Yapay Zeka (Makine Öğrenmesi Derin Öğrenme) Dr. Cahit Karakuş

Yapay Zeka

(Makine Öğrenmesi – Derin Öğrenme)

Dr. Cahit Karakuş

“Elektronik sistemlerin hiçbiri kişisel yeteneklerin üzerinde değildir ve kıyaslanamaz, Ckk”

Giriş

• Akıllı bilgi kaynağı, kendi kendine öğrenen algoritmalar ve matematiksel modellerden oluşan yapay zeka uygulamaları ile yığın içindeki verinin akıla dönüştürülmesidir.

• Veri yığını içinde bırakılan izler bir şekilde açığa çıkarıldığında bilinçlendirme sağlar.

• Yapay zeka uygulamaları ile arşiv bilgileri süreç içerisinde akıla dönüşür ve kayıt altına alınır.

• Özellikle Haber kaynakları, Arama motorları, Facebook, Whatsapp, Twitter, Instagram, Youtube, benzeri sosyal medya ortamındaki tüm izler bir yerlerde depolanmaktadır.

• Belirli organizasyonların adamları da kendi güvenliklerini garanti altına almak için izleri arşivlemeye devam etmektedirler.

• Kullanılan bilgi ve güvenlik teknolojileri ile, yazılımlar ve akıllı cihazların belleklerinde bırakılan izlerden veri yığınları oluşturulmaktadır.

• Ortadan kaldırılabileceği mümkündür denilse de, uzmanlar bu konuda uğraşsa da bırakılan izler bir yerlerde inanılmaz hızlarda depolanmaktadır.

• Öğrenen matematiksel modeller yardımıyla bu izler kişiliğe, davranışa dönüşmekte, yapılanlar göz önüne serilmekte ya da zamanını beklemektedir.

• Çünkü, temizlendiği iddia edilse de hiçbir şekilde temizlenemeyen bir veri yığını söz konusudur.

Derse Katılım

• Tüm derslere katılmanız beklenmektedir.

• Ders notları tüm konuları kapsar, ancak bu notlar kısadır ve tartışma, motivasyon veya örnek şeklinde fazla bir şey içermez.

• Dersler slaytlardan (Powerpoint), sözlü materyallerden ve tahtada verilen ek örneklerden oluşacaktır.

• Konuyu ve materyali çalışmanın nedenlerini anlamak için derslere katılmanız ve ders slaytlarını desteklemek için not almanız gerekecektir. Bu sizin sorumluluğunuzdur.

• Dersler sırasında anlamadığınız bir şey varsa, ders sırasında veya sonrasında sorun.

• Dersler materyalini çok hızlı bir şekilde geçiştiriyorsam, öyle söyleyin.

• Slaytlarda anlamadığınız bir şey varsa sorun.

• Ek olarak, ders materyalini konuyla ilgili okuyarak tamamlamanız beklenmektedir; özellikle ders metni.

• Ders kitabı ve kaynakça kullanmalıdır.

Ders Öğrenme Çıktıları

• Bilgi ve anlayış: Yapay zekanın özellikle makine öğrenmesinin temel kavramları hakkında bilgi ve anlayışa sahip olunacak.

• Entelektüel beceriler: Deneyim kazanmaya yönelik öğrenen algoritmaların çözümlerini sentezlemek ve alternatifleri eleştirel olarak değerlendirmek için bilgi, uygun ilke ve yönergeler anlaşılabilecek.

• Pratik yetenekler: İyi bilinen bir yazılım dili ile uygulamalar geliştirilebileceek ve basit makine öğrenmesine yönelik modeller ve sistemler kurulabilecek. Uygulamalar

geliştirilebilecetir. Aktarılabilir beceriler ile sorunlar çözülebilecek ve sonuçlar ile alternatifler değerlendirilebilecektir.

6

Temel kavramlar

Artificial intelligence (AI)

• Bir araştırma alanı olarak Yapay Zeka terimi, fikir antik çağlardan beri var olmasına rağmen, 1956 yazında Dartmouth Koleji kampüsündeki konferansta ortaya çıktı.

• Örneğin, 1948'de Yapay Zeka'nın ilk manifestosu olan Akıllı Makineler'de Alan Turing, AI'ya "yukarıdan aşağıya" veya bilgi odaklı AI ve "aşağıdan yukarıya" veya veri odaklı AI olarak adlandırılabilecek iki

farklı yaklaşımı ayırt etti.

• Bilgisayarların veya karmaşık elektronik süreçlerin kullanımının "yapay" yanı ve (insan) davranışını taklit etme hedefiyle ilişkili "zeka" yanı vardır.

Artificial intelligence (AI)

• Yapay zekaya yönelik iki farklı yaklaşım detaylandırılabilir:

• "yukarıdan aşağıya" veya bilgi odaklı yapay zeka

– biliş = yüksek seviyeli fenomen, uygulama mekanizmasının düşük seviyeli detaylarından bağımsız, ilk nöron (1943), ilk sinir ağı makinesi (1950), neucognitron (1975)

– Evrimsel Algoritmalar (1954,1957, 1960), Akıl Yürütme (1959,1970), Uzman Sistemler (1970), Mantık, Akıllı Ajan Sistemleri (1990)…

• "aşağıdan yukarıya" veya veriye dayalı yapay zeka

– zıt yaklaşım, verilerden başlayarak adım adım ve matematiksel olarak kararlar alan mekanizmalar oluşturmak.

– Makine öğrenimi algoritmaları, Karar Ağaçları (1983), Geri Yayılım (1984-1986), Rastgele Orman (1995), Destek Vektör Makinesi (1995), Hızlandırma (1995), Derin Öğrenme (1998/2006)…

Yapay Zeka Nedir?

• AI orijinal olarak Marvin Lee Minsky tarafından “öğrenme gibi üst düzey zihinsel süreçler gerektirdiği için şu anda insanlar tarafından daha tatmin edici bir şekilde gerçekleştirilen görevleri yerine getiren bilgisayar programlarının inşası” olarak tanımlanır.

• Algısal bellek organizasyonu ve eleştirel akıl yürütme”.

• Bilgisayarların veya karmaşık elektronik süreçlerin kullanımının "yapay" yanı ve (insan) davranışını taklit etme hedefiyle ilişkili "zeka" yanı vardır.

• Güçlü yapay zeka kavramı, yalnızca akıllı davranış üretebilen bir makineye değil, aynı zamanda kendisine ilişkin gerçek bir his, gerçek duygular (bu kelimelerin arkasına ne yazılabilirse) ve kendi argümanlarını anlayan bir duyguyu deneyimleyebilen bir makineye atıfta bulunur.

• Zayıf yapay zeka kavramı, mühendislerin pragmatik bir yaklaşımıdır: daha otonom sistemler (denetim maliyetlerini azaltmak için), belirli bir sınıftaki problemleri çözebilen algoritmalar vb. zeka, sanki

akıllıymış gibi davranıyor.

Zeka - Akıl nedir?

• Bilinçlenme: Zihinde algılama, canlandırma, anlama, kavrama süreçlerini sürekli kılmaktır.

• Zeka, bir probleme bilinçlenerek çözme ve sonuç çıkarma yeteneğidir. Zeka beynin algılama hızıdır, gücüdür.

• Zeka: Bir olayı zihinde algılayarak ve canlandırarak anlama, ilişkilerini kavrama, yargıda bulunma, daha sonra açıklayarak çözme yeteneğidir.

• Akıl: Düşünerek kıyaslama, sorgulama ve elde edilen sonuçlarına göre hükmetme kapasitesidir. Akıl, doğruyu ve yanlışı, yalan ve gerçeği ayırt edebilme yetisidir.

• Zeki insanlarda, beyin sürekli sorgulama, dertlenme halindedir. Bu yüzden zeki insanlara yaşam zindandır.

• Akıl: Düşünme, kavrama, anlama; doğruyu ve yanlışı ayırt edebilme yetisidir.

Gezgin Otonom Makineler

• Günümüz dünyasında kablosuz iletişim büyük oranda insanla ilgili olmaya devam etmektedir.

