Yapay Zeka Terimleri Sözlüğü

Çoğumuz yapay zekayı basit olarak robotlarla insanlar arasındaki etkileşim olarak düşünüruz. Geleceği değiştireceği söylenen yapay zeka teknolojisi, “robot-insan ilişkisi” kavramının ötesine uzanan alt bileşenlerle çok yönlüdür. Ne yazık ki, henüz emekleme aşamasında olan bu teknoloji için ortaya çıkan kavramlar şimdiden karışmaya başladı. En azından benim için.

İnternette gezinirken yapay zeka ile ilgili haberlere denk geldiğinizde muhtemelen “veri madenciliği” ve “makine öğrenimi” gibi terimler görmüşsünüzdür. Ancak okuduğunuzu anlamanıza yardımcı olacak özlü bir tanım bulmak çoğunlukla kolay olmuyor. İşte tam da bu amaçla hem öğrenmek hem de öğrendiklerimi paylaşmak adına yapay zeka ile ilgili bulabildiğim terimlerin basit anlamlarını aşağıya ekledim. Umarım size de yardımcı olur.

Elimden geldiğinde güncellemeye ve başlıkları zenginleştirmeye çalışacağım. Eksik, yanlış veya tavsiyelerinizi lütfen yorum bölümünde belirtin.

Yapay Zeka Terimleri:

• Yapay zeka ( Artificial intelligence ): Bir bilgisayarın veya bilgisayar kontrolündeki bir robotun çeşitli faaliyetleri zeki canlılara benzer şekilde yerine getirme kabiliyeti. (örneğin karar verme, nesne sınıflandırma ve algılama, konuşma tanıma ve çeviri)
• Genel yapay zeka ( AGI — Artificial general intelligence ): İnsanlarla benzer kabiliyete sahip yapay zeka türüdür ayrıca güçlü yapay zeka (strong AI) olarak da bilinir. Halen başlangıç aşamasındadır. Tarih vermek yanlış olsa da 2020’li yıllarında sonlarında görmemiz muhtemel.
• Dar yapay zeka ( ANI — Artificial narrow intelligence ): Dar yapay zeka belirli bir zamanda yalnızca bir göreve veya soruna odaklanabilen (örneğin bir insan rakibine karşı oyun oynayabilir) bir yapay zeka türüdür. Bu şu anda mevcut yapay zeka şeklidir. Zayıf yapay zeka (weak AI) olarak da bilinir.
• Süper yapay zeka ( ASI — Artificial super intelligence ): Bir yapay zeka insan davranışı veya zekasını taklit etmekle kalmıyor, bunları aşıyorsa işte buna süper yapay zeka diyoruz. Süper yapay zeka şimdilik sadece üzerinde tahminler yapabileceğimiz bir şey. Sonuçlarının ne olacağı ise şimdiden büyük bir tartışma konusu. Neyse ki uzmanlar uzun bir süre daha hayata geçeceğini öngörmüyor.
• Yapay sinir ağı ( ANN — Artifial neural network): İnsan beyninden sonra yapay bir sinir sistemi yaratarak, duyusal verileri öğrenen, yorumlayan ve sınıflandıran örüntü tanıyan bir bilgisayar algoritması aracılığıyla modellenmiş bir ağ.
• Tekrarlayan sinir ağı ( RNN — Recurrent neural network ): Sıralı bilgilere ve örüntü tanıma temelinde mantıklı çıktı üreten bir tür sinir ağı.
• Algoritma ( Algorithm ): Bir görevi tamamlaması için bilgisayara verilen bir formül (yani bilgisayar için bir kurallar kümesi)
• Geri yayılım ( Backpropagation ): İngilizce ‘ backward propagation of errors ‘ kelimelerinden üretilen terim; kısaca, sistemin ilk çıktısının istenen çıktı ile karşılaştırıldığı, daha sonra (çıktılar arasındaki) arasındaki fark minimum seviyeye gelene kadar ayarlanan sinir ağlarının eğitimi yöntemidir.
• Bayes ağları ( Bayesian networks ): Bayes ağı, Bayes modeli ve inanç ağı ( belief network) olarak da bilinir, bir dizi değişken ve bağımlılıklarını temsil eden grafik tabanlı bir modeldir.
• Büyük veri ( big data): Standart veri işleme yazılımı tarafından işlenemeyecek kadar karmaşık olan büyük miktarda yapılandırılmış veya yapılandırılmamış veri.
• Sohbet botları ( Chatbots ): İnsan kullanıcıyla yazılı veya sesli komutlarla sohbet edebilen bir sohbet robotu. E-ticaret, eğitim, sağlık ve iş endüstrileri tarafından iletişim kolaylığı ve kullanıcı sorularını yanıtlamak için kullanılır.
• Sınıflandırma ( Classification ): Makinelerin veri noktalarına kategori atamasını sağlayan algoritma tekniği.
• Kümeleme ( Clustering ): Makinelerin benzer verileri daha büyük veri kategorilerine ayırmasını sağlayan algoritma tekniği.
• Bilişsel hesaplama ( Cognitive computing ): Veri madenciliği, NLP ve örüntü tanıma yoluyla insan düşünce süreçlerini taklit eden bilgisayarlı model.
• Bilgisayar görüşü ( Computer vision ): Bir makine görüntü dosyalarından (JPEG’ler) veya kamera yayınlarından görsel girdiyi işlemesi.
• Evrişimsel sinir ağı ( CNN — Convolutional neural network ): Çok katmanlı algılayıcılar kullanarak görsel görüntüleri analiz etmek, sınıflandırmak ve kümelemek için özel olarak oluşturulan bir tür sinir ağı.
• Veri madenciliği ( data mining ): Büyük ölçekli veriler arasından faydalı bilgiye ulaşma, bilgiyi madenleme işidir. Büyük veri yığınları içerisinden gelecekle ilgili tahminde bulunabilmemizi sağlayabilecek bağıntıların bilgisayar programı kullanarak aranması olarak da tanımlanabilir.
• Derin öğrenme ( deep learning ): Bilgisayarlara nasıl öğrenileceğini öğreten bir makine öğrenme tekniği (yani sınıflandırma tekniklerini kullanarak, bir insan zihni gibi öğrenmeyi taklit eden makineler)
• Çekişmeli üretici ağlar ( GAN — Generative adversarial networks ): Yüzeysel bir anlatımla insan gözüne gerçek görünüşte fotoğraflar üretebilen bir tür sinir ağı. GAN tarafından oluşturulan görüntüler, fotoğraf verilerinin öğelerini alır ve bunları insanların, hayvanların ve yerlerin gerçekçi görüntülerine dönüştürür. Basit girdilerle anlamlı ve karmaşık çıktılar oluşturabiliyor.

