tag Tarih
Artificial Narrow Intelligence (ANI) (Dar (Zayıf) Yapay Zeka)
Bu sayfada Tarih (Artificial Narrow Intelligence (ANI) (Dar (Zayıf) Yapay Zeka)) etiketi ile işaretlenmiş 2 yapay zeka kavramını bulabilirsiniz.
Dar Yapay Zeka (ANI — Artificial Narrow Intelligence), yalnızca belirli bir görev veya sınırlı bir alan için tasarlanmış ve eğitilmiş yapay zeka sistemlerini tanımlar. Bu sistemler, kendi uzmanlık alanlarında insanı aşan bir performans sergileyebilirken başka bir göreve uyarlanamazlar. Günümüzdeki tüm ticari yapay zeka ürünleri dar yapay zeka kategorisine girmektedir. Dar yapay zekanın en bilinen örnekleri arasında DeepMind'ın AlphaGo ve AlphaZero oyun sistemleri, OpenAI'nin GPT dil modelleri, Google'ın arama algoritmaları ve çeşitli öneri motorları sayılabilir. AlphaGo, Go oyununda dünya şampiyonlarını yenerek insanüstü performans gösterirken aynı sistem basit bir matematik problemini çözemez. GPT tabanlı modeller doğal dil işlemede olağanüstü başarı gösterirken görüntü sınıflandırma görevlerini doğrudan yerine getiremezler. ANI, Yapay Genel Zeka (AGI — Artificial General Intelligence) ve Yapay Süper Zeka (ASI — Artificial Super Intelligence) ile karşılaştırıldığında mevcut teknolojinin gerçekçi sınırını temsil eder. AGI, herhangi bir entelektüel görevi öğrenip uygulayabilmeli ve görevler arası bilgi aktarımı yapabilmelidir; henüz gerçekleşmemiş ve yoğun biçimde araştırılan teorik bir hedeftir. ASI ise tüm alanlarda insan zekasını aşan hipotetik bir sistemdir. Dar yapay zeka sistemleri büyük veri ve güçlü hesaplama altyapısına bağımlıdır; dağılım dışı (out-of-distribution) girdilerde başarım hızla düşer. Eğitim verisinde karşılaşılmamış yeni bir kavşak düzenini sürüş modeli yorumlayamayabilir. Transfer öğrenme ve çok görevli modeller bu kırılganlığı kısmen azaltsa da gerçek anlamda genel zeka kapasitesi henüz kazanılamamıştır. Günümüz yapay zeka araştırmalarının büyük çoğunluğu dar yapay zeka sınırları içinde kalmayı sürdürmektedir. Çok modlu (multimodal) modeller ve büyük dil modellerinin hızlı gelişimi, araştırmacıların ANI ile AGI arasındaki sınırı yeniden tartışmasına yol açmaktadır. Foundation modeller bu geçiş bölgesindeki en ilgi çekici araştırma alanını oluşturmaktadır.
Artificial Narrow Intelligence (ANI) (Dar (Zayıf) Yapay Zeka)
Dar Yapay Zeka (ANI — Artificial Narrow Intelligence), yalnızca belirli bir görev veya sınırlı bir alan için tasarlanmış ve eğitilmiş yapay zeka sistemlerini tanımlar. Bu sistemler, kendi uzmanlık alanlarında insanı aşan bir performans sergileyebilirken başka bir göreve uyarlanamazlar. Günümüzdeki tüm ticari yapay zeka ürünleri dar yapay zeka kategorisine girmektedir. Dar yapay zekanın en bilinen örnekleri arasında DeepMind'ın AlphaGo ve AlphaZero oyun sistemleri, OpenAI'nin GPT dil modelleri, Google'ın arama algoritmaları ve çeşitli öneri motorları sayılabilir. AlphaGo, Go oyununda dünya şampiyonlarını yenerek insanüstü performans gösterirken aynı sistem basit bir matematik problemini çözemez. GPT tabanlı modeller doğal dil işlemede olağanüstü başarı gösterirken görüntü sınıflandırma görevlerini doğrudan yerine getiremezler. ANI, Yapay Genel Zeka (AGI — Artificial General Intelligence) ve Yapay Süper Zeka (ASI — Artificial Super Intelligence) ile karşılaştırıldığında mevcut teknolojinin gerçekçi sınırını temsil eder. AGI, herhangi bir entelektüel görevi öğrenip uygulayabilmeli ve görevler arası bilgi aktarımı yapabilmelidir; henüz gerçekleşmemiş ve yoğun biçimde araştırılan teorik bir hedeftir. ASI ise tüm alanlarda insan zekasını aşan hipotetik bir sistemdir. Dar yapay zeka sistemleri büyük veri ve güçlü hesaplama altyapısına bağımlıdır; dağılım dışı (out-of-distribution) girdilerde başarım hızla düşer. Eğitim verisinde karşılaşılmamış yeni bir kavşak düzenini sürüş modeli yorumlayamayabilir. Transfer öğrenme ve çok görevli modeller bu kırılganlığı kısmen azaltsa da gerçek anlamda genel zeka kapasitesi henüz kazanılamamıştır. Günümüz yapay zeka araştırmalarının büyük çoğunluğu dar yapay zeka sınırları içinde kalmayı sürdürmektedir. Çok modlu (multimodal) modeller ve büyük dil modellerinin hızlı gelişimi, araştırmacıların ANI ile AGI arasındaki sınırı yeniden tartışmasına yol açmaktadır. Foundation modeller bu geçiş bölgesindeki en ilgi çekici araştırma alanını oluşturmaktadır.