• Makinenin makine (M2M – Mechine to Machine) ile iletişiminde kullanılan kablosuz uygulamalar, büyük ölçüde ölçeklenebilir IoT, Nesnelerin interneti ağlarını (IoT:

Internet of Things) desteklemesi ile hızla yaygınlaşmaktadır.

• Makinelerin otonom yönelimli iletişim endüstrisi, yüksek büyüme alanı haline geldiğinden, bu eğilim 5G ve ilerisinde 6G ile devam edecektir.

• IoT, nesnelerin interneti, farklı protokolleri kullanarak akıllı ağ yapısında, birbirlerine bağlanarak, birbirleri ile haberleşen ve bilgi üreten algılayıcılar ile donatılmış nesneler ve makinelerdir.

Gezgin Otonom Makineler

• Robotların otonom navigasyonunda veri yığınından öğrenen matematiksel modeller ve algoritma uygulamaları ile geliştirilen kendi kendine öğrenme yeteneği ve yapay zeka teknikleri kullanmaktadır.

• Gezgin otonom makineler, görevlerine odaklandıklarında, yörüngeleri ve gezindikleri ortamlar bilinmediğinden

çevrelerinden elde ettikleri duyusal bilgiler kullanılarak çevrelerini keşfetmelerine ilişkin yapay zeka algoritmaları ile gezgin otonom algılayıcılarda, otonom makineler ile birlikte sürü halinde senkronize olarak hareket etmeye

başladılar.

• Otonom Makine: Fiziksel dünyada var olan otonom bir sistem, çevresini algılayan ve hedefine erişmek için kendi başına davranış geliştirien makinelerdir. Otonom makineler tüm olayları sayısal hale getirmektedir.

• Otonom bir makine kendi başına vereceği kararlarına göre hareket eder. Doğrudan insanlar tarafından kontrol edilmez. İnsanlardan girdi ve tavsiye alabilir. Son karar kendisine aittir.

• Otonom Makineler: Otonom arabalar, otonom dronları, otonom helikopterler, otonom denizaltılar, otonom uzay sondaları.

• Otonom Davranış: Bilgi yığınından çevresindeki nesneler ile birlikte insandan bağımsız kendi başlarına ortak karar veren algoritmalar ve matematiksel modellerin makinelere hükmetmeye başlamasıdır.

• Matematiksel Modelleme: Problemlerin bilgisayar ortamlarında matematiksel olarak çözümlenmesi bu çözümlerin algoritma olarak gerçek hayata yansıtılmasıdır. Matematiksel modelleme tekniklerinde doğrusal ve doğrusal olmayan modeller kullanılmaktadır.

Kavramlar

• Analiz: Bir bütün içerisindeki bileşiklerin hepsinin veya bir kaçının özelliklerinin neler olduğunu ortaya koymak. Çözümlemek, Tahlil etmek.

• Sentez: Bütünleşik yapıyı oluşturan bileşenlerdeki değişimlerin incelenmesidir.

• Matematiksel Modelleme: Problemlerin bilgisayar ortamlarında matematiksel

olarak çözümlenmesi bu çözümlerin algoritma olarak gerçek hayata yansıtılmasıdır.

Matematiksel modelleme tekniğinde doğrusal ve doğrusal olmayan modeller kullanılmaktadır.

• Algoritma: Bir problemin çözüm sürecindeki yollar, yöntemler ve matetatiksel modellerdir.

• Program: Problemi çözmek için bir bilgisayar dili kullanılarak yazılmış komutlar

dizisidir.

Kavramlar

• Örüntü - Pattern: Bir nesnenin ya da olayın iki veya üç boyutlu, uzaysal ve geometriksel davranış desenleridir. Diğer bir ifadeyle örüntü, nesnein

davranışı ile ilgili uzayda gözlenebilir veya ölçülebilir geometrik bilgilerdir.

• Olgu: Doğruluğu ispatlanmış önerme veya beklenen eylem.

• Olay: Vakadır. Örnek; Yağmur yağacak olması olgu, bunun Salı günü yağması olaydır.

• Hipotez: Bir problemin çözümünün ya da doğruluğunun araştırılmasına

yön veren temel düşünceler, varsayımlar ve önermelerdir.

Algılama

Öğrenmek, için bilgi toplamak gerekir. Belirsizlikler ölçüm, sorgulama ve kıyaslama ile azaltılabilir.

• Algı: Uyarılmadır.

• Algılama: Duyusal ya da çevresel değişimlere ait bilgilerin sinyal olarak alınması, yorumlanması, seçilmesi ve düzenlenmesidir. Tüm algılamaların bir dereceye kadar belirsizliği vardır.

• Algılayıcı: Fiziksel ortam değişikliklerini (Isı, hareket, EM dalgalar, akım, gerilim, titreşim, nem, ...) algılayan elemanlara “algılayıcı”, algıladığı bilgiyi elektrik sinyaline çeviren elemanlara “transdüser” denir.

• Algılayıcıları sınıflandırmak: Bilgi türü, fiziksel ilke, mutlak ve türev, bilgi miktarı (bant genişliği), düşük ve yüksek okuma (dinamik aralık), doğruluk ve hassasiyet

• Algılayıcı Çeşitleri: Konum (gsm), görüntüleme, ısı, ışık(optik), ses, manyetik, basınç, kuvvet, hareket, duman, gaz, titreşim, yön, ivmeölçerler/jiroskoplar, ıslaklık ya da seviye, analog lazer mesafe ölçüm, ultrasonik uzaklık, dokunma, ...

Temel Kavramlar

• Pattern – Örüntü - Desen: Veri yığınında, bir nesne ya da olayın iki veya üç boyutlu, uzaysal ve geometriksel davranışını temsil eden matematiksel modeller ya da algoritmalardır.

• Örüntü - Desen: Olayların ve nesnelerin veri yığınında ortaya çıkardığı davranış biçimleri ya da sapma değişiklikleri

• Örüntü – Pattern: İlgilenilen varlığın bilgi yığınındaki davranışı ile ilgili uzaysal olarak gözlenebilir veya ölçülebilir geometrik bilgilerdir.

• Rastgele örneklem: Bir veri seti tarafından tanımlanan nesneler veya durumlar örnek olarak adlandırılır, sayıları örneklem büyüklüğüdür.

• Nitelik: Bir nesnenin genel özellikleridir. Nicelikten en önemli farkı somut olmasına karşın ölçülebilir ya da hesaplanabilir olmamasıdır. Örneğin bir insanın yaşı ya da kilosu, o kişinin niceliksel özellikleri arasında yer alır. Bir insanın beğenileri, belli başlı konular hakkındaki fikirleri ve duyguları ise

niteliksel özellikleridir.

• Örnek Değer: Bir özniteliğin örnekteki bir nesne için sahip olduğu değere örnek değer denir.

Temel Kavramlar

• Aktüatör ya da eyleyici: Bir mekanizmayı veya sistemi kontrol eden veya hareket ettiren bir tür

motordur. Bir enerji kaynağı tarafından çalıştırılır. Bu kaynak genellikle elektrik akımı, hidrolik akışkan basıncı veya pnömatik basınçtır ve bazı tür hareketlerle enerjiye dönüşür.

• Aktüatör: Bir mekanizmayı ya da sistemi kontrol eden veya hareket ettiren, elektriksel, termal, hidrolik ya da pnömatik gibi mekanik büyüklükleri harekete dönüştüren elemanlara aktüatör

denmektedir. Aktüatörler son kontrol elemanlarıdırlar ve kontrol ünitesi ile hareket arasındaki ara yüzü oluştururlar. Düşük güçlü sinyalleri, proses kontrolü için uygun enerji seviyesine dönüştürürler.

• Göstergeler(Indicator): Mevcut koşulları ölçmek ve finansal veya ekonomik eğilimleri tahmin etmek için kullanılan istatistiklerdir.

Temel Kavramlar

• Robot = Algılayıcılar + Aktüatörler

• Gezgin Robotlar: Algılayıcılar ile donatılmış hareket eden robot sistemlerine denir.

