Yapay Zekânın Türleri

Yapay zekâ; bilgisayar biliminin genellikle insan zekâsı gerektiren görevleri yapabilen akıllı makineler inşa etmeyi görev edinmiş bir dalıdır [1]. Yapay zekânın çoklu yaklaşılabilen disiplinlerarası bir bilim olmasıyla birlikte özellikle makine öğrenmesi ve derin öğrenmealanındaki gelişmeler teknoloji dünyasının her bölümünde değerlerin değişmesine yol açmaktadır.​

Yapay zekâ, makinelerin insan beyninin yetkinliklerini modellemesini hatta geliştirmesini sağlar. Sürücüsüz arabalardan ChatGPT ve Bard gibi üretken araçlara kadar yapay zekâ, hızla günlük hayatımızın ve her sanayiden şirketlerin yatırım yaptığı alanların bir parçası hâline gelmektedir.

1. Yapay Zekâyı Anlamak​

Genel olarak yapay zekâ sistemleri; konuşmayı yorumlamak, oyun oynamak, örüntüleri tanımak gibi insanların bilişsel işlevleriyle ilişkili görevleri yerine getirebilir. Bunları yapmayı öğrenmek için büyük miktarda veriyi işleyip veride kendi karar mekanizmalarında kullanmak üzere örüntüler arar. Çoğu durumda insanlar, iyi kararlar verdiğinde destekleyip kötü karar verdiğinde caydırarak yapay zekâyı denetler. Bazı yapay zekâ sistemleri denetleme olmadan öğrenecek biçimde tasarlanmıştır. Bir oyunla ilgili bilgi verilmeden oyunun kurallarını ve oyunu kazanmayı öğrenene kadar tekrar tekrar oynayan bir sistem bu çeşit bir yapay zekânın örneğidir.

2. Yapay Zekânın Türleri​

Zekâ kavramı açıklaması zor bir kavramdır. Bu sebeple uzmanlar yapay zekâyı güçlü ve zayıf olmak üzere ikiye ayırır.

2.1 Güçlü Yapay Zekâ (Genel Yapay Zekâ)​

Güçlü yapay zekâ: İnsanlar gibi, daha önce veri ile desteklenmediği problemleri çözebilen bir sistemdir. Bu, filmlerde gördüğümüz robotlarınkine benzer bir sistemdir fakat daha geliştirilememiştir. İnsan seviyesinde bir zekâya sahip makinelerin yaratılması yapay zekâ araştırmacıları için kutsal bir hedef olsa da bu hedefe giden yol birçok zorlukla doludur. Bazılarına göre de doğru sınırları koymadan güçlü bir yapay zekâ oluşturmak tehlikelidir ve bu araştırmalar sınırlandırılmalıdır.

2.2 Zayıf Yapay Zekâ (Dar Yapay Zekâ)​

Zayıf yapay zekâ: Sınırlı bağlamda çalışabilen ve araba kullanmak, konuşmaları yazıya aktarmak gibi kısıtlı görevleri yerine getirmek için tasarlanmış bir sistemdir. Zayıf yapay zekâ sıklıkla tek görevini mükemmele yakın biçimde yapabilmeye odaklanır. Bu makineler bizlere akıllı görünse de arka planda insan zekâsına kıyasla birçok sınırlandırma ve koşulla çalışır.


Günümüzde kullanılan bazı zayıf yapay zekâ örnekleri şunlardır:

• Siri (Apple), Alexa (Amazon) ve benzer sesli sanal yardımcılar,
• Sürücüsüz arabalar,
• Google ve benzer arama motorları,
• Sanal sohbet robotları,
• İstenmeyen elektronik posta filtreleri,
• Netflix gibi televizyon hizmetlerinin film önerilerini yapan algoritmalar.

3. En Çok Karıştırılan Öğrenme Yöntemleri​

Makine öğrenmesi ve derin öğrenme kavramları her ne kadar birbiri yerine kullanılsa da birbirlerinden farklı kavramlardır. Derin öğrenme, yapay zekâ biliminin bir dalı olan makine öğrenmesinin bir çeşididir.


