Yapay zekâ, bir bilgisayarın veya bilgisayar kontrolündeki bir robotun çeşitli faaliyetleri zeki canlılara benzer şekilde yerine getirme kabiliyeti olarak tanımlanıyor. İngilizce artificial intelligence kavramının akronimi olan AI sözcüğü de günümüzde sıklıkla kullanılıyor.
Yapay Zekâ teknolojisi büyük veri, nesnelerin interneti kavramlarının oluşmasıyla ön plana çıksada tarihi bilgisayarın tarihi kadar eskiye götürmek mümkündür. Günümüzde gelişen donanım ve internet altyapı sistemleri ise yapay zekâ sistemlerini daha akıllı hale getirmektedir.
Günümüzde Turing testi olarak bilinen bir makinenin insandan ayırt edilebilme durumunu ölçen yarışmalar bulunmaktadır. Bu teste adını veren Alan Turing 2. Dünya savaşı sırasında şifre çözülmesi için çalışmış yaklaşık 20 kişiden oluşan bir gurupta yer almaktaydı. Turing matematik alanında çalışmalar yapsada o gurupta doktorlar, psikologlar, ekonomistler ve sosyologlar da bulunmaktadı. Yine benzer şekilde Alan Turing adına her yıl verilen bir ödül bulunmakta ve bu ödül bilişim teknolojileri alanında etkili katkısı bulunan kişilere verilmektedir. 2018 yılında bu ödülün konusu “yapay sinir ağları” olarak belirlenmiştir. Bilişsel ruhbilimci olan Geoffrey Hinton ve bilgisayar bilimcisi olan Yoshua Bengio ile Yann Lechun bu alanda yaptığı çalışmalarla bu ödülü almıştır.
Yapay zekanın ne olduğunu anlamanın yolu klasik olarak kullanılan yapısal programlamayı anlamaktan geçiyor. Yapısal programlamada belirli şartlar, kurallar ve karşılaştırmalar vardır. Örneğin yeni araçlarda Start tuşuna basarak araçların çalıştırılması basit bir programdır veya alarm kurarak belirli bir saate geldiğinde telefonumuzun alarm sesini çalması yapısaldır. Buna ek olarak araca bindiğimizde duygu durumumuzun araç tarafından algılanarak ruh halimize uygun müzik çalması veya örneğin pazartesi günü 16.45 de bindiğimiz arabamızda o an trafik olmasa dahi 20 dakika içinde mesai bitiminde oluşacak trafikten dolayı alternatif yol önerisi yapay zeka ile çalışan bir yapıya örnektir.
Yapay Zeka kavramı beraberinde yeni kavramları getirmektedir. Özellikle son yıllarda günlük hayatta örneklerini gördüğümüz bu kavrama yönelik uygulamaların kavramsal çerçevesini maddeler halinde belirtebilmek mümkündür.
- Makine Zekâsı (Sembolik Yapay Zekâ)
- Yapay Sinir Ağları (Sibernetik Yapay Zekâ)
- Doğal Dil işleme (Dil ile düşünme)
- Konuşma Sentezi (Yapay Konuşma)
- Konuşma Anlama (Konuşma Analizi)
- Uzman sistemler
- Görüntü Tanıma
- Genetik Algoritmalar
- Genetik Programlama
- Bulanık Mantık
- Çoklu Örnekle Öğrenme(Multiple Instance Learning)
Dikkat edilmesi gereken çok önemli bir rapor geçtiğimiz aylarda yayımlandı. Bu rapor teknoloji ve bilimsel çalışmaları çıkartan ve gelişimini etkileyen en önemli unsur olan savunma sanayi üzerine. Savunma sanayinin 2028 yılına kadar olan yapay zeka çalışmalarını tahmin eden araştırmanın sonuçları yakın geleceğimiz hakkında akıllı tahminler veriyor.