• Robot Kollar: Endüstryel bir işlevi bilgisayar konrol aktüatörler ile yerine getiren robotik sistemlerdir.

• Taklit Eden Robotlar: Taklit ederek öğrenen robotlar. Örneğin yüz hareketlerini öğrenen veya dokunmayı, yürümeyi veya çocuklarla oynamayı öğrenen robotlar

• Yazılım Robotlar: Bir dereceye kadar özgürlüğe (hareket etme yeteneği) sahip yazılım aracıları veya bazı durumlarda ağlar üzerinden iletişim kurabilen yazılım aracıları

• Nano Robotlar

Temel Kavramlar

• İçgörü: Davranışları (Anlam, önem ve biçim), gerçeğe uygun bir biçimde yorumlayabilmek için geçmiş yaşantı ve sorunları ile olası bağlantılarını algılayabilme, görebilme ve anlamlandırabilme yetisi.

• Strateji: Hedefe ulaşmada izlenecek yol, bir amaca ulaşma yolu.

• Çevrimiçi (online): Bağlantılarıyla etkileşimli faliyetlerde bulunma durumu

• Önyargı: Bir modelin önyargısı, beklenen tahmin ve verilen veri noktaları için tahmin etmeye çalıstığımız doğru model arasındaki farktır.

• Varyans: Bir modelin varyansı, belirli veri noktaları için model tahmininin değişkenliğidir. Herbir değişkenin aritmetik ortalamadan uzaklığının karelerinin toplamıdır.

• Önyargı - Varyans çelişkisi: Daha basit model, daha yüksek önyargı, ve daha karmasık model, daha yüksek varyans.

20

Hipotez

Hipotez

• Öngörü: Bir sonrakini veya ondan sonrakini bilme hali

• Hipotez: Bir problemin çözümünün ya da doğruluğunun araştırılmasına yön veren temel düşünceler, varsayımlar ve önermelerdir.

• Hipotez: Bir problemi doğru sonuca ulaştırması beklenen çözüm yollarıdır. Araştırma konusuyla ilgili olarak ortaya konulan; doğruluğunun araştırılması gereken önermelerdir. Hipotezler,

araştırmaya yön veren temel düşünceler, varsayımlardır.

• Hipotez, bir durum hakkında ileri sürülen bir varsayımdır, öngörüdür.

• İstatistiksel hipotez ise ana kütlenin (Yığın, Popülasyon) durumu hakkında ileri sürülen bir varsayımdır.

Hipotez Testi

• Veri madenciliği, verilerin sınıflandırılmasında, segmentlere ayrılmasında, hipotez oluşumunda yardımcı olabilmektedir.

• Hipotez testinde amaç, ileri sürülen varsayımın karar vermeye dönüştürülmesidir.

• Hipotez testinde, istatistik hesaplar yapılarak elde edilen bir varsayım, test sonucuna göre kabul veya reddedilecek şekilde formüle edilir.

• Hipotez anlamlılık testi, bir örneklem veri seti kullanılarak ait olduğu yığın kümesindeki bir

parametre hakkındaki bir iddiayı, fikri veya hipotezi test etmek için kullanılan matematiksel bir modeldir.

• Hipotez tesitinde, veri yığının özellikleri hakkında daha kesin bilgiler toplamak için seçilen

örnekler üzerinde hesaplamalar yapılır, böylece tüm veri kümesiyle ilgili iddiaları veya fikirleri test etmek için sistematik bir yol sağlanmış olunur.

Hipotez Testi

Çözüm adımları:

1) Ortaya konan hipotezi (varsayım) test etmek için, tüm yığın içinden örneklem dağılım belirlenir. Anakütle sonsuz büyüklüktedir. Seçim iadesiz seçimdir ve tamamen rassal bir süreçle yapılmıştır. Doğru karar

verme yeteneği geliştirmek için örneklem kütle minimum belirli sayıda olmalıdır. Örneklem kütlenin

ortalaması hesaplanır. Daha sonra hesaplanan örnek ortalaması bilinen yığın ortalamasıyla karşılaştırılır ve hipotez doğrulanmaya çalışılır.

2) Hipotezler belirlenir: İstatistikte, H0 sıfır hipotezi, H1 ise alternatif veya araştırma hipotezi isimleri ile adlandırılır. Sıfır hipotezi, yığın parametresinin bilinen veya belirlenmiş değerini gösterir. Alternatif hipotez ise, araştırmayı yönlendiren yani kanıtlanmak istenen asıl hipotezdir. Hipotezlerden, biri ret

edildiğinde diğeri kabul edilecek şekilde düzenlenir. Sıfır hipotezinde, ana kütle parametresinin belirli bir değere eşit, eşit değil; küçük ya da büyük koşulları ile belirlenir. Alternatifinde ise kanıtlanacak durumun zıttı olduğu durumlar ileri sürülür.

24

Bilgisayar Bilimi

Bilim

• Araştırma tekniği: Bir problemi çözmek ya da bir konuyu açıklamak amacıyla verileri toplamak ve bir düzene sokmak için kullanılan stratejik yol haritasını ifade eder. Araştırmak, şüphe ve merak ile başlar.

•

• Bilim: Bilim ise sadece dünyevi konuları ele alır. Bilim konusunda ileri gelenlere ise, bilim insanı denir.

Bilimde ise bunu, diğer belgeler ile kanıtlamanız gerekir. Sezi kullanılamaz. "Keramet", "alamet" veya

"mucize" gibi terimleri bilim adı altında yaptığınız araştırmanıza gerekçe olarak ekleyemezsiniz.

"Vahiy" ile gelen bilgiler "bilim" ile özdeşleştirilemez. İngilizce bir sözcük olan "Science" kelimesinin tam Türkçe karşılığı "bilim"dir.

•

• İlim: Manevi ve dünyevi bilgilerin araştırılmasını konu alan bir kelime. İlim, kainatta olan şeyleri tasfir ve izah yoluyla anlatma anlamına gelir. Belgeye veya kanuna dayandırmadan, seziler ile ilerlenilebilir.

İlim konusunda ileri gelenlere, alim veya ermiş denir. İlim, bilimi kapsar. Ancak bilim, ilimi kapsamaz.

Bilim, ilimin alt kümesidir. İlim insanın kendiyle ilgili (özü, içi, ruhu) iken bilim fen ile alakalıdır. İlim, genellikle teoride kalan bilgiler ile ilerlir. Ancak bilimde bunları diğer doğru kabul görmüş bilgiler ile kanıtlamanız gerekir.

Bilgisayar Bilimi

– Bilgisayar, veri işleme yeteneği olan bir yapıdır.

– Bilgisayar bilimleri, var edilen değerlere sadece fiziksel materyaller ile değil, bilgi işleme ve hesaplama becerileri ile anlam kazandıran mühendislik disiplin dalıdır.

• Değer: Mal, hizmet, fikir ve kültürel olarak üretilen ürünlerdir.

• Teorik ya da pratik, büyük ya da küçük, basit ya da karmaşık problemlere bilgisayar sistemleri ile donamımsal ve yazılımsal çözüm sağlayacak verimli ve doğru yöntemleri tasarlama sanatıdır.

– Bilgisayar Bilimi, verinin bir amaç doğrultusunda hangi kurallarla ve yordamlarla işlenmesi gerektiğiyle ilgilenen bir bilim dalıdır.

– Bilgisayar bilimleri çalışma alanı sadece “bilgisayar” ile kısıtlı olmayan bir bilim dalıdır. Bilgi işleme ve hesaplama (Computation ) ile ilgili herşeyi içerir. Matematiksel modeller geliştirilir. Algoritma tasarlar ve yazılımsal çözümler üretir. Quantum hesaplama alanlarında değerler üretir.

– Bilgisayar bilimi temelde Mantık ve Matematik disiplinler üzerine kurulmuştur ve Elektrik - Elektronik bilimlerinin teknolojilerini kullanır.

