Yapay Zekâ (AI)
Yapay zekâ (AI), görüntüleri tanıma, dili anlama, tahmin yapma ve eylem seçme gibi normalde insan muhakemesi gerektiren görevleri, verilerden örüntüler öğrenerek veya kodlanmış kuralları izleyerek yerine getirebilen sistemler geliştiren bilgisayar bilimi alanıdır.
Yapay zekâ nedir?
Yapay zekâ bir şemsiye terimdir: makine öğrenmesi, derin öğrenme ve üretken modeller onun alt kümeleridir, eş anlamlıları değil. Terim, John McCarthy ve meslektaşlarının düzenlediği 1956 Dartmouth yaz araştırma projesi için ortaya atıldı.
İlk yapay zekâ çalışmaları elle yazılmış kurallara ve uzman sistemlere dayanıyordu. Bugün kullanılan yapay zekânın büyük kısmı, örneklerden örüntü öğrenen makine öğrenmesidir; giderek artan bir pay ise metin, görsel veya kod üreten üretken yapay zekâya aittir. Mevcut sistemlerin tamamı "dar" kapsamlıdır: belirli görevlerde güçlüdür, ancak genel ve insan düzeyinde akıl yürütme yeteneğine sahip değildir.
İş ortamlarında yapay zekâyı; girdileri, beklenen bir çıktısı ve ölçülebilir bir hata oranı olan bir iş akışının içindeki bir bileşen olarak ele almak en doğrusudur.
İş dünyasında kullanılan başlıca yapay zekâ türleri nelerdir?
İş dünyasındaki yapay zekâ, her biri farklı sorunlara uygun beş yetenek ailesinde toplanır:
Tahmin: churn riski, talep tahminleri, kredi skorları.
Sınıflandırma: destek taleplerini yönlendirme, dolandırıcılığı işaretleme, dokümanları etiketleme.
Dil: özetleme, bilgi çıkarma, çeviri ve sohbet için NLP.
Görüntü: denetim, sayım ve görüntü okuma için bilgisayarlı görü.
Üretim ve eylem: içerik taslakları hazırlama ve ajan tabanlı sistemlerde yazılım içinde çok adımlı işlemler gerçekleştirme.
Bir sorunu bu ailelerden birine eşlemek, yapay zekânın uygun olup olmadığını değerlendirmenin en hızlı yoludur.
Her aile farklı girdiler gerektirir: tahmin ve sınıflandırma etiketlenmiş geçmiş veriye, dil görevleri temiz dokümanlara, görüntü işleme ise gerçek koşullarda çekilmiş temsili görüntülere ihtiyaç duyar.
Yapay zekâ pratikte nasıl görünür?
İşe yarayan kurumsal yapay zekâ, genellikle bütün bir rolün yerini almak yerine bir iş akışındaki tekrarlayan tek bir muhakemeyi ortadan kaldırır. Çalışanlarının her gün gelen yüzlerce müşteri e-postasını elle sınıflandırdığı 45 kişilik bir muhasebe firmasını düşünün.
Firma, geçmişteki birkaç bin e-postayı türüne göre etiketler: fatura, vergi sorusu, süre uzatma talebi, diğer.
Yeni e-postaları sınıflandırmak ve müşteri adı ile son tarihi çıkarmak için Azure OpenAI Service üzerinden bir LLM kullanır.
Güven düzeyi düşük vakalar bir kişiye yönlendirilir; geri kalanlar otomatik olarak muhasebe yönetim sistemine kaydedilir.
Diyelim ki model e-postaların çoğunu doğru işliyor; çalışanların zamanı sınıflandırmadan yanıt vermeye kayıyor ve hatalar haftalık olarak takip ediliyor.
Firma sıfırdan bir model eğitmedi. Barındırılan bir modeli, test için kendi etiketli örneklerini ve bir kişinin neyi kontrol etmesi gerektiğine karar veren bir güven eşiğini bir araya getirdi.
Yapay zekânın sınırları ve riskleri nelerdir?
Yapay zekâ sistemleri olasılıksaldır; bu nedenle her uygulamanın, sistemin yanıldığı durumlar için bir planı olmalıdır.
