|
09.03.2013, 15:24
|
#1 |
|
Çevrimdışı
  |
Yapay Zeka | Amacı ve Tarihçesi | Gelecek'te Yapay Zeka.
Yapay Zeka | Amacı ve Tarihçesi | Gelecek'te Yapay Zeka. Bu çalışmamızda zekanın tanımları, yapay zekanın genel bir tanımı, yapay zekanın tarihçesi, yapay zeka çalışmalarının amaçları, günümüzdeki araştırma ve uygulama alanları ve yapay zeka çalışmalarının geleceği hakkında bilgiler verilmektedir.  1. Giriş Yapay zeka konularına girmeden önce zekanın tanımları konusunda bazı özet bilgiler vermemiz yerinde olacaktır. Zeka, psikoloji ve nöroloji alanında çalışan bilim adamları tarafından çok çeşitli şekillerde tanımlanmaktadır. Günlük hayatımızda, başımızı sağa sola çevirmek, yemek yemek, yolda karşıdan karşıya geçmek gibi basit işlemleri düşünmeden gerçekleştiririz ve bunları yaparken de çok zeki olduğumuzu düşünmeyiz. Beynimizde en basit hareketlerimiz için binlerce hatta milyonlarca elektrokimyasal bilgi işlem faaliyeti vuku bulmaktadır. Zeka, bilgi alma ve onu gerektiğinde kullanabilme, çeşitli bilgi parçaları ile ilişki kurabilme ve tüm bu parçaları birleştirerek sonuca ulaşabilme kabiliyetidir. Bir insan parçaları birleştirme işinde ne kadar başarılı olursa o kadar zeki olarak nitelendirilmektedir. Yapay zekacılar da zekanın birçok tanımını yapmışlardır. Bunlardan bazılarını ancak özet olarak burada hatırlatabiliriz. Yapay zeka araştırmalarının tanınmış isimlerinden D. Lenat ve E. Feigenbaum (1987) zekayı problem çözme açısından ‘arama alanı’ kavramı üzerinden şu şekilde tarif etmektedirler: Feigenbaum (1989) daha sonra zekayı ‘bilgi kullanımı’ kavramına bağlı olarak şöyle tarif etmiştir: “Zeka, karmaşık bir problemi çözmek için gerekli bilgileri toplayıp birleştirebilme kabiliyetidir.” Bunların dışında zekayı sistem tanıma açısından şöyle tarif edebiliriz: Zeka, daha önce düzensiz sanılan bir sistemdeki düzenliliği ve düzenli olduğu kabul edilen bir sistemdeki düzensizlikleri fark edebilme kabiliyetidir. Zeki sistemler açısından zeki davranıştan söz edilebilmesi için sistemin algılama, düşünme ve eylem kabiliyetlerine sahip olması gerekir. Zeki sistem bu kabiliyetleri vasıtasıyla çevresinden gelen sinyalleri algılar, bunları inceler ve bilgisini kullanarak davranışta bulunur. 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 atıldı (bakınız: Russell & Norvig, 1995, s. 17-18). 2. Yapay Zekanın Amaçları Yapay zeka alanında yapılan çalışmalarda amaçları şöyle sıralayabiliriz: 1) İnsan beyninin fonksiyonlarını bilgisayar modelleri yardımıyla anlamaya çalışmak. 2) İnsanların sahip olduğu zihinsel yetenekleri, bilgi kazanma, öğrenme ve buluş yapmada uyguladıkları strateji, metot ve teknikleri araştırmak. 3) Bu öğrenme metotlarını formel hale getirmek ve bilgisayarlarda bilgi sistemleri halinde uygulamak. 4) İnsanlarını bilgisayar kullanımını kolaylaştıracak insan/bilgisayar ara birimleri geliştirmek. 5) Belli bir uzmanlık alanı içindeki bilgileri bir ‘bilgi sistemi’ (veya ‘uzman sistem’) halinde toplamak. 6) Geleceğin bilgi toplumunun kurulmasında önemli rol oynayacak ‘genel bilgi sistemleri’ geliştirmek. 7) Yapay zeka iş yardımcıları ve ‘zeki robot timleri’ geliştirmek. 8) Bilimsel araştırma ve buluşlarda faydalanmak üzere, ‘araştırma yardımcıları’ geliştirmek. 3. Yapay Zekanın Tarihçesi Yapay zekanın tarihini Ortaçağ’a kadar götürmek mümkündür. Miladi dokuzuncu yüzyılda Abbasiler döneminde (750-1256) Musa kardeşlerin, hidrolik prensiplerine göre çalışan otomatik makineler yaptıkları, daha sonra Selçuklular döneminde Ebul İzz’in de bu çalışmaları devam ettirdiği bilinmektedir (bakınız: Şen, 2002, s. 11-32). Otomatik makinalar konusu, Rönesans döneminde Leonardo da Vinci’nin de dikkatini çekmişti. Daha sonra Fransız matematikçisi Pascal mekanik bir hesap makinesi geliştirmeye çalıştı. Ondokuzuncu yüzyılda ise, İngiliz bilgini Babbage, Fransız mühendis Jacquard’ın dokuma tezgahları için icad ettiği bir tekniği kullanarak ilk programlanabilir mekanik bilgisayarı (Analytical Engine) geliştirmeye çalışmıştır (bakınız: Russell & Norvig, 1995, s. 15), fakat o zamanki teknoloji yeteri kadar hassas olmadığı için, projesi yarım kalmıştır. (Babbage’in çalışmaları Londra’daki Science Museum’da sergilenmektedir.) Babbage’ın çalışmalarının sürdüğü sıralarda, bir başka İngiliz matematikçi George Boole iki değerli modern mantığın temellerini atmaktaydı. Sembolik mantığın ondokuzuncu 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. 1940’larda sibernetik alanında yapılan çalışmalar insan ve makine arasındaki birçok paralellikleri ortaya çıkarmıştır. 1948 yılında Norbert Wiener sibernetik üzerine yayınladığı yazısında, insan beynindeki tüm fonksiyonların elektronik olarak kopyalanmasının mümkün olduğunu iddia etti. İleriki yıllarda sibernetik, bilgi teorisi, geri beslemeli kontrol sistemleri ve elektronik bilgisayarlarla ilgili kavramları birleştiren önemli bir araştırma alanı haline gelmiştir. 1940’larda John von Neumann günümüz bilgisayarlarının temelini oluşturan özellikleri açıklamış ve modern bilgisayarların mimarisini tasarlamıştır. 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. 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 (bakınız: Russell & Norvig, 1995, s. 17). Bu program Whitehead ve Russell’ın eseri Principia Mathematica’daki teoremleri ispatlamak üzere düşünülmüştü. Bu çalışma, Newell ve Simon’ın sonraki projesi GPS sistemi (Genel Problem Çözücü) için de bir temel oluşturdu. GPS sistemi, sembolik integral almadan yamyamlar-misyonerler problemine kadar çeşitli problem çözümleri için geliştirilmişti (bakınız: Russell & Norvig, 1995, s. 17). Herbert Gelernter tarafından geliştirilen geometri teoremi ispatlama makinesi ortaokul düzeyi düzlem geometrisi problemlerini çözebiliyordu. 1950’lerin sonlarına doğru çalışmalar şekil tanıma ve kendi kendine adapte olan sistemler üzerine yoğunlaştı. Aynı dönemde John McCarthy MIT’de önemli yapay zeka programlama dillerinden biri olan Lisp’i geliştirdi. 1965 yılında kimyasal bileşenler ve kütle spektrometri verilerinden moleküler yapıları bulan DENDRAL programı çalışması J. Lederberg, Edward Feigenbaum ve Carl Djerassi tarafından Stanford Üniversitesi’nde başlatıldı. DENDRAL programı, ilk bilgi tabanlı uzman sistem olarak geliştirildi (bakınız: Feigenbaum, Buchanan & Lederberg, 1971; Lindsay, Buchanan, Feigenbaum & Lederberg, 1980). 1965 yılında Weizenbaum ELIZA adındaki ilk psikiyatrist programını geliştirdi (bakınız: Russell & Norvig, 1995, s. 20). Bu 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 (bakınız: Firebaugh, 1988, s. 189). 1972’de yapay zeka dili Prolog, Alan Colmaurer tarafından geliştirildi. Bu programlama dili 1975’te D. Warren tarafından bilgisayarlarda uygulandı. Prolog, bu gün yapay zeka çalışmalarında kullanılan önemli bir programlama dilidir. 1981 yılında Japonlar yeni başlattıkları “5. Nesil Bilgisayar Projesi”nde Prolog programlama dilini kullanmayı planladıklarını duyurdular. Bilgi tabanlı sistemlerin başarılı uygulamaları daha sonra genel bilgi sistemlerinin geliştirilmesine yol açtı ve 1983’de Amerika’ da CYC, 1984’de Japonya’da EDR Projeleri başlatıldı. Son 60 yıldaki yapay zeka çalışmalarını üç safhada özetlemek mümkündür: 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. 4. Yapay Zeka Araştırma Alanları Yapay zeka araştırma alanlarını şöyle sıralayabiliriz: Oyunlar, Otomatik Teorem İspatlama, Doğal Dil Anlama ve Çeviri, Şekil Tanıma, Robotik, Bilgi Tabanlı Sistemler, Makina Öğrenmesi, Makina Buluşları, Bilimsel Buluşların Modellendirilmesi ve Bilimsel Araştırma Yardımcıları. Oyunlar Satranç, dama, tavla gibi oyunlar araştırmacılar için yapay zekanın ilk zamanlarından bu yana tercih edilen bir alan olmuştur. İlk sistemler kısıtlı bir zamanda çok sayıdaki çözüm yolunu göz önünde bulundurma becerisi üzerine kurulmuştur. Bu çalışmalarda artık tecrübeye dayalı bilgi stratejileri kullanılarak genel çözüm arama kavramlarına dönülmektedir. Bu alanda yapılan çalışmalar daha sonra Artificial Life (AL -Yapay Hayat) adında yeni bir araştırma alanının ortaya çıkmasına yol açmıştır. Otomatik Teorem İspatlama Bu alandaki çalışmalar, yapay zekanın erken döneminde, 1950’lerde başlamıştır. Özellikle sembolik mantıkta ispatlanan teoremlerin daha basit ispat yollarının bulunmasında kayda değer sonuçlar elde etmiştir. Bu çalışmalardan, sembolik mantığa dayanan güçlü bir yapay zeka dili olan Prolog programlama dili ortaya çıkmıştır. Günümüzde paralel Prolog derleyicileri geliştirme çalışmaları devam etmektedir. Doğal Dil Anlama ve Çeviri Bu alandaki çalışmalar, otomatik tercüme, doğal dilde yazılmış metinlerin açıklanması ve üretilmesi ve konuşmaların otomatik işlenmesi gibi faaliyetleri kapsar. Belli alanlardaki metinlerin tercümesi için geliştirilmiş sistemlerin tercümelerin doğruluk oranı yüksek (% 90’ın üzerinde) olabilmektedir. Fakat genel maksatlı otomatik tercüme sistemlerinde doğruluk oranı % 25’lere kadar düşebilmektedir. Son yıllarda CYC ve EDR gibi genel bilgi sistemleri kullanılarak bu oran arttırılmaktadır. Makine tarafından bir cümlenin anlaşılması, birçok bilgiyi devreye sokan bir süreçtir. Fakat kimi zaman gürültüler ve akustik değişkenlik benzeşen sinyalin işlenmesini zorlaştırır. Günümüzde deneysel insan-makine diyalogu sistemleri geliştirilmiş durumdadır. Bununla birlikte, bu sistemler, problemin olağanüstü zorluğu yüzünden özel kelimelerle sınırlı bir kelime dağarcığını tanımakla sınırlı kalırlar. Görüntülerin Yorumlanması, Şekil Tanıma Görme bir makinenin çevresini fark etmeye yönelik başka bir özelliktedir. İşitme yoluyla algılama durumunda olduğu gibi görme probleminin basitleştirilmesi, basit şekillerin algoritmik şekil tanıma metotları yardımıyla tanımlanmasından ibarettir. Bunlar bir metin içindeki harfler, bir sahne resmi içindeki eşyalar, mikroskop altında bir resmin üzerindeki hücreler ya da kromozomlar, bir uydu resmi üzerindeki özel bölgeler olabilir. Bununla birlikte, bir sahnenin veya görüntünün gerçekten anlaşılması bu metotların ötesine gitmeyi gerektirir: Tıbbi teşhis amacı ile radyolojik görüntülerin açıklanması, basılı ya da elyazısı bir metnin anlaşılması, üretim zinciri üzerindeki bir nesnenin kontrolünde olduğu gibi. Bu son etkinlikler özellikle robotbilime aittir. Görüntülerin işlenmesi yapay zekanın endüstriyel alandaki ilk uygulamalarından biridir. Robotik Robotbilim geniş bir alana yayılmış durumdadır. Özellikle sanayide iş otomasyonu etkinliklerini kapsar (fabrikasyon, yönetim, tamir). 