Makine Öğrenimi, Yapay Zeka ve Doğal Dil İşleme

Editörün ön notu: Teknik olarak aynı şeyleri konuşuyor olsakta bazı çevirilerimiz tam istediğimiz gibi olmayabiliyor. Konu ilginizi çekerse makalenin orjinal kaynağını bu linkten okuyabilirsiniz.

Makine öğrenimi (ML) ve Yapay zeka (AI) aralarındaki fark nedir?

Makine öğrenimi (ML), Yapay zeka (AI) ve Doğal Dil İşleme (NLP) arasında ne gibi bir ilişki var? Bu terimler genellikle birlikte kullanılır, ancak temelde farklı teknolojilerdir.

Zaman geçtikçe, teknoloji şaşırtıcı bir hızla gelişmeye devam ediyor. Bu durum, son birkaç yıldır salgının bir parçası olarak ortaya çıktı. Bu durum, kuruluşları yeni teknolojileri benimsemeye ve dijital olarak daha hızlı bir şekilde dönüşüme zorladı. Bu kısa zaman diliminde mümkün olan herkesten çok daha hızlı bir şekilde.

İşletmeler daha büyük ve daha iyi projelerle bir adım önde olmak için rekabet ederken, bu dijital dönüşüm dalgası teknolojik bir silahlanma yarışına yol açtı. Kıdemli teknoloji uzmanlarının büyük ilgisini çeken yeni gelişmelerden bazıları, yapay zeka (AI) ve makine öğrenimi (ML), iki popüler ve büyüyen teknolojilerdir. Doğal Dil İşleme (NLP), meseleleri daha da karmaşık hale getirmek için birçok kuruluş için giderek daha popüler bir araç haline geldi.

AI ve ML’nin aynı anda, genellikle bir tutam NLP ile bahsedildiğini görme olasılığınız daha yüksektir. AI ve ML söz konusu olduğunda, bu ikisi diğeri olmadan çalışamaz, ancak birçok görünür farklılıkları vardır.

AI’nın popüler algısı, insanların davranışlarını taklit eden, makineler ve insanlardan oluşan bir karışım yaratan sistemler yapma girişimidir. Ancak gerçekte, bilgisayarların daha insan gibi görünmesine veya normalde insanlara ayrılmış olan karmaşık görevleri yerine getirmesine yardımcı olan her şey için daha geniş bir terimdir.

Amazon’dan Alexa veya Apple’dan Siri gibi akıllı hoparlörlerde olduğu gibi bu teknolojinin popüler uygulamalarından bazılarını ve ayrıca bazı perakende sitelerinde bulduğunuz sohbet robotları veya sanal asistanları tanıyabilirsiniz. Bununla birlikte, işletmeler için dolandırıcılık koruması ve hatta fiyatlandırma modelleri için istatistiksel analiz dahil olmak üzere başka geniş uygulamalar da vardır.

Makine öğrenimi özünde bir AI biçimi olsa da, ikisi birbirinin yerine geçemez. Makine öğrenimi temel olarak makinelerin bilgiden bilgi çıkarmasına yardımcı olur, ancak kapsamı biraz sınırlıdır. ML ayrıca derin öğrenme ve hatta pekiştirmeli öğrenme gibi farklı alt bölümlere ayrılır.

NLP’ye gelince, bu, bir bilgisayar programının, NLP’nin “doğal dil” kısmı olan sözlü ve yazılı insan dilini anlama yeteneğini ifade eden başka bir AI dalıdır. Temel olarak, bilgisayarların konuşmayı, sözlü veya yazılı olsun, insanların yaptığı gibi anlamalarına yardımcı olur. Bu, insanlarla bilgisayarlar arasındaki iletişimi kolaylaştırır ve çeşitli kullanım durumlarına sahiptir.

ML ve AI arasındaki fark nedir?

AI’nın tarihi uzun bir geçmişe sahiptir. Binlerce yıldır insanlar, insanlar gibi davranan ve düşünen ‘canlanabilecek’ makinelerin hayalini kurdular. İlk bilgisayarların ‘mantıklı’ yapıları nedeniyle bir tür yapay zeka olarak kabul edildiği bir zaman vardı.