Veri bağımlılığı: modeller, eğitim verilerindeki önyargıları ve boşlukları da öğrenir.
Halüsinasyon: üretken modeller akıcı ama yanlış çıktılar üretebilir; bu yüzden guardrail'ler ve insan incelemesi önemlidir.
Şeffaflık eksikliği: karmaşık modelleri açıklamak zordur; bu da kredi, işe alım ve sağlık alanlarında önem taşır.
Regülasyon: Ağustos 2024'ten bu yana yürürlükte olan AB Yapay Zekâ Yasası (EU AI Act), risk seviyesine göre yükümlülükler belirler ve en katı kuralları yüksek riskli kullanımlara uygular.
Basit bir kural veya bir SQL sorgusu sorunu çözüyorsa, bu genellikle bir modelden daha ucuz ve daha güvenilirdir.
Yapay zekânın makine öğrenmesi ve üretken yapay zekâdan farkı nedir?
Yapay zekâ hedeftir, makine öğrenmesi baskın yöntemdir, üretken yapay zekâ ise makine öğrenmesi modellerinin ailelerinden biridir. Kural tabanlı bir vergi hesaplayıcısı, klasik anlamda yapay zekâdır ancak makine öğrenmesi değildir.
scikit-learn ile geliştirilmiş bir churn modeli makine öğrenmesidir ancak üretken değildir. ChatGPT, Claude ve Gemini, büyük dil modelleri üzerine kurulu üretken yapay zekâ örnekleridir. Azure ML, Google Vertex AI ve Amazon SageMaker gibi bulut platformları bu üçünü de destekler.
Pratikteki sonuç şudur: "yapay zekâya ihtiyacımız var" bir proje tanımı değildir. Proje tanımı; görevi, veriyi, kabul edilebilir hata oranını ve çıktıyı kimin inceleyeceğini belirtir.
Yapay zekâ ve makine öğrenmesi
Yapay zekâ | Makine öğrenmesi | |
|---|---|---|
Kapsam | İnsan benzeri muhakeme gerektiren görevleri yerine getiren her sistem | Verilerden örüntü öğrenen sistemler |
Kapsadıkları | Kurallar, arama, ML, üretken modeller | Denetimli, denetimsiz ve pekiştirmeli öğrenme |
Eğitim verisi gerekir mi | Her zaman değil | Her zaman |
Örnek | Kural tabanlı bir uzman sistem | Bir churn tahmin modeli |
İlişki | Daha geniş alan | Yapay zekânın bir alt kümesi |
VIZIO AI yapay zekâyı nasıl uygular?
VIZIO AI, yapay zekâyı yavaş ve manuel bir muhakemenin yerini aldığı noktalarda uygular ve onu güvenilir kılan veri altyapısıyla birlikte kurgular. Birleşik Krallık'taki bir siber güvenlik araştırma kuruluşu için Growth Studio, fidye yazılımı olaylarını doğrulanmış veya doğrulanmamış olarak sınıflandırmak için kural tabanlı mantık ve makine öğrenmesi sezgisellerini kullandı; fidye yazılımı izleme paneli manuel önceliklendirmeyi %70 azalttı.
Found Factory için Venture Studio, öğrenciler ve mezunlar için bir kişilik eşleştirme algoritmasını yapay zekâ destekli bir profesyonel beceri eşleştirme katmanıyla birleştirdi; kurucu ortak eşleştirme platformunun MVP'si 13 haftada teslim edildi.
Nereden başlamalı: Ekibinizin ayda yüzlerce kez verdiği kararları listeleyin ve yapay zekâyı, doğru cevabı en net olan karar üzerinde test edin.
VIZIO AI vaka çalışmalarında Yapay Zekâ (AI)
- Real-Time Ransomware Monitoring ›Kural tabanlı mantık ve makine öğrenmesi sezgiselleri, fidye yazılımı olaylarını otomatik olarak sınıflandırarak manuel önceliklendirmeyi %70 azalttı.
- Found Factory ›Kişilik eşleştirmesiyle birleştirilen yapay zekâ destekli profesyonel beceri eşleştirme katmanı, 13 haftada MVP olarak yayına alındı.