Yapay Zeka – Yrd. Doç. Dr. Zerrin Ayvaz REİS

Bilgisayarların hayatımıza girmesi ile insanoğlunun milattan önceki çağlarda başlayan işleri mekanik araçlarla otomatikleştirme isteği, yapay zeka kavramının ortaya atılmasına neden olmuştur. Sanayide bilgisayar teknolojisinin bant üretim süreçlerinde kullanılmasıyla da robot kavramı kullanılmaya başlanmıştır.

Yapay zekanın temellerinin; felsefe (milattan önce 428’den günümüze), matematik (8. yüzyıldan günümüze), psikoloji (1879’dan günümüze), bilgisayar mühendisliği (1940’dan günümüze) ve  dilbilim (1957’den günümüze) disiplinlerinden oluştuğu görülmektedir (Russel&Norvig; 1995).

Yapay zeka kavramının geçmişi görüldüğü gibi çok eskilere dayanmaktadır. Fikir babası, “Makineler düşünebilir mi?” sorunsalını ortaya atarak makine zekâsını tartışmaya açan Alan Mathison Turing’dir. II. Dünya savaşı sırasında kripto analizi gereksinimleri ile üretilen elektromekanik cihazlar sayesinde bilgisayar bilimi ve yapay zekâ kavramları doğmuştur. Enigma makinesinin şifre algoritmasını çözme amacı ile başlatılan çalışmalar, Turing’in prensiplerini oluşturduğu bilgisayar prototipleri olan Heath Robinson, Bombe Bilgisayarı ve Colossus Bilgisayarları, Boole cebirine dayanan veri işleme mantığı ile Makine Zekâsı kavramının oluşmasına sebep olmuştur (kaynak: Anonim-1, n.d.) ve bu da bilgisayarların hayatımıza girmesinin temelini oluşturmuştur.

Bilindiği gibi bilgisayarlar insan beyni örnek alınarak geliştirilmiştir. Bilgisayarların gerek bilimsel anlamda gerek sanayide üretim sürecinde gerekse günlük hayatımızda kullanılmasındaki amaç, işlemlerin daha hızlı ve hatasız yapılmasının sağlanmasıdır ve bu gerçekleşmektedir. Bunun için verilerin bilgisayara uygun giriş birimleri ile girilmesi bu verilerin bilgisayarda işlenmesi ve istediğimiz sonuçları istediğimiz formatta bize sunması yeterlidir. Veriye uygun giriş birimleri derken; ses verileri için mikrofon, fotoğraf ve resim gibi görsel veriler için uygun tarayıcılar, alfabetik ve sayısal veriler için de ekran, klavye veya sanal klavye gibi giriş birimleri kastedilmektedir. Giriş birimleri ile bilgisayara girilmiş olan veriler işlenmesi önceleri sadece bu verilerin nasıl işleneceğini ele alan komutlardan oluşan programlar olmuşken, artık günümüzde komutları sesli olarak da verebiliyoruz. İşlenmiş verilerden elde edilen sonuçlar sesli ve/veya zengin içerikli grafik ekran gibi çıkış birimlerinden sunulmaktadır.

Bilgisayar teknolojisindeki özellikle programlama dillerindeki gelişmelere baktığımızda; birinci kuşak programlama dillerinin bilgisayara doğrudan komut vermek üzere kullanılan “makine dili” olduğunu görmekteyiz. İkinci kuşak programlama dillerinin artık sadece makinenin anlayacağı bir kodlama biçimi olmak yerine, daha çok insanoğlunun konuşma diline yakın komutlar olduğunu ve bu şekilde hazırlanmış programların bilgisayarın anlayacağı hale derleyiciler (compiler) vasıtasıyla dönüştürüldüğünü görmekteyiz. Üçüncü kuşak programlama dillerinin ise artık tek düze yazılmış komut satırları olmak yerine modüler yapıda hazırlanmış, bir program içinde defalarca tekrarlanan komut satırları yerine, ihtiyaç duyulduğunda o işlevi yerine getirecek modülleri çağıran programlama dilleri olduğunu görmekteyiz. Dördüncü kuşak programlama dilleri programlama dilleri dediğimiz programlar ise program yazan programları üretme isteği ile bilgisayar bilimleri alanında yerini CASE (Computer Aided Software Engineering) teknolojisi ile bulmuştur. Bunlar yakın zamana kadar her biri birer hayal olmaktan öteye gitmeyen düşüncelerdi, teknolojideki gelişmelerle birer birer gerçekleştiğine şahit olmaktayız.

Yapay zeka konusundaki çalışmalar 1960’lardan beri gündemde olmasına karşın yapay zeka uygulamalarının güçlü bilgisayarlara ihtiyaç duyması nedeniyle araştırmaların hızlı ilerlemesine engel olmuştur. Ancak günümüzde bilgisayar teknolojisinde yaşanan gelişmelerin sağladığı ucuz ve güçlü bilgisayarlar sayesinde yapay zeka alanında büyük ölçekli araştırma yapabilmek ekonomik açıdan mümkün hale gelebilmiştir. Bunun sonucu olarak, yapay zekanın bir alt alanı olan uzman sistemler (expert systems) konusunda daha şimdiden önemli gelişmeler sağlanmış olup, iş aleminin karar verme sürecinde uzman sistemlerden önemli ölçüde yararlandığı gözlenmektedir (Sönmez, n.d.).

Bu çalışmada yapay zeka kavramının tanımı, amacı, tarihçesi ve güncel gelişmeler üstünde durularak, hayatımıza ne ölçüde girdiğine değinilecektir.

Farklı uygulama alanları olan yapay zeka kavramının uygulama alanlarına bağlı olarak pek çok tanımı vardır. Bundan önce zekanın tanımı üstünde durmak faydalı olacaktır.