Bilgisayar Bilimi

– Problem çözmenin tüm yönlerini kapsar:

• Matematiksel modelleme ve algoritma çözümleme ve tasarım

• Algoritmaların programlar halinde formüle edilip çalıştırılması, bilgi işleme ve hesaplama cihazlarının geliştirilmesi

• Algoritma ve hesaplama modellerinin gücü ve kısıtlamalarına çözüm arar.

– Bazıları “bilim” deyince karmaşık bir olayı (phenomena – doğa olayı) anlamayı ve bilimsel yöntem kullanarak problem çözmeyi içermesi gerektiğini söyler.

– Bilimsel yöntem

• Gözlemlenen davranış ya da olaylar ile ilgili hipotezler oluşturulur. Hipotez olma olasılığı çok yüksek varsayımdır.

• Gözlemlenen davranış ya da olaylar ile ilgili deneyler tasarlanır.

• Uygulamaya yönelik deney alt yapısı kurulur ve deney uygulanır.

• Çözüme yönelik deney sonuçları analiz edilir. Çözüm hipotezi desteklemezse ise gözden geçirilir ve bilimsel yöntemi tekrar edilir. Bunun döngüsel çözğme dönüştürülmesi yapay zeka uygulamasıdır.

Bilgisayar Bilimi ana araştırma ve uygulama alanları

– Sistem/Donanım – Yazılım

• Sistem yazılımı – donanım bileşenlerini kontrol eden programlar. Örn. İşletim sistemi

• Geliştirme yazılımları - diğer programların geliştirilmesinde araç olan programlar

• Uyglama yazılımları – çeşitli karmaşık görevler için kullanıcılara yardımcı olan programlar; IE, firefox gibi web tarayıcıları, word, wordperfect gibi kelime işlemciler, power point, frame maker gibi dunum

programları, Notepad gibi editorler, oyunlar, vb.

– Teori

30

Tarih

History of AI

• AI has a long history

– Ancient Greece

• Aristotle

– Historical Figures Contributed

• Ramon Llull

• Harizmi

• Leonardo da Vinci

• David Hume

• George Boole

• Charles Babbage

• John von Neuman

– As old as electronic computers themselves (c1940)

The ‘von Neuman’ Architecture

History of AI

• Origins

– The Dartmouth conference: 1956

• John McCarthy (Stanford)

• Marvin Minsky (MIT)

• Herbert Simon (CMU)

• Allen Newell (CMU)

• Arthur Samuel (IBM)

• The Turing Test (1950)

• “Machines who Think”

– By Pamela McCorckindale

Periods in AI

• Early period - 1950’s & 60’s – Game playing

• brute force (calculate your way out) – Theorem proving

• symbol manipulation – Biological models

• neural nets

• Symbolic application period - 70’s

– Early expert systems, use of knowledge

• Commercial period - 80’s

– boom in knowledge/ rule bases

• ? period - 90’s and New Millenium

• Real-world applications, modelling, better evidence, use of theory, ...?

• Topics: data mining, formal models, GA’s, fuzzy logic, agents, neural nets, autonomous systems

• Applications

– visual recognition of traffic – medical diagnosis

– directory enquiries – power plant control – automatic cars

Fashions in AI

Progress goes in stages, following funding booms and crises: Some examples:

1. Machine translation of languages 1950’s to 1966 - Syntactic translators 1966 - all US funding cancelled

1980 - commercial translators available

2. Neural Networks

1943 - first AI work by McCulloch & Pitts

1950’s & 60’s - Minsky’s book on “Perceptrons” stops nearly all work on nets 1986 - rediscovery of solutions leads to massive growth in neural nets research

The UK had its own funding freeze in 1973 when the Lighthill report reduced AI work severely -Lesson: Don’t claim too much for your discipline!!!!

Look for similar stop/go effects in fields like genetic algorithms and evolutionary computing. This is a very active modern area dating back to the work of Friedberg in 1958.

Alan Mathison Turing

23 Haziran 1912’ de Londra’ da doğdu.

1938’de ABD Princetown Üniversitesi’nde Alonzo Church’un yanında hazırladığı teziyle doktor oldu.

İngiltere’ye döndüğünde, II.Dünya Savaşı sırasında Almanların “Enigma” kodlarının çözülmesinde önemli rol oynadı.

1945’ te Automatic Computing Engine (ACE) olarak adlandırılan büyük bir bilgisayarın tasarım, yapım ve kullanım çalışmalarını yönetti.

1950 yılında Mind dergisinde yayınlanan “Computing Machinery and Intelligence” adlı makalesinde bugün TURING TESTİ olarak bilinen ünlü testi açıklamıştır.

1954’te intihar ederek öldüğü sanılıyor.

Bilgiyi işleyen ve değiştiren bir makine !

Alan Turing (1912 – 1954) bilgisayarın temelini oluşturan ilk insandı. Turing aslında matematiksel bir problemin çözümünü düşünüyordu.Matematikteki probemler basit kurallar dizisi takip edilerek çözülürse ne olur? Bu da bilgisayarlar hakkında düşünmesini sağladı. Beklenmedik bir şey oldu ve bilgisayar ortaya çıktı.

Turing’in muhteşem fikri ilk kez 24 yaşındayken 1936 yılında yazdığı günümüzde efsane olan

“Hesaplanabilir sayılarda karar veren problemlerin uygulanması” isimli 36 sayfalık kitapta yayınlandı.

Turing bir soru sordu:

• Hesaplama yapan, bir insanın zihninde neler olur?

• Hesaplama yapan kişi için hayati öneme sahip olan şey nedir?

• Hesaplama işleminde insan beyninde anahtar işlev nedir?

Bilgiyi işleyen ve değiştiren bir makine düşüncesi Turing’e aittir? İnsan zihninde hesaplama işlemlerinde belirli kuralların tekrar edildiğini fark etti. Tüm hesaplamaların ikili boyutta (0/1) olduğunu gördü.

İnsanlar Gibi Düşünen Sistemler

• “Bilgisayarları düşündürmeye, kelimenin tam anlamıyla zihne sahip makineler yapmaya çalışan bir çaba” (Haugeland, 1985)

• “Karar verme, problem çözme, öğrenme gibi insan düşüncesi ile ilişkilendirdiğimiz aktivitelerin otomasyonu”

(Bellman, 1978)

• “İnsanların zekâlarını kullanarak gerçekleştirdiği fonksiyonları gerçekleştiren makineleri yapma sanatı” (Kurzweil, 1990)

• “İnsanların halihazırda daha iyi olduğu işleri bilgisayarların nasıl yapabileceğine dair yürütülen çalışma” (Rich and Knight, 1991)

• Geliştirilen bir matematiksel model insandan bağımsız karar nasıl verir? Problem nasıl çözer? Nasıl öğrenir?

• CKK: Karar veren, problem çözen ve öğrenen bir insan zihninde ne oluyor?

Yapay Zeka

1950’de Alan Turing, yayınlamış olduğu bir makalede makinelerin düşünüp

düşünemediğini

gündeme getirmiştir.

Ancak yapay zekanın asıl isim babası 1956 yılında konu ile ilgili bir akademik konferans düzenleyen John McCarthy’dir.

insan zekasının karakteri olan işlemleri gerçekleştirebilen

makinalar

Öğrendiklerinden otonom karar veren makine

• Bilgisayar donanım ve yazılımların kontrolündeki bir makineye kendisinden beklenen işlevleri canlılara benzer şekilde yerine getirme yeteneği kazandırılmasıdır.

• Öğrenerek karar veren makine çalışmaları genellikle canlıların bir işlevi yerine getirirken geliştirdikleri davranış yöntemleri analiz edilerek, matematiksel modellerinin

geliştirtirilmesine yöneliktir.

• Öğrenen makine araştırmacıları, insan gibi düşünebilen sistemleri araştırmaya devam

ederken, rasyonel karar alan sistemler (Uzman sistemler) üzerine yoğunlaşan çalışmalar da hız kazanmıştır.

• “Öğrenerek karar veren makine" kavramının fikir babası, "Makineler düşünebilir mi?"

tartışmasını başlatan Alan Mathison Turing'dir. 1943'te II. Dünya Savaşı sırasında Kripto analizi gereksinimleri ile üretilen elektromekanik cihazlar sayesinde bilgisayar bilimi ve yapay zekâ kavramları doğmuştur.