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, robot görmesi, görev planlama, robot timleri, mikro robotlar ve robot kolonileri üzerinde yoğunlaşmaktadır. Bilgi Tabanlı Sistemler Bu alandaki çalışmaları üç alt başlık altında değerlendirebiliriz: Bilgi Gösterimi, Bilgi Tabanlı Simülasyon, Uzman Sistemler ve Genel Bilgi Sistemleri. Bilgi Gösterimi: Bilgi sistemlerinde bilgi çok farklı şekillerde gösterilebilmektedir. Yapay zekada bilgi gösterim metotlarını üç seviyede sınıflandırıyoruz: Bilgi Düzeyi, Sembol Düzeyi, Aygıt Düzeyi. Bilgi düzeyi metotlarda bilgi, kurallar, mantık yapıları, çerçeveler, senaryolar ve vak’a kayıtları şeklinde gösterilmektedir. Sembol düzeyi metotlarda ise bilgi, vektörler ve matris yapıları içinde gösterilmektedir. Aygıt düzeyinde bilgi, bir ağ yapısı içinde gösterilir. Uzman Sistemler: Tasarım, planlama, teşhis, özetleme, kontrol ve tavsiyede bulunma gibi konularda insan uzmanların yaptıkları tür faaliyetleri otomatik olarak uygulamak üzere geliştirilen bilgisayar programlarıdır. Bir uzman sistem, 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. Günümüzde tıptan mimarlığa, bankacılıktan savunmaya kadar akla gelebilecek birçok alanda uzman sistemler geliştirilmiş 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 bizim Tübitak MAM’da geliştirdiğimiz AISim sistemi hava muharebesi simülasyonu ortamında bir F16 uçağını hiçbir pilot veya operatör müdahalesi olmadan yönetebilen bir sistemdi (bakınız: Kocabaş, Öztemel, Uludağ & Koç, 1996). Genel Bilgi Sistemleri: Uzman sistemlerin en zayıf tarafı insan uzmanların 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 hiçbir çözüm veremezler, yahut anlamsız bir çözüm verirler. Uzman sistemlerin bu eksikliğinin giderilmesi için insanların sahip oldukları genel bilgileri ve sağduyu bilgilerini de taşıyan genel bilgi sistemleri geliştirilmeye başlanmıştır. Bu sistemlerden ilki CYC, 1983 yılında Amerika’da, diğeri EDR sistemi Japonya’da başlatılmıştır. CYC projesi yapay zeka alanında en uzun dönemli (30 yıllık) bir proje olarak geliştirilmek üzere başlatılmıştı. Bu gün her iki sistem de bazı alanlarda başarılı bir şekilde kullanılmaktadır (CYC sistemi ile ilgili ayrıntılar için bakınız: www.cyc.com). Makina Öğrenmesi Öğrenme üzerine yapılan çalışmalar yapay zeka çalışmalarının daha ilk dönemlerinde başlatılmıştır. İlk çalışmalar “algılayıcılar” (perceptrons) adı verilen, aygıt düzeyinde basit sistemler üzerinde başlamıştır. Daha sonra sembol düzeyi öğrenme metotları geliştirilmeye başlanmıştır. 1970’lerin sonlarına doğru bilgi tabanlı sistemlerin ortaya çıkmasıyla bilgi düzeyi öğrenme metotları geliştirilmeye başlanmıştır. Aygıt düzeyinde öğrenme özelliğine sahip sistemlerin genel özellikleri şunlardır: 1) Öğrenen sistemde başlangıçta çok az bilgi ve yapılanma vardır. 2) Öğrenme, çıkış sinyallerindeki geri beslemeyle ağ üzerindeki bağlantı ağırlıklarının değiştirilmesi ile olur. 3) Sistem için gerekli elemanlar: giriş sinyalleri, geri besleme kaynağı, sistemin kendi organizasyonunu değiştirme hürriyetidir. 4) Öğrenen sistemin amacı optimum düzene ulaşmaktır. Sembol düzeyinde öğrenme özelliğine sahip sistemler yüklemler mantığını ve sembolik matematiği kullanabilen sistemlerdir. Bunlar yeni kavramları pozitif ve negatif örneklerden öğrenirler. Bilgi düzeyinde öğrenme özelliğine 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 indüktif (tümevarım), dedüktif (tümdengelim) 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 indüktif, dedüktif ve analojik öğrenme metotlarıyla yeni bilgiler ortaya çıkarılmıştır. İlk olarak tıb 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 Modellendirilmesi Bu alanda geliştirilen sistemler bilim tarihinde gerçekleştirilmiş olan buluşları modellemek üzere geliştirilen programlardır. Bunlardan ilk geliştirilenler matematikteki buluşları modellendiren Automated Mathemetician (Lenat, 1979) ve klasik fizikteki buluşları modellendiren BACON (Langley, 1978) sistemleridir. Daha sonra 17-19 yüzyıllarda kimyadaki buluşları modellendiren GLAUBER, STAHL sistemleri (bakınız: Langley, Simon, Bradshaw & Zytkow, 1987) ve STAHLp sistemi (Rose & Langley, 1986) geliştirilmiştir. Bizim geliştirdiğimiz BR-3 (Kocabaş, 1991) ve BR-4 (Kocabaş & Langley, 2001) sistemleri ise parçacık fiziğinde 1930-60 yılları arasındaki buluşları modellendiren sistemlerdir. Bilimsel Araştırma Yardımcıları Bilimsel buluşların modellendirilmesi 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) diğeri 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 şu özelliklere sahip olması istenir: Araştırma amaçlarını formüle edebilme, deneyler önerebilme, hipotezler kurup test edebilme, çelişkileri çözümleyebilme ve açıklamalar yapabilme. 5. Yapay Zeka Çalışmalarının Geleceği ARPA Raporu’na göre (bakınız: AI Magazine, Fall 1994, s. 10-20) yirmi birinci yüzyılda yapay zeka şu alanlarda etkili olacaktır: 1) Zeki simülasyonlar, 2) Bilgi kaynaklarına ulaşım sistemleri, 3) Zeki proje yardımcıları, 4) Robot timleri. Zeki Simülasyonlar: Eğitim, öğretim, imalat ve eğlence alanlarında kullanılacaktır. Zeki simülasyonların eğitim alanındaki potansiyel uygulamalar bir çelik fabrikasının kontrolu, ameliyat odası ve acil müdahale eğitimi, büyük bir şirketin yönetimi, kriz yönetimi, savaş alanı simülasyonu (yeni arazilerin, silahların ve taktiklerin denenmesi gibi konular olacaktır. Öğretim alanında ise, etkileşimli tarih dersleri, etkileşimli yapancı dil (mesela Japonca) öğrenme gibi konularda zeki simülasyonların kullanılabileceği düşünülmektedir. Zeki simülasyonların imalatta mamullerin (mesela otomobillerin) imalattan önce tasarımında ve aynı şekilde askeri sistemlerin (mesela denizaltılar, uçaklar ve tankların) tasarımında kullanılacağı öngörülmektedir. Eğlence alanında ise zeki simülasyonlar etkileşimli masallar, dedektif romanları gibi uygulamalarda kullanılabilecektir. Bilgi Kaynaklarına Ulaşım Sistemleri: Gelecekte her ev ve işyerinin televizyon, gazete, bilgisayar ve internet hizmetlerini birleştiren bir cihaza sahip olacaktır. Bilgi kaynaklarına ulaşım sistemleri evde, işyerinde ve okulda bilgiye ulaşım için yardımcı olacaktır. Bu sistemler mesela eğitim, sağlık, pazar analizi gibi konularla ilgili bilgileri bulup çıkartabilecektir. Ayrıca bu sistemler, kullanıcıların uzun veya kısa vadeli alakalarını, onlar için hangi olayların önemli olduğunu öğrenebilecek ve bilgiye ulaşımı buna göre yapacaktır. Bu sistemlerle etkileşim doğal dilde olacaktır. Zeki Proje Yönetim Yardımcıları: Tasarım geliştirme, tasarım analizleri, proses planlama, imalat planlama ve iş sıralaması, imalat kontrolu gibi alanlarda uygulanmak üzere bilgi tabanlı yönetim sistemleri geliştirilecektir. Bu tür yardımcı sistemler iş dünyasında, hükümet işlerinde politikalar oluşturulmasında, bilimsel araştırmalarda ve mühendislikte kullanılacaktır. Robot Timleri: Zeki araçlardan oluşan timler fabrikalarda veya askeri tesislerde gözetleme yapmak için geliştirilip kullanılabilecektir. Hareketli robotlar ise zehirli, yangın tehlikeli ve radyasyonlu ortamlarda yapılacak operasyonlarda kullanılabilecektir. Çevre temizliği, mayın temizleme, kurtarma operasyonları, yangın söndürme gibi alanlarda kullanılabilecek robot timleri geliştirilecektir. Ayrıca, ev işlerinde yardımcı robotlar geliştirilecektir. Büyük laboratuvar deneylerinde (mesela genetik araştırmalarda) kullanılabilecek sistemler geliştirilecektir. 6. Sonuç Bu yazımızda yapay zekanın tarihçesini, günümüzdeki durumunu ve yapay zekanın geleceğine ait öngörüleri özet olarak sunmaya çalıştık. Yazan: Doç. Dr. Şakir Kocabaş İTÜ, Uçak ve Uzay Bilimleri Fakültesi, Uzay Müh. Bölümü Referanslar A Report to ARPA on Twenty First Century Intelligent Systems. AI Magazine, Fall 1994, s. 10-20. 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). Edinburgh: Edinburgh University Press. Feigenbaum, E.A. (1989). An Interview. Expert Systems. 6 (2) s. 112-115. Firebaugh, M.W. (1988). Artificial Intelligence: A Knowledge-Based Approach. Boston: PWS-Kent Publishing Co. Hendrickson, J.B. (1997). The application of computers to generate organic syntheses. The Knowledge Engineering Review, 12, s. 369-386. Kocabaş, Ş. (1991). Conflict resolution as discovery in particle physics. Machine Learning, 6, s. 277-309. Kocabaş, Ş., Öztemel, E., Uludağ, M.& Koç, N. (1996). Design of a DIS Agent: The AISim System. In Proceedings of the Sixth Computer Generated Forces and Behavioral Representation, s. 119-124. Kocabas, Ş. & Langley, P. (2000). Computer generation of process explanations in nuclear astrophysics. International Journal of Human-Computer Studies, 53, s.1149-1164. Kocabaş, Ş. (2001). Automated formulation of reactions and Pathways in nuclear astrophysics: New results. In: Proceedings of the Fourth International Conference on Discovery Science. November 25-28, Washington. D.C. (s. 170-181). Kocabas, S. & Langley, P. (2001). An Integrated Framework for Extended Discovery in Particle Physics. In Proceedings of the Fourth International Conference on Discovery Science. November 25-28, Washington. D.C. (s. 182-195). Langley, P., Simon, H.A., Bradshaw, G.L., Zytkow, J.M. (1987). Scientific discovery: Computational explorations of the creative processes. Cambridge, MA: The MIT Press. Lenat, D.B. (1979). On automated scientific theory formation: A case study using the AM program. In J. Hayes, D. Michie and L.I. Mikulich (Eds.) Machine Intellligence 9, (251-283). New York: Halstead. Lenat, D.B. & Feigenbaum, E.A. (1987). On the thresholds of knowledge. In: Proceedings of the Tenth International Joint Conference on Artificial Intelligence, s. 1173-1182.