Sorunları çözmesi veya belirli görevleri yerine getirmesi için makineye anlayabileceği bir dilde verilen bir dizi talimata algoritma denir [2]. Bir algoritmanın verideki örüntüleri karar mekanizmasını temellendirmek için kullanmasına öğrenme işlemi denir. Algoritma, öğrenmek için birden fazla veri kümesine ihtiyaç duyar. Bu kaynakların öğrenmesi için algoritmaya sağlanmasına ise veri ile besleme denir.



Pekiştirmeli öğrenme yöntemi ile kendi kendine yürümeyi öğrenen bir makine öğrenmesi algoritması. (Kaynak: YouTube/AI Warehouse) [3]

3.1 Makine Öğrenmesi​

Makine öğrenmesi için yazılan bir algoritma bilgisayar tarafından veri ile beslenir. Makine algoritması, verilen görevi kademeli olarak öğrenmek için istatistiksel teknikler kullanır. Beslenen veride zaten etiketlenmiş olan bilgileri makinenin öğrenerek yeni veri kümeleri üzerinde tahminde bulunmasına denetimli öğrenme denir. Etiketlenmemiş bir veride makinenin bu verideki örüntüleri kendi bulmaya çalışmasına ise denetimsiz öğrenme denir. Makine öğrenmesi hem denetimli öğrenmeyi hem de denetimsiz öğrenmeyi bünyesinde barındırır.



Bir sinir ağı modelinin derin öğrenme yöntemiyle Super Mario Bros. oyununu kendi kendine öğrendiği bir örnek. (Kaynak: YouTube/Chrispresso) [4]

3.2 Derin Öğrenme​

Derin öğrenme yöntemiyle öğrenen makineler veriyi insan beyninden esinlenerek oluşturulmuş “sinir ağı” adı verilen bir algoritmanın girdisi olarak kullanıp çıktı elde eder. Sinir ağı, içinde verinin işlendiği birçok gizli katman içerir. Böylece makine en iyi sonuçları vermek için girdiyi tartıp bağlantılar kurarak “derin” bir öğrenme gerçekleştirebilir.

4. Yapay Zekâ Çeşitleri​

Yapay zekâ dört kategoride incelenebilir ve gerçekleştirdikleri işlemlerin karmaşıklığı ve çeşidine göre belirlenir. Bunlar:

1. Tepki veren (reaktif),
2. Sınırlı hafızalı,
3. Zihin kuramı seviyesinde,
4. Öz farkındalığa sahip makinelerdir.

4.1 Tepki Veren (Reaktif) Makineler​

Tepki veren (reaktif) makine, en basit yapay zekâ kurallarını uygular ve isminden anlayacağınız gibi zekâsını sadece etrafını algılamak ve olaylara tepki vermek için kullanır. Bu makine bilgiyi muhafaza edemez dolayısıyla geçmiş tecrübelere dayanan kararlar veremez.


Dünyayı direkt algılaması reaktif makinelerin yalnızca belirli görevleri tamamlamak için tasarlandığı anlamına gelir. Kısıtlı yetileri olsa da bu tasarım makinenin daha güvenilir olmasını sağlar çünkü makine aynı olaylara her zaman aynı tepkiyi verecektir. Bu makinelere Deep Blue ve AlphaGo’yu örnek verebiliriz.

Kasparov ve Deep Blue’nun 1997’deki ikinci maçı. (Kaynak: Adam Nadel/AP Images)

4.1.1 Deep Blue​

90’lı yıllarda IBM (ABD’de bir teknoloji şirketi) tarafından satranç oynayabilen bir süper bilgisayar olarak tasarlanmıştır. 1996 yılında oynadıkları ilk maçı dönemin dünya şampiyonu Garry Kasparov kazansa da 1997 yılında oynanan ikinci maçta Deep Blue galip gelmiştir [6]. Deep Blue’nun yetenekleri satranç tahtasındaki taşları tanıyabilmek ve kurallara göre yapabileceği hamlelerden en mantıklısını seçebilmektir. Makine, gelecekteki hamleleri tahmin edemez veya kendine hamle inşa edemez. Sadece o anki hamleye karşılık bir hamle belirleyebilir.

