Yapay Zekâ
Giriş
Ders Hangi Soruyu Sorar?
Yapay zekâ, çevresini algılayıp amacına en uygun eylemi seçen akıllı etmenler tasarlamayı inceler. Ders arama, mantıksal çıkarım, olasılıklı akıl yürütme, planlama ve öğrenmeyi tek bir çerçevede toplar. Makine öğrenmesi bu çerçevenin bir parçasıdır, tamamı değildir.
Bir bakışta
arama, mantık, olasılık ve öğrenme bir arada
problem tanımı: durumlar, eylemler, hedef
eylem dizisi, plan ya da karar
hedefe ulaşma, maliyet, rasyonellik
orta: mantık, olasılık, çizge
az; çoğu zaman model ve bilgi yeter
Giriş
Kısa Tarihçe
Turing, "Computing Machinery and Intelligence" makalesinde taklit oyununu (Turing testi) önerir.
Dartmouth yaz okulu: "yapay zekâ" adı konur, alan kurulur.
Uzman sistemler (MYCIN, XCON) ticarileşir; beklentiler karşılanmayınca "YZ kışı" gelir.
Deep Blue satrançta Kasparov'u yener: güçlü arama ve elle yazılmış değerlendirme.
AlphaGo, Go'da Lee Sedol'ü yener: ağaç araması, derin ağlar ve pekiştirmeli öğrenme birlikte.
Büyük dil modelleri sohbet arayüzleriyle geniş kitlelere ulaşır.
Ders
Temel Kavramlar
Algılayıcılarla çevreyi algılar, eyleyicilerle onu etkiler.
Başarım ölçütünü en büyük yapması beklenen eylemi seçmek.
BFS, DFS, A*; sezgisel (heuristic) fonksiyonlar.
Oyunlarda minimaks ve alfa-beta budama.
Değişken, alan, kısıt: Sudoku, ders programı.
Önerme ve yüklem mantığı, çıkarım kuralları.
Bayes kuralı, Bayes ağları, karar kuramı.
Başlangıçtan hedefe götüren eylem dizisini kurmak.
Ders
Tipik İş Akışı
Dene
Depo Robotu Yolunu Arıyor
Bir depo robotu R karesinden rafların arasından geçerek H karesindeki ürüne gitmeli. Kareye tıklayıp raf ekleyin ya da kaldırın; iki arama yönteminin kaç kareye baktığını karşılaştırın.
Konum
Ön Koşullar
Bu dersten önce bilinmesi yararlı olan dersler ve neden gerektikleri.
| Ders | Neden gerekir |
|---|---|
| Olasılık ve İstatistik | belirsizlik altında akıl yürütme, Bayes kuralı |
| Veri Yapıları | yığın, kuyruk, öncelik kuyruğu ve çizge: arama algoritmalarının yapı taşları |
| Algoritmalar | çizge arama, en kısa yol ve karmaşıklık çözümlemesi |
| Ayrık Matematik | önermeler mantığı, kümeler ve ispat yöntemleri |
Konum
Dersin Komşuları
Örtüşme
Örtüştüğü Dersler
| İlişki | Ders | Ortak konu |
|---|---|---|
| alt alan | Makine Öğrenmesi, bu dersin alt alanıdır | veriden öğrenen etmen; arama yerine istatistiksel genelleme |
| alt alan | Doğal Dil İşleme ve Metin Madenciliği, bu dersin alt alanıdır | dil anlama ve üretme |
| alt alan | Bulanık Mantık ve Bulanık Sistemler, bu dersin alt alanıdır | yaklaşık akıl yürütme |
| alt alan | Evrimsel ve Metasezgisel Optimizasyon, bu dersin alt alanıdır | sezgisel arama |
| alt alan | Uzman Sistemler ve Bilgi Temsili, bu dersin alt alanıdır | sembolik yapay zekâ, mantık ve kurallar |
| alt alan | Çok Etmenli Sistemler, bu dersin alt alanıdır | etmen kavramı, ortak karar |
| temel alır | Bu ders Olasılık ve İstatistik dersini temel alır | belirsizlik altında akıl yürütme, Bayes kuralı |
| yöntem paylaşır | Optimizasyon ile yöntem paylaşır | durum uzayında arama, kısıt sağlama |
Ayrışma
Ayrıştığı Noktalar (1/2)
| Ölçüt | Yapay Zekâ | Makine Öğrenmesi | Uzman Sistemler |
|---|---|---|---|
| Temel soru | Bir makine arayarak, çıkarım yaparak ve plan kurarak nasıl akıllıca davranır? | Bir program örneklerden nasıl genelleme yapar? | Bir uzmanın bilgisi nasıl yazıya dökülür ve çıkarım için kullanılır? |
| Yaklaşım | arama, mantık, olasılık ve öğrenme bir arada | istatistiksel öğrenme | sembolik mantık ve kurallar |
| Girdi | problem tanımı: durumlar, eylemler, hedef | etiketli ya da etiketsiz örnekler | olgular ve uzman kuralları |
| Çıktı | eylem dizisi, plan ya da karar | tahmin yapan model | sonuç ve gerekçesi |
| Başarı ölçütü | hedefe ulaşma, maliyet, rasyonellik | görülmemiş veride hata | uzmanla uyum, açıklanabilirlik |
| Matematik yükü | orta: mantık, olasılık, çizge | yüksek: doğrusal cebir, olasılık, optimizasyon | düşük: önerme ve yüklem mantığı |
| Veri ihtiyacı | az; çoğu zaman model ve bilgi yeter | orta ve çok | az; bilgi tabanı |
- Makine Öğrenmesi: YZ hedefe nasıl ulaşılacağını arayarak ya da çıkarım yaparak bulabilir; MÖ aynı davranışı veriden genelleme yaparak öğrenir.