Zeka kavramının sözlük anlamına baktıgımızda TDK (Türk Dil Kurumu) tarafından “İnsanın düşünme, akıl yürütme, nesnel gerçekleri algılama, kavrama, yargılama, sonuç çıkarma yeteneklerinin tümüdür.” (TDK, n.d.) olarak tanımlandığı görülmektedir.

Lenat ve Feigenbaum (1991) zeka için “Karmaşık bir problemi çözüm arama alanını daraltarak kısa yoldan çözmek için gerekli bilgileri toplayıp birleştirme kabiliyetidir” ifadesini kullanmıştır. Ugur ve Kınacı (2006) yapay zekayı Lenat ve Feigenbaum (1991)’ın tanımına bağlayarak; “bu özelliklere sahip organik olmayan sistemlerdeki zekadır.” ifadesiyle tanımlamıştır.

Yapay zekanın bazı tanımları ve karakteristikleri (Bakınız şekil 1) de karar verme ve problem çözme üzerinde yoğunlaşmıştır.

Sembolik İşleme: Uzmanlar, yapay zekaya uygun tipte olan problemleri çözmek, problem içeriklerini tanımlamak için sembol kullanırlar ve bu içerikleri işlemek için degişik stratejiler ve kurallar uygularlar. Waterman’ın (1986) yapay zeka yaklaşımı bilgiyi, problem konseptlerini temsil eden semboller kümesi olarak tanımlar. Yapay zekanın teknik dilinde sembol gerçek dünyanın bazı içeriklerini temsil eden karakterler kümesidir.

Bulgusallık: Bulgusallık, kurallar yumağı olarak, tanımda yapay zekanın anahtar elemanı olarak kullanılmıştır. “Yapay zeka, bilgisayar biliminin, bilgiyi rakamlardan ziyade sembollerle temsil etme yöntemleri ve kurallar yumağını içeren bulgusal yapıda veya bilgiyi işleme metodları ile çalışan bilim dalıdır” (Copeland, 2017).

Anlam Çıkarma: Yapay zeka, makinenin sebep bulma yeteneği sergilemesini gerektirir. Sebep bulma, bulgusal yada diger arama yaklaşımlarını kullanarak, olaylardan ve kurallardan anlam çıkarma sürecinden oluşur. Bu süreç üzerinde semboller üzerinde gerçeklenen en basit şekildeki örüntü uydurma ve tanıma (pattern matching, recognation) bu işin esasını oluşturmaktadır. Yapay zeka, bu yaklaşımını uygulayarak anlam çıkarmada eşsizdir.

Russel & Norvig (1995) yapay zekayı şekil 2’de görüldüğü gibi sekiz (8) farklı tanımdan yola çıkarak iki ana boyuta göre sınıflandırır.

Biri; düşünce süreçleri ve mantıkla ilgili, diğeri kişiler ve davranışları ele almakla ilgilidir.
Detaylandırıldığında;

• İnsan gibi davranmak: Turing test yaklaşımı ile
• İnsan gibi düşünmek: Bilişsel modelleme yaklaşımı ile
• Akılcı düşünmek: Düşünce kanunlarının yasaları ile
• Akılcı davranmak: Akılcı ajan yaklaşımı ile açıklanmaktadır.

Yapay zeka, insanlarda zeka ile ilgili zihinsel fonksiyonları bilgisayar modelleri yardımıyla inceleyip bunları formel hale getirdikten sonra yapay sistemlere uygulamayı amaçlayan bir araştırma alanıdır. “Yapay zeka terimi ilk olarak önemli yapay zeka programlama dillerinden biri olan LISP’i geliştiren ve yapay zeka alanındaki öncülerden biri olan John McCarthy tarafından 1956 yılında ortaya atılmıştır” (Aktaran: Russell & Norvig, 1995, s. 17-18).

Yapay zeka, bir bilgisayarın veya kontrol altındaki bir robotun normal bir zeki canlı gibi davranma yetisidir (Akpınar, 2015). Genelde bu konu üzerindeki çalışmalar insanı temel alarak benzer yapay zeka üretmeyi amaçlamaktadır.

Yapay Zekanın Amaçları
Yapay zeka çalışmalarının amacı, insan zekasını örnek alarak, insan zekası gerektiren görevleri yapabilecek makinalar yapmaktır. Yani şu anda insanların bilgisayarlardan daha iyi yaptığı şeyleri bilgisayarların daha iyi yapmasını sağlama çalışmasıdır. Genel olarak yapay zekanın amacı üç ana başlık altında toplanabilir:

1. Makinaları daha akıllı hale getirmek:
• Geleceğin bilgi toplumunun kurulmasında önemli rol oynayacak ‘genel bilgi sistemleri’ geliştirmek,
• Öğrenme metotlarını formel hale getirmek ve bilgisayarlarda bilgi sistemleri halinde uygulamak,
• Belli bir uzmanlık alanı içindeki bilgileri bir ‘bilgi sistemi’ veya ‘uzman sistem’ halinde toplamaktır.

2. Zekanın ne olduğunu anlamak:
• İnsan beyninin fonksiyonlarını bilgisayar modelleri yardımıyla anlamaya çalışmak,
• İnsanların sahip olduğu zihinsel yetenekleri, bilgi kazanma, öğrenme ve buluş yapmada uyguladıkları strateji, metot ve teknikleri araştırmaktır.

3. Makinaları daha faydalı hale getirmek:
• Yapay zeka iş yardımcıları ve ‘zeki robot timleri’ geliştirmek,
• İnsanlarını bilgisayar kullanımını kolaylaştıracak insan/bilgisayar ara birimleri geliştirmek,
• Bilimsel araştırma ve buluşlarda faydalanmak üzere, ‘araştırma yardımcıları’ geliştirmektir.

