YAPAY ZEKA TEMEL BİLGİLER
Bilgisayar bilimi, yapay zeka araştırmasını “akıllı ajanların” çevresini algılayan ve hedeflerine başarıyla ulaşma şansını en üst düzeye çıkaran eylemler gerçekleştiren herhangi bir cihaz çalışması olarak tanımlar. [1] Daha ayrıntılı bir tanım, yapay zekayı “bir sistemin harici verileri doğru bir şekilde yorumlama, bu tür verilerden öğrenme ve bu öğrendiklerini esnek adaptasyon yoluyla belirli hedeflere ve görevlere ulaşmak için kullanma yeteneği” olarak karakterize eder. [62]
Tipik bir yapay zeka, ortamını analiz eder ve başarı şansını en üst düzeye çıkaran eylemler gerçekleştirir. [1] Bir AI’nın amaçlanan fayda işlevi (veya hedefi) basit (“AI bir Go oyunu kazanırsa 1, aksi takdirde 0”) veya karmaşık (“Geçmişte başarılı olanlara matematiksel olarak benzer eylemler gerçekleştirin”) olabilir. Hedefler açıkça tanımlanabilir veya teşvik edilebilir. YZ, ” pekiştirmeli öğrenme” için programlanmışsa , hedefler, bazı davranış türlerini ödüllendirerek veya diğerlerini cezalandırarak dolaylı olarak teşvik edilebilir. [a] Alternatif olarak, evrimsel bir sistem bir “uygunluk işlevi” kullanarak hedefler oluşturabilir.”Hayvanların yiyecek bulmak gibi belirli hedefleri doğuştan arzularken evrimleşmelerine benzer şekilde, yüksek puanlı AI sistemlerini mutasyona uğratmak ve tercihen kopyalamak. [63] En yakın komşu gibi bazı AI sistemleri, analoji yoluyla akıl yürütmek yerine, bu sistemler değildir Hedeflerin eğitim verilerinde örtük olduğu derece dışında genel olarak verilen hedefler. [64] Bu tür sistemler, hedef olmayan sistem “hedefi” dar sınıflandırma görevini başarılı bir şekilde gerçekleştirmek olan bir sistem olarak çerçevelenmişse, yine de kıyaslanabilir. [65]
Yapay zeka genellikle algoritmaların kullanımı etrafında döner. Algoritma, mekanik bir bilgisayarın yürütebileceği belirsiz olmayan talimatlar dizisidir. [b] Karmaşık bir algoritma genellikle diğer, daha basit algoritmaların üzerine inşa edilir. Basit bir algoritma örneği, tic-tac-toe’da oynamak için aşağıdaki (ilk oyuncu için en uygun) tariftir : [66]
- Birinin bir “tehdidi” varsa (yani, arka arkaya iki tane), kalan kareyi alın. Aksi takdirde,
- bir hamle aynı anda iki tehdit oluşturmak için “çatal atarsa”, o hamleyi oynayın. Aksi takdirde,
- boşsa merkez kareyi alın. Aksi takdirde,
- rakibiniz bir köşede oynadıysa, karşı köşeyi alın. Aksi takdirde,
- varsa boş bir köşeyi alın. Aksi takdirde,
- herhangi bir boş kareyi alın.
Birçok AI algoritması, verilerden öğrenme yeteneğine sahiptir; yeni buluşsal yöntemler (geçmişte işe yaramış stratejiler veya “pratik kurallar”) öğrenerek kendilerini geliştirebilirler veya kendileri başka algoritmalar yazabilirler. Bayes ağları, karar ağaçları ve en yakın komşular dahil olmak üzere aşağıda açıklanan “öğrenicilerden” bazıları teorik olarak (sonsuz veri, zaman ve bellek verildiğinde) matematiksel işlevlerin hangi kombinasyonunun en iyi tanımlayacağı da dahil olmak üzere herhangi bir işlevi tahmin etmeyi öğrenebilirler. Bu öğreniciler, bu nedenle, olası her hipotezi dikkate alarak ve bunları verilerle eşleştirerek mümkün olan tüm bilgileri elde edebilirler. Pratikte, bir problemi çözmek için gereken zamanın katlanarak arttığı ” kombinatoryal patlama ” olgusu nedeniyle her olasılığı değerlendirmek nadiren mümkündür. Yapay zeka araştırmalarının çoğu, yararlı olma ihtimali düşük olan çok çeşitli olasılıkları nasıl belirleyeceğinizi ve bunlardan nasıl kaçınacağınızı bulmayı içerir. [67] [68] bir harita görüntüleme ve en kısa sürüş rota ararken Örneğin, Denver için New York’ta Doğu’da, çoğu durumda, atabilir yoluyla herhangi bir yol bakarak atlamak San Franciscoveya batıya uzak diğer bölgeler; bu nedenle, A * gibi bir yol bulma algoritmasını kullanan bir yapay zeka, olası her yolun dikkatlice düşünülmesi gerekirse ortaya çıkacak kombinasyon patlamasından kaçınabilir. [69]