- Uzman Sistemler: Uzman sistemler YZ'nin tek bir yaklaşımıdır (kurallar ve mantık); YZ arama, olasılık ve öğrenmeyi de kapsar.
Ayrışma
Ayrıştığı Noktalar (2/2)
| Ölçüt | Yapay Zekâ | Optimizasyon | Çok Etmenli Sistemler |
|---|---|---|---|
| Temel soru | Bir makine arayarak, çıkarım yaparak ve plan kurarak nasıl akıllıca davranır? | Bir amaç fonksiyonunu en iyi yapan değerler nasıl bulunur? | Birden çok özerk etmen birlikte ya da birbirine karşı nasıl karar verir? |
| Yaklaşım | arama, mantık, olasılık ve öğrenme bir arada | amaç ve kısıtların matematiksel modeli | etkileşen özerk etmenler |
| Girdi | problem tanımı: durumlar, eylemler, hedef | amaç fonksiyonu ve kısıtlar | etmenler, hedefleri, iletişim kuralları |
| Çıktı | eylem dizisi, plan ya da karar | en iyi ya da ona yakın çözüm | ortak davranış, denge, anlaşma |
| Başarı ölçütü | hedefe ulaşma, maliyet, rasyonellik | amaç değeri, yakınsama hızı | toplam fayda, kararlılık |
| Matematik yükü | orta: mantık, olasılık, çizge | kuramın kendisi | orta: oyun kuramı |
| Veri ihtiyacı | az; çoğu zaman model ve bilgi yeter | gerekmez | az; benzetim |
- Optimizasyon: Optimizasyon matematiksel olarak kurulmuş bir problemi çözer; YZ işe problemi etmen, çevre ve hedef olarak modellemekle başlar.
- Çok Etmenli Sistemler: YZ tek bir etmenin kararına odaklanır; çok etmenli sistemler birbirini etkileyen etmenlerin ortak davranışını inceler.
Uygulama
Uygulama Alanları
Satranç ve Go motorları, oyunlardaki bilgisayar rakipler.
Navigasyon, lojistik, depo robotlarının yolu.
Ders programı, uçuş ekibi ve vardiya planı.
Konuşmayı anlayıp göreve dönüştüren sistemler.
Algılama, tahmin ve planlamanın birleştiği yer.
Tıpta tanı önerisi, mühendislikte arıza teşhisi.
Uygulama
Araçlar ve Örnek Veriler
Araçlar ve kütüphaneler
Klasik örnek problemler
Uygulama
Sık Karıştırılanlar
| Yaygın düşünce | Doğrusu |
|---|---|
| Yapay zekâ ile makine öğrenmesi aynı şeydir. | MÖ, YZ'nin bir alt alanıdır. Arama, planlama ve mantık öğrenme olmadan da YZ'dir. |
| YZ insan gibi düşünmeyi amaçlar. | Ders çoğunlukla rasyonel davranmayı amaçlar; insanı taklit etmek yaklaşımlardan yalnız biridir. |
| Satranç motorları oynayarak öğrenir. | Deep Blue gibi klasik motorlar arama ve elle yazılmış değerlendirme kullanır; öğrenme şart değildir. |
| Sohbet robotları YZ'nin tamamıdır. | Büyük dil modelleri NLP ve üretken modellerin ürünüdür; YZ çok daha geniş bir alandır. |
Sonrası
Bu Dersten Sonra
Bu dersi temel alan ya da genişleten dersler
İlgili meslekler
Sonrası
Kaynaklar
- Russell ve Norvig, Artificial Intelligence: A Modern Approach, 4. baskı, Pearson, 2020.
- Poole ve Mackworth, Artificial Intelligence: Foundations of Computational Agents, 3. baskı, Cambridge University Press, 2023.
- Nilsson, The Quest for Artificial Intelligence, Cambridge University Press, 2010 (alanın tarihi).
- Turing, "Computing Machinery and Intelligence", Mind 59(236), 1950.