__________________
Never fade away... |
|
|
09.03.2013, 15:31
|
#2 |
|
Çevrimdışı
|
Cevap: Yapay Zeka -- Amacı Ve Tarihçesi -- Gelecek'te Yapay Zeka.
Yapay zekâ, tarihi 50 yıl öncesine, bilgisayar biliminin ortaya çıkışına, dayanmasına karşın, günümüzde yüzyılın teknolojisi olarak görülmektedir. Peki, yapay zekâyı öne çıkaran, birçok bilimin odak noktası haline getiren neydi?
Birçok bilimin diyoruz, çünkü yapay zekâ yalnızca bilgisayar biliminin konusu olmakla kalmamaktadır. Bu da, yapay zekânın anlaşılabilmesi için felsefesinin yapılması ve insan psikolojisinin enine boyuna incelenmesi gibi diğer bilimlerin desteğini gerektirir. Çünkü zekâ insana özgüdür. Eğer bizim yapay zekâ ile olan amacımız da, düşünme, çözüm üretme, yorum yapma, olaylar arasında ilişki kurabilme, sosyal diyaloglar kurma gibi insana özgü nitelikleri çeşitli sistemler aracılığıyla bilgisayarlara kazandırma ise, öncelikle bu niteliklerin yapay olmayanı, yani insanda doğuştan var olanı, tüm yönleriyle açıklığa kavuşturulmalıdır. Sözgelimi, bir elmanın biyolojik yapısının tam olarak bilinmemesi durumunda, genetik yöntemler aracılığıyla kopyasının, yapayının yapılması mümkün olmayacaktır. Bu ise, bilgisayar biliminin konusu dışına çıkmaktadır. Yapay Zeka Üzerine Görüşler; Öyle ise, günümüzde yapay zekâ üzerine, diğer bilimlerle etkileşim olarak yapılan çalışmaların ne gibi sonuçlar verdiğini/verebileceğini değerlendirelim. Konunun anlaşılabilirliği açısından değerlendirmelerimizi bir örnek üzerinde yapalım. Ders çalışırken yeteri kadar hâkim olamadığımız bir konuda herhangi bir soruyla karşılaştığımızı düşünelim. Yeteri kadar konunun hâkimi olmadığımızdan, önyargılı tavırla zihnimizde oluşacak olası düşünce şudur: “Muhtemelen ben bu soruyu çözemeyeceğim, ancak sorunun üzerine gidersem belki bir şeyler çıkabilir.” Şimdi sıra yapay zekâda. Bir bilgisayar böyle bir durumda ne yapabilirdi? Cümlenin başıyla ilerleyelim. “Muhtemelen” ifadesini görüyoruz. Bir yapay sistemin herhangi bir soruna “muhtemelen” gibi bir olasılık ifadesiyle yaklaşması günümüz hatta bazı kimselerce hiçbir zaman için mümkün görünmüyor. Yapay zekâ, karşılaştığı sorun konusunda eğitilmişse kesinlikle o sorunu çözer, aksi de mümkündür. Örnek cümlemizde ilerleyelim. Şimdi ise “çözemeyeceğim” ifadesiyle bir sonuca, yargıya varılıyor derken “ancak” bağlacıyla tüm varılan sonuçlar insan zekâsında bir kenara bırakılarak, soruna yeni bir bakış açısı getiriliyor. Kişi, sorunun üzerine gitmeyi tercih ederek çözüm üretiyor. Ancak, yapay zekânın bu noktada eli kolu bağlı kalıyor. Yapay zekâ, ya kesin bir sonuca varabiliyor, ya da varamıyor. Sorunlara, ihtimal dahilinde yaklaşamıyor, kendi algoritmasıyla belirlenen çizgilerin dışına çıkamıyor. Ayrıca soruna farklı bir bakış açısı da getiremiyor. Yapay zeka ile ilgili bu değerlendirmeleri yaparken insan psikolojisinin anlaşılmasının yapay zekanın da anlaşılmasında ne kadar önemli olduğunu görmüş olduk. Tüm bunların dışında, yapay zekâ ile ilgili varılan bu sonuçların, değişen ve gelişen teknolojinin neler getirebileceğini düşünmeden, “karamsar ve kesin yargılara varmak” diye yorumlayan ve bu doğrultuda çalışmalarını sürdüren kimseler de vardır. Bu düşünce sahibi bilim insanlarının, olaylara açıklık getirme şeklini de geçmişe dayandırılan bir örnekle açıklayalım. Yüzyıllar öncesinde yaşamış bir insanın, telefonla konuşan bir insanın ne yaptığına anlam verememesi bu durumu açıklar. Belki şuan ki teknoloji yapay zekânın tamamen insan zekâsı gibi işlemesine olanak tanımasa da, bundan sonrası için yorum yapmak yanlış olabilir. Çünkü şu an çok zor görülen insandaki karmaşık sinir sistemi yapısının, bilgisayarlara aktarılması, günümüz teknolojisiyle olanaksız görülmektedir. Ancak, bilimin şu an çözüm üretemediği noktada araya felsefe giriyor ve farklı düşünceler ve sonuçlar ortaya çıkıyor. İnsan beyninde yaklaşık 1000 tane olarak varsayılan, sinir hücreleri arasında, rakamlarla ifade etmekte güçlük çekilecek sayıda sinaptik bağlar vardır. Bu bağları yapaylaştırıp, bilgisayar sistemlerine aktardığımız düşünüldüğünde, bu bilgisayarın tüm dünyayı kaplayacağı düşünülmektedir. İşte bu sonuç akla ilk olarak IBM’in bir yöneticisinin şu sözlerini akla getiriyor: “Bilgisayarlar ne kadar küçülürse küçülsün, bir odadan daha küçük olamaz.” Şimdi ise az önce ortaya konulan düşünceye baktığımızda, neden dünya büyüklüğünde olacağını varsaydığımız bilgisayarlar gelecekte cebimizde biz yapay zekâsıyla yol gösterici olmasın, diyoruz. Yapay zekânın geleceği hakkında çatışan bu iki düşünce, belki de “yapay zekâ” kavramının gizemini ve öne çıkış nedenini ortaya koyuyor. Yine yapay zekânın önemi üzerine Massachusetts Teknoloji Üniversitesi (MIT) Bilgisayar Bilimi Laboratuarı yöneticilerinden Edward Frankın şu sözleri söylüyor: “Tarihte üç büyük olay vardır. Bunlardan ilki; evrenin oluşumudur. İkincisi, yaşamın başlangıcının olmasıdır. Bu ikisiyle aynı derecede önemli olan üçüncüsü ve belki de daha önemlisi ise, yapay zekânın ortaya çıkışıdır.” Yapay Sinir Ağları; Günümüz yapay zekâ anlayışı üzerine kurulu olan bu iki düşüncenin, zihnimizde yapay zekâ kavramı üzerine bazı oluşumları var ettiğini umut ederek, yapay zekâ konusunun belkemiği olan “yapay sinir ağları (ysa)” üzerine rotamızı çeviriyoruz. Yapay sinir ağları, insanda var olan karmaşık sinir sistemi yapısının simule edilmesiyle oluşur. Bu benzetim (simülasyon) sonucunda, yapay sinir ağlarının kazandığı özelliklere bakalım. Ancak bunun öncesinde bu sistemlerin insanın tabii zekâsındaki işleyişine bakalım. İnsan doğumuyla beraber çevresiyle etkileşime girerek öğrenme sürecine başlar. Bu öğrenme şekli görmeye ve denemeye dayalı olan bir öğrenim şeklidir. İnsanoğlunun bu öğrenme eylemi, beyinde nöronlar (sinir hücreleri) arasındaki sinaptik bağların kurulmasıyla gerçekleşir (bir nehir üzerine köprünün kurulmasıyla ulaşımın sağlanabilmesi gibi). Köprünün kurulması sinaptik bağlantının gerçekleşmiş olması, dolayısıyla öğrenme işleminin sağlanması demektir. Ancak bu işlem az sayıda kurulan sinaptik bağın eseri değildir. Çok fazla sayıda bağlanan ki bu bağlantıların aktarıldığı bilgisayarın dünyayı kaplayacağını söylemiştik, nöronlar ağsı yapılar oluşturarak insanda sinir sistemini meydana getirir. Öğrenilenler, elde edilen yeni tecrübeler bu sistemin gelişiminde ve ayarlanmasında kullanılır. Bu sayede insan, olaylara ayarlandığı şekliyle karşılık verir, olaylar karşısında tereddüde düşer, seçim yapar… Bu sistem temel bazı özelliklere ayrılarak, günümüz bilgisayar sistemlerine uygulanabilmektedir. Bu da “yapay sinir ağları” ile mümkün olmaktır. Temel bazı özelliklere ayırmak ise uygulanabilirliği kolaylaştırmaktadır. YSA’nın ele alacağımız ilk özelliği doğrusal olmasıdır. Bu yapay ağlar bir sorun karşısında doğrusal sonuç üretmezler. Yani sorun tekbir elden çözüme kavuşturulmaz. Sorun, tüm ağa dağıtılarak sonuca ulaştırılır. Bu paralel dağılmış yapı, günümüz bilgisayarlarında var olan işlemcilerin, sorunları sırayla, tek bir elden işlemesinden farklıdır. Bu yöntemle çalıştığı için işlemciler, İngilizcede CPU (Central Process Unit) diye adlandırılır. Bu kısaltmanın Türkçe karşılığına baktığımızda ise “Merkezi İşlem Birimi” olduğunu görürüz. Ancak, yapay sinir ağlarında kompleks bir problem ağa küçük sorunlar olarak dağıtılarak, problem çözülür. Bu yapay sinir ağlarının karmaşık problemler karşısında çözüme ulaşma yeteneğini gösterir. Tıpkı insan zekâsı gibi… YSA’nın bir diğer özelliği, sistemin öğrenme şekli ve sorunlar karşısında ürettiği alternatifler üzerinedir. İnsandaki sinir sistemini hatırlayalım. Görerek ve deneyimlerle sağlanan öğrenme, bilgisayar sistemlerine, programa önceden girdiler verip sonuçlar üretmesini sağlayarak uyarlanmıştır. Bu durumda bilgisayar, girdi ve çıktıklarla eğitilmemiş sorunlara çözüm üretemez. Ancak, sistem eş zamanlı öğrenmeye programlanmışsa, eğitime de eş zamanlı olarak devam edebilir. Bu, değişimlere uygun sonuçlar üretebilecek bir yapıda programlanmasıyla sağlanabilir. Bu sayede, sistem gerçek zamanda eğitime devam ederek, soruna çözüm üretebilecektir. Bunu yolunu kaybeden bir turistin, elindeki haritayla yolunu bulmasına benzetebiliriz. Ayrıca, yapay sinir ağları çözüm üretemediği sorunlarda bazı genellemelere giderek çözüm sunabilir. Buna en basit örnek, yapay zekâ ile üretilmiş chatbot uygulamalarıdır. Bu programlar sizle karşılıklı sohbet ediyormuş gibi davranır. Sizin yazdıklarınıza uygun bir eğitim de geçmediğinde bazı genellemelere giderek sizi yanıt verir. Örneğin uygulamaya klavyeden rasgele tuşlara basarak bir girdi gönderdiğinizde, program buna karşılık veremeyeceğinden “geçelim bunları” gibi bir çıktı üreterek, çözüm sunabilir. Elbette, sistemin bu cevabı üretebilmesi için bu alanda eğitilmiş olması gerekir. Yapay zekâyı, doğal zekâ olma yolunda ilerleten bir diğer özelliği ise, sistemin uzun ve karmaşık ağlardan oluşuyor olmasıdır. Bu özellik, karmaşık bir sorunun çözümünde, paralel şekillenmiş ağa dağıtılan sorun kümelerinin bazılarının çözüme ulaştırılamaması durumunda, sistemin üreteceği sonucun, bu durumdan çok daha az etkilenmesini sağlayacaktır. Bu özelliği de bir örnekle daha açık bir şekilde ifade edelim. Bir ağaç kökten kesilirse tüm yaşamsal fonksiyonlarını kaybeder ve işlevini yerine getiremez. Ancak, ağacın bir dalının kesilmesi ağacın yaşamsal fonksiyonlarını yerine getirmesi açısından bir engel teşkil etmez. Bu iki durumu mukayese edecek olursak, ilk durumda sistem tamamen çöküntüye uğrayacaktır ve çözüm üretilemeyecektir. İkinci durumda ise, göz ardı edilebilecek küçük bir aksaklıkla, sorunu çözüme ulaştırabilecektir. YSA’nın bu son özelliğiyle birlikte, günümüz YSA’sının öne çıkan niteliklerini bitirmiş olduk. Sonuç; “Yapay zekâ” günümüz teknolojisinin gözde alanlarından biri. Bu sayede, gelişen teknoloji ve üretilen algoritmalarla birlikte hızla gelişecektir. Bu alan üzerinde yapılacak olan gerek bilimsel çalışmalar gerekse de felsefi çıkarımlar, yapay zekâya ve onun ördüğü ağlara yeni gelişmeler sağlayacak ve yeni rotalar belirleyecektir. Bunun birlikte, bilgisayarların işlem yeteneği ve insan zekasının esnekliği her alanda insanlığın yararına üretimler yapabilecektir. Bu gelişmelerin olumsuz yanları da olabileceği gibi, bunları şimdiden kestirmek zor olacaktır. (SosyalDusunce.com - Yunus Emre Akbaba)
__________________
Never fade away... |
|
|
|
09.03.2013, 16:01
|
#3 |
|
Çevrimdışı
|
Cevap: Yapay Zeka | Amacı ve Tarihçesi | Gelecek'te Yapay Zeka.