Uygulama – AI için savunma sistemlerinin büyük bir etki yaratacağı 8 temel alan:
-
-
- İstihbarat, Gözetim ve Keşif (ISR)
- Arama kurtarma
- Savaş
- Taşımacılık
- Patlayıcı Mühimmat İmha
- Mayın Temizleme
- Yangın söndürme
- Diğerleri
Sunulan – Bu pazardaki 8 büyük teklif:
-
-
- Makine öğrenme
- Konuşma tanıma
- Duygu Tanıma
- Bilgisayar görüşü
- AI Optimize Edilmiş Donanım
- Robotik Proses Otomasyonu
- Siber Savunma
- Biyometrik
Tür – Yayıncı, savunma için 7 tür AI sistemini tartışır:
-
-
- Reaktif Makine
- Sınırlı Teori
- Akıl teorisi
- Kendini Tanıyan AI
- Yapay Dar Zeka
- Yapay Genel Zeka
- Yapay Süper Zeka
Bu 3 ana başlık hakkında atıflarda da bulunan çalışma ABD başta olmak üzere, Çin ve Avrupa pazarını baz alarak hazırlanıyor. Detayları çalışmanın tamamını okuyarak inceleyebilirsiniz (https://www.researchandmarkets.com/reports/5005994/global-artificial-intelligence-for-defense)
Gelecekte etkin ve baskın bir teknoloji olacak olan yapay zekâ bugünden temelleri atılması gereken önemli bir yapıdır. Öncelikle soru işareti oluşturabilen bir durumu, robotlar ve yapay zeka öğretmenlerin yerini alacakmı? Cevabını verelim. Kesinlikle almayacaktır. Fakat bu teknolojilerden uzak olan öğretmen ve öğrenciler sistemin içerisinde doğru yerlerde olamazlar. Eğitim sistemine etkisi ve eğitim sisteminin etkisi olarak 2 yapıda inceleyeceğimiz yapay zekâ ile eğitim ilişkisinde her iki konuda oldukça önemlidir.
Öncelikli olarak yaygınlaşan bu teknolojinin, terimlerinin, yöntem ve uygulamaların eğitim sistemi içerisinde öğrencilerimize kazandırılması gerekmektedir. Belirli bir ders yerine her derste kullanılan bir unsur olmalıdır. Matematikten, resime, müzikten, beden eğitimine kadar birçok alan bu eğitimi destekleme potansiyeline sahiptir. Bunun için öncelikle öğretmen eğitimlerine öncelik verilmeli, bu alanda kullanabilecekleri araç ve bu araçları uygulama yöntemleri hakkında bilgi verilmelidir. Kullanılacak araçlara yönelik uygulamalar aşağıda belirtilmiştir. Bu araçlara ek olarak ise ileri düzey programlama eğitimleri ortaokul seviyesinden başlanarak lise ve üniversitelerde zorunlu olmalıdır. Python, R, Lisp, Java bu anlamda yazılımları yapmak için yaygın kullanıma sahiptir.
Bir diğer unsur ise yapay zekâ sistemlerinin eğitime olan etkisidir. Özellikle bireyselleştirilmiş eğitim paradigmasına çok büyük katkı sunabilme potansiyeline sahip olan sistemler bütün alanlarda öğrencilerin bireysel özelliklerini dikkate alan öğrenme deneyimleri sunmayı kolaylaştıracaktır.
STEM yaklaşımı en az 2 disiplinin bir arada olduğu, 21. yy becerilerini kazandırmak için uygulanan ve içerisinde farklı yöntem ve tekniklerini barındıran kapsayıcı bir başlıktır. Yapay zeka, STEM kavramı ile doğrudan ilişkilidir. Basit bir cihazın veya daha karmaşık bir sistemi sadece bilgisayar bilimcileri veya yazılımcılar tarafından oluşturulacak bir programa ihtiyaç duyarken yapay zeka sistemleri farklı disiplinleri ve bu disiplinlerin bir arada çalışmasını öngörür tıpkı insan gibi…
Yapay zeka teknolojisinde yer alan ve son yıllarda günümüze ulaşan ve AI kavramını ön plana çıkaran makine öğrenimi ve derin öğrenme kavramlarına da değinmek gerekir. Ve bu kavramların ihtiyaç duyduğu veri bilimi…
Yapay zeka, çatı bir kavramı ifade eder. İkinci dünya savaşından bu yana teknolojik gelişmelerin tamamı ve günümüz uygulamaları bu kavram içerisine girer.
