Yapay Zeka, Makine Öğrenimi ve Derin Öğrenme Farkları

Yapay zeka, makine öğrenimi ve derin öğrenme alanlarında çalışan uzmanlar, bu sözcükler ile ilgili henüz fikir birliğine varabilmiş değiller. Bu alanda her gün yeni kavramlar tartışmaya açılıyor. Teknolojinin gelişimi ile beraber artık hayatımızın içinde yer alıyor ve bizim bir parçamız haline geliyorlar. Genellemede bulunacak olursak yapay zeka, makine öğreniminden daha eski bir kavram ve makine öğrenimi, yapay zekanın bir alt kolu gibi görülüyor.

1950’de Alan Turing, yayınlamış olduğu bir makalede makinelerin düşünüp düşünemediğini gündeme getirmiştir. Önermiş olduğu meşhur Turing Testi ile bir makinenin zeki olup olmadığı ayırt edilebiliyor. Eğer, bir insan karşılaşmış olduğu bir etkileşimin arkasında bir insan mı makine mi olduğunu ayırt edemiyor ise o makine zeki, düşünebilen bir makine demektir. Ancak yapay zekanın isim babası 1956 yılında konu ile ilgili bir akademik konferans düzenleyen John McCarthy’dir. Konferans bitiminde katılımcıların ortak görüşleri yapay zeka ile ilgili çalışmaların ileri bir seviyeye çıkarılması gerektiği yönünde olmuştur.

Yapay zeka, makine öğrenimi ve derin öğrenmenin kronolojisi (Kaynak: Nvidia)
Son 10 yıl içinde yapay zeka, bilim kurgu filmlerinde kullanılan bir konseptten çıkıp hayatımızın içinde artık yer almaya başlamıştır. Bilgi yarışmasını kazanan IBM’in yapay zekası Watson, GO zeka oyununda dünya şampiyonunu yenen Google AI gibi gelişmeler bugün yapay zekayı hepimizin gündemine sokmuştur.

Günümüzün en büyük teknoloji firmaların hepsi yapay zekaya yatırım yapmaktadırlar. Artık cep telefonlarında, sosyal medyada, arama motorlarında ve birçok yerde daha yapay zeka hatta makine öğrenimini deneyimliyoruz.

Yapay Zeka Nedir?
Eğer bir etkileşimin arkasında bir makinenin olup olmadığını ayırt edemiyorsak, insanlara özel yetenekte tepki veriyorsa bir yapay zeka ile karşı karşıyayız demektir.  Ancak yapay zekanın da zayıf ve kuvvetli olanları vardır.

Zayıf yapay zekalar sizin harfi harfine tarif ettiğinizi – programladığınızı yapan, onların dışına çıkmayan, elde edeceğiniz sonucu değiştirmeyen, teknolojinin ilk yıllarında imkan sunan oluşumlardır. Ancak kuvvetli yapay zekalar veriler üzerinde algoritmik hesaplar ile yorumlar yaparak verilen hedeflere farklı yollarla varabilen, işleri daha kolaylaştırabilen oluşumlardır.

Makine Öğrenimi Nedir?

Makine öğrenimi, programlanmadığı sonuçları bile açığa çıkarabilen bir tür yapay zeka olarak kabul ediliyor. 1959 yılında Arthur Samuel makine öğrenimini: “makinelerin bilhassa programlanmadığı sonuçları öğrenebilme kabiliyeti” olarak tanımlamıştır. Arthur Samuel, bilgisayar ortamında çalışabilen, kendi hatalarından ders alan ve böylece kendini geliştiren bir dama oyunu yapmıştır.



Makine öğreniminin popüler olmasını sağlayan uygulamalardan bir tanesi resim tanımadır. Bu uygulama ilk önce eğitilmesi gerekiyor. Başka bir değişle, ilgili resmin ne olduğunu makinenin öğrenebilmesi için binlerce kez benzer resimler gösterilmesi gerekiyor. Böylece makine benzer dizileri, benzer motifleri, benzer pikselleri tanıyarak artık o resimlerin ne olduğunu tanımlayabiliyor. Köpek, kedi, ağaç, ev gibi farklı resimleri ayırt edip aynı tip resimlerin birbirinin ortak noktalarını tespit ederek artık tanımlayabilir hale geliyor.
Örneğin; Facebook size zaman tünelinde ne göstereceğini bu algoritma ile karar veriyor, amazon hangi ürünlerini tavsiye edeceğini, Netflix hangi fimleri önereceğini yine makine öğrenimi ile karar veriyor.

Derin Öğrenme Nedir?
Ne kadar çok veri olursa, o kadar iyi yapay zeka özellikleri açığa çıkacaktır. İşler daha karmaşık hale gelecektir, karmaşık hale geldikçe yapay zekadan, makine öğrenimine kaymalar meydana gelecektir. Daha da karmaşık hale gelince makine öğreniminden, derin öğrenime geçişler başlayacaktır. Ne kadar çok veriniz varsa sisteminiz o kadar iyi çalışacaktır.

Makine öğrenimi tek katmanda işlem yaparken derin öğrenme birçok katmanda aynı anda işlem yapmaktadır. Bir gurup makine öğrenim algoritalarını aynı anda kullanarak tek işlemde sonuca ulaşmaya çalışıyor.

Örneğin; bir muz resmi ile portakal resmini ayırmamız gerekiyor. Makine öğreniminde, insanoğlunun bugüne kadar edinmiş olduğu tecrübeleri, parametreler vasıtasıyla makineye tanıtmaya çalışıyorduk. İşte turuncu ise muhtemelen portakaldır, sarı ise muzdur gibisinden. Yuvarlak ise muhtemelen portakaldır, yay şeklindeyse muhtemelen muzdur gibi birçok parametreyi bizim tanımlamamız gerekiyordu. Oysa derin öğrenme bu farkı yani parametreleri kendi başına öğrenebilmektedir. Sadece portakal ve muz resimlerini derin öğrenme sistemine göstererek kendisi kendi kurallarını oluşturur, farkları açığa çıkarabilmek için renk ve şeklin ana ayırıcı özellikler olduğunu kendisi fark eder. Böylece temel insan yetilerini ihtiyaç duymadan, kendi ayrıştırıcı yetilerini kendi oluşturarak işlemlerini gerçekleştirebilir.

Özetle; sizin de bu terimler ile kafanız karıştıysa bilin ki yalnız değilsiniz. Bilgisayar uzmanları bu kavramları tartışmaya devam ediyor ve muhtemelen daha da edecekler.

İyi çalışmalar.