İnsanoğlu, mağara duvarlarına hayvan figürleri çizerek başladığı veri işleme sürecine artık insan gözüyle görülemeyecek küçüklükteki “chip”lerle devam etmektedir. Bu gelişim yaklaşık 4000 yıl gibi uzun bir süreye yayılmasına karşın gerçek gelişim son 50 yıl içinde yaşanmıştır. Günümüzde hayatımızın her alanına girmiş ve hayatımızın bir rutini haline dönüşmüş olan bu teknolojiyi insan oğlunun önceden tahmin etmesi bile olanaksızdı. Örneğin; bilgisayar sektörünün önemli firmalarından IBM'in bir yöneticisi, “Bilgisayar ne kadar küçülürse küçülsün bir odadan daha küçük olamaz” demiştir. Sektörün önde gelen isimlerinden birinin böyle büyük bir yanılgı içinde olması, bilgisayar teknolojisinin ne kadar hızlı geliştiğini çok güzel açıklamaktadır. Bu gelişim sürecinde artık kendi zekasıyla yetinmeyen insanoğlu makinelere de zeka verme uğraşı içindedir; artık amaç daha zeki, insan davranışlarını örnekleyebilen ve karar verebilen makineler üretmektir. Bu noktada karşımıza “Yapay Zeka” kavramı çıkmaktadır.
Günümüzde insanlığın en büyük hayallerinden biri haline gelen, üzerine filmler çekilen, kitaplar yazılan yapay zeka konusunu iyi anlayabilmek için felsefeden bilgisayar bilimine, elektrik-elektronikten biyoloji ve psikolojiye kadar çok geniş bir alanda çalışma yapmak gerekir. Turing makineleriyle temeli atılan yapay zeka üzerinde en fazla araştırma yapılan konu “yapay sinir ağları”dır. Yapay sinir ağları, temelde tamamen insan beyni örneklenerek geliştirilmiş bir teknolojidir. Bilindiği gibi; öğrenme, hatırlama, düşünme gibi tüm insan davranışlarının temelinde sinir hücreleri bulunmaktadır. İnsan beyninde tahminen 1011 adet sinir hücresi olduğu düşünülmektedir ve bu sinir hücreleri arasında sonsuz diyebileceğimiz sayıda sinaptik birleşme denilen sinirler arası bağ vardır. Bu sayıdaki bir birleşimi gerçekleştirebilecek bir bilgisayar sisteminin dünya büyüklüğünde olması gerektiği söylenmektedir; ancak 50 yıl sonra bunun büyük bir yanılgı olmayacağını bu günden kimse söyleyemez. İnsan beyninin bu karmaşıklığı göz önüne alındığında, günümüz teknolojisinin 1.5 kg.lık insan beynine oranla henüz çok geride olduğunu söylemek yanlış olmaz. Yapay Sinir Ağlarının Tanımı Yapay sinir ağları canlılarda bulunan sinir sisteminin çalışmasını elektronik ortama taşımayı hedefleyen bir programlama yaklaşımıdır. Yapay sinir ağlarının da canlılarda olduğu gibi öğrenme, hatırlama ve öğrendiklerini güncelleme gibi yeteneklerinin olması hedeflenmektedir. Sinir sisteminin davranışlarını kopyalayabilmek için yapısının da kopyalanması gerektiğini düşünen bilim adamları yapay sinir ağlarını modellerken de sinir sisteminin yapısını örnek almışlardır. Yapay sinir hücrelerinin birbirine bağlanmasıyla oluşan bir yapay sinir ağı öğrenme algoritmalarından herhangi birini kullanarak öğrenme sürecini tamamladığında kullanıma hazır hale gelir. Yapay sinir ağı çalıştığı sürece öğrenme ve bilgilerini güncelleme yeteneğine de sahiptir. Yapay Sinir Ağlarının Genel Özellikleri Yapay sinir ağları genel olarak canlı beyninin yapısını gerçekleştirmeyi hedefler. Aşağıdaki işlemleri gerçekleştirebilir:
Yapay sinir ağları öğrenme işlemi sırasında verilen bilgiler ile kendini düzenleyerek daha sonraki girdiler için doğru kararlar verebilme yeteneğine sahiptir. Yapay Sinir Ağlarının Üstünlükleri Yapay sinir ağ modelleri biyolojik sinir ağlarının çalışmasından esinlenerek ortaya çıkarılmıştır. Canlılarda bulunan sinir sisteminin modellenmesi sayesinde yapay sinir ağları biyolojik sinir sisteminin üstünlüklerine sahip olmuştur.
Yapay Sinir Ağlarının Dezavantajları
Yapay Sinir Ağlarının Mimarisi ve Yapı Elemanları Yapay sinir ağları biyolojik sinir ağlarının modellemesi olduğu için yapay sinir ağlarının çalışmasını anlayabilmek için öncelikle biyolojik sinir sisteminin yapısına bakmak gerekir. Biyolojik sinir sisteminin yapı taşı olan sinir hücreleri nöronlar, yapay sinir ağlarının da yapı taşıdır. Biyolojik Sinir Hücresinin Yapısı Biyolojik sinir sisteminin temel yapı taşı olan nöronların yapısı dört ana bölümden oluşmaktadır; dendrit, akson, çekirdek ve bağlantılar. Dendritlerin sinir hücresinin ucunda bulunan ve ağaç kökü görünümüne sahip bir yapıya sahiptir. Dendritlerin görevi bağlı olduğu diğer nöronlardan veya duyu organlarından gelen sinyalleri çekirdeğe iletmektir. Çekirdek dendrit tarafından gelen sinyalleri bir araya toplayarak ve aksona iletir. Toplanan bu sinyaller akson tarafından işlenerek nöronun diğer ucunda bulunan bağlantılara gönderilir. Bağlantılar ise yeni üretilen sinyalleri diğer nöronlara iletir.  Biyolojik Sinir Ağlarının Yapısı Bir insanın beyninde yaklaşık olarak 10 milyar sinir hücresi ve bu nöronların birbirleriyle yaptığı bağlantı sayısının ise 60 trilyon olduğu tahmin edilmektedir. Bu sinirler girdi bilgilerini duyu organlarından alırlar. Daha sonra alıcı (taşıyıcı) sinirler bu sinyalleri işleyip bir sonraki sinire aktararak sinyalin merkezi sinir sistemine kadar ulaşmasını sağlar. Merkezi sinir sistemi bu sinyalleri alıp yorumladıktan sonra tepki sinyallerini üretir. Bu sinyaller de tepkilerin oluşacağı organlara tepki sinirleri vasıtasıyla iletilir. Bu sayede duyu organlarından gelen bilgilere karşı tepki organlarına uygun işaretler sinir sistemi vasıtasıyla yollanır.  Yapay Sinir Hücresinin Yapısı Yapay sinir hücreleri de biyolojik sinir hücrelerine benzer yapıdadır. Yapay nöronlar da aralarında bağ kurarak yapay sinir ağlarını oluştururlar. Aynı biyolojik nöronlarda olduğu gibi yapay nöronların da giriş sinyallerini aldıkları, bu sinyalleri toplayıp işledikleri ve çıktıları ilettikleri bölümleri bulunmaktadır. Bir yapay sinir hücresi beş bölümden oluşmaktadır;
Birleştirme (toplama ) fonksiyonundan çıkan NET toplam hücrenin çıktısını oluşturmak üzere aktivasyon fonksiyonuna iletilir. Aktivasyon fonksiyonu genellikle doğrusal olmayan bir fonksiyon seçilir. Yapay sinir ağlarının bir özelliği olan “doğrusal olmama” aktivasyon fonksiyonlarının doğrusal olmama özelliğinden gelmektedir. Aktivasyon fonksiyonu seçilirken dikkat edilmesi gereken bir diğer nokta ise fonksiyonun türevinin kolay hesaplanabilir olmasıdır. Geri beslemeli ağlarda aktivasyon fonksiyonunun türevi de kullanıldığı için hesaplamanın yavaşlamaması için türevi kolay hesaplanır bir fonksiyon seçilir. - Doğrusal Aktivasyon Fonksiyonu Doğrusal problemler çözmek amacıyla aktivasyon fonksiyonu doğrusal bir fonksiyon da seçilebilir. Doğrusal aktivasyon fonksiyonları matematiksel olarak F(x) = A * x olarak genellenebilir. Bu formülde A sabit bir katsayıdır. A değerinin değişimi şekilde gösterilen doğrunun çıkış ekseniyle yaptığı açıyı değiştirmektedir.  -Adım Aktivasyon Fonksiyonu Girdilerin sıfırdan büyük olup olmamasına göre -1 veya 1 çıktısı veren fonksiyondur. Sadece iki çeşit çıktı vermektedir.  -Sigmoid Aktivasyon Fonksiyonu Sigmoid aktivasyon fonksiyonu sürekli ve türevi alınabilir bir fonksiyondur. Doğrusal olmayışı dolayısıyla yapay sinir ağı uygulamalarında en sık kullanılan fonksiyondur. Bu fonksiyon girdi değerlerinin her biri için sıfır ile bir arasında bir değer üretir. Sigmoid fonksiyonunun matematiksel ifadesi F(x)= 1/[(1+e)^(-x)]  -Tanjant Hiperbolik Aktivasyon Fonksiyonu Tanjant hiperbolik fonksiyonu, sigmoid fonksiyonuna benzer bir fonksiyondur. Sigmoid fonksiyonunda çıkış değerleri 0 ile 1 arasında değişirken hiperbolik tanjant fonksiyonunun çıkış değerleri -1 ile 1 arasında değişmektedir. Matematiksel ifadesi: F(X) = (1- e^(-2x))/(1+ e^2x ) 
Yapay Sinir Ağlarının Yapısı Yapay sinir ağları yapay sinir hücrelerinin birbirine bağlanmasıyla oluşan yapılardır. Yapay sinir ağları üç ana bölümde incelenir; giriş, ara ve çıkış katmanları.  Giriş Katmanı Yapay sinir ağına dış dünyadan girdilerin geldiği katmandır. Bu katmanda dış dünyadan gelecek giriş sayısı kadar nöron bulunmasına rağmen genelde girdiler herhangi bir işleme uğramadan alt katmanlara iletilmektedir. Ara Katmanı Giriş katmanından çıkan bilgiler bu katmana gelir. Ara katman sayısı ağdan ağa değişebilir. Bazı yapay sinir ağlarında ara katman bulunmadığı gibi bazı yapay sinir ağlarında ise birden fazla ara katman bulunmaktadır. Ara katmanlardaki nöron sayıları giriş ve çıkış sayısından bağımsızdır. Birden fazla ara katman olan ağlarda ara katmanların kendi aralarındaki nöron sayıları da farklı olabilir. Ara katmanların ve bu katmanlardaki nöronların sayısının artması hesaplama karmaşıklığını ve süresini arttırmasına rağmen yapay sinir ağının daha karmaşık problemlerin çözümünde de kullanılabilmesini sağlar. Çıkış Katmanı Ara katmanlardan gelen bilgileri işleyerek ağın girdi katmanından gelen verilere karşılık olan çıktıları üreten katmandır. Bu katmanda üretilen çıktılar dış dünyaya gönderilir. Geri beslemeli ağlarda bu katmanda üretilen çıktı kullanılarak ağın yeni ağırlık değerleri hesaplanır. Yapay Sinir Ağlarının Sınıflandırılması Yapay sinir ağları işleyiş olarak benzer olmalarına rağmen herhangi bir tasarım ve işleyiş standardı bulunmamaktadır. Nöron dizilimlerine, nöronların ağırlıklarının düzenleme için yapılan hesaplamaların türüne ve zamanına göre yapay sinir ağlarını üç ayrı dalda inceleyebiliriz.
