Yapay zeka

[HaKaNKsK]

Metin2 EP, Valorant VP dahil tüm oyun ürünlerini en uygun fiyatlarla bulabilir, Item ve Karakterlerinizi hızlıca satabilirsiniz. HEMEN TIKLA!

YAPAY ZEKA

Literatürde "Artificial Intelligence"olarak adlandırılan yapay zeka ilk bakışta herkese farklı bir şeyin çağrışımını yaptırmaktadır. Kimilerine göre, yapay zeka kavramı,insanoğlunun yerini alan elektro mekanik bir robotu çağrıştırmaktadır. Fakat bu alanla ilgili olan herkes,insanoğlu ile makinalar arasında kesin bir farklılığın olduğu bilincindedir. Bilgisayarlar hiçbir zaman insanoğlunun yaratıcılık,duygu ve mizacının benzeşimini aktarabilme becerisine sahip olamayacaktır. Bununla beraber,bilgisayarların belirli insan davranışlarını (nesneleri alma ve bunları belirli yerlere yerleştirme gibi) yapan makinalara yön vermesi ve belirli bir uzmanlık alanı ile ilgili(veri hesaplaması, tıbbi teşhis gibi) beşeri düşünme sürecinin benzeşimini yapan (simule eden)sistemlere beyin olma becerisine sahip olması mümkündür.
Yapay zeka (YZ) alanında önemli gelişmeler günümüzde sağlanmış olmakla beraber, araştırma düzeyi halen kuluçka safhasındadır. Her geçen gün, yapay zeka araştırmacıları yapay zekanın yeniden tanımlanmasına yardımcı olacak yeni icat ve yenilikler ortaya koymaktadır. Hatta bazıları bu gelişmelere bakarak YZ'nin tanımlanması imkansız muğlak bir kavram olduğunu bile söylemektedir. YZ konusunda yapılan çalışmaların her birisinin cevaptan daha çok yeni sorular ortaya koyduğu bile söylenebilir.8ununla ilgili olarak, MIT (Massachusette Technical University} araştırma grubunda YZ ile ilgili çalışmaların öncüsü olan Manvin Minsky YZ'nin " hareket eden bir ufuk " gibi olduğunu ifade etmektedir.
YZ konusundaki çalışmalar 1960'lardan beri gündemde olmasına karşın YZ uygulamalarının muazzam boyutta bilgisayar gücüne ihtiyaç duymasından dolayı araştırmacıların çoğunun bu alanda yeni bir şey ortaya koyma gayreti sonuçsuz kalmıştır.
Ancak günümüzde bilgisayar teknolojisinde yaşanan gelişmelerin sagladigi ucuz ve güçlü bilgisayarlar sayesinde YZ alaninda büyük ölçekli araştirma yapabilmek ekonomik açidan mümkün hale gelebilmiştir. Bunun sonucu olarak,YZ' nin bir alt alani olan uzman sistemler (expert systems) konusunda daha şimdiden önemli gelişmeler saglanmiş olup, iş aleminin karar verme sürecinde uzman sistemlerden önemli ölçüde yararlandigi gözlenmektedir.
YAPAY ZEKA TÜRLERİ

Yapay zeka konusundaki araştirmalar şu gruplar altinda toplanabilir.
*Bilgiye dayalı yapay zeka ve uzman sistemler
*Doğal diller (bilgisayar ile doğrudan iletişim)
*Beşeri algilama yeteneklerinin simülasyonu (görme, konuşma,işitme, koklama vs.)
*Robotikler (rutin, kirli ve tehlikeli işler için kullanilan robotikler}
Bilgi Tabanlı Yapay Zeka ve Uzman Sistemler