Yapay zekaya ilk (ve anlaşılması en kolay) yaklaşım sembolizmdi (biçimsel mantık gibi): “Eğer sağlıklı bir yetişkinin ateşi varsa, o zaman grip olabilir “. İkinci ve daha genel bir yaklaşım Bayesci çıkarımdır : “Mevcut hastanın ateşi varsa, şu şekilde grip olma olasılığını ayarlayın”. Rutin iş AI uygulamalarında son derece popüler olan üçüncü ana yaklaşım, SVM ve en yakın komşu gibi analojikleştiricilerdir.: “Sıcaklığı, semptomları, yaşı ve diğer faktörleri mevcut hastayla en çok eşleşen bilinen geçmiş hastaların kayıtlarını inceledikten sonra, bu hastaların% X’inin grip olduğu ortaya çıktı”. Dördüncü bir yaklaşımın sezgisel olarak anlaşılması daha zordur, ancak beynin mekanizmasının nasıl çalıştığından esinlenmiştir: Yapay sinir ağı yaklaşımı yapay “nöronlar kullanır” kendisini istenen çıktıyla karşılaştırarak ve yararlı görünen bağlantıları” güçlendirmek “için iç nöronları arasındaki bağlantıların gücünü değiştirerek öğrenebilir. Bu dört ana yaklaşım birbirleriyle ve evrimsel sistemlerle örtüşebilir; örneğin, sinir ağları çıkarım yapmayı, genellemeyi ve benzetmeler yapmayı öğrenebilir. Bazı sistemler, diğer birçok yapay zeka ve yapay zeka dışı algoritmaların yanı sıra bu yaklaşımların çoğunu örtük veya açık bir şekilde kullanır; en iyi yaklaşım genellikle soruna bağlı olarak farklıdır. [70 ] [71]
Öğrenme algoritmaları, geçmişte iyi çalışan stratejiler, algoritmalar ve çıkarımların gelecekte de iyi çalışmaya devam edeceği temelinde çalışır. Bu çıkarımlar, “Güneş son 10.000 gündür her sabah doğduğundan, muhtemelen yarın sabah da doğacak” gibi açık olabilir. ” Ailelerin % X’inin coğrafi olarak farklı renk çeşitleriyle farklı türleri vardır, bu nedenle keşfedilmemiş siyah kuğuların var olma şansı% Y’dir ” gibi farklılıklar gösterilebilir . Öğrenciler ayrıca ” Occam’ın tıraş bıçağı ” temelinde çalışır.”: Verileri açıklayan en basit teori en olasıdır. Bu nedenle, Occam’ın ustura ilkesine göre, bir öğrenci, karmaşık teorinin önemli ölçüde daha iyi kanıtlandığı durumlar dışında, karmaşık teorilere daha basit teorileri tercih edecek şekilde tasarlanmalıdır.
İnsanlarla karşılaştırıldığında, mevcut yapay zeka, insan “sağduyu muhakemesi” nin çeşitli özelliklerinden yoksundur ; en önemlisi, insanlar uzay, zaman ve fiziksel etkileşimler gibi ” saf fizik ” hakkında akıl yürütmek için güçlü mekanizmalara sahiptir . Bu, küçük çocukların bile “Bu kalemi bir masadan yuvarlarsam yere düşecek” gibi çıkarımlar yapmasını sağlar. İnsanlar ayrıca, “Şehir meclis üyeleri şiddeti savundukları için göstericilere izni reddetti” gibi doğal dildeki cümleleri yorumlamalarına yardımcı olan güçlü bir ” halk psikolojisi ” mekanizmasına sahiptir (Genel bir YZ, savunuculuk yaptığı iddia edilenlerin ayırt edilmesinde güçlük çeker. şiddet konsey üyeleri veya göstericilerdir [79] [80] [81]). Bu “ortak bilgi” eksikliği, yapay zekanın genellikle anlaşılmaz görünebilecek şekillerde insanlardan farklı hatalar yaptığı anlamına gelir. Örneğin, mevcut sürücüsüz arabalar, yayaların konumu veya niyetleri hakkında tıpkı insanların yaptığı gibi akıl yürütemez ve bunun yerine kazaları önlemek için insan dışı akıl yürütme yöntemlerini kullanmalıdır. [82] [83] [84]
KAYNAKÇA
|