İnsan gibi karar veren makineler

• Cahit Karakuş bir soru sorar:

• Karar veren, bir insanın zihninde neler olur?

• Duygusal karar veren, bir insanın zihninde neler olur?

• Karar veren kişi için hayati öneme sahip olan şey nedir?

• Karar verme anında insan beyninde anahtar işlev nedir?

Yapay Zeka

• Düşünen, bir insanın zihninde neler oluyor?

• Karar veren ihnsan zihninde neler oluyor?

• İnsan zihnine benzer karar veren davranışlar

sergileyen matematiksel modeller geliştirmek

mümkün olabilir mi?

Areas of AI and Some Dependencies

Search

Vision

Planning Machine

Learning

Knowledge

Representation Logic

Expert Systems Robotics

NLP

What is Artificial Intelligence ?

• Düşünen bilgisayarlar yapmak?

• Karar verme, öğrenme gibi insan düşüncesiyle ilişkilendirdiğimiz faaliyetlerin otomasyonu ... ?

• İnsanlar tarafından yapıldığında zeka gerektiren işlevleri gerçekleştiren makineler yaratma sanatı mı?

• Hesaplamalı modellerin kullanımı yoluyla zihinsel yeteneklerin incelenmesi mi?

• Algılamayı, akıl yürütmeyi ve hareket etmeyi mümkün kılan hesaplamaların incelenmesi?

• Akıllı davranışı hesaplama süreçleri açısından açıklamaya ve taklit etmeye çalışan bir çalışma alanı mı?

• Akıllı davranışın otomasyonu ile ilgilenen bir bilgisayar bilimi dalı?

• Bilgisayar biliminde henüz düzgün bir şekilde nasıl yapacağımızı bilmediğimiz bir şey var mı? (!)

İnsan gibi davranan sistemler: Turing Testi

• "İnsanlar tarafından yapıldığında zeka gerektiren işlevleri gerçekleştiren makineler yaratma sanatı." (Kurzweil)

• "Bilgisayarların şu anda insanların daha iyi olduğu şeyleri nasıl

yapacağının incelenmesi." (Mabedin Yoksul Şövalyesi)

Systems that act like humans

• Bilgisayar terminali olan bir odaya giriyorsunuz. Terminale istediğinizi yazmak ve yanıtları incelemek için sabit bir süreniz var. Hattın diğer ucunda ya bir insan ya da bir bilgisayar sistemi var.Eğer bu bir bilgisayar sistemi ise ve süre sonunda bunun bir sistem mi yoksa insan mı olduğunu güvenilir bir şekilde belirleyemiyorsanız, o

zaman sistem akıllı kabul edilir.

• Turing Testi yaklaşımı

– Uzaktan iletişim aracılığıyla sorusunu yanıtlayan bir bilgisayar veya insan var ise bir insan sorgulayıcı olup olmadığını söyleyemez

– Bilgisayar akıllıca davranmalıdır

• Akıllı davranış

– tüm bilişsel görevlerde insan düzeyinde performans elde etmek

• Turing testi iki konuyu daha içerir: nesneleri algılamak (görmek) için bilgisayar görüşü ve nesneleri hareket ettirmek (oyunculuk) için robotik

Systems that act like humans

Bu bilişsel görevler şunları içerir:

• Doğal dil işleme

– insanla iletişim için

• Bilgi temsili

– bilgileri etkin ve verimli bir şekilde depolamak

• Otomatik muhakeme

– saklanan bilgileri kullanarak soruları almak ve cevaplamak için

• Makine öğrenme

– yeni koşullara uyum sağlamak

Rasyonel (Akılcı) Düşünmek

Rasyonel Düşünen Sistemler:

• “Zihinsel yeteneklerin hesaplamalı modeller aracılığıyla incelenmesi” (Charniak ve McDermott, 1985)

• “Algılamayı, düşünmeyi ve anlamayı mümkün kılan hesaplama modellerinin incelenmesi ” (Winston, 1992)

Rasyonel Davranan Sistemler:

• “Akıllıca davranan faktörlerin tasarımı üzerine yapılan çalışma” (Poole et al., 1998)

• “İnsan yapımı şeylerde akıllı davranışın incelenmesi ” (Nilsson, 1998)

• Yapay Zekaya Mantıkçı Yaklaşım: Mantık programlarına dayanarak akıllı sistemler üretmeyi amaçlayan yaklaşım.

• Rasyonel ‘faktör’ en iyi sonuca ulaşacak şekilde davranır.

• Mantık bilimi 2000 yıldan daha uzun bir süre önce, Aristoteles’in bir dizi düşünceyle ilgili felsefi sezgiyi Syllogism’ler biçiminde biraraya toplayıp düzenlemesiyle başladı.

• Bilişsel Bilim, Yapay Zekadan, Felsefi tabanlı düşünceden matematiksel modelleri ve Psikolojiden deneysel teknikleri alıp bir araya getirerek insan zihninin nasıl çalıştığına ilişkin teoriler üretir.

İnsanlar gibi düşünen sistemler: bilişsel modelleme

• 'İçeriden' gözlemlenen insanlar

• İnsanların nasıl düşündüğünü nasıl biliyoruz?

– İç gözleme karşı psikolojik deneyler

• Bilişsel bilim

• “Bilgisayarların düşünmesini sağlamak için heyecan verici yeni çaba…

– tam ve gerçek anlamda zihinleri olan makineler” (Haugeland)

– “İnsan düşüncesiyle ilişkilendirdiğimiz faaliyetlerin [otomasyonu], karar verme, problem çözme, öğrenme gibi faaliyetler…” (Bellman)

“Mantıklı” düşünen “düşünce yasaları” olan sistemler

• İnsanlar her zaman 'mantıklı' değildir

• Rasyonel - mantık açısından tanımlanmış mı?

• Mantık her şeyi ifade edemez (örneğin belirsizlik)

• Mantıksal yaklaşım, hesaplama süresi açısından genellikle uygulanabilir değildir ('rehberliğe' ihtiyaç duyar)

• "Hesaplamalı modellerin kullanımı yoluyla zihinsel modellerin incelenmesi" (Charniak ve McDermott)

• “Algılamayı, akıl yürütmeyi ve hareket etmeyi mümkün kılan

hesaplamaların incelenmesi” (Winston)

Rasyonel hareket eden sistemler: “Rasyonel faktör”

• Rasyonel davranış: doğru olanı yapmak

• Doğru şey: mevcut bilgiler göz önüne alındığında, hedefe ulaşmayı en üst düzeye çıkarması beklenen şey

• Sorulara cevap vermek 'oyunculuk'tur.

• Bir sistemin olup olmadığı umurumda değil:

– insan düşünce süreçlerini kopyalasın – insanlarla aynı kararları versin

– tamamen mantıksal akıl yürütme kullansın

Rasyonel (Akılcı) Hareket Eden Sistemler

• Mantık, rasyonel bir failin sadece bir kısmı, rasyonalitenin tamamı değil

– Bazen mantık doğru bir sonuca varamaz

– O zaman, bazı belirli (alanda) insan bilgisi veya bilgileri kullanılır.

• Böylece, daha genel olarak farklı problem durumlarını kapsar.

– Yanlış gerekçelendirilmiş sonucu telafi edin

• Yapay zekayı rasyonel faktör olarak inceleyin – 2 avantaj:

– Yalnızca mantığı kullanmaktan daha geneldir. Çünkü: MANTIK + Alan bilgisi – Yaklaşımın daha bilimsel metodolojilerle genişletilmesini sağlar.

Akılcı Faktörler

 An agent is an entity that perceives (algılamak) and acts

 This course is about designing rational agents

 Abstractly, an agent (Temsil – Faktör) is a function from percept histories to actions:

 [f: P*  A]

 For any given class of environments and tasks, we seek the agent (or class of agents) with the best performance

 Herhangi bir ortam ve görev sınıfı için, en iyi performansa sahip temsilciyi ya da faktörü (veya temsin sınıfını) ararız.

