yapay zeka nedir

Yapay zekâ (genellikle AI olarak kısaltılır), makinelerin normalde insan zekâsı gerektiren görevleri yerine getirmesine olanak tanıyan teknolojidir. Bu; görselleri tanımayı, dili anlamayı, tahminlerde bulunmayı, eylemleri önermeyi, desenleri (örüntüleri) tespit etmeyi, içerik üretmeyi ya da insanların karar vermesine yardımcı olmayı içerebilir.

AI’yi düşünmenin basit bir yolu şudur: Geleneksel yazılımlar insanlar tarafından yazılmış kuralları izler; buna karşılık yapay zekâ sistemleri çoğu zaman verilerden gelen örüntüleri öğrenir. Normal bir program, “Müşteri bu düğmeye tıklarsa şu sayfayı göster” diyebilir. Bir yapay zekâ sistemi, geçmişteki pek çok örneği inceleyip birinin bir sonraki olarak hangi ürünü satın alabileceğini, hangi tıbbi taramanın gözden geçirilmesi gerekebileceğini ya da hangi işlemin şüpheli göründüğünü öğrenebilir.

Yapay zekâ sihir değildir. Veri, modeller, hesaplama gücü ve insan tercihlerinden oluşur. İyi çalıştığında karmaşık işleri daha hızlı ve daha kolay hale getirebilir. Kötü kullanıldığında ise önyargılı olabilir, yanlış olabilir, şeffaf olmayabilir veya fazla güvenilir hale gelebilir.

Yapay Zekâya Dair Net Bir Tanım

NIST’nin sözlüğü, yapay zekâyı; insan tarafından tanımlanan amaçlar doğrultusunda tahminler, öneriler veya kararlar verebilen makine tabanlı bir sistem olarak tanımlar. Bu tanım faydalıdır çünkü bilim kurguya kaçınmayı sağlar. Yapay zekâ, kişiliğe sahip zorunlu olarak bir robot değildir. Gerçek dünyadaki çoğu durumda, girdileri işe yarar çıktılara dönüştüren bir yazılımdır.

OECD’nin Yapay Zekâ İlkeleri, yapay zekâ sistemlerini; tahminler, içerik, öneriler veya kararlar gibi çıktılar üreten sistemler olarak açıklar. OECD ayrıca insan haklarına ve demokratik değerlere saygı duyan güvenilir yapay zekâyı da vurgular.

Basitçe söylemek gerekirse: Yapay zekâ, belirli bir bağlamda akıllı ya da işe yarar görünen çıktılar üretmek için veri ve modeller kullanan bir bilgisayar sistemidir.

Yapay Zekâ Nasıl Çalışır?

Çoğu yapay zekâ sistemi temel bir kalıbı izler:

1. Verileri topla.
2. Bu verilerle bir modeli eğit.
3. Modeli, örüntüleri (desenleri) tanımak için kullan.
4. Modeli yeni girdilere uygula.
5. Bir çıktı üret; örneğin bir tahmin, öneri, sıralama (ranking), sınıflandırma ya da üretilmiş bir yanıt.

Örneğin, bir e-posta spam filtresi; spam ve spam olmayan çok sayıda örnekten öğrenebilir. Zamanla şu tür desenleri öğrenir: şüpheli bağlantılar, belirli ifadeler, sıra dışı gönderen davranışı veya biçimlendirme numaraları. Yeni bir e-posta geldiğinde model bunun spam olma olasılığını tahmin eder.

IBM’in yapay zekâ rehberi, yapay zekâyı; bilgisayarların ve makinelerin öğrenmeyi, anlamayı, problem çözmeyi, karar vermeyi ve yaratıcılığı taklit etmesini sağlayan bir teknoloji olarak açıklar. Bu kulağa geniş geliyor çünkü yapay zekâ tek bir ürün değil; bir alan.

Yapay Zekâ, Makine Öğrenmesi, Derin Öğrenme ve Üretken Yapay Zekâ

İnsanlar bu terimleri çoğu zaman aynı şeymiş gibi kullanır; ancak aynı değildirler.

Makine öğrenmesi, yapay zekâ inşa etmenin en önemli yollarından biridir. Derin öğrenme, makine öğrenmenin güçlü bir türüdür. Üretken yapay zekâ ise metin, görseller, ses, video, kod, sunumlar ve diğer içerikler üretebilen; daha yeni ve oldukça görünür bir kategoridir.

Günlük Hayatta Yapay Zekâya Dair Gerçek Örnekler

Yapay zekâ, insanlar ona yapay zekâ demese bile gündelik hayatın zaten bir parçasıdır.