__________________
Never fade away... |
|
|
|
09.03.2013, 16:11
|
#4 |
|
Çevrimdışı
|
Cevap: Yapay Zeka | Amacı ve Tarihçesi | Gelecek'te Yapay Zeka.
YAPAY ZEKA BÜYÜK BİR TEHDİT OLABİLİR Mİ? İnsan aklının çok üzerinde bir bilgisayar yaratılabilir mi? İngiltere'de, yapay zekanın ileride insanlığı tehdit edebileceği öngörüsüne dayanılarak özel bir merkez kuruldu. Doktorlar ise hiçbir bilgisayarın beyni geçemeyeceği görüşünde... İngiltere'nin en prestijli üniversitesi Cambridge'de yakın bir zaman içinde; insan aklının çok üzerinde olan bir bilgiyarın yani yapay zekanın, insanlık için ne tür tehditler oluşturabileceği analiz edilecek. Bu araştırma kapsamında; Cambridge Üniversitesi'nde, ileri düzeyde yapay zekanın olası tehlikelerini ortaya koyacak çok özel bir merkez kuruluyor. Felsefe profesörü Huw Price, kozmoloji profesörü Martin Rees ve Skype'ın kurucu ortaklarından Jann Tallinn'in liderliğinde kurulan merkez, bu yıl faaliyetlerine başlayacak. TEKNOLOJİ TEHLİKESİ Bilim adamı John Jack Good; 'Ultra Zeka Makinesi', bugünkü adıyla yapay zekayla ilgili 1965 yılında bir araştırma yaptı. Bu çalışmada Good, Ultra Zeka Makinesini; kendi kendine üretebilen bir makine ve insanlığın yapabileceği en son buluş olarak tanımladı. Prof. Dr. Huw Price ise bu yüzyıl ya da sonrasında hepimizin insanlık tarihinde meydana gelecek büyük değişikliklerle karşı karşıya kalabileceğimizi vurguluyor. Price; bir süre önce John Jack Good'un 'ultra zeka makinesi' yani yapay zekanın olası etkileri hakkında bir söyleşi gerçekleştirdi. Price söyleşide; teknolojinin varlığımızı tehdit edecek bir boyuta geleceğini ve bu gerçeğin ciddiye alınması gerektiğini söyledi. SİNEMAYA UYARLANDI Bu arada Arthur C. Clarke'ın bilim kurgu romanı '2001 Uzay Yolu Macerası'nda da 'HAL 9000' adlı bilgisayarın yarattığı isyan konu edilmiş ve bu hikaye yönetmen Stanley Kubrick tarafından sinemaya uyarlanmıştı. İşte Cambridge'deki araştırma merkezi de; gelecekte bu türde bir isyanın olabileceği, bilgisayarların insanların kontrolünden çıkabileceği öngörüsüne dayanılarak kuruldu. ÖNLEM ALINMASI ŞART Huw Price, ciddiye alınmazsa bir felakete dönüşebilecek olan yapay zekayla ilgili bu durumun gözardı edilmemesi gerektiğini, geleceğe yönelik tahminlerinin tutma ihtimalinin yüksek olduğunu belirterek "Önlem alınması şart" diyor. RİSKLERE KAYITSIZ KALAMAYIZ Kurucular, araştırmanın gerekçesini şöyle ifade ediyor: "Gelecekte yapay zeka ve bilgisayarlar hayatı tehdit edecek. Ancak bunun ne zaman gerçekleşeceğine dair bilgiye sahip değiliz. Bu konuyu incelemek üzere saygın bir bilimsel topluluk oluşturuyoruz." Dr. Tansel TURAN/Nöroloji Uzmanı OLUMSUZ ETKİLERİ ARAŞTIRILMALIDIR! Doğal zekanın yıkıcı etkileri kadar; yapay zekanın yıkıcı etkileri de ele alınmalı ve çözümler üretilmelidir. Ancak insan beyninin çok daha kompleks bir yapıya sahip olduğu gerçeği de asla unutulmamalıdır. ETİK DEĞERLER VAR Günümüzde benzer bir endişe kök hücre konusunda yaşanıyor. Bir damla tükürükten bile o insanın kopyasını üretebilecek seviyedeyiz ancak etik değerler yüzünden bu konuyla ilgili deneyler yasaklandı. Aynı şey bence yapay zeka için de geçerli. Dr. Mehmet Yavuz/Nöroloji Uzmanı BEYİN BİLGİSAYARDAN ÇOK DAHA MÜKEMEL! Bilgisayarlar, beynin mükemmel sisteminin taklit edilmesi yoluyla üretiliyor. Ancak beyin, var olan hiçbir teknoloji ile kopyalanamayacak kadar mükemmeldir. Sinir sisteminin; görüş, ses gibi farklı sinyalleri daha önceden belirlenmiş bir kod olmadan tutarlı şekilde algılaması özeldir ve hiçbir bilgisayarla karşılaştırılamaz. Beyinde 10 milyar nöron vardır ve her nöron adeta bir bilgisayar gibi çalışır. Dolayısıyla beyin, milyarlarca bilgisayardan oluşan hiper bir iletişim sistemidir. İNSANLIĞI TEHDİT ETMESİ ÜTOPYADIR Beynimiz, dışarıdan saniyede 500 bin byte'lık veri almaktadır. Bunun ancak 5 binini bilincimiz fark ediyor, diğer verileri ise bilinçaltımız depoluyor. Tüm düşüncelerimiz, hareketlerimiz ve söylemlerimiz bu verilerin kısa zaman içinde beynimiz tarafından yorumlanması ile şekilleniyor. Son zamanlarda düşünceyi algılayıp harekete dönüştüren elektronik devreler üzerinde çalışıldığını biliyoruz. Ancak hiçbir bilgisayar teknolojisi, beynimizin sahip olduğu zihinsel enerjiyi üretemez. Bilgisayarlar ne kadar gelişmiş olursa olsun, ancak matematiksel yorum ve işlemler yapabilirler. Bu nedenle yapay zekanın, insanlığı tehdit etmesi bence ütopyadır.(CNNTURK)
__________________
Never fade away... |
|
|
|
09.03.2013, 16:37
|
#5 |
|
Çevrimdışı
|
Cevap: Yapay Zeka | Amacı ve Tarihçesi | Gelecek'te Yapay Zeka.