4.1.2 AlphaGo​

Google tarafından tasarlanan bu makine 2016 yılında satrançtan daha karmaşık kuralları olan Go oyununda dönemin dünya şampiyonu Lee Sedol’u yenmiştir. AlphaGo da Deep Blue gibi gelecek hamleleri tahmin etme yetisine sahip değildir ancak kendi sinir ağına dayanarak oyunda o zamana kadar gerçekleşen gelişmeleri takip edebilmektedir.

4.2 Sınırlı Hafızalı Makineler​

Sınırlı hafızalı yapay zekâ veriyi depolayabilir, başka veri kümelerindeki etiketsiz verinin ne olduğuna karar vermek için bu veriden faydalanabilir. Reaktif makinelerden daha karmaşık bir yapıya sahip olmakla birlikte onlardan daha fazla olasılık sunabilir.


Sınırlı hafızalı yapay zekâ, bir model eğitilirken veya modellerin eğitilmesi için yapay zekâ ortamı inşa edilirken kullanılır.


Makine öğrenmesinde sınırlı hafızalı yapay zekâ kullanılırken 6 adım takip edilir:

1. Eğitimde kullanılacak veri kümeleri belirlenir.
2. Makine öğrenme modeli oluşturulur.
3. Modelin tahminde bulunabildiğinden emin olunur.
4. Modelin insan veya çevreden gelen geri bildirimi alabildiğinden emin olunur.
5. İnsan ve çevre geri bildirimleri veri olarak depolanır.
6. Yukarıdaki adımlar bir döngü hâline getirilir ve tekrarlanır.

4.3 Zihin Kuramı Seviyesinde Makineler​

Zihin kuramı şimdilik sadece bir kuramdır. Yapay zekânın bir sonraki seviyesine ulaşmak için erişilmesi gereken teknolojik ve bilimsel seviyeye henüz erişilememiştir. Bu kuram, diğer canlıların kişinin kendi davranışını etkileyen düşünce ve duygulara sahip olduğunu anlaması önceline1 dayalıdır. Yapay zekâ makineleri için bu durum yapay zekânın insanların, hayvanların ve diğer makinelerin nasıl hissettiğini ve nasıl karar verdiğini anlayabilmesi; bu bilgilerden faydalanarak kendi kararlarını verebilmesi anlamına gelir. Temelde bunların olabilmesi için makinelerin; zihin kavramını, karar verme sürecinde duyguların dalgalanmasını ve benzer psikolojik süreçleri gerçek zamanlı olarak anlayabilmesi ve işleyebilmesi gerekir. Bu yetenek yapay zekâ ve insanlar arasında çift taraflı bir ilişki meydana getirecektir.

4.4 Öz Farkındalıklı Makineler​

Zihin kuramı ulaşılabilir olduktan sonra yapay zekânın öz farkındalık kazanmasıyla son adım tamamlanacaktır. Bu yapay zekâ, insan seviyesinde bir bilince sahip olmakla birlikte varlığını ve diğerlerinin varlığını kavrayabilecektir. Etrafındakilerin nelere ihtiyaç duyduğunu sadece iletişim kurarak değil, nasıl iletişim kurduğuna dayanarak da anlayabilecektir. Bu yapay zekânın geliştirilebilmesi, araştırmacıların bilincin nasıl oluştuğunu anlayabilmesi ve bunu makinelere inşa edilebilecek şekilde kopyalayabilmesine bağlıdır.

5. Yapay Zekâ Örnekleri​

Yapay zekâ teknolojisi sohbet robotları, yol kılavuzu uygulamaları ve akıllı saatler gibi farklı alanlarda kullanılır.