Öneri sistemleri bunun kolay bir örneğidir. Bir alışveriş sitesi ürün önerdiğinde, bir müzik uygulaması şarkı önerdiğinde ya da bir video platformu sırada ne gösterileceğine karar verdiğinde, yapay zekâ seçenekleri kullanıcı davranışına ve pek çok başka kullanıcının örüntülerine göre sıralıyor olabilir.

Dolandırıcılık tespiti de bir başka pratik örnektir. Bankalar ve ödeme ağları, müşteri hesabının normal konumu, zamanı, tutarı ya da harcama düzeniyle eşleşmeyen bir satın alma gibi olağandışı faaliyetleri işaretlemek için yapay zekâ sistemleri kullanır.

Sağlık hizmetleri de düzenlenmiş ortamlarda yapay zekâyı kullanıyor. FDA, Amerika Birleşik Devletleri’nde pazarlama için yetkilendirilmiş yapay zekâ destekli tıbbi cihazların kamuya açık bir listesini tutuyor. Bu araçların çoğu tıbbi görüntüleme, kardiyoloji, radyoloji ve klinik karar destek sistemlerini destekliyor. Bu, yapay zekânın doktorların yerini aldığı anlamına gelmiyor. Bu, yapay zekânın düzenleyici denetim altında desenleri tespit etmeye veya incelemeyi desteklemeye yardımcı olabileceği anlamına geliyor.

Bunun en güçlü örneklerinden biri de bilimdir. Google DeepMind’in AlphaFold çalışması, yapay zekânın biyoloji, tıp ve ilaç keşfi açısından önemli bir sorun olan protein yapılarını tahmin etmeye nasıl yardımcı olabileceğini gösterdi. Stanford AI Index ise yapay zekânın laboratuvarlardan ürünlere, işyerlerine ve politika tartışmalarına ne kadar hızlı ilerlediğini izliyor.

Üretken Yapay Zekâ ve Pi gibi Araçlar

Üretken yapay zekâ, birçok kişinin artık en doğrudan deneyimlediği yapay zekâ türüdür. Sadece verileri sınıflandırmak ya da tahmin yapmakla kalmayıp üretken yapay zekâ; metin, görseller, kod, slaytlar, videolar, diyagramlar, özetler veya taslak tasarımlar gibi yeni bir şey oluşturabilir.

Gündelik işlerde yapay zekânın gerçek bir örnek olarak Pi ile nasıl doğal bir şekilde uyduğunu işte burada görürsünüz. Bir sunum eskiden boş bir slayt ve çok sayıda manuel biçimlendirme ile başlamak zorundaydı. Pi ile kullanıcı, notlardan, bir belgeden, bir ana hat/outline’dan ya da kabaca bir fikirden başlayabilir; ardından bu materyali yapılandırılmış bir sunuma dönüştürebilir. Bu, yapay zekânın gizemli bir makine olarak değil, bilgiyi düzenlemek ve ifade etmek için pratik bir asistan olarak kullanılmasıdır.

Pi ayrıca yapay zekânın tek bir iş akışında birden fazla yeteneği nasıl birleştirebildiğini gösterir. Sunum temaları oluşturabilir, stilleri ve renkleri özelleştirebilir, hazır bileşenler kullanabilir, otomatik düzen uygulayabilir, bir simge kütüphanesi sunabilir ve bir slayt destekleyici görseller gerektirdiğinde yapay zekâ ile görsel üretimini çağırabilir. Pi video ya da görsel varlıklar da üretebildiğinden, yalnızca statik metnin tek başına zor anlattığı fikirleri açıklamaya yardımcı olabilir.

Faydalı olan kısım sadece “yapay zekâ slayt yapar” değildir. Önemli olan, yapay zekânın düşünmek ile iletişim kurma arasındaki sürtünmeyi azaltabilmesidir. Bir kurucu, yatırımcı notlarını bir pitch deck’e dönüştürebilir. Bir öğretmen, bir ders ana hat/outline’ını sınıf sunumuna çevirebilir. Bir ekip, bir raporu daha görsel bir yönetici güncellemesine dönüştürebilir. Mesajı yine insan belirler; ancak yapay zekâ, içeriği daha anlaşılır bir şeye dönüştürmeye yardımcı olur.

Yapay Zekânın İyi Olduğu ve Kötü Olduğu Şeyler

Yapay zekâ; bir görev desenleri, ölçeği veya tekrarı içerdiğinde güçlüdür. Bir insanın tarayabildiğinden daha hızlı büyük veri kümelerini tarayabilir, aynı anda birçok sinyali karşılaştırabilir ve örneklerden yola çıkarak tahminler yapabilir.

Faydalı yapay zekâ görevleri arasında uzun belgeleri özetlemek, görselleri veya metni sınıflandırmak, anormallikleri tespit etmek, ürün önermek, talebi tahmin etmek, diller arasında çeviri yapmak, taslak metinler veya görseller üretmek, müşteri hizmetlerini desteklemek ve uzmanların karmaşık bilgileri değerlendirmesine yardımcı olmak yer alır.