Yapay Zekanın Gizemleri Dünyanın en karmaşık bilgisayarını taşıyoruz: Beynimiz. İnanılmaz işlere imza atan bu mucizevi bilgisayar, masaüstümüzde ya da cebimizde taşıdığımız bilgisayarlar kadar hızlı işlem yapamasa da çok daha güçlü. Yüksek frekansta, hızla ve sırayla sayısız matematik işlem yapabilen CPU'lar, insan beyninin yaptıklarını yapamıyor. İnsanoğlu, henüz gibi düşünebilen bilgisayarlar yapmayı başaramasa da bu alanda çalışmalar sürüyor. Silikon tabanlı bilgisayarlara, esneklik kazandırmak ve insan gibi karar alabilmelerini sağlamak için yazılımdan, yapay zekadan faydalanılıyor. Peki yapay zeka nasıl çalışıyor? İnsan beyninin yetenekleri, insan algısı ve karar alma mekanizmasının esnekliği bilgisayarlara nasıl kazandırılmaya çalışıyor? Yapay zeka günümüzde bilgisayar oyunlarından, tüketici elektroniği ürünlerine kadar her yerde var. Elbette yapay zekanın çeşitleri var ama bunlar başka bir makalenin konusu. Yapay zeka derin bir konu ve biz bu makalede işin bir yüzüne ve temeline bakacağız. Artık neredeyse herkesin sahip olduğu dijital kameralarda yer alan yüz tanıma özelliği, bunun çok temel bir örneği. Gülümsendiğinde bunu algılayabilen ve görüntüyü odaklayan, otomatik çekim yapan kameralar yapay zekadan yararlanıyor. Sadece kameralar değil, ses tanıma yazılımları, görselleri analiz eden ve resim içerisindeki harfleri, sayıları algılayıp dönüştürebilen yazılımlar ve daha pek çok örnek var. Bu alandaki çalışmalar zaman zaman yavaşlasa da hız kesmeden sürüyor. İnsan beynindeki sinir hücrelerinin birlikte kolayca yapabildiği işi, silikon devrelere yaptırmak hiç de kolay değil. İş programlamaya bakıyor ama sadece hangi koşulda ne yapılacağını programlamaya değil. Standart programlar, önceden belirtilen koşulda, önceden belirlenen kararları alabiliyor. Oysa insan öğrenebiliyor ve karar alabiliyor. Peki programlar nasıl karar alabilir? Bunu anlamak için öncelikle insan beyninin temeli olan sinir hücrelerini az da olsa tanımak gerekiyor. İnsan beyninde yer alan sinir hücrelerinin yani nöronların yapısına baktığımızda br gövde, bir kuyruk ve de saçaklar görüyoruz. Ana gövdenin adı soma ve o saçaklar da dendritler. Uzun kuyruğun adı akson ve aksonun ucunda yer alan saçaklar ise sinapslar. Bu organik bir devre, dendritlerden gelen sinyaller ölçülüyor, işleniyor, aktarılıyor ve de depolanıyor. Eğer sinyal sayısı yeterliyse oluşan voltaj farkı, aksonun sinyal yollamasına sebep oluyor. Buradan da diğer sinir hücrelerine uyarı gidiyor. Böylece hücreler uyarılıyor, elektrk sinyalleri iletiliyor ve beyin çalışıyor. Organik olmayan devrelerde de bu prensipler, çalışma biçimi taklit edilmeye çalışıyor. Henüz tek bir sinir hücresi bile tam olarak taklit edilebilmiş değil. Ancak ilerlemeler var, birebir olmasa dafarklı yöntemler ile sonuç alınıyor. Sayı yaşa ya da cinsiyete göre değişse de insan beyninde 20 milyar nörön var. Her nörön aşağı yukarı 10.000 kadar başka nöröna bağlı. Yani insanın karar alma mekanizması, hafızası ve beynin bütün işlemleri inanılmaz paralellikte ve karmaşıklıkta bir bilgisayar içinde gerçekleşiyor. Bu karmaşık ağın yapısı ve esnekliği, bağlantıların oluşturduğu kombinasyonlar da kolay kolay taklit edilemeyecek miktarda. En azından günümüz için bu böyle, zira çok çekirdekli masaüstü işlemcilerdeki transistör sayısı 2 milyara yaklaştı. Bunu daha da arttırmak, çekirdek sayısını arttırarak mümkün. Ancak sayı 20 milyar da olsa yapı çok farklı. Mimari, amaca göre transistör sayısından daha önemlidir. Bütün bunların çalışması için gereken yazılım ise bambaşka bir makale. Makineler belirli açılardan insan beynini geçse de, insan beyninin bütün sırlarının çözülmesine daha çok var. İnsan beyninin tamamının çalışma şeklini çözmek ve kopyalamak bir yana, nörönun işini bilgisayara yaptırmak bir mesele. Daha 1957 yılında Fran Rosenblatt bu işi yapmak için tek bir nörön modeli hazırladı: Perceptron. Algılayıcı, fark edici gibi anlamlara gelen Perceptron, biçim algılamak için hazırlandı. Biçim dediğimiz sade objelerin şekli değil, düzeni. Yani tekrar eden, benzerlik gösteren özelliklerin algılanabilmesi demek. Bir insana birkaç tane resim gösterip ortak nokta sorduğunuzda pek çok şey algılayabilir. Örneğin resimlerdeki ortak rengi, objenin ismini, kişilerin cinsiyetini ya da da başka bir ortak noktayı bulabilir. İşte mesele bilgisayarlara bunu yaptırabilmekte yatıyor. Kendisi amacına ulaşamasa, başarısız olsa da Perceptron'un tasarımını, meseleyi derinlemesine anlayabilmek için bilmek gerekiyor. Perceptron'un tasarımı gayet basit, veriler giriyor ve her verinin bir ağırlığı var. Veri temel olarak 1 ve 0 olsa da taşıdığı ek bir değer olan ağırlık ile çarpılarak hesaplanıyor. Sonuçlar ortaya konuyor ve sonuç değerler belirli bir aktivasyon eşiğini aşıyorsa 1 yani doğru, aşmıyorsa 0 yani yanlış sinyali gönderiliyor. Böylece bilgisayar sadece doğru ve yanlış veri girişi değil, gelen verilerin doğruluk oranını da hesaba katmış oluyor. Tam aradığını bulamasa da, en yakın sonucu buluyor. Bu işleme yardımcı olmak için başa bir de eğilim katılıyor. Eğilim de sonuçları daha doğru hale getirmek için sabit bir değer. Bu değer sayesinde perceptronun kararsız kalması engelleniyor ve ya 1 ya 0 bir sonuç iletiliyor. Elbette akla ağırlıkların nereden geldiği sorusu geliyor. Ağırlıklar da önceden hesaplanmış sonuçlara göre belirleniyor. Biraz detaya inelim... Burada eğitim setleri devreye giriyor. 1 ve 1 verisi 1 sonucunu, 0 ve 1 verisi 0'ı, 0 ve 0 verisi 0'ı, 1 ve 0 verisi de 0 sonucunu veriyorsa, burada sonuçların çoğu 0 olacaktır. Yani ağırlık 0'dır, bu şekilde belirlenen ağırlık, 4 kombinasyondan 3'ünde doğru sonuç verecektir. Bu eğitim seti 1 hata üretecektir. Ağırlıklar bu hatayı da hesaba katacak şekilde değiştirilir. 0 ve 1 arasında bir sabit belirlenir, bunun adı da öğrenme oranıdır. Bu teoride işe yarasa da tek katmanlı perceptron başarılı olamamıştır. İşte bu yüzden çok katmanlı sisteme geçilmiştir. İlk sistem ileri doğru veri ileten nöral ağ iken, çok katmanlı sistemde en az üç katman vardır ve daha iyi sonuçlar alınmaktadır. Girdi katmanı, gizli katman ve çıktı katmanından gizli ve çıktı katmanları birer perceptrondur. Gizli katman örnekte üç adet perceptrondan olur ama bu sayı artabilir. Bu sayı arttıkça başarı artar. Örneğin 10 tane olursa 10'luk sayı sistemindeki rakamlar, görsel olarak tanımlanabilir. Bu tür ağların esas sorunu eğitim setlerinin gerekmesidir. Sinir ağını eğitmek için geri-yayılım algoritması geliştirilmiştir. Perceptron'un çıktısını 0 ya da 1 yerine 0 ve 1 arasında bir değer olarak belirleyen bilim adamları bu sayede daha esnek ve adım adım gelişen sonuçlar verebilen bir sistem elde etmiştir. Kullanılan standart bir fonksiyon: f(x) = 1/(1+e-x) şeklindedir. Başka algoritmalar hiperbolik tanjantı ve hata fonksiyonunu da işin içine dahil etmiştir. Ağırlıklı girdiler yoğun olduğunda 1'e yakın, çok az olduğunda 0.5'e, çok büyük ve negatif olduğunda ise 0'a yakın bir sonuç verilmektedir. Bu sayede ağ artık daha iyi hesaplama yapabilir, hassasiyet arttırılmış ve hata oranı düşürülmüştür. Bu daha da geliştirilmiştir ancak detaylar gittikçe daha karmaşık bir hal almaktadır. Başarılı benzerlik algılama algoritmaları için büyük eğitim setleri gerekmektedir. Yani önceden hesaplanmış sonuçların, birbirine benzer olduğu bilinen büyük katalogların sisteme yüklenmesi gerekiyor. Hesaplanan ağırlıklar sayesinde yapay zekanın benzer olanı bulması son derece kolaylaşmaktadır. Ancak bu iş pek de kolay değildir, dev miktarda emek gerektirmektedir. Hassasiyeti arttırmak için kullanılması gereken veri miktarı da katlanarak artar. İşte bu yüzden bu yöntemin verimliliği de kısıtlıdır. Yine de günümüzdeki veri birikimi ve bunu işlemeye harcanan kaynaklar, başarılı yüz tanıma hatta görsel arama teknolojilerinin günlük hayatta kullanılabilir hale gelmesine yetecek denli gelişmiştir. Yapay zekanın geliştirilmesi, hem algoritmaların, hem de uygun farklı donanımın geliştirilmesiyle yakından alakalı. Günümüzde büyük miktarda veri karşılaştırması yapabilen başarılı algoritmaların ticari değeri büyük. Bu yüzden açıkladığımız temeller üzerine gelişmeler devam edecek. Bu makalemizde yapay zekanın, insan beynini nasıl taklit ettiğini açıkladık. Ancak ileride bu temellerin de değişmesi, kendi kendine öğrenen yapay zekanın farklı donanım ve yazılım temelleri üzerine oturtulması da mümkün. Bu konu çok derin ve tıpkı nöronlar gibi dallanıp budaklanarak, kendisine benzer en az 10.000 konuya bağlanıyor. İşte bu yüzden, En azından sadece bu makalede konunun ancak oldukça küçük, ama bir o kadar önemli bir kısmıyla yetiniyoruz. Bugün bebeklik çağında olan, bol bol bilgi ve örnek beslenmesini gerektiren yapay zekanın yapısı henüz bilinç kazanmasına imkan tanıyacak denli gelişmedi. Ama gelecekte ne olacağını kimse bilemez... Kaynaklar - Chip Online.
__________________
Never fade away... |
|
|
|
13.03.2013, 14:32
|
#6 |
|
Çevrimdışı
|
Cevap: Yapay Zeka | Amacı ve Tarihçesi | Gelecek'te Yapay Zeka.
BİLGİSAYARLAR DÜŞÜNEBİLİR Mİ? Giriş Bu soru, kimilerine çok ilginç gelebilir; bilim-kurgu yapıtlarıyla dolup taşmışlar için ise yine o bildik sorudur. Ancak, burada yer alması, bu iki bakışın da bundan daha temel bir soruyu gözden kaçırmalarından kaynaklanıyor: İnsanlar düşünebilir mi?