Caveat: computational limitations make perfect rationality unachievable

 design best program for given machine resources

Uyarı: hesaplama sınırlamaları, mükemmel rasyonaliteyi ulaşılamaz kılıyor.Verilen makine

kaynakları için en iyi program tasarlanır.

Yapay Zekanın Hedefleri

• Tehlikeli veya can sıkıcı görevleri insanlardan devralarak bilgisayarları daha kullanışlı hale getirmek.

• İnsan zekasının ilkelerini anlamak

Yapay Zekanın Temelleri

• Felsefe

– İnsan zekası üzerine yapılan çalışmalar, belirli disiplin temelli bir ifade olmadan başladı.

– Bir makine olarak zihin fikrini ve onun iç işlemlerini başlatır.

• Matematik, AI'nın üç ana alanını resmileştirir: hesaplama, mantık ve olasılık

– Hesaplama, hesaplanabilecek problemlerin analizine yol açar.karmaşıklık teorisi

– Olasılık, AI'daki belirsizliğin üstesinden gelmek için “inanç derecesine” katkıda bulunur – Karar teorisi, olasılık teorisi ile fayda teorisini birleştirir (önyargı)

• Psikoloji,

– İnsanlar nasıl düşünür ve hareket eder?

– İnsan muhakeme ve oyunculuk çalışması – AI için akıl yürütme modellerini sağlar – Fikirleri güçlendirmek

• insanlar ve diğer hayvanlar bilgi işlem makineleri olarak kabul edilebilir.

Yapay Zekanın Temelleri

• Bilgisayar Mühendisliği

– Verimli bir bilgisayar nasıl oluşturulur?

– AI uygulamasını mümkün kılan yapıyı sağlar

– Bilgisayarın gücü, büyük ve zor problemlerin hesaplanmasını daha kolay hale getirir.

– AI ayrıca, zaman paylaşımı, bağlantılı liste veri türü, dahil olmak üzere bilgisayar bilimine kendi çalışmalarına katkıda bulunmuştur.

• Kontrol teorisi ve Sibernetik

– Yapıtlar kendi kontrolleri altında nasıl çalışabilir?

– Yapıtlar eylemlerini ayarlar

– Zamanla çevre için daha iyisini yapmak

– Bir amaç fonksiyonuna ve çevreden gelen geri bildirime dayalı – Sadece lineer sistemlerle değil, diğer problemlerle de sınırlı

• dil, vizyon ve planlama vb.

• Dilbilim

– Doğal dilleri anlamak içindil çalışmalarından farklı yaklaşımlar benimsenmiştir.

– resmi diller

– Sözdizimsel ve anlamsal analiz – Bilgi temsili

Sibernetik yapay zeka

• Sibernetik, karar çıktısının geri bildirim girişi olarak sistemi tetiklemesi esasına dayanmaktadır. İnsani müdahaleye gerek duymadan, makinenin değişen

durumlara göre kendi kendini düzenleyebilen sistemleri inceleyen bilim dalıdır.

• Yapay sinir ağları konusundaki çalışmaların Minsky ve Papert'in 1969'da yayınlanan Perceptrons adlı kitaplarında tek katmanlı algaçların bazı basit

problemleri çözemeyeceğini gösterip aynı kısırlığın çok katmanlı algaçlarda da beklenilmesi gerektiğini ileri sürdüler.

• Sibernetik akımın görevle ilgili vargıların veya sonuçların bir yargıya dönüşerek diğer kavramlar ile bir ilişki kurulamamasından kaynaklanan başarısızlıklar

görülmektedir. Bu durum aynı zamanda semantik (anlam bilimi) süreçlerin de

benzeşimlendirilememesi gerçeğini doğurdu.

• Yapay: Doğal olarak ortaya çıkmak yerine, insan sanatı veya çabasıyla üretilir.

• Zeka: Bilgi edinme ve onu kullanma yeteneğidir

• AI: Bilgisayarların akıllı olmasını sağlayan fikirlerin incelenmesidir.

• AI: Bilgisayar biliminin insan zekasını sergileyen bilgisayar sistemlerinin tasarımıyla ilgili bölümüdür

• Yukarıdaki iki tanımdan, AI'nın iki ana rolü olduğunu görebiliriz:

• İnsanlarla ilgili akıllı eylemleri bilgisayarları kullanarak temsil edin.

Kavramlar

Yapay Zekada Temel Konular

Yapay zeka birkaç başlık altında ele alınabilir:

• Arama (Oyun Oynamayı içerir).

• Bilgi ve Akıl yürütmeyi temsil etmek.

• Planlama.

• Öğrenme.

• Doğal dil işleme.

• Uzman sistemler.

• Çevre ile Etkileşim (ör. Görme, Konuşma tanıma, Robotik)

– daha güçlü ve daha kullanışlı bilgisayarlar – yeni ve geliştirilmiş arayüzler

– yeni problemler çözmek

– bilginin daha iyi işlenmesi aşırı bilgi yükünü hafifletir – Ham verinin bilgiye dönüştürülmesi

The Disadvantages – artan maliyetler

– yazılım geliştirmede zorluk – yavaş ve pahalı

– birkaç deneyimli programcı

– henüz birkaç pratik ürün pazara ulaştı.

Some Advantages of Artificial Intelligence

Search

• Araştırma, yapay zekanın temel tekniğidir.

• Olası cevaplar, kararlar veya eylem planları, daha sonra araştırılacak soyut bir alan içinde yapılandırılır.

• Arama "kör" veya "bilgisizdir":

– Kör

• Sonra ne olacağı konusunda endişelenmeden uzayda ilerliyoruz, ancak cevabı görürsek onu tanıyoruz.

– Bilgili

• Önümüzde ne olduğunu tahmin ediyoruz ve bu bilgiyi bir sonraki nereye

bakacağımıza karar vermek için kullanıyoruz.Hedefimizi karşılayan ilk cevabı aramak isteyebiliriz veya en iyi cevabı bulana kadar aramaya devam etmek isteyebiliriz.

Bilgi Temsili ve Akıl Yürütme

• AI'daki en önemli ikinci kavram

• Çevremizde rasyonel davranacaksak, o çevreyi tanımlamanın ve bu temsilden çıkarımlar yapmanın bir yolunu bulmalıyız.

– Bilgi Temsili ve Akıl Yürütme

– Dünya hakkında bildiklerimizi nasıl tanımlarız?

– Kısaca nasıl anlatacağız?

– İhtiyacımız olduğunda doğru bilgi parçasını elde edebilmemiz için onu nasıl tanımlarız?

– Yeni bilgi parçalarını nasıl üretiriz?

– Belirsiz bilgiyle nasıl başa çıkarız?

Knowledge (Bilgi – Tecrübe)

Declarative ( Bildirimsel ) Procedural (Yargılama)

• Bildirimsel bilgi, olgusal sorularla ilgilenir (Hindistan'ın başkenti neresidir? Vb.)

• Prosedürel bilgi “Nasıl” ile ilgilenir

•Prosedürel bilgi, bildirimsel bilgiye yerleştirilebilir

Planlama

Bir dizi hedef verildiğinde, bu hedeflere ulaşan bir dizi eylem oluşturulur:

– genellikle çok geniş arama alanı

– Ancak dünyanın çoğu parçası diğer birçok parçadan bağımsızdır.

– Genellikle hedeflerle başlanır ve bunlar eylemlere bağlanır.

– Planlama sırası ve yürütme sırası arasında gerekli bir bağlantı yok

– Planı uygularken dünya değişirse ve/veya eylemlerimiz beklenen sonuçları vermezse ne olur?

Öğrenme

• Bir sistem gerçekten uygun şekilde hareket edecekse, o zaman eylemlerini deneyimlerin ışığında değiştirebilmelidir:

– Eskilerden yeni gerçekleri nasıl üretiriz?

– Yeni konseptleri nasıl üretiriz?

– Yeni ortamlarda farklı durumları ayırt etmeyi nasıl öğreniriz?