Bununla birlikte, mevcut tezahüründe, AI fikri, tarihini İngiliz bilgisayar bilimcisi ve İkinci Dünya Savaşı kod kırıcı Alan Turing’e kadar takip edebilir. Taklit oyunu olarak adlandırdığı, ancak şimdi daha yaygın olarak Turing Testi olarak bilinen, bir kişinin yalnızca metin kanalı aracılığıyla biri makine olan iki kişiyle konuştuğu bir test önerdi . Sorgulayıcı, makine ile kişi arasındaki farkı söyleyemezse, makine testi “geçmiş” olarak kabul edilir.

Bu temel kavram “genel yapay zeka” olarak adlandırılır ve genellikle araştırmacıların henüz tam olarak başaramadığı bir şey olarak kabul edilir.

Ancak, “dar” veya “uygulamalı” yapay zeka, çalışan modeller oluşturmada çok daha başarılı olmuştur. Bu alan, her şeyi yapabilen bir makine yaratmaya çalışmak yerine, bir insandan daha iyi olmasa da, tek bir görevi yerine getirebilecek bir sistem yaratmaya çalışır.

Bu dar yapay zeka disiplini içinde, makine öğrenimi fikri ilk kez yirminci yüzyılın ortalarında ortaya çıktı. İlk olarak AI öncüsü Arthur Samuel tarafından  1959 akademik makalesinde tanımlanan ML, “açıkça programlanmadan öğrenme yeteneğini” temsil eder.

Kullanımlar ve uygulamalar

Makine öğrenimi ne için kullanılır?

Makine öğrenimine ilgi yıllar içinde arttı ve azaldı, ancak verilerin iş stratejisinin giderek daha önemli bir parçası haline gelmesiyle birlikte, kuruluşlar neredeyse sabit bir temelde topladıkları çok büyük miktarda bilgiyi analiz etmenin ve bunlardan yararlanmanın yollarını aradıkça tekrar lehte düştü. .

Bu veriler bir makine öğrenimi programına eklendiğinde, yazılım yalnızca onu analiz etmekle kalmaz, aynı zamanda her yeni veri kümesiyle yeni bir şeyler öğrenir ve büyüyen bir zeka kaynağı haline gelir. Bu, veri kaynaklarından öğrenilebilecek içgörülerin daha gelişmiş ve daha bilgilendirici hale geldiği ve şirketlerin işlerini müşteri beklentileri doğrultusunda geliştirmelerine yardımcı olduğu anlamına gelir.

ML’nin bir uygulaması, Facebook’un haber besleme algoritması veya Amazon’un ürün tavsiye özelliği gibi bir öneri motorundadır. ML, kaç kişinin gönderileri beğendiğini, yorum yaptığını veya paylaştığını veya benzer ilgi alanlarına sahip diğer kişilerin neler satın aldığını analiz edebilir. Daha sonra gönderiyi, sistemin beğeneceğini düşündüğü diğer kişilere gösterecek.

ML ayrıca, bir tür programlama olarak bir resimde ne olduğunu tanımlamak için insanları kullanarak ve ardından bunu bir resimde ne olduğunu otonom olarak tanımlamak için kullanarak, görüntü tanıma için özellikle yararlıdır. Örneğin, makine öğrenimi, bir resimde kullanılan piksellerin dağılımını belirleyerek konunun ne olduğunu çözebilir.

Büyük veri analizi giderek yaygınlaştıkça, şirketler artık tahmine dayalı analitiği yönlendirmek için makine öğrenimine yöneliyor . İstatistik, veri madenciliği ve tahmine dayalı analizle olan ilişki, bazılarının makine öğreniminin yapay zekadan ayrı bir alan olduğunu iddia etmesine yetecek kadar baskın hale geldi.

Bunun nedeni, doğal dil işleme veya otomatik akıl yürütme gibi yapay zeka teknolojisinin, makine öğrenimi yeteneğine sahip olmadan yapılabilmesidir. Makine öğrenimi sistemlerinin yapay zekanın diğer özelliklerine sahip olması her zaman gerekli değildir.

AI ne için kullanılır?

Yapay zeka için yüzlerce kullanım örneği var ve şirketler iş zorluklarının üstesinden gelmek için yapay zekayı benimsedikçe daha fazlası ortaya çıkıyor.

