kârının Z lira olacağı öngörülmektedir
Reçete Yazıcı Veri Analitiği (Prescriptive Data Analytics): X firması, A, B ve C lokasyonlarında bulunan ve verimliliği düşük olan şubelerini kapatıp D, E ve F lokasyonlarında aynı
büyüklükte 3 yeni şube açarsa toplam çalışan sayısı sabit kalmak kaydıyla kârlılık oranını %7
Veri Analitiği – İstatistik – Yapay Zeka
Betimleyici Veri Analitiği (Descriptive Data
Analytics): 15 Ekim 2020 tarihi itibarı ile ABD’de SarsCoV2’ye dayalı ölümler 250,000’i aşmış
durumdadır
Öngörücü Veri Analitiği (Predictive Data
Analytics): Şubat 2021 sonu itibarı ile ABD’de SarsCoV2’ye dayalı ölümler 500,000’i aşmış olacaktır
Reçete Yazıcı Veri Analitiği (Prescriptive Data Analytics): Nüfusun %85’inin maske vb
tedbirlere uyması durumunda bu ölümlerin 96,000 tanesi; %95’inin uyması durumunda ise 131,000 tanesi engellenebilir
Kaynak:
https://www.usatoday.com/story/news/health /2020/10/23/current-covid-strategies-could-