Birçok davranış türü, zekanın işaretleri olarak kabul edilebilir. Aşağıda bunun tipik örnekleri görülmektedir.
• Tecrübelerden öğrenmek,
• Karışık ve zıt mesajlardan anlam çıkarmak,
• Yeni bir duruma başarılı ve çabuk bir şekilde cevap vermek,
• Problemlerin çözümünde muhakeme yeteneğini kullanmak,
• Bilgiyi anlamak ve kullanmak,
• Alışık olunmayan, şaşırtıcı durumların üstesinden gelebilmek,
• Düşünmek ve muhakeme etmek.

Yapay zeka programları her geçen gün daha ileriye gitmekte ve insan zekası gerektiren bazı işlere rehberlik etmekte oldukça faydalı olmaktadırlar.

John McCarthy

Yapay Zekanın Tarihçesi
Modern yapay zekanın başlangıcının izlerini, klasik filozofların insan düşünce sistematiğini simgesel sistem olarak tanımlama girişiminde görmek mümkündür, fakat, yapay zeka alanı 1956’ya kadar resmi olarak oluşturulmamıştı. Yapay zeka terimi ilk defa 1956’da Hanover, New Hampshire, Dartmouth College’da yapılan bir konferansta ortaya atılmıştır (Durakcan, 2015).

Rönesans döneminde (14-17. yüzyıllar arası) Leonardo da Vinci otomatik makinalar, daha sonra Fransız matematikçisi Pascal’ın mekanik bir hesap makinesi konusunda çalışmıştır. 19. yüzyılda ise, İngiliz bilgini Babbage, Fransız mühendis Jacquard’ın dokuma tezgahları için icad ettigi bir tekniği kullanarak ilk programlanabilir mekanik bilgisayar olan Analytical Engine’i geliştirmeye çalışmıştır (Russell & Norvig, 1995), fakat o zamanki teknoloji yeteri kadar hassas olmadığı için, projesi yarım kalmıştır. Babbage’ın çalışmalarının sürdüğü sıralarda, bir başka İngiliz matematikçi George Boole iki tabanlı sayılarla ortaya konmuş Boole Cebri ile modern mantıgın temellerini atmıştır. Sembolik mantığın 19. yüzyılın ikinci yarısında Boole ve daha sonra Frege’nin çalışmalarıyla başlayıp yirminci yüzyılda Russell ve Whitehead’in çalışmalarıyla gelişmesi de bilgisayar bilimlerinin ve yapay zekanın gelişmesinde önemli rol oynamıştır. İkinci Dünya Savaşı öncesinde Turing’in hesaplanabilirlik teorisi üzerine yaptığı çalışmalar zeki sistemler üzerine yapılan önemli çalışmaların başında gelmektedir(Kocabaş & Langley, 2000).

1940’larda sibernetik alanında yapılan çalışmalar insan ve makine arasındaki birçok paralelliği ortaya çıkarmıştır. Wiener (1948)’in sibernetik üzerine yayınladığı yazısında, insan beynindeki tüm fonksiyonların elektronik olarak kopyalanmasının mümkün olduğunu iddia etmektedir. Sonraki yıllarda sibernetik, bilgi teorisi, geri beslemeli kontrol sistemleri ve elektronik bilgisayarlarla ilgili kavramları birleştiren önemli bir araştırma alanı haline gelmiştir. Günümüz bilgisayarlarının temelini oluşturan özellikler 1940’larda John von Neumann tarafından açıklanmış ve modern bilgisayarların mimarisi tasarlanmıştır (Poundstone, n.d.).

1950’lerde bilgisayarların ticari şirketlerde kullanılmaya başlaması ile yapay zeka ayrı bir araştırma alanı olarak ortaya çıkmıştır. Claude Shannon ve Allen Newell’in geliştirdikleri satranç programları ve diğer oyunları oynayan programlar ortaya çıkmıştır (Kocabaş & Langley, 2000). Otomatik çeviri programları üzerine çalışmalar da bu yıllarda başlamıştır.

1956 yılında IBM tarafından düzenlenen konferansa yapay zekanın öncüleri olarak sayılan Marvin Minsky, Allen Newell, Claude Shannon ve Herbert Simon katılmış ve aynı toplantıda John McCarthy bu alandaki çalışmalara “yapay zeka” adını vermiştir. Allen Newell ve Herbert Simon daha sonra ilk teorem ispatlayıcısı olan Logic Theorist programını geliştirdiler (Russell & Norvig, 1995; Aktaran:Kocabaş, 2013).

1950’lerin sonlarına doğru çalışmalar şekil tanıma ve kendi kendine adapte olan sistemler üzerine yoğunlaştı. Aynı dönemde McCarthy (1960) MIT’de önemli yapay zeka programlama dillerinden biri olan Lisp’i geliştirdi.

1965 yılında DENDRAL programı çalışması J. Lederberg, Edward Feigenbaum ve Carl Djerassi tarafından Stanford Üniversitesi’nde başlatıldı. DENDRAL programı, ilk bilgi tabanlı uzman sistem olarak geliştirildi (Feigenbaum, Buchanan & Lederberg, 1971; Lindsay, Buchanan, Feigenbaum & Lederberg, 1980).

1965 yılında Weizenbaum ELIZA adındaki ilk psikiyatrist programını geliştirdi (Russell & Norvig, 1995). Basit fakat etkileşimli bir programdı. 1968’de ise bir çok matematik problemini çözen MACSYMA programının çalışmaları MIT’de Carl Engelman,William Martin ve Joel Moses tarafından başlatıldı (Firebaugh, 1988).

1972’de; bu gün yapay zeka çalışmalarında kullanılan önemli bir programlama dili olan Prolog (PROgramming LOGic), Alain Colmerauer tarafından geliştirildi (Colmerauer, 1990). İlk Prolog derleyicisi 1977’de D. Warren tarafından geliştirildi (Webber, n.d.).

