Yapay zekâ (YZ) sistem ve uygulamaları, çok sayıda kavramı bir arada barındırır. Gündelik hayatta konuşma ve yazılar içinde sıkça karşılaştığımız bu kavramları, yapay zekânın çalışma mantığıyla ilişkilendirerek kısaca tanımlamaya çalışacağız. Bu açıklamalar aynı zamanda yapay zekânın kapsamı, hayatın içinde ve şirketlerde kullanımına ilişkin fikir verecektir.
Birbirinin içine geçen bu kavramlar, net tanımlamayı ve doğru anlaşılmayı zorlaştırabilmektedir. Üstelik gün geçtikçe bu kavramlara yenileri eklenmekte, mevcut kavramların anlamları da zamanla farklılaşabilmektedir.
Nesnelerin İnterneti (IoT – Internet of Things), internet aracılığıyla birbirine bağlı cihazların (nesnelerin) veri toplayıp paylaşmasını ifade eder. Bu cihazlar sensörler, makineler, ev aletleri, araçlar, hatta giyilebilir teknolojiler olabilir. Her cihaz veri üretir; bu veriler internet üzerinden iletilir ve merkezi bir sistem ya da bulut altyapısı bu verileri işleyerek karar alır veya otomatik eylemler başlatır.
Robotik Süreç Otomasyonu (RPA) ve akıllı otomasyon araçları, süreçleri sadeleştirirken veri temininde insan kaynaklı hataları azaltır ve daha detaylı, doğru veri üretimini mümkün kılar. Bu araçlar, özellikle tekrarlayan işlerde operasyonel verimliliği artırır.
Yapay Zekâ (Artificial Intelligence – AI), insan zekâsına benzer şekilde algılama, öğrenme, akıl yürütme, karar verme ve problem çözme yeteneklerini taklit eden bilgisayar sistemlerinin geliştirilmesine verilen genel addır. Satranç oynayan bilgisayarlar, dil çevirisi yapan uygulamalar ve otonom araçlar bu alana örnek gösterilebilir.
Makine Öğrenmesi (Machine Learning – ML), sistemlerin veriden öğrenerek deneyimle performansını geliştirmesini sağlar. Bu yaklaşımda sistemlere “ne yapmaları gerektiği” adım adım programlanmaz; verilerden kalıplar öğrenilir. Spam e-postaları ayırt eden filtreler bu yönteme iyi bir örnektir.
Derin Öğrenme (Deep Learning – DL), makine öğrenmesinin bir alt dalıdır ve yapay sinir ağlarını kullanarak çok daha karmaşık ilişkileri öğrenmeyi mümkün kılar. Görüntülerde kedi–köpek ayrımı yapan modeller veya otonom araçlarda kamera verisiyle nesne tanıma sistemleri buna örnek olarak verilebilir.
Doğal Dil İşleme (NLP – Natural Language Processing), bilgisayarların insan dilini (yazılı veya sözlü) anlamasını, yorumlamasını ve üretmesini sağlayan yapay zekâ alanıdır. ChatGPT, Google Translate, Siri ve metin özetleme sistemleri bu kapsamdadır.
Bilgisayarla Görü (Computer Vision), görsel verilerin (resim, video) algılanması, yorumlanması ve anlamlandırılmasını sağlayan teknolojilerdir. Yüz tanıma sistemleri veya otonom araçların trafik ışıklarını algılaması bu alana girer.
Yapay Sinir Ağları (ANN – Artificial Neural Networks), insan beynindeki sinir hücrelerinin çalışma mantığını taklit eden matematiksel modellerdir. Özellikle ses tanıma ve derin öğrenme uygulamalarında yaygın olarak kullanılır.
Veri Madenciliği (Data Mining), büyük veri kümeleri içerisinden anlamlı ve kullanılabilir kalıp ve ilişkilerin keşfedilmesini amaçlar. Örneğin, marketlerin müşteri alışkanlıklarını analiz ederek ürün yerleşimini planlaması bu yaklaşımın tipik bir uygulamasıdır.
Üretken Yapay Zekâ (GenAI – Generative AI), kendisine verilen girdilerden yeni içerikler üretebilen yapay zekâ sınıfıdır. Metin (rapor, e-posta, makale), görsel, kod, ses/müzik ve video taslakları üretebilir. GenAI güçlü bir üretim motorudur; ancak kendi başına iş yapmaz, bir talep veya yönlendirme bekler.