Çevre ile Etkileşim

• Akıllı davranışı mümkün kılmak için çevremizle etkileşime girmemiz

gerekecek.Uygun şekilde akıllı sistemlerin şunları yapması beklenebilir:

– Duyusal girdiyi (fiziksel değişimleri) kabul et

• vision, sound, …

– İnsanlarla karşılıklı etkileşimli iletişim

• understand language, recognise speech, generate text, speech and graphics, …

– Çeveyi yeniden düzenlemek, değiştirmek

• robotics

Symbolic and Sub-symbolic AI

• Sembolik AI, dünya hakkındaki bilgimizi, bu sembollerin gerçek dünyadaki varlıklarla açık ilişkilere sahip olduğu açık semboller olarak tanımlamak ve manipüle etmekle ilgilenir.

• Alt sembolik AI (örneğin sinir ağları), mekanizmanın parçalarının ayrık gerçek dünya nesneleriyle ilişkilendirilip ilişkilendirilemeyeceğini görmek için "kutunun içine bakmadan" bir girdi uyaranına doğru yanıtı elde etmekle daha fazla ilgilenir.

Yapay Zeka Uygulama Alanları

• Özerk Planlama ve Çizelgeleme: Otonom geziciler, Teleskop çizelgeleme, Veri analizi

• Tıp: Görüntü rehberli cerrahi, görüntü analizi ve iyileştirme

• Ulaşım: Otonom araç kontrolü, Yaya algılama

• Oyunlar:

• Robotik oyuncaklar

• Biyoinformatik:

– Gen ifadesi veri analizi – Protein yapısının tahmini

• Metin sınıflandırma, belge sıralama:

– Web sayfaları, e-postalar – Haberlerdeki makaleler

• Video, görüntü sınıflandırması

• Müzik kompozisyonu, resim çizimi

• Doğal Dil İşleme

• Algı

Gözlem (Observation)

• Tüm programlar verileri işler.

– programlar işler, depolar, görüntüler, toplar.

– veriler bilgi, sayı, görüntü, ses olabilir.

• Her program, verilerin nasıl depolanacağına karar vermelidir.

• Seçim, programı her düzeyde etkiler.

– yürütme hızı.

– bellek gereksinimleri.

– bakım (hata ayıklama, genişletme, vb.).

71

Smart Systems

• “Akıllı” terimi, nicel ve nitel bilgilere dayalı olarak, kendi farkındalığı ve algılanan dünya modelleri aracılığıyla çevreleriyle etkileşime

girebilen ve değişikliklere uyum sağlayabilen bilgisayar ve

yazılımların etkin olduğu fiziksel sistemleri ifade eder.

72

Yapay yaşam

• Bir Bakış Açısı: Mühendislik problemlerini çözmek için doğayı taklit etmenin bir yoludur.

• Bitkiler veya hayvanlar gibi canlı sistemlerin simülasyonu ve optimizasyonunu içerir.

• Canlı sistemlere ve yaşamın ne olduğuna dair yeni bir anlayış elde etmeye çalışır.

• Yapay yaşam, biyolojik fenomenlerin altında yatan temel dinamik ilkeleri

soyutlamaya çalışarak ve bu dinamikleri bilgisayar kontrollü sistemlerin fiziksel ortamlarında yeniden yaratarak onları yeni tür deneysel manipülasyon ve

testlere açık hale getirerek yaşamı anlamaya adanmış bir çalışma alanıdır.

73

Artificial Life Techniques

– Etkin tabanlı modelleme

– evrimsel programlama

– Genetik algoritmalar

– Dağıtılmış yapay zeka

– Sürü zekası

74

Otonom

• Otonom insandan bağımsız davranış geliştirmektir.

• Karmaşık, dinamik bir sistemde bir dizi hedefi gerçekleştirmeye çalışan bimatematiksel modeldir.

• Sensörleri aracılığıyla çevreyi algılar ve aktüatörleri (sinyali harekete dönüştüren) kullanarak çevreye etki eder.

• Otonom, etkili bağımsız eylem yeteneğine sahiptir.

• Amaca yöneliktir.

• Otonom eylemler, tanımlanmış görevlerin başarılmasına yöneliktir

• Zekidir. Öğrenme ve uyum sağlama yeteneğinde işbirliği yapar.

• Bir görevi gerçekleştirmek için diğer birimler ile işbirliği yapar.

75

İşbirlikci Davranış Geliştirme

İşbirliktelikler

(Paydaşlar) Öğrenme

Otonom

İşbirliğini Öğenme Ortak Zeka

Akıl

Arayüz (Sinyaller) İşbirliği

Sürü Zekası - Swarm Intelligence

• Sürü zekası (SI), merkezi olmayan, kendi kendini organize eden sistemlerin toplu davranışına dayanan bir tür yapay zekadır.

• 1989'da Beni ve Wang tarafından tanıtıldı.

• SI sistemleri tipik olarak, birbirleriyle ve çevreleriyle yerel olarak etkileşime giren basit bir otonom popülasyonundan oluşur.

• Merkezi bir kontrol yoktur.

• Birimler arasındaki etkileşimler, sürü zekasının ortaya çıkmasına yol açar.

• Sürü zekası: Takip etme, kaynaşma, akın etme, eğitilme

Sürü davranışı

• Ayrık birimlerden oluşur, ancak genel hareket akıcı görünür

– Konsept olarak basit, ancak görsel olarak karmaşık

– Rastgele dizili, ancak yüksek düzeyde senkronize (zaman akışında birbirleriyle uyumlu)

– Merkezi kontrol ile bağlantı yok görünüyor, ancak kanıtlar grup hareketinin yalnızca bireysel birimlerin toplam sonucundan kaynaklandığını gösteriyor.

• Doğa sürüleri iki dengeli, karşıt davranıştan oluşur:

– Sürüye yakın olma arzusu

– Sürü içinde çarpışmalardan kaçınma isteği

• Sürüye yakın kalmak neden arzu edilir?

– Yırtıcılardan korunma

– Hayatta kalmanın iyileştirilmesi

– Etkili yiyecek aramasından kar edin

– Sosyal ve çiftleşme aktiviteleri için avantajlar

Nanoteknoloji

• Nanoteknoloji kullanılarak geliştirilmeye başlayan ve geliştirilecek yongalar ve mantık kapıları daha küçük cihazların yapılmasını sağlayacaktır.

• Yakın gelecek sadece birkaç atomdan oluşacak ve nanoteller olarak adlandırılan elektrik iletkenleri sadece bir atom kalınlığında olacak ve bir veri biti bir elektronun varlığı veya yokluğu ile temsil edilecektir.

• Uçan, Yürüyen, Yüzen ve Bütünleşen Nanorobotlar

• Bilim adamları, programlanabilen antikorlar olarak görev yapacak nanorobotları oluşturmak için nanoteknolojiyi kullanmayı hedefliyorlar.

• Mutasyona uğramaya devam eden patojenik bakterilere ve virüslere karşı korumaya yardımcı olacak ve nanobilgisayar içeren birçok ilaç mikropları etkisiz hale getirecektir.

• Nanorobotların insan tıbbının geleceğinin bir parçası olacağı tahmin edilmektedir.

IoT- Nesnelerin İnterneti

• IoT (Internet of Things) , nesnelerin interneti, farklı protokolleri kullanarak birbirleri ile akıllı ağ yapısında haberleşen ve algılayıcılardan toplanan verilerden bilgi üreten ve karşılıklı etkileşim içerisnde karar alabilen akıllı nesnelerdir. Gezgin (mobil) ağlar ve internetin gelişimiyle birlikte akıllı nesnelerin kişiler ile birlikte diğer nesneler ile iletişim kurmaları kolaylaştı ve nesneler her yerden, her zaman birbirlerini sorgulamaya ve kontrol etmeye başladılar.

• Yakın gelecekte akıllı nesneler sayesinde ortaya çıkacak veri miktarı inanılmaz derecede artacak ve bu büyük verilerin çözümlenerek işlenmesi zor ve karmaşık hale gelecektir. Otonom yazılımlar stratejik rol oynayacaktır.

• Verilerin gizliliği ve güvenliği de önemli bir konu olarak karşımıza çıkmaktadır.