1981 yılında Japonlar “5. Nesil Bilgisayar Projesi”nde Prolog programlama dilini kullandılar. Bilgi tabanlı sistemlerin başarılı uygulamaları daha sonra genel bilgi sistemlerinin geliştirilmesine öncülük etti ve 1983’de Amerika’ da CYC (Encyclopaedia), 1984’de Japonya’da EDR (Elektronik Dictionary) Projeleri başlatılmıştır (Kocabaş & Langley, 2000).

Kocabaş (2013) son 60 yıldaki yapay zeka çalışmalarını üç safhada özetlemiştir:
1. Algılayıcılar ve Yapay Sinir Ağları üzerinde yapılan çalışmalar. Bu safhadaki çalışmalar 1940-1965 yılları arasında ve 1982’den günümüze kadar devam etmiştir.
2. Sembolik Yapay Zeka dönemi 1965-1975 yılları arasında ön plana çıkmıştır.
3. Bilgi Tabanlı Sistemler alanındaki çalışmalar 1975’ten günümüze kadar gelmektedir.

Social BusinessTR tarafından hazırlanmış olan yapay zekanın hayatımıza girişi ile ilgili aşağıdaki kronolojik sıradaki bilginin yararlı olacağı düşünülmektedir (Anonim, 2017).

MS 1.yy
• İskenderiyeli Heron adına otomotlar dediği, su ve buharla çalışan mekanik düzenekler yaptı.
1206
• Artuklu sarayında yaşayan Ebu’l İz El Cezeri, suyla çalışan otomatlar yaptı.
1822-1859
• Charles Babbage ve Ada Lovelace, programlanabilir mekanik hesap makineleri yaptılar.
Ada Lovelace delikli kartlar kullanarak Babbace’ın makinelerini yeniden programlayan ilk kadın programcıdır.


1923
• Karel Capek’in R.U.R. adlı tiyatro oyunununda “Robot” sözcüğünü ilk kez telaffuz edildi.
1950
• Isaac Asimov, bilim kurgu öykülerinden oluşan “I, Robot” adlı eserini yayınladı.
• Alan Turing, Turing testini “Computing Machinery and Intelligence” adlı makalesinde yayınladı.
1951
• İlk yapay zekâ programları Ferranti Mark 1 adlı aygıt için Manshester Üniversitesi’nde yazıldı.
1956
• Darthmouth Konferansı’nda “yapay zekâ” terimi kullanarak kavramın adı kondu ve yapay zeka alanı tanıtıldı. Bugün Carnagie Mellon Üniversitesi olarak bilinen Carnagie Teknoloji Enstitüsü’nde Allen Neweell, J.C. Shaw ve Herbert Simon’un yazdıgı Logic Theorist (Mantık Teorisi-LT) adlı program tanıtıldı. Matematik problemleri çözmeye yarayan bu program ilk yapay zekâ programı olarak kabul ediliyor.
1958
• MIT’den John Mc Carty LISP dilini yarattı.
1962
• Endüstüriyel robot üreten ilk firma olan Unimation kuruldu.
1965
• ELİZA adlı yapay zekâ programı yazıldı.
1966
• Stanford Üniversitesi’nde ilk hareketli robot “Shakey” üretildi.
1968
• Arthur C. Clarke’ın romanından uyarlanan “2001: A Space Odyssey” Stanley Kubrick filmi izleyicilerine ünlü bilgisayar Hal 9000’i sundu.
1972
• Prolog, Alain Colmerauer tarafından geliştirildi
1974
• 1974 yılından erken dönem 80’lere kadar azalan fonlama dönemleri ve ilginin azalması ile yapay zekanın ilk kış dönemi başladı.
1977
• İlk Prolog derleyicisi D. Warren tarafından geliştirildi.
1978
• Herbet Simon, yapay zeka alanındaki önemli adımlardan biri olan Sınırlı Rasyonalite Teorisiyle ekonomi dalından Nobel Ödülünü kazandı.
• Orjinal Battlestar Galactica dizisinde Cylons denen savaşçı robotlar kullanıldı.
1984
• ilk “Terminator” filmi Skynet yapay zekası tarafından yönetilen ve yakın geleceği ele geçiren katil makineler tasvir edildi.
1987
• Star Trek: The Next Generation dizisi bilinçli android Data’yı sundu.
1993
• MIT’de Cog adlı insan biçimli bir robotun yapımına başlandı.


1997
• IBM’in Deep Blue bilgisayarı satrançta dünya şampiyonu Gary Kasparov’u yendi.
1998
• Tiger Electronics firması evlere girmeyi başaran ilk yapay zekâ oyuncagı olan Furby’yi piyasaya sürdü.
2000
• Cynthia Braezeal, “Kısmet” adını verdigi robotu tanıttı. Bu robot karşısındaki kişiyle konuşurken mimik ve yüz hareketlerini kullanabiliyor.
2001
• Steven Spielberg, orjinali Stanley Kubrick tarafından geliştirilen ve robot bir çocuk hakkındaki “Artificial Intelligence: AI” filmini yaptı.

Raymond Kurzweil

2005
• Stanford aracı, 211 kilometre ile çölü otonom şekilde geçerek Darpa Büyük Yarışı’nı kazandı.
• Futurist ve mucit Ray Kurzwell, 2045’te yapay zekanın insan beyninin önüne geçeceğini öngördügü “The Singularity” teorisini sundu.
• Honda Firması Asimo adını verdigi yapay zekaya sahip insansı robotunu tanıttı. ASIMO o güne kadar yapılmış olan en becerikli insansı robottu.
2010
• Asimo zihin gücüyle hareket ettirildi.
2011
• IBM Watson, “Jeopardy!” adlı bilgi yarışmasını, yarışmanın önceki şampiyonları olan Brad Rutter ve Ken Jennings’i yenerek kazandı.
• Apple, akıllı kişisel asistan Siri’yi iPhone 4S ile tanıttı.
2012
• Google’ın geliştirdigi yapay beyin, YouTube’da izlediği milyonlarca görüntü arasında ilk olarak kedileri keşfetti.