Symbolic AI (GOFAI) (Sembolik (Klasik) Yapay Zeka)
Sembolik yapay zeka (Symbolic AI), zeka ve akıl yürütmenin semboller, kurallar ve mantıksal çıkarım yoluyla bilgisayarda temsil edilebileceği varsayımına dayanan yapay zeka paradigmasıdır. 1950'lerin ortasından 1980'lerin sonuna dek hâkim yaklaşım olan bu akım, 'Good Old-Fashioned AI' (GOFAI) olarak da bilinir. Temel fikir şudur: insan bilgisi açık önermeler ve IF-THEN kuralları biçiminde kodlanabilir; bir çıkarım motoru bu kuralları yeni olgularla eşleştirerek yeni sonuçlar türetebilir. Bu yaklaşım başlangıçta etkileyici sonuçlar vermiştir. MYCIN (1976) adlı uzman sistem, tıbbi enfeksiyon teşhisinde uzman hekim doğruluğuna erişmiş; IBM'in XCON sistemi, DEC bilgisayar siparişlerini günde milyonlarca dolarlık hata azaltımıyla otomatik konfigüre etmiştir. IBM Deep Blue, alfa-beta budama algoritmasıyla saniyede 200 milyon satranç pozisyonu değerlendirerek 1997'de dünya şampiyonu Garry Kasparov'u yenmiştir. Ancak sembolik AI'ın çekirdeğindeki temel kırılganlık giderek belirginleşmiştir: gerçek dünyanın belirsiz, gürültülü ve ölçeksiz verisiyle başa çıkamamak. Bir kedinin görüntüsünü tanımak için gereken kuralları IF-THEN zinciriyle yazmak pratikte imkânsızdır. Kural tabanları büyüdükçe çakışmalar ve boşluklar artmakta, bakım maliyeti üstel biçimde yükselmekteydi. Bu kısıtlar 1980'lerin sonunda 'Yapay Zeka Kışı'na yol açmış ve araştırma finansmanı dramatik biçimde daralmıştır. Sembolik AI bugün tarih müzesinde değildir. Satranç motorları (Stockfish, Komodo), uçak yönetim sistemleri, ilaç onay protokolleri ve kurumsal bilgi grafikleri kural tabanlı sembolik yöntemlerle çalışmaktadır. OWL ontolojileri ve mantık çıkarımına dayanan Google, Amazon ve Microsoft bilgi grafikleri sembolik AI'ın kurumsal alandaki canlılığını ortaya koymaktadır. Günümüzdeki en heyecan verici gelişme, sinir ağının ham algısal gücünü sembolik sistemin doğrulanabilir akıl yürütmesiyle birleştiren 'Neurosymbolic AI' araştırmalarıdır. DeepMind'ın AlphaGeometry modeli, nöral öneri motoru ile sembolik geometri kanıtlayıcıyı birleştirerek Uluslararası Matematik Olimpiyatı sorularını çözebilmektedir. Bu hibrit yaklaşım yorumlanabilir yapay zeka (XAI) gereksinimlerini de karşılamakta, kural tabanlı açıklamalar ile öğrenilmiş temsillerin güçlü yönlerini bir araya getirmektedir.