5.1 ChatGPT​

ChatGPT; her konuda makale yazabilen, istenilen programları kodlayabilen veya sorulan soruları cevaplayabilen bir yapay zekâ sohbet robotudur. 2022 yılının kasım ayında OpenAI tarafından kullanıma açılmıştır. ChatGPT insanların yazma şeklini taklit edebilmesini sağlayan geniş bir dil modeli tarafından desteklenmektedir.

5.2 Google Maps​

Google Maps; kullanıcıların akıllı telefonlarından konum verisi toplayarak trafiğin akışını takip eden, kullanıcıların rapor edebildiği inşaat veya kaza gibi olayları da göz önünde bulundurarak aracın kullanabileceği en kısa rotayı belirleyen bir programdır.

5.3 Akıllı Kişisel Asistanlar​

Siri, Alexa ve Cortana gibi akıllı kişisel asistanlar doğal dil işleme yöntemi kullanarak kullanıcılardan aldıkları alarm kurma, mesaj gönderme gibi işlemleri gerçekleştirir. Genelde bu asistanlar insanların tercihlerini öğrenerek onlara daha uygun önerilerde bulunacak şekilde tasarlanmıştır.

5.4 Snapchat Filtreleri​

Snapchat uygulamasının kamera filtreleri bir obje ile arka planı ayırt edebilmek için makine öğrenmesi algoritmalarını kullanır. Filtreler yüz hareketlerini takip ederek ekrandaki görseli kullanıcıya göre ayarlayabilir.

5.5 Sürücüsüz Arabalar​

Kendi kendini süren bu arabalar derin öğrenmenin önemli bir örneğidir. Etrafındaki nesneleri tespit edip diğer araçlara uzaklığını ayarlamak ve trafik ışıklarını tanımak gibi birçok görev için derin sinir ağını kullanır.

Waymo şirketinin geliştirdiği bir sürücüsüz araba. (Kaynak: Dllu, Wikimedia Commons)

5.6 Giyilebilir Teknoloji​

Özellikle sağlık hizmetlerinde kullanılan giyilebilir cihazlar da hastaların sağlık durumunu belirlemek; kan şekerini, kan basıncını ve kalp ritmini ölçmek için derin öğrenme algoritmalarını kullanır. Bunların yanında hastaların geçmiş tıbbi verisini gelecekte oluşabilecek sağlık sorunlarını tahmin etmek için kullanır.

5.7 MuZero​

Google DeepMind tarafından geliştirilen MuZero gerçek yapay genel zekâya ulaşma arayışında umut verici bir öncüdür. MuZero, satranç ve bir Atari oyun paketinin tamamı dahil olmak üzere kuralları bile öğretilmemiş birçok oyunu milyonlarca kez oynayarak bu oyunlarda ustalaşmayı başarmıştır. MuZero, aslında AlphaGo’nun en gelişmiş hâlidir

6. Yapay Zekânın Faydaları​

Yapay zekânın aşı geliştirilmesinin hızlandırılmasından muhtemel dolandırıcıların belirlenmesine kadar birçok kullanım alanı vardır. CB Insights araştırma platformuna göre 2022 yılında yapay zekâ şirketlerine 66,8 milyar dolar bütçe desteği sağlanmıştır [10]. Hızla benimsenmesiyle yapay zekâ çeşitli sanayilerde kullanılmaya başlanmıştır.

6.1 Güvenli Bankacılık​

Business Insider Intelligence’ın 2022 yılında bankacılıkta yapay zekânın kullanımını konu alan raporu bankaların mali servislerinin yarısından fazlasının risk yönetimi ve gelir yaratmak için yapay zekâyı kullandığını göstermiştir. Bankalarda yapay zekânın kullanılması 400 milyar dolara kadar kâr edilmesini sağlama kapasitesine sahiptir [11].

