Sıklıkla Zayıf Yapay Zeka olarak adlandırılan Yapay Dar Zeka (ANI), günümüzde yaygın olarak kullanılan yapay zeka teknolojisinin mevcut durumunu temsil etmektedir. Bu yapay zeka sistemleri, belirli ve kısıtlı bir dizi görevi yerine getirmek üzere tasarlanmış ve eğitilmiştir. İnsan zekasının geniş, uyarlanabilir doğasının aksine, YZ önceden tanımlanmış sınırlar içinde çalışır ve yalnızca kendi uzmanlık alanı içinde mükemmelleşir. Her gün kullanılan birçok araç ve hizmetin bel kemiğini oluşturur ve Yapay Zekanın (YZ) en yaygın ve pratik olarak ulaşılabilir biçimini temsil eder. YZ sistemleri kendi özel alanlarında kayda değer bir performans sergileyebilir ancak bilinç, öz farkındalık veya transfer öğrenme olarak bilinen bir kavram olan öğrendiklerini ilgisiz sorunlara uygulama kapasitesinden yoksundur.
Temel Özellikler
ANI'nin belirleyici özelliği uzmanlaşmasıdır. Bu sistemler tipik olarak, belirlenen işlevleriyle ilgili geniş veri kümeleri kullanılarak ve genellikle makine öğrenimi (ML) tekniklerinden yararlanılarak geliştirilir. Temel özellikleri şunlardır:
- Göreve Özel: Satranç oynamak, yüzleri tanımlamak(yüz tanıma) veya dilleri tercüme etmek gibi tek bir amaç veya birbiriyle yakından ilişkili çok sınırlı sayıda görev için tasarlanmıştır.
- Veri Odaklı: Performans, büyük ölçüde geliştirme sırasında kullanılan eğitim verilerinin kalitesine ve miktarına bağlıdır. Yaygın eğitim paradigmaları arasında denetimli öğrenme, denetimsiz öğrenme ve pekiştirmeli öğrenme yer alır.
- Hedef Odaklı: Belirli, ölçülebilir hedeflere ulaşmak için geliştiriciler tarafından belirlenen algoritmalara ve parametrelere dayalı olarak çalışır.
- Bilinç Eksikliği: ANI sistemleri öz farkındalığa, duyarlılığa veya gerçek bir anlayışa sahip değildir; verilerden öğrenilen kalıplara dayalı olarak dar kapsamları dahilinde zekayı simüle ederler. Bu modellerin nasıl eğitildiği ve dağıtıldığı hakkında daha fazla ayrıntı için Ultralytics belgelerini inceleyebilirsiniz.
Diğer YZ Türlerinden Ayrımı
YZ'yi anlamak, onu daha gelişmiş, teorik YZ biçimlerinden ayırmayı gerektirir:
- Yapay Genel Zeka (AGI): Genellikle Güçlü Yapay Zeka olarak adlandırılan AGI, insan benzeri bilişsel yeteneklere sahip, bir insana benzer şekilde çok çeşitli görevleri anlayabilen, öğrenebilen ve zekayı uygulayabilen varsayımsal makineleri ifade eder. Google DeepMind ve OpenAI gibi kuruluşlar AGI'ye giden yolları aktif olarak araştırmaktadır. AGI büyük ölçüde teoriktir ve mevcut ANI yeteneklerinin ötesinde önemli bir adımdır.
- Yapay Süper Zeka (ASI): Bu, yapay zekanın neredeyse ekonomik açıdan değerli tüm alanlarda insan zekasını aştığı varsayımsal bir gelecek aşamasıdır. ASI, Nick Bostrom gibi düşünürler tarafından ayrıntılı olarak incelenen bir kavram olan en parlak insan zihinlerini bile çok aşan bir zeka seviyesini temsil eder.
ANI sofistike uygulamalara güç verirken, gerçek bir anlayış veya belirlenen görevinin ötesine genelleme yeteneği olmaksızın, tamamen programlama ve eğitim verilerine dayalı olarak çalışır.
Gerçek Dünya Uygulamaları
ANI modern teknolojide yaygındır. İşte öne çıkan iki örnek:
- Bilgisayarlı Görme (CV) Sistemleri: Gibi modeller Ultralytics YOLOgibi versiyonlar da dahil olmak üzere YOLOv8 ve YOLO11ANI'nin başlıca örnekleridir. Nesne algılama ( sınırlayıcı kutularla nesneleri tanımlama ve konumlandırma), örnek segmentasyonu (tek tek nesne örneklerinin ana hatlarını belirleme) ve poz tahmini (önemli vücut noktalarını tespit etme) gibi belirli görsel görevlerde mükemmeldirler. Bu yetenekler, navigasyon için otonom araçlar ( Waymo'nun yaklaşımına bakın), güvenlik sistemlerini geliştirme, üretim kalite kontrolünü otomatikleştirme ve tıbbi görüntü analizine yardımcı olma gibi çeşitli alanlarda çok önemlidir. Ultralytics HUB gibi platformlar, bu tür özel CV modellerinin eğitimini ve dağıtımını kolaylaştırır. YOLO modelleri arasındaki karşılaştırmaları belgelerimizde bulabilirsiniz.
- Doğal Dil İşleme (NLP) Sistemleri: Apple'ın Siri 'si ve Amazon Alexa gibi sanal asistanlar, müşteri hizmetlerinde kullanılan sofistike sohbet robotları ve Google Translate gibi makine çeviri araçlarının tümü ANI tarafından desteklenmektedir. Soruları yanıtlamak, komutları takip etmek veya diller arasında metin çevirisi yapmak gibi belirli uygulamalar için insan dilini anlamak ve üretmek üzere devasa metin veri kümeleri üzerinde eğitilirler. Bu görevlerde son derece yetkin olsalar da, eğitildikleri alan dışında geniş dünya bilgisinden veya sağduyulu muhakemeden yoksundurlar. Hugging Face Transformers gibi çerçeveler bu tür NLP modelleri oluşturmak için araçlar sağlar.
Diğer yaygın YZ örnekleri arasında Netflix ve Spotify gibi platformlar tarafından kullanılan öneri sistemleri, e-posta spam filtreleri ve finansal modellemede kullanılan yazılımlar yer almaktadır. Bu sistemlerin geliştirilmesi ve uygulanması, adaleti sağlamak ve zararlı önyargıları önlemek için, YZ Ortaklığı ve Açıklanabilir YZ (XAI) ilkeleri gibi kuruluşlar tarafından yönlendirilen YZ etiğinin dikkatli bir şekilde değerlendirilmesini giderek daha fazla içermektedir.
TR
EN
ZH
KO
JA
RU
DE
FR
ES
PT
IT
AR
VI