İnsanların düşünebiliyor olduğuna eminizdir. Kendimizden biliriz. İçimizdeki seslerin dansı gibidir düşünmek. Dışavurmadan sürdürdüğümüz bir yarım tümcecikler silsilesi. Bizden tanımlanması istendiğinde, "hani var ya! Bunu herkes kendi içinde yaşar" deriz. Peki ama düşündüğümüze emin miyiz? Kartezyen yani Dekart'çı bakış, küçük yaşlardan başlayarak aldığımız örgün eğitim ve 'yaşam' diye adlandırılan yaygın eğitimle her yanımızı sarmış. Ondan bağımsız olarak bakmamız zor görünüyor. Hatta bu bakıştan ayrı bir bakış olabileceği de aklımıza gelemiyor. Peki nedir bu Dekart'çı bakış? Herşeyden kuşku duymaktır ve herşeyden kuşku duyulduğunda bile, kuşku duyan 'şey'in varolması gerektiği için, (daha doğrusu, Dekart, böyle düşündüğü için) Dekart, "düşünüyorum, öyleyse varım" demiştir. Herşeyden kuşku duyulsa bile, bu bakışa göre, bir benlik vardır ve bunun varlığı, kuşkusuzdur. Aynı Dekart, sayfalar boyu lafı dolandırır. Sonra bir bakarız ki, dış dünyanın varlığını, emin olduğu Tanrı'nın varlığıyla temellendirmiş. Sonra bu kişiye, "çağdaş düşüncenin babası" diyorlar. Her neyse. Konumuza dönelim: İnsanın içine döndüğünde, yalnızca kendisinin deneyimlediğini düşündüğümüz birtakım öznel durumlar var ve biz bunlara 'düşünceler' diyoruz. Peki ama düşündüğümüzü nereden biliyoruz? Düşündüğümüze emin miyiz? Gerçekte, bu hiç de kesin bir bilgi değildir. Sinirbilimsel yapımız, kendimizi düşünüyor sanmamıza yolaçan bir yanılgı içeriyor olabilir. Diğer bir deyişle, düşündüğümüzü sanırken, hiç de düşünmüyor olabiliriz. Bu, 'panik atak' örneklerine benziyor. Beden, tehlikede olduğu yönünde yanlış imler veriyor ve bu, gerçel nedenleri olmayan kaygılanmalara yolaçıyor. Nabız artıyor, terleme görülüyor vb. Ya hepimiz bir düşünsel 'panik atak' kurbanlarıysak? Bir de yarık-uslulara (şizofren) bakalım: Yarık-usluların deneyimlediği gerçeklik, nasıl bir gerçekliktir? Kendi gerçekliklerine sahipler. Peki topluluksal bir yarık-usluluğun bilinçsiz kurbanlarıysak hepimiz? Dekart'ı hala çağdaş düşüncenin babası sayanlar varsa, bundan sonrasını boşuna okumasınlar. Peki Dekart'ı bu noktaya götüren neydi? Dekart, kendi varlığını ve dış dünyanın varlığını temellendirmek için duyulara başvuramazdı. Çünkü insan duyularının sık sık yanıldığı için, güvenilir bir temel olamayacağını düşünüyordu. Gerçek şu ki, ne içsel dünyanın tanımsız öğeleri ne de duyular yanılmazdır. Evet, buraya kadar özetlersek, sorumuzu yanıtlamak için, önce "insan düşünebilir mi?" sorusunu yanıtlamamız gerektiğini belirttik ve buna yanıtımız, olumsuz. Bu soruya verilen olumsuz bir yanıt, birçok okurun tepkisini çekecektir. Onlar, bu yaklaşımı, makineleşmenin bir uzantısı olarak görecek, insanın insana özgü olan yanının düşünce olduğunu ve bunu başka hiçbir canlıda gözlemleyemeyeceğimizi ileri süreceklerdir. Bu görüş, çok yandaş topladığı için ve katılmadığımız bir görüş olduğu için, bu konuyu açma sorumluluğunu taşıyoruz: İnsana boş yere, büyük değer biçiyoruz. Bu büyük değer biçişimiz, bir yandan kendimizi sevmemizden, bir yandan da tek tanrılı dinlerin öğretilerinden derinden derine etkilenmemizden kaynaklanıyor. İnsan, evrenin efendisi değildir. Siz de dünyanın özeği (merkez) değilsiniz. Ayrıca, biz kibirli insanların, kendi dünyaları için geçerli bulguları ve kuramları, 'evrensel' sözüyle anmaları, yine bu 'evrenin efendisi olarak insan' yaklaşımdan kaynaklanıyor. Güneş Dizgesi'nin dışına çıkamamış bir canlı türü, yani insan, evrende kendinden başka canlı olamazmış gibi, gezegeninde geçerli olanlara "'evrensel'dir" diyor. Böyle bir canlı türünün "bilgisayarlar düşünebilir mi?" sorusuna yanıtı da işte böyle dünya-özekçi olur. İkinci olarak, insanların makineleşmemesinden, çeşit çeşit düşünceye sahip olmalarını anlıyorsak -ki, makineleşme eleştirisi, böyle bir anlayışın üstüne kurulmuştur- bu eleştiri, kendi içinde çelişmektedir: İnsanların öznel durumları, hiç de çeşit çeşit değildir. İnsanlar, aşağı-yukarı aynı şeyleri deneyimlerler ve onların deneyimlerini sınıflandırabiliyorsak -ki sınıflandırabiliyoruz. Örneğin: Mutlu-mutsuz, sıkıntılı, kaygılı, özlem dolu, meraklı vb.-, bu, bize, "makineleşmeye karşı duyguları toplayanlar"ın da deneyimlerinin makineli tüfek gibi olduğunu gösterir: Kurşun türü bellidir; tepki türleri bellidir ve makinenin yapısı bellidir. Diyelim ki insan düşünebiliyor. Bunu ya kendi içine bakarak (kılgısal (teknik) terimi kullanırsak 'içebakış'la) ya da sözlü olarak bildirerek anlayabiliriz. İçebakış, yukarıda belirtildiği gibi, kaygandır. İçebakışın sunduğu bilgi, insanlarda olup da bilgisayarlarda olmayan özelliklerin varlığını gösteremez. Dolayısıyla, elimizde bir tek sözlü bildirim kalıyor. İnsanın iç dünyasında öznel bir 'şey'ler deneyimlediğini bir tek insanın bunu bildirmesi yoluyla anlıyoruz. Elimizde şimdilik başka doğrulama yöntemi bulunmamakta. O zaman, öznel bir 'şey'ler deneyimlediğini bildiren her bilgisayar, düşünebilir. Bilgisayarı bu durumda düşündürtmek, oldukça kolaydır: Bir izlence (program) yazarız ve böylece bilgisayar, beklenmedik (seçkisiz) durumlarda, öznel bir 'şey'ler deneyimlediği yönlü bir bildirimde bulunabilir. Gerisini karşılıklı konuşma biçiminde sürdürelim: İnsan Yanlısı: Ama bilgisayarın bu bildirimi, yüzeysel olmaz mı? İnsanın bu tür bir bildirimde bulunmasının nedeni, gerçekten öznel bir 'şey'ler deneyimlemesi iken; bilgisayarın aynı bildirimi, izlencelenmiş olmasından kaynaklanır. Dolayısıyla, bilgisayarlar düşünemez! Bilgisayar Yanlısı: İnsanın bu tür bildirimlerde bulunması, onun koşullanmış olmasından kaynaklanmaktadır: Şöyle şöyle bir 'şeyler' duyumsarsan, şöyle şöyle bir bildirimde bulun. Bu yönüyle, bilgisayarın izlencelenmişliğinin insanın koşullanmışlığından hiçbir farkı yoktur. İkisi aynı şeydir. İnsan Yanlısı: Olur mu?! İnsandaki duyumsamaya bir bilinç eşlik eder; bilgisayarınkinde ise etmez. Bilgisayar Yanlısı: Nereden biliyorsunuz? Yaşamınızda hiç bilgisayar oldunuz mu? İnsan Yanlısı: Konuyu saptırıyorsunuz! Bunun ne ilgisi var?! Bilgisayar Yanlısı: İçebakışın kaygan olduğunu söylemiştik. Dolayısıyla, insanın duyumsamasına bilincin eşlik ettiği biçimindeki görüşünüzü temellendirmek için içebakışı kullanamayacaksınız. "Ben kendim öyle duyumsuyorum; bu yüzden, böyle." diyemezsiniz. Yalnızca bildirimleri ölçü olarak alacağımızı belirtmiştik. Ben de sizi kırmıyorum ve izlencede ufak tefek değişiklikler yapıyorum: Bakın, artık, bilgisayarımız, duyumsamasına bilincin eşlik ettiğini belirtiyor. İnsan Yanlısı: Bu söylediklerinizin iler tutar yanı olmadığının siz de farkındasınız ama bir kez bir görüşü savundunuz ya, sonuna kadar öyle gideceksiniz değil mi? Bilgisayar Yanlısı: Devam edeyim: 'birşey'ler duyumsadığınızı belirttiğinizde, bu 'birşeyler'i duyumsamanıza yolaçan hücreler düzeyindeki sinirsel ve bilişsel süreçlerin bilincinde misiniz? İnsan Yanlısı: Buna gerek var mı?! Durumun bilincindeyim işte. Bilgisayar Yanlısı: Buna elbette gerek yok. Aslında gerek var: Sizin "bilgisayarlar düşünemez" savından, "bilgisayarlar bilinçli değildir" savına yöneldiğinizi görüyorum ve insanların 'bilinç' dedikleri durumun da bir yanılsama olduğu söylüyorum. Ya da en azından, insanlarla bilgisayarların bilinç konusunda, eşit düzeyde olduğunu ileri sürüyorum. İnsanlar ne kadar bilinçliyse bilgisayarlar da o kadar bilinçli ve de tam tersi. Bilgisayar, çalışırken, daha önce yazılmış bir izlenceyi uyguladığının bilincinde değil. Bu nedenle bilinçsiz. Öte yandan, insan da, yaşarken, davranışlarının altında yatan sinirsel ve kimyasal süreçlerin bilincinde değil. İnsan Yanlısı: Peki, haklı olsanız bile, şunu söyleyebilirim: Ben oturur sinirbilim çalışırım, bu eksikliğimi gideririm ve böylece, birşeyler duyumsarken, "hah işte, beynimin şu bölgesinde bir etkinleşme var, oradan şuraya ileti gitti, ben de kendimi böylece, düşünüyor sandım." Bilgisayar Yanlısı: Çok güzel söylediniz. Ağzınızdan kaçırdınız. İnsan Yanlısı: Neyi? Bilgisayar Yanlısı: Kendinizi düşünüyor sanıyorsunuz. İşte dediğim de bu: Bilgisayardan hiçbir farkınızı göremiyorum: İnsanın ulaşabileceği en ileri bilinç düzeyinde, kendisini düşünüyor sanırken yakalaması, rastlantı değil. Ya insanlar bir tür bilgisayar ya da bilgisayarlar bir tür insan. İnsan Yanlısı: Boşta bulunmamdan yararlanıp iyice uçtunuz. Bakın, bizi merakla dinleyen ve tartışmamızın sonucuna göre, İnsan Hakları Bildirgesi başta olmak üzere birçok düzenlemeyi değiştirecek hukukçuların her tür davaya alışkın yüzlerinde çeşit çeşit ifade oluştu. Siz daha çok, Anatole France'ın penguenleri vaftiz eden papazına benziyorsunuz. Siz şimdi hukukçuların vurup vurup durduğu daktilolara da 'insan' demeye kalkarsınız. Bilgisayar Yanlısı: Ne tür bir kafa yapısıyla bu noktaya geldiğinizi anlamaya çalışıyorum, ancak çok zorlanıyorum. Madem bir daktiloyla bilgisayar arasında dağlar kadar fark olduğunu gözardı edeceksiniz, o zaman beni daha iyi örneklerle köşeye sıkıştırabilirsiniz. İnsan Yanlısı: Ne gibi? Bilgisayar Yanlısı: Taş gibi. Bana şunu diyebilirsiniz: "Sizin bu bakışınızla taşın da bir tür insan olması gerekir. Belki onun da öznel bir yaşantısı vardır. Nereden