HER

2013
• “Her” adlı filmde Joaquin Phoenix, bilgisayar işletim sistemi olan ve Scarlett Johansson’un seslendirdiği yapay zekaya aşık bir karakteri canlandırdı.
2014
• “Transcendence” filminde Jonny Depp, zihnini bilgisayara aktaran ve süper zeka olarak geliştiren yapay zeka araştırmacısını canlandırdı.
• Chatbot Eugene Goostman’ın Turing testini geçtigi belirtildi.

TRANSCENDENCE

2015
• Natal Projesi (X-box)– Milo & Claire tanıtıldı.

Yapay zeka; Sibernetik Yapay Zeka ve Sembolik Yapay Zeka olarak ikiye ayrıldıktan sonra, çalışma sonuçlarının önemli eksiklikler nedeniyle pekte başarılı olmadıgı görülmüştür. Bu iki yaklaşımın çökmesi Uzman Sistemlerin oluşumuna neden olmuştur. Uzman sistemler yapay zekanın tüm sorulara cevap vermesini değil de belirli bir konu üzerinde cevap vermesini temel almaktadır (Akpınar, 2015).

Yapay Zekanın Araştırma Alanları
Yapay zeka çalışmaları sadece bilgisayar bilimlerinde değil, oyun, matematiksel teoremlerin otomatik olarak ispatlanmasında, doğal dil anlama ve çeviri işlemlerinde, görüntülerin işlenmesinde, genel bilgi sistemlerinde, makine öğrenmesinde, bilgi tabanlı sistemlerde, veri madenciliğinde, robotik gibi farklı alanlarda gerçekleştirilmektedir (Kocabaş, 2013). Her geçen gün farklı alanlarda yapay zekanın kullanıldıgını görmekteyiz.

Oyunlar
Satranç, dama, tavla gibi oyunlar araştırmacılar için yapay zekanın ilk zamanlarından bu yana tercih edilen bir alan olmuştur. Başlangıçta kısıtlı bir zamanda çok sayıdaki çözüm yolunu göz önünde bulundurma becerisi üzerine kurulmuş olan sistemler artık tecrübelerden yararlanılan bilgi stratejileri kullanılarak genel çözüm arama kavramlarına dönmektedir. Bu alanda yapılan çalışmalar Yapay Hayat (Artificial Life) adında yeni bir araştırma alanının ortaya çıkmasına yol açmıştır.

Otomatik Teorem İspatlama
1950’lerde yapay zekanın erken döneminde başlayan bu alandaki çalışmalarla özellikle sembolik mantıkta ispatlanan teoremlerin daha basit ispat yollarının bulunması konusunda kayda değer sonuçlar elde edilmiştir. Bu çalışmaların sonuçlarından biri olarak da, sembolik mantığa dayanan güçlü bir yapay zeka dili olan Prolog programlama dili ortaya çıkmıştır. Günümüzde paralel Prolog derleyicileri geliştirme çalışmaları halen devam etmektedir (Kale & Ramkumar, 1990).

Doğal Dil İşleme
Bu alandaki çalışmalar, otomatik tercüme, doğal dilde yazılmış metinlerin açıklanması ve üretilmesi ve konuşmaların otomatik işlenmesi gibi faaliyetleri kapsar. Son yıllarda CYC ve EDR gibi genel bilgi sistemleri kullanılarak tercüme sistemlerindeki doğruluk oranı arttırılmaktadır. Makine tarafından bir cümlenin anlaşılması, birçok bilgiyi devreye sokan bir süreçtir. Fakat kimi zaman gürültüler ve akustik degişkenlik benzeşen sinyalin işlenmesini zorlaştırır. Günümüzde deneysel insan-makine diyaloğu sistemleri geliştirilmiş durumdadır. Bununla birlikte, bu sistemler, problemin olağanüstü zorluğu yüzünden özel kelimelerle sınırlı bir kelime dağarcığını tanımakla sınırlı kalırlar.

Görüntü İşleme
Görme bir makinenin çevresini fark etmeye yönelik başka bir özelliğidir. Görme probleminin basitleştirilmesi, basit şekillerin algoritmik şekil tanıma metotları yardımıyla tanımlanmasından ibarettir. Bunlar bir metin içindeki harfler veya bir uydu resmi üzerindeki özel bölgeler olabilir. Bir sahnenin veya görüntünün gerçek olup olmadığının anlaşılması, tıbbi teşhis amacı ile radyolojik görüntülerin açıklanması, basılı ya da el yazısı bir metnin anlaşılması robotbilime aittir. Görüntülerin işlenmesi yapay zekanın endüstriyel alandaki ilk uygulamalarından biridir.

Robotik
Robotbilim geniş bir alana yayılmış durumdadır. Özellikle sanayide iş otomasyonu etkinliklerini kapsamaktadır. Varolan robotların büyük bölümü işleri sıra ile durmaksızın tekrarlar ve zeki davranış göstermezler. Buna karşın yeni kuşak robotlar, giderek çevrelerini algılamaya ve hareketlerini planlamaya yönelik zeka yeteneği ile donatılmaktadır. Robotik alanındaki çalışmalar çoğunlukla, robot görmesi, görev planlama, robot timleri, mikro robotlar ve robot kolonileri üzerinde yoğunlaşmaktadır
(Kocabaş, 2013).

Bilgi Tabanlı Sistemler

Bu alandaki çalışmaları; Bilgi Gösterimi, Bilgi Tabanlı Simülasyon, Uzman Sistemler ve Genel Bilgi Sistemleri olmak üzere dört alt başlık altında degerlendirebiliriz:.

Bilgi Gösterimi
Yapay zekada bilgi gösterim metotlarını üç seviyede sınıflandırılmaktadır. Bilgi düzeyi, sembol düzeyi, aygıt düzeyi, bilgi düzeyi metotlarda bilgi, kurallar, mantık yapıları, çerçeveler, senaryolar ve vaka kayıtları şeklinde gösterilmektedir. Sembol düzeyi metotlarda ise bilgi, vektörler ve matris yapıları içinde gösterilmektedir. Aygıt düzeyinde bilgi, bir ağ yapısı içinde gösterilmektedir.