DR. H.MURAT ÇEKİCİ
Yapay zekâ (YZ) sistem ve uygulamaları, çok sayıda kavramı bir arada barındırır. Gündelik hayatta konuşma ve yazılar içinde sıkça karşılaştığımız bu kavramları, yapay zekânın çalışma mantığıyla ilişkilendirerek kısaca tanımlamaya çalışacağız. Bu açıklamalar aynı zamanda yapay zekânın kapsamı, hayatın içinde ve şirketlerde kullanımına ilişkin fikir verecektir.
Birbirinin içine geçen bu kavramlar, net tanımlamayı ve doğru anlaşılmayı zorlaştırabilmektedir. Üstelik gün geçtikçe bu kavramlara yenileri eklenmekte, mevcut kavramların anlamları da zamanla farklılaşabilmektedir.
Nesnelerin İnterneti (IoT – Internet of Things), internet aracılığıyla birbirine bağlı cihazların (nesnelerin) veri toplayıp paylaşmasını ifade eder. Bu cihazlar sensörler, makineler, ev aletleri, araçlar, hatta giyilebilir teknolojiler olabilir. Her cihaz veri üretir; bu veriler internet üzerinden iletilir ve merkezi bir sistem ya da bulut altyapısı bu verileri işleyerek karar alır veya otomatik eylemler başlatır.
Robotik Süreç Otomasyonu (RPA) ve akıllı otomasyon araçları, süreçleri sadeleştirirken veri temininde insan kaynaklı hataları azaltır ve daha detaylı, doğru veri üretimini mümkün kılar. Bu araçlar, özellikle tekrarlayan işlerde operasyonel verimliliği artırır.
Yapay Zekâ (Artificial Intelligence – AI), insan zekâsına benzer şekilde algılama, öğrenme, akıl yürütme, karar verme ve problem çözme yeteneklerini taklit eden bilgisayar sistemlerinin geliştirilmesine verilen genel addır. Satranç oynayan bilgisayarlar, dil çevirisi yapan uygulamalar ve otonom araçlar bu alana örnek gösterilebilir.
Makine Öğrenmesi (Machine Learning – ML), sistemlerin veriden öğrenerek deneyimle performansını geliştirmesini sağlar. Bu yaklaşımda sistemlere “ne yapmaları gerektiği” adım adım programlanmaz; verilerden kalıplar öğrenilir. Spam e-postaları ayırt eden filtreler bu yönteme iyi bir örnektir.
Derin Öğrenme (Deep Learning – DL), makine öğrenmesinin bir alt dalıdır ve yapay sinir ağlarını kullanarak çok daha karmaşık ilişkileri öğrenmeyi mümkün kılar. Görüntülerde kedi–köpek ayrımı yapan modeller veya otonom araçlarda kamera verisiyle nesne tanıma sistemleri buna örnek olarak verilebilir.
Doğal Dil İşleme (NLP – Natural Language Processing), bilgisayarların insan dilini (yazılı veya sözlü) anlamasını, yorumlamasını ve üretmesini sağlayan yapay zekâ alanıdır. ChatGPT, Google Translate, Siri ve metin özetleme sistemleri bu kapsamdadır.
Bilgisayarla Görü (Computer Vision), görsel verilerin (resim, video) algılanması, yorumlanması ve anlamlandırılmasını sağlayan teknolojilerdir. Yüz tanıma sistemleri veya otonom araçların trafik ışıklarını algılaması bu alana girer.
Yapay Sinir Ağları (ANN – Artificial Neural Networks), insan beynindeki sinir hücrelerinin çalışma mantığını taklit eden matematiksel modellerdir. Özellikle ses tanıma ve derin öğrenme uygulamalarında yaygın olarak kullanılır.
Veri Madenciliği (Data Mining), büyük veri kümeleri içerisinden anlamlı ve kullanılabilir kalıp ve ilişkilerin keşfedilmesini amaçlar. Örneğin, marketlerin müşteri alışkanlıklarını analiz ederek ürün yerleşimini planlaması bu yaklaşımın tipik bir uygulamasıdır.
Üretken Yapay Zekâ (GenAI – Generative AI), kendisine verilen girdilerden yeni içerikler üretebilen yapay zekâ sınıfıdır. Metin (rapor, e-posta, makale), görsel, kod, ses/müzik ve video taslakları üretebilir. GenAI güçlü bir üretim motorudur; ancak kendi başına iş yapmaz, bir talep veya yönlendirme bekler.
DR. H.MURAT ÇEKİCİ