Yapay zeka, makine öğrenmesi, derin öğrenme ve üretken yapay zeka. Bu kavramların hepsini son yıllarda sık sık duyuyoruz. Üstelik çoğu zaman birbirlerinin yerine kullanılıyorlar. Bu da aralarındaki farkın kolayca gözden kaçmasına neden oluyor.
Aslında bu kavramları anlamanın en kolay yolu onları iç içe geçmiş halkalar olarak düşünmek. Her halka bir öncekinden daha spesifik bir alanı ifade ediyor.
En geniş halka yapay zeka. Yapay zeka, makinelerin normalde insan zekası gerektirdiğini düşündüğümüz davranışları gerçekleştirmesini sağlamaya yönelik tüm yöntemleri kapsayan genel bir alan. Üstelik bunun için makinenin mutlaka öğrenmesi gerekmiyor.
Örneğin bir bilgisayara satranç oynaması için binlerce kuralı önceden tanımlayabiliriz. Bilgisayar bu kurallara bakarak hangi durumda hangi hamleyi yapacağına karar verebilir. Sistem herhangi bir veriden öğrenmese bile ortaya çıkan davranış yapay zeka kapsamında değerlendirilebilir.
Yapay zekanın içinde daha özel bir alan olarak makine öğrenmesi bulunuyor.
Makine öğrenmesinde bilgisayara her durumu tek tek anlatmak yerine örnekler gösteriyoruz. Sistem bu örnekleri inceleyerek aralarındaki kalıpları kendi başına öğrenmeye çalışıyor.
Örneğin binlerce kedi ve köpek fotoğrafını sisteme gösterebiliriz. Her fotoğrafın hangi hayvana ait olduğunu da belirtirsek model zamanla bu görüntülerdeki ortak özellikleri öğrenmeye başlar. Daha sonra daha önce görmediği bir fotoğraf verildiğinde bunun kedi mi yoksa köpek mi olduğunu tahmin edebilir.
Bugün yapay zeka olarak adlandırdığımız teknolojilerin büyük bölümü aslında makine öğrenmesi temeline dayanıyor.
Bunun da içinde derin öğrenme yer alıyor. Derin öğrenme, yapay sinir ağlarının çok sayıda katmandan oluştuğu özel bir makine öğrenmesi yaklaşımıdır.
Bu katmanlar, özellikle karmaşık verilerle çalışırken sistemlerin çok daha başarılı sonuçlar üretmesini sağlıyor. Görüntüler, ses kayıtları ve doğal dil gibi insanların kolayca anlamlandırdığı ancak bilgisayarlar için oldukça karmaşık olan veriler derin öğrenme sayesinde çok daha etkili şekilde işlenebiliyor.
Son yıllarda duyduğumuz pek çok büyük yapay zeka gelişiminin arkasında da derin öğrenme bulunuyor.
Bütün bu yapının en yeni ve en fazla konuşulan alanlarından biri ise üretken yapay zeka.
Üretken yapay zeka, mevcut verilerden öğrendiği örüntüleri kullanarak yeni içerikler oluşturabilen sistemleri ifade ediyor. Metin yazabiliyor, görsel oluşturabiliyor, müzik üretebiliyor veya kod yazabiliyor.
Bugün kullandığımız sohbet botları ve görsel üretim araçları, üretken yapay zekanın en görünür örnekleri arasında yer alıyor.
Dolayısıyla kavramlar arasındaki ilişki aslında oldukça basit:
Üretken yapay zeka, derin öğrenmenin bir alanıdır. Derin öğrenme, makine öğrenmesinin bir alanıdır. Makine öğrenmesi ise yapay zekanın bir parçasıdır.
Bunu bir bütün olarak düşündüğümüzde yapay zeka en geniş çerçeveyi oluştururken, makine öğrenmesi bu çerçevenin içinde belirli bir yaklaşımı temsil ediyor. Derin öğrenme makine öğrenmesinin daha gelişmiş bir yöntemi olarak karşımıza çıkıyor. Üretken yapay zeka ise bu teknolojileri kullanarak yeni içerikler üreten sistemleri kapsıyor.
Bu ayrımı yaptıktan sonra artık makine öğrenmesinin kendisine daha yakından bakabiliriz. Peki bir makine gerçekten nasıl öğreniyor? Bir bilgisayar verilerden nasıl bir sonuç çıkarıyor ve öğrendiği şeyi daha önce hiç karşılaşmadığı bir durumda nasıl kullanıyor?