Uzman Sistemler
Tasarım, planlama, teşhis, özetleme, kontrol etme ve tavsiyede bulunma gibi konularda insan uzmanların yaptıkları faaliyetleri, otomatik olarak uygulamak üzere geliştirilen bilgisayar programlarıdır. Uzman sistemler, sınırlı bir alan içinde uzmanlık bilgisini depolayabilir, mantıksal sonuçları takip ederek problemin çözümüne ulaşabilir. İlk geliştirilen uzman sistemlerden biri 1970’lerde tıpta bazı hastalıkların teşhisini yapabilen MYCIN programıdır (Copeland, 2017). Günümüzde tıptan mimarlığa, bankacılığa kadar akla gelebilecek birçok alanda geliştirilmiş uzman sistemler bulunmaktadır.

Bilgi Tabanlı Simülasyon
Bu alanda kullanılmak üzere geliştirilen sistemler afet yönetimi, kriz yönetimi, stratejik planlama ve bazı askeri alanlarda uygulanmaktadır. Batı Avrupa ülkelerinin katıldığı EUCLID projeleri çerçevesinde Kocabaş, Öztemel, Uludag ve Koç (1996) tarafından Tübitak MAM’da geliştirilen AISim sistemi hava muharebesi simülasyonu ortamında bir F16 uçağını hiçbir pilot veya operatör müdahalesi olmadan yönetebilen bir sistemdir.

Genel Bilgi Sistemleri
Uzman sistemlerin en zayıf tarafı insanların sahip olduğu sağduyu bilgisine ve genel bilgilere sahip olmamasıdır. Bundan dolayı uzman sistemlere, insan uzmanların aksine kendi uzmanlık alanlarının biraz dışındaki problemler verildiği zaman ya çözüm üretemezler veya anlamsız bir çözüm verirler. Uzman sistemlerin bu eksikliğinin giderilmesi için insanların sahip oldukları genel bilgileri ve sagduyu bilgilerini de taşıyan genel bilgi sistemleri geliştirilmeye başlanmıştır.

Makina Öğrenmesi
İlk çalışmalar “algılayıcılar” (perceptrons) adı verilen, aygıt düzeyinde basit sistemler üzerinde başlamıştır. Daha sonra sembol düzeyi ögrenme metotları geliştirilmeye başlanmıştır. 1970’lerin sonlarına doğru bilgi tabanlı sistemlerin ortaya çıkmasıyla bilgi düzeyi öğrenme metotları geliştirilmeye başlanmıştır.

Aygıt düzeyinde öğrenme özelliğine sahip sistemlerde başlangıçta çok az bilgi ve yapılanma vardır. Öğrenme, çıkış sinyallerindeki geri beslemeyle ağ üzerindeki bağlantı ağırlıklarının değiştirilmesi ile gerçekleşir. Öğrenen sistemin amacı optimum düzeye ulaşmaktır. Sembol düzeyinde öğrenme özelli ğine sahip sistemler yüklemler mantığını ve sembolik matematiği kullanabilen sistemlerdir. Bunlar yeni kavramları pozitif ve negatif örneklerden öğrenirler.

Bilgi düzeyinde öğrenme özelli ğine sahip sistemler “bilgi kuvvettir” prensibine dayanarak geliştirilmişlerdir. Bu anlayışa göre bir sistem ne kadar bilgiye sahipse, o kadar çok şey öğrenebilir. Bu çerçevede geliştirilen sistemler tümdengelim (dedüktif), tümevarım (indüktif), ve analojik öğrenme özelliklerine sahiptirler.

Makina Buluşları ve Veri Madenciliği
Makina öğrenmesi üzerine yapılan çalışmalar daha sonra makina buluşları alanına doğru gelişmeye başlamıştır. Büyük veri tabanlarından tümdengelim, tümevarım ve analojik ögrenme metotlarıyla yeni bilgiler ortaya çıkarılmıştır. İlk olarak tıp veri tabanlarındaki ilaç uygulamaları ve bunların etkileri üzerinden yeni tedavi yolları ortaya çıkarılmıştır. Bu çalışmalar daha sonra yeni bilimsel araştırmalardan elde edilen veriler üzerinde de uygulanmaya başlamıştır.

Bilimsel Buluşların Modellenmesi
Bu alanda geliştirilen sistemler bilim tarihinde gerçekleştirilmiş olan buluşları modellemek üzere geliştirilen programlardır. Bunlardan ilk geliştirilenler matematikteki buluşları modelleyen Automated Mathemetician (Lenat, 1979) ve klasik fizikteki buluşları modelleyen BACON (Langley, 1978) sistemleridir. Daha sonra 17-19 yüzyıllarda kimyadaki buluşları modelleyen GLAUBER, STAHL sistemleri (bakınız: Langley, Simon, Bradshaw & Zytkow, 1987) ve STAHLp sistemi (Rose & Langley, 1986) geliştirilmiştir. Bizim geliştirdigimiz BR-3 (Kocabaş, 1991) ve BR-4 (Kocabaş & Langley, 2001) sistemleri ise parçacık fiziğinde 1930-60 yılları arasındaki buluşların modellendiği sistemlerdir.

