Şu eğitimden: Yapay Zekaya Giriş

Machine learning

Şu eğitimden: Yapay Zekaya Giriş

1 aylık ücretsiz denememi başlat Ekibim için satın alacağım

Machine learning

“

- Programlanması gerekmeyen bir bilgisayar hayal edin. Sistem, sadece dünyayı gözlemleyerek sizin yaptığınız gibi öğrenebilir. Daha önceki AI sistemlerinin sembolik bir yaklaşım kullandığını gördünüz. Buradaki fikir, eğer sistem sembolleri tanırsa, o zaman zeki görünmeye başlayacağıydı. En önemli zorluklardan biri, programcıların sistemi oluşturmak için uzmanlarla birlikte çalışmasıydı. Bu yüzden uzman sistemler olarak adlandırıldılar. Daha sonra, bilgisayar bilimcileri bu yaklaşımdan vazgeçtiler çünkü çok fazla kombinasyon yarattı. Zekayı sadece bir sisteme programlayamayacağınıza karar verdiler, belki de bir sistemi gözlem yoluyla zeki olacak şekilde programlayabilirsiniz. Bir insan gibi hissetmez, duymaz, görmez veya tatmaz. Bunun yerine, verileri algılayarak öğrenecekti. 1959'da Arthur Samuel adlı bir bilgisayar bilimcisi, kendine karşı oynayarak öğrenebilen bir dama programı yarattı. Tahtanın her iki tarafını da oynadı ve gözlem yoluyla kendi kendine strateji öğrendi. Makine ne kadar çok oynarsa, nasıl kazanılacağına dair kalıpları o kadar çok gördü. Bilgisayar bilimcileri makineyi dama oynamak için programlamadılar. Kendi deneyimleriyle öğrendi. Arthur Samuel bu fikre makine öğrenimi adını verdi. Bu sembolik sistemlerden farklıydı. Hiçbir insan hareketleri ve karşı hamleleri programlamaz. Bunun yerine, sistem kendi kendine öğrenmek ve gelişmek için tasarlandı. Sistem hızlı bir şekilde yeni denetleyici stratejileri öğrenecek ve kısa bir süre sonra programcısını sürekli olarak yenecekti. Makine öğrenimi çığır açan bir keşifti. Tek bir dezavantajı vardı. Bu sistemler oyun oynayabiliyordu, ancak 1950'lerde bu kadar çok dijital veri yoktu. Makine öğreniminin verileri beş duyu olarak kullandığını unutmayın. Yani veri olmadan, sadece en basit kalıpları bulabilirdi ama hepsi değişti. 1990'ların başında, internetin patlaması aniden sıradan insanların büyük miktarda veri oluşturmasına neden oldu. 1990'lar, makine öğrenimi sistemleri için patlayıcı bir büyüme zamanıydı. Yeni veriler, yapay zekanın kuru tarlalarına dökülen su gibiydi. Bu noktada, makine öğrenimi sistemleri daha akıllı hale gelmek için ihtiyaç duydukları yakıta sahipti. Dolayısıyla, sisteme bir kedinin nasıl tanımlanacağını öğretmek istiyorsanız, çevrimiçi olarak milyonlarca kedi resmine erişiminiz vardı. Bilgisayar bilimcileri daha yeni makine öğrenimi algoritmaları oluşturmaya başladı. İnsan beynini taklit etmek için tasarlanmış sistemler yaratmaya başlayan bazı araştırmacılar bile vardı. Veriler aracılığıyla öğrenmenin en büyük avantajlarından biri, makinelerin daha fazla veriyle büyümeye devam edebilmesidir. Makine yeni desenler bulursa, yeni bilgilere uyum sağlayabilir. Ancak yine de aynı zorluklardan bazılarıyla karşılaştığınızı akılda tutmak önemlidir. Makine öğrenimi sistemi hala sadece kalıpları tanımlıyor. Yine de, son birkaç yılda makine öğrenimi, yapay zekada en hızlı büyüyen alan oldu. Veri miktarı arttıkça bu alan daha da fazla umut vaat ediyor. Kuruluşlar sürekli olarak büyük miktarda yeni veri topluyor. Şimdi en büyük zorluk, tüm bu bilgilerle ne yapılacağını bulmak haline geldi. Bir anlamda, verilerinizi inceleyen ve kuruluşunuzun ne bulduğunu görmesine izin veren yapay zeka sistemleriniz var.

İçerikler