bileceğiz?" İnsan Yanlısı: Ama siz bilgisayarlarla insanların bilinç eşitliğini bildirimlere dayandırdınız. Dolayısıyla, bilgisayarın bilinçli olup olmadığını onun bildirimlerine bakarak anladınız. Geçersiz olduğu baştan belli olan bir karşı çıkışı size yöneltmemi beklemeyin! Bilgisayar Yanlısı: Beni utandırdınız. İnsan Yanlısı: Öte yandan, görüşleriniz doğru olsa bile, 'canlılık' anlamındaki 'yaşam' kavramını açıklamaktan uzak olduğunuzu görüyorum. Açıkçası, ben de bu kavramı açıklamakta zorlanıyorum. Bilgisayar Yanlısı: Yani? İnsan Yanlısı: Yani diyelim ki insanlarla bilgisayarlar, sizin dediğiniz gibi, bilinç düzeyinde eşitler. Ancak, biri canlı; biri cansız. Bunları aynı başlık altına yerleştirmek bile kendi içinde bir çatışkı yaratıyor. Bilgisayar Yanlısı: Peki. Çocukları, belgeleri, paraları vb. hangi altbaşlık altında toplayabiliriz? İnsan Yanlısı: Çocuk? Belge? Ama bunlar birarada olamaz ki?! Bilgisayar Yanlısı: Yangında ilk kurtarılacaklar. İnsan Yanlısı: Ah evet. Güzel. Peki nereye bağlayacaksınız? Bilgisayar Yanlısı: Yeni araştırmalarla birlikte, birarada anılamayacak kavramlar, bitişmeye başlıyor. Şu an canlılığı açıklaması zor görünüyor. Ama gelecekte uzuvsal özdeklerden (organik madde) yapılacak bilgisayarlar, canlılık kavramını olduğu gibi bilgisayar kavramını da iyice açımlayacakmış gibi görünüyor. İnsan Yanlısı: Ama doğal öğelerden birşeyler yapsalar, biz ona 'bilgisayar' demeyiz zaten. Bilgisayar Yanlısı: Evet. Demeyiz. Her kavram, özsel ve kazasal özelliklerden oluşur. Özsel özellikler, olmazsa-olmazdırlar. Öte yandan, kazasal özellikler olmasa, o kavram, hiçbirşey yitirmez. Buradan kalkarak, 'bilgisayar' kavramının kazasal özellikleri; rengi, sığası, markası vb.'dir. Bir özsel özellikleri vardır. Tartışmamızdan şu sonuç ortaya çıkıyor: Biz insanlar, cansızlığı bilgisayarın özsel bir özelliği olarak görüyoruz. Ancak, doğal öğelerden yapılacak bilgisayarlar, bu kavramsallaştırmayı da değiştirecek. Canlı Yanlısı: Bu sıkıcı sohbetinizi dinlemek, çok uykumu getirdi. Ben de size şunu sormak istiyorum: İnsan, tekhücreli bir canlıdan daha mı bilinçlidir? Ya bilgisayar? Bilgisayar mı daha bilinçlidir tekhücreli canlı mı? Bilgisayar Yanlısı: Bilgisayarın tekhücrelilerden daha bilinçli olup olmadığı konusunda bir şey söyleyemeyeceğim. Çünkü sizin uyukladığınız sıralarda, ben bütün bir insan-bilgisayar eşdeğerliği yaklaşımımı sözel bildirim üzerine kurdum. Ayrıca, sorunuz, sanıyorum, tekhücrelilerin az-çok bilinçli olduğunu varsayıyor. Bu varsayımınızı bilimsel bulmuyorum. Zaten bir kere, kendi içimize bakarak, tekhücrelileri anlamamız olanaklı değil. Konuşamadıklarına göre, bu konuda hiçbir bilgi edinemeyiz. Üstelik, bırakın bilinci, tekhücrelilerin dış dünyayı temsil etme yeteneğine sahip olduğunu kabul etmemiz için elimizde hiçbir kanıt yok. Şu var: Tekhücreliler, çok basit sorunları çözüyorlar. Dolayısıyla, sorun çözme algoritmaları, oldukça ilkel. Yöneylemcilerin (operatör) sayısı, çok az. Ama bir bilgisayarın çözdüğü sorunlar, son derece karmaşık. Örneğin satranç. Bu durum, bilince ilişkin bir şey söylemese de, bilgisayarların tekhücrelilerden daha zeki olduğunu gösteriyor. Robot Yanlısı: Ha, bir dakika. Birisi bilgisayarlar için 'zeki' mi dedi? Bilgisayar Yanlısı: Ben dedim. Ne vardı? Robot Yanlısı: Bilgisayarların kendi sorunlarını değil başkalarının önlerine koyduğu sorunları çözdüğünü gözden kaçırıyorsunuz. Bilgisayar Yanlısı: Kimin sorunu olduğu o kadar önemli mi? Robot Yanlısı: Hem de çok. Biz robot yanlıları, 'zeka'nın sizin dediğiniz gibi, sorun çözme becerisi değil; dış dünyayla iletişim içindeki varlığın denge sağlama becerisi olduğunu düşünüyoruz. Dolayısıyla, sizin anladığınız anlamdaki bilgisayarlar, 'zeki' olamaz. Robotlarınsa kendi sorunları vardır: Onları çözebildikleri ölçüde 'zeki'dirler. İnsan Yanlısı: Ama bu görüş, bizi yukarıdakine benzer bir tartışmaya götürüyor: Robotlar için 'zeki' diyorsanız, mutfak robotları da zeki mi oluyor? Robot Yanlısı: Hayır. Kendi başına denge sağlayabiliyor olsaydı, 'zeki' olurdu. Bilişsel Bilimciler Derneği Başkanı: Ya yine 'zeki', 'bilinç', 'düşünce' gibi, birinci bölümde, kullanımlarının durdurulması istenen sözcükleri, arka kapıdan içeri soktunuz. 'Yüksek Bilişsel İşlevler (YÜBİ)' desek olmuyor muydu? Canlı Yanlısı: Ama o zaman birtakım ayrımları vermesi zor! Bilişsel Bilimciler Derneği Başkanı: O zaman YÜBİ'yi birkaç alt-terime bölebilirsiniz. Canlı Yanlısı: Peki. Ne yapalım. Bir sonraki seçime kadar öyle olsun. İnsan Yanlısı: Yani sonuçta "bilgisayarlar düşünebilir" mi diyoruz "düşünemez" mi? Bilgisayar Yanlısı: "İnsanla bilgisayar, bilinç düzeyi ve düşünce bakımından eşit düzeydedirler" diyoruz. Bilişsel Bilimciler Derneği Başkanı: Yani "insanla bilgisayar, YÜBİ açısından eşit düzeydedir." diyebilir miyiz? Bilgisayar Yanlısı: En azından şimdilik diyebiliriz. Bilişsel Bilimciler Derneği Başkanı: Evet, Budacı Bilge. Bitiriyoruz. Herzamanki gibi, son söz senin. Tartışmayı nasıl buldun? Budacı Bilge: Herşey iyi güzel de, şuna odaklanmadınız: İnsanlara neden "bilgisayarlar düşünebilir mi?" sorusu ilginç geliyor? Robot Yanlısı: Özür dileyerek kesiyorum: Buna robotlar da dahil mi? Budacı Bilge: Evet, robotları da ekleyelim. İnsandışı hayvanları da ekleyelim. İnsan Yanlısı: O zaman dışarıda neleri bırakıyoruz? Budacı Bilge: Geriye kalan diğer tüm cansız varlıkları. Canlı Yanlısı: Yani? Budacı Bilge: Toplarsak, şu soruya yanıt vermediniz: İnsanlara, "Bilgisayarlar düşünebilir mi? İnsandışı canlılar düşünebilir mi? Robotlar düşünebilir mi?" soruları ilginç gelirken, neden "Bardak düşünebilir mi?", "Cam düşünebilir mi?" ya da "Masa düşünebilir mi gibi sorular ilginç gelmez?" İnsan Yanlısı: Neden? Budacı Bilge: Çünkü insanlar, evrenin sözümona efendileri olarak, düşünmenin yalnızca insana özgü bir etkinlik olduğunu varsayıyorlar ve köle diye bildiklerinin onları tahtlarından indirme olasılığından korkuyorlar. Ama daha önemlisi, insanlar, bilgisayarlara, insandışı canlılara ve robotlara bakmakla kendilerini anlamaya çalışıyorlar ve bu çabanın yersiz olduğu söylenemez. Bilişsel Bilimciler Derneği Başkanı: Özür dilerim. Han'ın kapanma saati geldi. Henüz yeterince tanınmayan bir bilimin derneği olduğumuz için bize anahtar vermiyorlar. Bekçi: O zaman bize olabildiğince yalın bir biçimde, biliminizi tanıtın lütfen. Bilişsel Bilimciler Derneği Başkanı: Üyelerimizden biri, bunun için bir kitap hazırlıyor. Bittiğinde ilk size uğrayacağım. Yazan: Ulaş Başar Gezgin, uzman yansıbilimci (psikolog) İnsanbilim (antropoloji) doktora adayı, University of Canterbury, Toplumbilim ve İnsanbilim Bölümü, Christchurch, Aotearoa (Yeni Zellanda). ODTÜ, Enformatik Enstitüsü, Bilişsel Bilimler doktora adayı. ulas@teori.org. http://ulas.teori.org 25.01.2005 -------
__________________
Never fade away... |
|
|
|
13.03.2013, 14:36
|
#7 |
|
Çevrimdışı
|
Cevap: Yapay Zeka | Amacı ve Tarihçesi | Gelecek'te Yapay Zeka.
Bu ara bir yapay zeka örneğiyle canlı yüzleşmek isteyen arkadaşlarımız için..
Şu sitede http://www.a-i.com/mybot.asp?uid=T%2...YyQ7plTg%3d%3d ingilizce olarak sohbet edebileceğiniz bir yapay zeka örneği mevcuttur kendisi kelime eşleştirme sistemi ile zenginleştirilmiş bir örnektir.. deneyin farkı görün efenim..  Umarım iyi bir konu hazırlayabilmişimdir.. Hepinize sevgiler
__________________
Never fade away... |
|
|
|
14.03.2013, 02:25
|
#8 |
|
Çevrimdışı
 |
Cevap: Yapay Zeka | Amacı ve Tarihçesi | Gelecek'te Yapay Zeka.
Serseri, verdiğin linktekini denedim. Bana dayanamadı mendebur, trafolarını yaktı en son dediğine aldığı karşılıkla.
__________________
"Ey egosu boyundan büyük insan.. |
|
|
|
14.03.2013, 02:42
|
#9 |
|
Çevrimdışı
|
Cevap: Yapay Zeka | Amacı ve Tarihçesi | Gelecek'te Yapay Zeka.
Biz insanlar tanrıcılık oynamayı severiz Başakça Ablam...
Yapay zeka da buna benziyor.. Belki bir canavar yaratıyoruz.. Belkide sımsıcak bir dost.. Her şekilde düşünen bir makine'nin varlığının bir gün gerçekleşeceğine inanıyorum.. Bir gün yapay zeka "Ben neyim? Neden burdayım?" dediği zaman çağ değişecek.. Bu gerçeklik ne kadar ürkütücü olsada.. .gif ":)")
__________________
Never fade away... |
|
|
|
12.11.2013, 14:31
|
#10 | |||
|
Çevrimdışı
|
Cevap: Yapay Zeka | Amacı ve Tarihçesi | Gelecek'te Yapay Zeka.
Bir Android Örneği.. Bundan 20 - 30 yıl sonrasını tahmin edebilmek zor değil..
__________________
Never fade away... |
|||
|
|
||||
 |
| Bu Sayfayı Paylaşabilirsiniz |
| Etiketler |
| amacı, bilgi, gelecekte, tarihçesi, yapay, zeka |
| Konuyu Toplam 1 Üye okuyor. (0 Kayıtlı üye ve 1 Misafir) | |
| Seçenekler | |
|
|
| Önemli Uyarı | |
| www.forumgercek.com binlerce kişinin paylaşım ve yorum yaptığı bir forum sitesidir. Kullanıcıların paylaşımları ve yorumları onaydan geçmeden hemen yayınlanmaktadır. Paylaşım ve yorumlardan doğabilecek bütün sorumluluk kullanıcıya aittir. Forumumuzda T.C. yasalarına aykırı ve telif hakkı içeren bir paylaşımın yapıldığına rastladıysanız, lütfen bizi bu konuda bilgilendiriniz. Bildiriniz incelenerek, 48 saat içerisinde gereken yapılacaktır. Bildirinizi BURADAN yapabilirsiniz. | |