Makine Öğrenmesi: Bilgisayarların algılayıcı verisi ya da veritabanları gibi veri türlerine dayalı öğrenimini olanaklı kılan algoritmaların tasarım ve geliştirme süreçlerini konu edinen bir bilim dalıdır. Makine öğrenmesini daha iyi anlamak için günlük hayatla ilişkilendirmek doğru olacaktır. Klasik bir program genellikle yapısaldır. Bir sınıfı ele alalım. Sınıfta derslerin başlangıcında yoklama alınır, gelen öğrenci geçilerek gelmeyen öğrenciler yoklama listesinde tek tek numaralarıyla yazılır. Bu bir kural olarak algılanabilir, düzenli olarak yapılır. Aynı sınıfta makine öğrenimini sınıfın temizlik durumuna benzetmek mümkün olacaktır. Bir sınıfın temizliğini etkileyen çok fazla faktör vardır(devamsızlığı standart olarak öğretmen yapar.) ve bu faktörler uzun süreçte gerçekleşir. Sınıf düzenli olarak temiz tutuluyorsa sınıfa yapılan yorum temiz bir sınıf olacaktır. Makine öğrenmesinde de aynı sınıfın temizliğin etkileyen faktörlerin gelip gelmemesinin sonucu ve genel durumu etkileyeceği gibi ama daha bilimsel ve net bir yapı içerisinde öğrenecektir.
Derin Öğrenme: Verilerin önceki ve farklı yapılardaki birçok veri ile karşılaştırılarak bir veri kümesine alınmadan niteliklendirilmesi olarak düşünebiliriz. İnsana en çok benzeyen yapıyı temsil eder. İki farklı insanın bir konu hakkında düşüncelerini etkileyen önceki birçok öğrenmeleri olduğu gibi derin öğrenmede elindeki verilerle yeni verimliyi yorumlayan ve tahminler sunan bir sistemi ifade eder.
Veri Bilimi: Günümüzde veri oldukça önemli bir kavramdır. Veri bilgiye dönüştürülürse değer kazanacaktır. Bir sınıftaki öğrencilerin boyları veri, kızların ortalama boyu ile erkeklerin ortalama boyu bilgiyi ifade eder. Yani bilgi verinin işlenerek yorumlanması ve bir çıkarım yapılması olarak tanımlanabilir. Bu dorultuda eğitimde ve günlük hayatta verileri dijital ortama aktarmak ve sistemlerde işlemek oldukça önemlidir. Sınıflarda sınav notları, devamsızlık bilgisi vb. gibi çok az sayıda veri (genellikle de nicel) sistematik bir şekilde toplanarak çıkarım yapılmaya çalışılır. Bir öğrencinin bir yıl boyunca girdiği matematik veya herhangibirders hakkındaki durumunu 4 sınavla tanımlamak çok doğru değildir. Yaptığı her bir davranışı veriye dönüştürmek mümkün olan en ideal düşüncedir. Günümüzde bu durumu mümkün kılacak teknolojiler ve sistemler tasarlanmaktadır. Örneğin görüntü tanıma ve ses tanıma ile bir öğrencinin hareketleri yüz ifadeleri, sesli söylediği herşey dijital ortamak aktarılarak bilgiye dönüştürülebilir. Bu teknolojilerin araştırılması ve eğitim ile ilişkilendirilmesi hayal gücümüz doğrultusunda yüzlerce veri toplama ve bunları işleme süreci düşünülebilecektir.
Yapay Zeka Uygualamaları
Bu anlamda kullanılacak bazı kaynak ve bağlantılar aşağıda verilmiştir.
Hüseyin SIHAT 