• Karşılıklı etkileşimin her nesnenin içine gireceği ve farklı nesnelerin ortak amaçlar için gezgin hareket edeceği bir döneme gireceğiz.

• Bu arada insanların fizyolojik ve psikolojik olarak bu değişime nasıl karşılık vereceği de önemli soru olarak kendini göstermektedir.

• Sürücüsüz araçlarda, insanlar can güvenliklerini nesnelere teslim etmişlerdir.

Uzman sistemler

• Sembolik ve sibernetik zeka konularında yapılan çalışmalarda görülen

başarısızlıklar, her sorunu çözecek genel amaçlı sistemler yerine belirli bir uzmanlık alanındaki bilgiyle donatılmış programları kullanma fikrinin

gelişmesine sebep oldu ve bu durum yapay zeka alanında yeniden bir canlanmaya yol açtı.

• Kısa sürede “Uzman sistemler” adı verilen bir metodoloji gelişti. Fakat burada çok sık rastlanan tipik bir durum, bir otomobilin tamiri için önerilerde

bulunan uzman sistem programının otomobilin ne işe yaradığından haberi

olması gerekliliğidir.

Yapay Zekanın Alt Kümeleri

Artifical

Artificial Intelligence

Machine Learning

Deep Learning

Machine Learning is a subset of Artificial Intelligence

Deep Learning is a subset of Machine Learning

Derin Öğrenme, insan benzeri karar vermeyi simüle etmek için sinir ağlarını ve filtreler kullanır.

Yapay zekâ, ister makine öğrenmesi kullansın ister kullanmasın herhangi bir tahmin veya karar işlemini gerçekleştiren teknolojilerin genel adıdır. Genel

kanaatin aksine yapay zekâ makine öğrenmesi veya derin öğrenme algoritmaları olmaksızın da çalışan bir algoritma olabilir.

Yapay Zeka (1)

• “Yapay Zeka” terimi 1956 yılında Massachusetts Teknoloji Enstitüsü'nden John

McCarthy tarafından oluşturuldu. Bilgisayarların insan gibi davranmasını amaçlayan bilgisayar biliminin bir dalıdır.

• Yapay Zeka, gerçek yaşam durumlarında karar veren makineler geliştirmek için, insan dillerini anlamak, etkileşimli oyunlar oynamak için bilgisayarların programlanmasıdır.

• Bilgisayarları duyusal uyaranları duymak, görmek ve bunlara tepki vermek üzere

programlamak ve insan beynindeki nöronlar (sinir ağları) arasındaki fiziksel bağlantı türlerini yeniden üretmeye çalışarak insan zekasını taklit eden sistemler tasarlamak.

Bilgisayar kontrollü robotik organlar geliştirmek.

• Uzman sistemler, Genetik algoritmalar, Bulanık mantık, Yapay sinir ağları, Makine

öğrenmesi gibi teknikler, genel olarak yapay zeka teknolojileri olarak adlandırılmaktadır.

Yapay Zeka (2)

• İşini mükemmel yapan canlı sistemlerini ve insan beynini model alan yapay zeka çalışmaları; günlük hayatın farklı alanlarında ürünler vermesi için tahmin, sınıflandırma, kümeleme gibi işlevler

kullanılmaktadır.

• Genel anlamda yapay zekadan kastedilen; insan zekasının, sinir sistemi, gen yapısı gibi fizyolojik ve nörolojik yapısının ve doğal olayların modellenerek makinelere (bilgisayar sistemleri ve yazılımlar) aktarılmasıdır.

• Özetle yapay zeka; “insan gibi düşünen, insan gibi davranan, akılcı (rasyonel) düşünen ve akılcı

davranan” canlıların zekice olarak kabul edilen davranışlarına sahip bilgisayar sistemlerinde çalışan matematiksel modeller ve algoritmalardır. Makine öğrenmesi bu anlamda yapay zekanın alt kümesi olarak kabul edilmektedir.

• Yapay zeka araştırmacıları, insan gibi düşünebilen sistemleri araştırmaya devam ederken, rasyonel karar alan sistemler (Uzman sistemler) üzerine yoğunlaşan çalışmalar da hız kazanmıştır.

Yapay Zeka Türleri

• Yapay Süper Zeka: Bilimsel yaratıcılık, genel bilgelik ve sosyal beceriler dahil olmak üzere neredeyse her alanda en iyi insan beyninden çok daha akıllı bir zeka.

• Yapay Genel Zeka: Yalnızca belirli bir soruna (insan düzeyinde

zeka) değil, herhangi bir soruna zeka uygulama becerisine sahip bir makine

• Yapay Dar Zeka: Belirli bir görevde insan zekası veya

verimliliğine eşit veya aşan makine zekası

Makine Öğrenmesi

Makine öğrenmesi

• Makine öğrenmesi algoritmaları ortaya çıkana kadar yapay zekâ çalışmaları

“hard-coded” olarak nitelendirilen yani tüm mantıksal ve matematiksel

işlemlerin yazılımcı tarafından bizzat kodlandığı bir yapıya dayanmaktaydı.

Örneğin ilk satranç oyuncusu yapay zekâ algoritmaları tamamen böyleydi.

Yapay zekânın bu türü sembolik yapay zekâ olarak adlandırılmaktadır.

• Makine öğrenmesinde algoritmalar tamamen veriden öğrenir. Makine öğrenmesini hard-coded olarak kodlanmış sembolik yapay zekâ

algoritmalarından ayıran özellik algoritmanın tamamen veriden

öğrenmesidir. Doğal olarak akla makine öğrenmesi algoritmalarının verilerden öğrenmesinin riskli tarafları gelebilir. Sorulara yanıt veren

yazılımsal makine öğrenmelerine ahlaksız ve ırkçı söylemler sıkça sorulursa, günün sonunda yazılımın kendisi sapık ve ırkçı bir karaktere

bürünebilmektedir.

Derin Öğrenme:

• Derin öğrenme modeli, verinin yapısına göre hangi parametrelere ne ağırlık verileceğini kendisi filtreler kullanarak keşfetmektedir. Derin öğrenme

algoritması da veriye dayalı öğrenme gerçekleştirmekle birlikte, öğrenme süreci standart makine öğrenmesi algoritmalarında olduğu gibi tek bir

matematiksel modele değil sinirsel ağ (neural network) olarak ifade edilen ağ diyagramlarına benzeyen yapıda geliştirilen hesaplamalarla çalışmaktadır.

Her derin öğrenme algoritması bir makine öğrenmesi algoritmasıdır çünkü verilerden öğrenme gerçekleştirmektedir. Ancak her makine öğrenmesi

algoritması derin öğrenme algoritması değildir; nitekim derin öğrenme, makine öğrenmesinin spesifik bir türüdür.

• .

Yapay Zeka-Makine Öğrenmesi-Derin Öğrenme

YAPAY ZEKA

1950’lerde açığa çıkmış olup, makinaların insanlar kadar

kabiliyetli bir şekilde bazı işlemleri yapabilmesi olarak

tanımlanabilir.

MAKİNE ÖĞRENMESİ 1980’lerde açığa çıkmış olup

veri madenciliğin

kullanılması ile beraber daha popüler hale gelmeye

başlamıştır.

DERİN ÖĞRENME

2010’lu yıllarda kullanılmaya başlanmış, büyük ile tek bir

katmanda değil, birçok katmanda makine öğreniminde kullanılan hesapları tek bir seferde yapma kabiliyetine sahiptir.

Makine öğrenmesi bilinen özelliklere dayanarak

öğrenilen verilerden yapılan tahminler üzerine odaklanır.

Veri madenciliği ise verilerdeki (geçmiş) bilinmeyen

özelliklerin (Desenler)

keşfedilmesine odaklanır. Bu veri tabanlarında bilgi keşfi analizinin bir adımıdır.

Makine Öğrenmesi – Veri Madenciliği

Makine öğrenmesi

yapısal işlev olarak veri yığınından öğrenebilen ve veriler üzerinden tahmin yapabilen

algoritmaların çalışma ve inşalarını araştıran bir sistemdir.