Ancak yapay zekânın sınırları vardır. Kendinden emin gibi görünen ama yanlış yanıtlar üretebilir. Üretken yapay zekâ sistemleri, gerçekleri uydurabilir (hallucinate edebilir), kaynaklar icat edebilir, bağlamı yanlış anlayabilir veya eğitim verisindeki desenlerden aşırı genelleme yapabilir. Yapay zekâ ayrıca verilerdeki yanlılığı da yansıtabilir ve hassas bilgiler kötü ele alındığında gizlilik bir riske dönüşebilir.

Sorumlu Yapay Zekâ

Sorumlu yapay zekâ, yapay zekâyı emniyet bariyerleriyle kurmak ve kullanmak demektir. Bu, yapay zekâdan kaçınmak anlamına gelmez. Bu, ona güvenmeden önce daha iyi sorular sormak anlamına gelir.

NIST Yapay Zekâ Risk Yönetimi Çerçevesi yararlıdır; çünkü kuruluşların güvenilir yapay zekâ hakkında düşünmeleri için geçerlilik, güvenilirlik, güvenlik, güvenlik (security), şeffaflık, açıklanabilirlik, gizlilik ve adillik gibi bir yol verir.

Sorumlu bir yapay zekâ süreci şunu sormalıdır: yapay zekâ hangi problemi çözüyor, hangi veriler kullanıldı, sistem yanlışsa kim zarar görebilir, doğruluk nasıl ölçülüyor, kullanıcılar çıktıyı anlayabilir mi ve insan denetimi var mı?

OECD’nin güvenilir yapay zekâ çalışmaları ve NIST’in Yapay Zekâ RMF’i aynı yönde işaret ediyor: Yapay zekâ faydalı olmalı, ama aynı zamanda hesap verebilir olmalıdır. Karar ne kadar önemliyse, denetim o kadar dikkatli olmalıdır.

Sonuç

Yapay zekâ, makinelerin veriler ve modeller temelinde tahminler yapmasına, öneriler sunmasına, kararlar almasına veya üretilmiş içerik üretmesine yardımcı olan geniş bir teknoloji alanıdır. Tavsiye sistemlerini, dolandırıcılık tespitini, tıbbi yazılımları, navigasyonu, müşteri desteğini, bilimsel araştırmaları ve üretken araçları güçlendirir.

Yapay zekâyı anlamanın en basit yolu, onu insana benzeyen bir zihin olarak değil; desen temelli bir sistem olarak görmektir. Güçlü, hızlı ve faydalı olabilir; ancak otomatik olarak doğru ya da adil değildir. İyi bir yapay zekâ, iyi veriye, özenli tasarıma, testlere, şeffaflığa ve insan muhakemesine ihtiyaç duyar.

Pi gibi araçlar, yapay zekânın pratik yönünü gösterir: insanların dağınık bilgileri slaytlar, görseller, düzenler, ikonlar ve video tarzı görsellerle daha net bir iletişime dönüştürmesine yardımcı olur. AI’nın en iyi haliyle sunduğu gerçek vaat budur: yargının yerini almak değil, bilgiyi daha etkili kullanabilmeleri için insanlara yardımcı olmaktır.

Sıkça Sorulan Sorular (SSS)

S: Yapay zekâ nedir, basit bir ifadeyle?

C: Yapay zekâ, bilgisayarların genellikle insan zekâsı gerektiren görevleri yerine getirmesini sağlayan teknolojidir; örneğin örüntüleri tanıma, tahminlerde bulunma, eylemler önerme, dili anlama veya içerik üretme gibi.

S: Yapay zekâ (AI) ile makine öğrenmesi (machine learning) arasındaki fark nedir?

C: AI geniş bir alan. Makine öğrenmesi, AI inşa etmenin bir yoludur; burada bir sistem, yalnızca insanlar tarafından yazılmış sabit kuralları izlemek yerine veriden örüntüler öğrenir.

S: Yapay zekânın gerçek örnekleri nelerdir?

C: Gerçek örnekler; öneri sistemleri, dolandırıcılık tespiti, tıbbi görüntü analizi, navigasyon uygulamaları, müşteri hizmetleri sohbet botları, çeviri araçları, AlphaFold ve Pi gibi yapay zekâ sunum araçlarını içerir.

S: Yapay zekâ her zaman güvenilir mi?

C: Hayır. Yapay zekâ faydalı olabilir; ancak aynı zamanda yanlış olabilir, önyargılı olabilir, güvensiz olabilir ya da açıklaması zor olabilir. Önemli yapay zekâ sistemlerinin test edilmesi, insan gözetimi, gizlilik koruması ve sorumlu yönetişim gereklidir.