https://www.youtube.com/watch?v=p5U4NgVGAwg

• Genetik algoritma ( Genetic algorithm ): Zor problemlerin çözümlerini etkili ve hızlı bir şekilde bulmak için kullanılan genetiğin prensiplerine dayanan bir algoritma.
• Sezgisel ( Heuristic ): Hızlı, optimum, çözüme dayalı problem çözme için tasarlanmış bir bilgisayar bilimi tekniği. Diğer kullanımları arasında sezgisel algoritma da vardır.
• Görüntü tanıma ( Image recognition ): Bir görüntüdeki veya videodaki nesnenin özelliğini tanımlama veya algılama işlemi.
• Sınırlı hafıza ( Limited memory ): Belirli bir zaman dilimine sınırlı kısa süreli hafızaya sahip sistemler.
• Makine öğrenimi ( ML — Machine learning ): Bilgisayarların algılayıcı verisi ya da veritabanları gibi veri türlerine dayalı öğrenimini olanaklı kılan algoritmaların tasarım ve geliştirme süreçlerini konu edinen bir bilim dalıdır.
• Makine çevirisi ( Machine translation ): Metin veya konuşmaya dayalı çevirilerde (insandan insana) kullanılan dil işleme (NLP) uygulaması.
• Doğal dil işleme ( NLP — Natural language processing ): Bilgisayarların doğal dil verilerini kullanarak insan dilini ve özelliklerini işlemesine, yorumlamasına ve analiz etmesine yardımcı olur.
• Optik Karakter Tanıma ( OCR — Optical Character Recognition ): Metin görüntülerinin (klavyeyle yazılan, elle yazılmış veya yazdırılan) elektronik veya mekanik olarak makine kodlu metne dönüştürülmesi.
• Örüntü tanıma ( Pattern recognition ): Verilerde bulunan örüntülerin otomatik olarak tanınması.
• Reaktif makineler ( Reactive machines ): Deneyimler hakkında analiz yapabilir, algılayabilir ve tahminlerde bulunabilir, ancak veri depolamaz; durumlara tepki verirler ve verilen anı temel alarak hareket ederler.
• Pekiştirmeli öğrenme ( Reinforcement learning ): Davranışçılıktan esinlenen, öznelerin bir ortamda en yüksek ödül miktarına ulaşabilmesi için hangi eylemleri yapması gerektiğiyle ilgilenen bir makine öğrenmesi yaklaşımıdır.
• Robotik ( Robotics ): İnsan zekasını veya hareketlerini daha etkili hale getiren robotların üretim ve tasarımı.
• Robotik işlem otomasyonu ( RPA — Robotic process automation ): İnsanlar tarafından tamamlandığında tekrarlanan görevleri gerçekleştirmek için yapay zeka ve makine öğrenimi özelliklerine sahip yazılımlar.
• Yapısal veri ( Structured data ): Kolayca aranabilir düzende açıkça tanımlanmış veriler.
• Gözetimli öğrenme ( Supervised learning ): Çıktı veri setlerinin istenen çıktıları veya algoritmaları üretmeleri için makineleri öğrettiği bir tür makine öğrenmesi. (öğretmen-öğrenci ilişkisine benzer) Denetimli / kontrollü öğrenme olarak da bilinir.
• Öğrenim aktarma ( Transfer learning ): Önceden öğrenilmiş verileri kullanan ve yeni bir görev grubuna uygulayan bir sistem. Örneğin, arabaları tanımayı öğrenirken edinilen bilgiler kamyonları tanımaya çalışırken geçerli olabilir.
• Turing testi ( turing test ): Bilgisayar bilimcisi Alan Turing (1950) tarafından oluşturulan test, basitçe ayrı ortamlardan soru cevap yoluyla karşıdakinin makine olup olmadığını anlamak için kullanılır.
• Yapılandırılmamış veriler ( Unstructured data ): Kolayca aranabilir düzenleri olmayan veriler (örneğin ses, video, sosyal medya içeriği)
• Denetimsiz öğrenme ( Unsupervised learning ): bir algoritmanın sınıflandırılmayan veya etiketlenmeyen bilgilerle eğitildiği bir tür makine öğrenmesi, böylece algoritmanın rehberlik (veya denetim) olmadan hareket etmesine izin verme. Gözetimsiz veya kontrolsüz öğrenme de denir.