Yapay zekanın en yaygın kullanımlarından biri siber güvenlikte otomasyon içindir. Örneğin, yapay zeka algoritmaları, kullanıcı davranışındaki ince değişiklikler veya belirli bir düğüme (bilgisayar gibi) aktarılan veri miktarındaki açıklanamayan artış gibi bir insanın fark etmesi zor olabilecek tehditleri tespit edecek şekilde programlanabilir. veya sensör). Evde, Google Home veya Alexa gibi asistanlar, sohbet robotları aracılığıyla aydınlatma, ısıtma ve işletmelerle etkileşimleri otomatikleştirmeye yardımcı olabilir.

Yapay zekanın veri girişi gibi insan iş rollerinin yerini iş piyasasının adapte edebileceğinden daha hızlı bir oranda değiştireceğine dair sağlam temellere dayanan korkular var . Hem Apple’da hem de Google’da çalışan ve Carnegie Mellon’dan gelişmiş bir konuşma tanıma yapay zekasının geliştirilmesi için doktora derecesi alan yazar ve girişim kapitalisti Kai-Fu Lee, 2019’da “biraz karmaşık görünen birçok iş, bir şef, bir şef” uyarısında bulundu. , bir garson, bir çok şey otomatik hale gelecek.”

“15 yıl içinde otomatik mağazalara, otomatik restoranlara ve hep birlikte dünyadaki işlerin yaklaşık %40’ını yerinden edecek.”

NLP ne için kullanılır?

NLP’nin çeşitli kullanım durumları vardır. En çabuk tanınanlardan biri, dijital sistemlere insan sesi sağlamak için NLP teknolojisinin kullanıldığı konuşma sentezidir. Siri ve Cortana gibi dijital asistanlar bunun iyi örnekleridir, ancak konsept aynı zamanda görme engelli kullanıcılar için ekran okuyucular ve diğer erişilebilirlik teknolojileri gibi şeyleri güçlendirmek için de kullanılmıştır.

Başka bir kullanım, bir bilgisayarın metni bir dilden diğerine çevirdiği makine çevirisidir. Bu, uluslararası gezginler, araştırmacılar ve daha pek çok kişi için yararlıdır. Teknoloji, Google Translate gibi çeviri uygulamalarının, uygulamanın konuşulan girdileri anında farklı dillere çevireceği ve böylece insanların adından da anlaşılacağı gibi sohbet edebileceği bir “Konuşma” moduna sahip olduğu ölçüde ilerlemiştir.

NLP, yapılandırılmamış verileri analiz etmek ve bu verilerden içerik üretmek için algoritmalar kullanan doğal dil üretiminde de kullanılır. Farklı metinlerden oluşan bir veritabanını analiz edebilen ve daha sonra benzer bir tarzda okunaklı makaleler oluşturabilen GPT3 gibi dil modelleri tarafından kullanılır.

NLP’nin diğer gerçek dünya uygulamaları, Microsoft Word gibi belge oluşturma araçlarında düzeltme ve yazım denetimi özellikleri, yetenek alımında anahtar kelime analizi, stok tahmini ve daha fazlasını içerir.

AI ve ML’yi karıştırmak

Bu terimleri adlandırma ve tanımlama söz konusu olduğunda meseleleri daha da kafa karıştırıcı hale getirmek için, şapkaya atılmış bir dizi başka terim vardır. Bunlar , örneğin, bilgiyi insan zihnindeki nöronları ve sinapsları taklit edecek şekilde işleyen yapay sinir ağlarını içerir. Bu teknoloji makine öğrenimi için kullanılabilir; tüm sinir ağları AI veya ML olmasa da ve tüm ML programları altta yatan sinir ağlarını kullanmaz. 

Bu gelişmekte olan bir alan olduğundan, terimler her zaman ortaya çıkıyor ve ortaya çıkıyor ve AI’nın farklı alanları arasındaki engeller hala oldukça geçirgen. Teknoloji yaygınlaştıkça ve olgunlaştıkça, bu tanımlar da muhtemelen daha somut ve iyi bilinir hale gelecektir. Öte yandan, genelleştirilmiş yapay zeka geliştirirsek, tüm bu tanımlar birdenbire geçerliliğini yitirebilir.

Makalenin orjinal kaynağını bu linkten okuyabilirsiniz.