Bilimsel Araştırma Yardımcıları
Bilimsel buluşların modellenmesi alanındaki başarılar, günümüzde yapılan bilimsel araştırmalarda kullanılabilecek yardımcı programlar geliştirme çalışmalarına yol açmıştır. Bu alanda geliştirilen sistemlerden biri, nükleer astrofizikte yıldızlarda meydana gelen çekirdek reaksiyonlarını ve elementlerin sentez mekanizmalarını formüle edebilen ASTRA sistemi (Kocabaş & Langley, 2000; Kocabaş, 2001) digeri katalitik kimyada metanol sentez mekanizmalarını formüle eden MECHEM (Valdes-Perez, 1995) sistemidir. Diğer bir sistem ise organik molekül sentezlerini formüle etmede kullanılan SYNGEN (Hendrickson, 1997) sistemidir. Bu çerçevede geliştirilen sistemlerin; araştırma amaçlarını formüle edebilme, deneyler önerebilme, hipotezler kurup test edebilme, çelişkileri çözümleyebilme ve açıklamalar yapabilme özelliklerine sahip olması beklenmektedir.

Bilgisayarlar; nesneler, olaylar ya da süreçler hakkında bilgi toplamak için kullanılabilir ve tabii ki bilgisayarlar çok büyük miktarda verileri insanlardan daha hızlı ve daha verimli işleyebilirler. Bununla birlikte insanlar, bir bilgisayar programında yapılması çok zor olan bazı şeyleri içgüdüsel olarak yaparlar, nitelikleri hissedebilirler ve değişik elemanların birbiriyle olan ilişkisini açıklamaya yarayan modelleri görebilirler ve ayırt edebilirler. Mesela gazete fotograflarını incelemek böyle bir şeydir, insanlar, bilinçli bir çaba göstermeden bu fotoğraflardaki yüzleri ve nesneleri ortaya çıkaran modelleri bulurlar. Benzer şekilde, insanların dünyada olup bitenleri hissetmesini sağlayan yollardan biri de karşılaştıkları nesnelere ve olaylara anlam vermesine yardımcı olan ilişkilerin ve modellerin farkına varmasıdır. Eğer bilgisayarlar da insanlar kadar (veya daha fazla) zeki olacaklarsa, insanlara çok doğal gelen nesneler, olaylar ve süreçler üzerinde düşünsel olarak bir araya gelebilmelidirler (Sönmez, n.d.).

İnsan ve makine zekası arasındaki farklar (Anonim-2, n.d.) üç maddede gösterilmektedir;

1. İnsanlar kalıplarla algılarken makineler kurallar ve verilerle algılarlar.
2. İnsanlar bilgiyi kalıplara göre depolar ve geri çağırır, makineler algoritmaları araştırarak yapar. Örnegin, deseni basit olduğu için 40404040 numarası hatırlamak, depolamak ve geri çağırmak kolaydır.
3. İnsanlar, bir kısmının eksik veya çarpıtılmış olsalar bile, komple nesneyi bulabilir; makineler doğru şekilde yapamazlar.

Modern bilgisayarların kullanılmaya başlanmasıyla birlikte insan ve makine zekası arasındaki farkları kapatma isteğiyle, bilgisayarlardan maksimum yararlanmak üzere çalışmalar gerek donanım gerekse yazılım alanında sürekli gelişim göstermektedir. Makineleri daha zeki yapma temel amacıyla başlayan yapay zeka çalışmaları hızla devam etmektedir.

ARPA Raporu’na göre (Grosz & Davis, 1994) yirmi birinci yüzyılda yapay zekanın etkili olacağı alanlar:
∗ Zeki simülasyonlar,
∗ Bilgi kaynaklarına ulaşım sistemleri,
∗ Zeki proje yardımcıları,
∗ Robot timleri olarak belirtilmiştir.
ve çalışmalar hız kesmeden devam etmiştir. Bugün geldiğimiz noktada hayatımıza girmiş yapay zeka ürünlerinin özellikleri, hizmet verme kapasiteleri üretici firmaları tarafından sürekli olarak geliştirilmektedir.

1. Apple Siri: temel düzeyde bir asistan olarak hizmet vermektedir.
2. Microsoft Cortana: öğrenen makinaların en temel özelliklerinden birisi olarak iyi bir örnektir.
3. Google Now: gerçek insan-makina diyalogları konusunda büyük bir adım olmuştur.
4. IBM Watson: özellikle sağlık alanındaki karmakarışık hastane kayıtlarını analiz ederek, mantıklı desenler keşfedebilen ve bunlardan öğrendi ği sonuçları sunabilen bir ürün olarak hizmet vermektedir. Dahası, doktorların öngöremeyeceği kadar veriyi bir arada işleyerek, teşhis ve tanıda tavsiyelerde de bulunmaktadır.
5. IPsoft Amelia: Amelia’da, daha önceden saydığımız özelliklerin üzerine, bir de duygusal farkındalık eklenmiş bir üründür. İnsan gibi düşünebilen ve hisseden bir sanal asistan olarak hizmet vermektedir (Kara, 2014).

Uzmanlara göre 2050 yılında 1000 dolara alınan bir PC dünyadaki tüm insanların beyin gücünden daha fazla bir güce sahip olacaktır (Akpınar, 2015). Yapay zekanın diğer alt dalları olan Konuşma Sentezi, Konuşma Anlama, Örüntü Tanıma, Genetik Algoritmalar, Genetik Programlama, Bulanık Mantık konuları da araştırma alanı olarak ilgi odağı haline gelmektedir.

Yrd. Doç. Dr. Zerrin Ayvaz  REİS
Kaynak:  Mühendislikte Yapay Zeka Uygulamaları-Aralık 2017

Yrd. Doç. Dr. Zerrin Ayvaz  REİS Kimdir?
Tüm öğrenim ve çalışma hayatı İstanbul Üniversitesinde geçmiştir. 1987 yılında Fen Fakültesi, 1990 yılında Sosyal Bilimler Enstitüsü Sayısal Yöntemler Anabilim Dalı’nda master, 1999 yılında Fen Bilimleri Enstitüsü Bilgisayar Bilimleri Yazılım Mühendisliği Anabilim Dalı’nda doktora derecesini almıştır. Halen Enformatik Bölümü ve Hasan Ali Yücel Eğitim Fakültesi BÖTE Bölümü’nde öğretim üyesi olarak çalışmaktadır. İNETD – Internet Teknolojileri Derneği Yönetim Kurulu Üyesi ve TBD – Türkiye Bilişim Derneği Üyesidir.