6.2 Daha İyi İlaçlar​

2021 Dünya Sağlık Örgütü raporuna göre yapay zekâyı sağlık hizmetleriyle bütünleştirmenin zor yanları olsa da büyük umut vadetmektedir [12]. Yapay zekânın katkıları daha bilinçli sağlık politikalarının oluşması ve hastalıkların teşhisinin doğruluğunun artması gibi faydalar sağlayacaktır.

6.3 Yenilikçi Medya​

Grand View Research’e göre yapay zekânın medyada kullanımı için küresel pazarın 2030 yılına kadar 2021 yılındaki 10,87 milyar dolarlık değerinin yaklaşık 10 katına çıkarak 99,48 milyar dolar değerine ulaşacağı tahmin edilmektedir [13]. Bu artışta yapay zekânın intihal tespit etme ve yüksek çözünürlüklü grafikler oluşturma gibi kullanımlarının da payı olacağı düşünülmektedir.

7. Zorluklar ve Sınırlamalar​

Yapay zekâ hızla gelişen önemli bir teknoloji olsa da kendine özel zorlukları da vardır. The Pew Research Center’ın 2021 yılında 10.260 Amerikalının katıldığı bir anketine göre katılımcıların %45’i yapay zekâ için eşit miktarda heyecanlı ve endişeli, %37’si ise heyecanlı olduğundan daha fazla endişelidir. Katılımcıların %40’ından fazlası sürücüsüz arabaların topluma faydalı olmadığını düşündüğünü belirtmiştir. Bunun yanında katılımcıların yaklaşık %40’ı yapay zekânın sosyal medyada sahte bilginin yayılmasını engellemek amacıyla kullanılmasını faydalı bulduğunu belirtmiştir

Yapay zekâ, üretkenliği ve verimliliği arttırıp insan kaynaklı hataların azalmasını sağlarken yüksek geliştirme maliyetleri ve bazı mesleklerin otomatik makineler tarafından devralınması gibi dezavantajları vardır. Bu meslekler otomatikleştirilse de yapay zekâ sanayisinin birçok yeni mesleği ortaya çıkardığı da bir gerçektir.

8. Yapay Zekânın Geleceği​

Hesaplama maliyetleri ve arka planda kullanılan teknik veri altyapısı düşünüldüğünde yapay zekâyı yürütmek aslında karmaşık ve pahalı bir iştir. Neyse ki günümüze kadar bilgisayar teknolojisinde Moore Yasası’na uygun biçimde büyük ilerlemeler olmuştur. Moore Yasası’na göre bir mikroişlemci üzerindeki transistör sayısı her iki yılda bir iki katına çıkarken bilgisayarların maliyeti yarıya iner [15].

Birçok uzman 2030’a kadar bu yasanın geçerliliğinin sona ereceğini öngörse de Moore’un düşüncelerinin yapay zekâ uygulamaları üzerinde büyük bir etkisi olmuştur [16]. Teknoloji bu hızda ilerliyor olmasa derin öğrenme gibi uygulamaları finanse etmek imkânsız olur. Son araştırmaların sonuçları yapay zekâ sistemlerinin Moore Yasası’nı aşarak her altı ayda bir performansını ikiye katladığını göstermiştir [17]. Bu duruma göre yapay zekâ alanındaki gelişmeler özellikle son birkaç yılda birçok sanayiyi etkilemiştir ve önümüzdeki yıllarda daha da büyük bir etki kaçınılmaz görülmektedir.

9. yapay Zekânın Tarihi​

Akıllı robotlar ve yapay varlıklar ilk olarak eski Yunan mitlerinde ortaya çıkmıştır [18]. Aristoteles’in kıyasçılığı geliştirmesi ve tümdengelim yöntemini kullanması insanlığın kendi zekâsını anlamasında önemli bir an olmuştur. Kökleri derin olsa da yapay zekânın tarihi bir yüzyıldan kısa bir zamanı kapsar. Bu yazının devamında yapay zekâ tarihindeki en önemli olaylardan bazıları derlenmiştir.