Kaynakça
Akpınar, M.Y. (2015), Yapay Zeka Ve Tarihi, Erişim: http://bit.ly/2gKUSzd, Erişim tarihi: 18.08.2017
Anonim-1, (n.d.), Yapay Zeka’nın Tarihçesi Ve Gelişim Süreci, Erişim: http://bit.ly/2x8nZm0, Erişim tarihi: 18.08.2017
Anonim-2, (n.d.), Artificial Intelligence – Intelligent Systems, Erişim: http://bit.ly/2geHBxR, Erişim tarihi: 18.08.2017
Anonim, (2017), Yapay Zekânın Modern Tarihi, SocialBusiness TR, Erişim: http://bit.ly/2xKVrn6, Erişim tarihi: 18.08.2017
Colmerauer, A., (1990), An introduction to Prolog III, Communications of the ACM, Volume 33 Issue 7, July 1990, pp: 69-90
Copeland, B.J., (2017), Artificial intelligence (AI), Encyclopedia Britannica, Erişim tarihi: 31.Agustos.2017, Erişim: http://bit.ly/2gdF3Aj,
ÇMB (Evrim Agacı), ( şubat 2015), Hayatlarımıza Giren 5 Yapay Zeka Ürünü: Sizin Yapay Zekanız Ne Kadar Zeki?, http://bit.ly/2yscpVX
Durakcan, Y.C. (22.06.2015), Yapay Zekanın Kısa Tarihçesi, Bilimfili, http://bit.ly/2geK8rS
Firebaugh, M.W. (1988). Artificial Intelligence: A Knowledge-Based Approach. Boston: 
PWS-Kent Publishing Co. ISBN-13: 978-0878353255, ISBN-10: 0878353259
Feigenbaum, E.A., Buchanan, B.G. and Lederberg, J. (1971). On generality and problem solving: A case study using the DENDRAL program. In Machine Intelligence (Vol. 6).
Grosz, B., Davis, R., (1994), A Report to ARPA on Twenty First Century Intelligent Systems. AI Magazine, Fall 1994, s. 10-20.
Kale, L.V., Ramkumar, B., (1990), Implementation of a parallel Prolog interpreter on multiprocessors, PPOPP ’90 of the second ACM SIGPLAN symposium on Principles & practice of parallel programming, ACM SIGPLAN Notices, Volume 25 Issue 3, Mar. 1990, pp: 99 – 108
Kara, M., (01.10.2014), Amelia: İnsan gibi düşünebilen sanal asistan, Erişim tarihi: 15.08.2017, Erişim: http://bit.ly/2kRB0Pf.
Kocabaş, ş., (09.03.2013), Yapay Zeka | Amacı ve Tarihçesi | Gelecek’te Yapay Zeka, Erişim: http://bit.ly/2kTW1ss, Erişim tarihi: 15.08.2017
Kocabas, ş. & Langley, P. (2000). Computer generation of process explanations in nuclear astrophysics. International Journal of Human-Computer Studies, 53, s.1149-1164.
Lenat, D.B., Feigenbaum, E.A., (1991), On the thresholds of knowledge, Proceedings IJCAI-87, Milan, Italy pp. 1173-1182, published in Artificial Intelligence, Volume 47, Issues 1–3, January 1991, pp 185-250, Elsevier.
Lindsay, R. K., Buchanan, B. G., Feigenbaum, E. A. & Lederberg, J., (1980), Applications of Artificial Intelligence for Organic Chemistry: The DENDRAL Project,New York: McGraw Hill, ISBN O-07-037895-9
McCarthy, J., (1960), Recursive Functions of Symbolic Expressions and Their Computation by Machine, Part I , Communications of the ACM, pp:184-195, Erişim: http://bit.ly/2ynpTmt, Erişim tarihi: 18.08.2017
Poundstone, W., (n.d.), John von Neumann AMERICAN MATHEMATICIAN, Erişim tarihi: 04.09.2017, Erişim: http://bit.ly/2gJWclS,
Russel, S.J., Norvig, P., (1995), “Artificial Intelligence A Modern Approach”, Contributing writers: John F. Canny, Jitendra M. Malik, Douglas D. Edwards , Prentice Hall, Englewood Cliffs, New Jersey 07632, ISBN 0-13-103805-2, Erişim: http://bit.ly/2fbdJ50, Erişim tarihi: 04.09.2017
Sönmez, ş., (n.d.), Yapay Zeka (ders notları), Erişim: http://bit.ly/2ieeRcT , Erişim tarihi: 18.08.2017
TDK, (n.d.), 2017, Zeka, Erişim: http://bit.ly/1CcStkR, Erişim tarihi: 04.09.2017
Ugur, A., Kınacı, A.C., (2006), Yapay Zeka Teknikleri ve Yapay Sinir A ğları Kullanılarak Web Sayfalarının Sınıflandırılması, inet-tr’06 – XI. Türkiye’de İnternet Konferansı, 21 – 23.Aralık.2006,
TOBB Ekonomi ve Teknoloji Üniversitesi Ankara, Konferans Bildiri Kitabı, sayfa: 345-349
Waterman, D.A. (1986). A Guide to Expert Systems. Addison-Wesley, Reading, MA Webber, (n.d.), Prolog – a little more history 1, Erişim: http://bit.ly/2xJBlol , Erişim tarihi: 04.09.2017
Wiener, N., (1948), CYBERNETICS or control and communication in the animal and the machine, THE M.I.T. PRESS Cambridge, Massachusetts, ISBN:0-262-23007-0

Bunları da sevebilirsiniz

Bir Cevap Yazın

E-posta hesabınız yayımlanmayacak. Gerekli alanlar * ile işaretlenmişlerdir

TurkeyEnglishFrenchRussia