Bilgi tabanlı yapay zeka sistemi, belli bir uygulama alanına (bilgisayar onarımı gibi)
ilişkin pratik çözüm veya yordamlama bilgilerinden (sezgi, yargi ve çikarimlar) oluşmuş bir bilgi tabanina dayali olarak çalişir. Insanlarin kendilerine ait bilgi tabani sistemindeki EGER- 0 ZAMAN (IF-THEN) kurallarini kullanarak belirli sorulari çöze kabiliyeti bu yapay zeka türüne ilham kaynagi olmuştur. Bilgi tabanli sistemlerin en gelişmiş örnegi uzman sistemlerdir. Belli bir soruna ilişkin uzmanlik bilgileri bir uzman sistemin bilgi tabanina yerleştirildikten sonra kullanicilarin bu bilgiden yararlanmak amaciyla uzman sistemle kurdugu iletişim bir uzman şahisla kurulan iletişimin bir benzeri olacaktir. Sorun çözülene kadar kullanici ile bilgisayar tabanli uzman sistem arasinda karşilikli soru-cevap türünde bir iletişim oluşur. Yillik vergi iadesi formunun hazirlanmasinda bireylere yardimci olmak üzere hazirlanan "DAN" isimli yazilim, bilgi tabanli sisteme güzel bir örnektir. Sistem kullanicinin veri girmesine yol gösterici olacak bir vergi iadesi formunu içermektedir. Girilen verilere bagli olarak gerekli olan hesaplamalar sistem tarafindan otomatikman yapilmaktadir. Elde edilen çikti dogrudan resmi makamlara sunulabilecek formatta oldugundan,herhangi bir uzmanin yardimina gereksinim duyulmadan vergi iadesi formu bireylerce hazirlanabilmektedir. DAN vergi yasalarindaki degişikliklere bagli olarak her yil yeniden gözden geçirilmekte ve gerekli degişiklikler yapilmaktadir.
Normal yazılımlardan DAN'ın farkı, DAN'da içerilen "Ask DAN (DAN'a sor)"ve "Checklist (Kontrol listesi)" sistemleridir. "Ask DAN", bir vergi uzmanının bilgisayarlaştırılmış bir biçimi olup, kullanıcı ile soru-cevap şeklinde bir iletişim kurarak ona yardımcı olan bir sistemdir. Dan isimli bir vergi uzmanından bilgi tabanının yaratılmasında istifade edildiğinden dolayı bu sisteme alan uzmanın adı olan "DAN" ismi verilmiştir. Kontrol listesi sistemi ise kullanıcıya bazı hususları belirleme açısından sorular sorar. Örneğin, ne kadar gelir beyan edilmeli; hangi muafiyetler kullanılmalı vb. gibi vergi iadesi formunun hazırlanması açısından gerekli olan cevaplar bu yazılımla belirlenmektedir. Askeri alanda da bilgi tabanlı sistemlerden yararlanmak mümkündür. Örneğin karar verme durumunun karmaşık buna karşın karar verme mantığının belli bir kural hiyerarşisine dönüştürebileceği uzmanlık alanlarında eğer bilgi tabanlı sistemden yararlanmak ekonomik ise böylesi sistemler ihtiyaca bağlı olarak yaratılabilir S-1, S-2, S-3 ve S-4 faaliyetlerinde bilgi tabanlı sistemlerin yakın gelecekte önemli bir rol oynayacağı beklenmelidir.

Doğal Diller
Doğal diller nihai kullanıcının doğal dili ile (ingilizce gibi) bilgisayarla iletişim kurmasını sağlayan yazılımlar için kullanılan isimdir. Doğa1 dil yazılımlarındaki nihai amaç, geleneksel program dillerinde kullanılan komutlara olan gereksinimi ortadan kaldırmaktır. Fakat halen uygulamada gelinen nokta tatmin edici düzeyde değildir. Şu anda piyasada kullanılan doğal dillerin çoğu kullanıcının bir uzman sistem ya da veri tabanı ile iletişimini sağlamaktan öte bir fonksiyon görememektedir. Yine de, bilgi işleminin sınırlı olduğu bazı alanlarda doğal dil uygulamasının oldukça başarılı olduğu gözlenmektedir. Örneğin insan kaynakları ve satın alma ile ilgili araştırma ve rapor hazırlama faaliyetlerinde doğal dil uygulaması oldukça gelişmiş düzeyde olup kullanıcı normal ingilizce konuşur gibi bilgisayar ile iletişim kurabilmektedir.


örneğin aşağıdaki sorunun kullanıcı tarafından sorulduğunu varsayalım:
"Pazarlama bölümünde görev itibariyle ortalama maaş nedir? Dogal dil yazilimi yukaridaki soru cümlesini bizim gramer (dil bilgisi) çalişmasinda yaptigimiz gibi analiz eder. Cümle kelime kelime parçalara ayrilarak yukaridaki cümle bilgisayarin anlayacagi uygulama komutlarina dönüştürülür. Anlam analizi aşamasinda, cümlenin ögeleri genellikle yüklemle başlayarak uygulama sözlügündeki anahtar kelimeler ile karşilaştirilir. Uygulama sözlügünde yer alan kelimeler günlük dilde kullanilan kelimelerdir. Bu örnekte sistem soru amaciyla kullanilan kelimelerle karşilaştirma yapacaktir.
Yukarıdaki örnekte "nedir ?" kelimesi uygulama komutu olan"DİSPLAY"e (Göster) doğal dil yazılımı vasıtasıyla dönüştürülecektir. Diğer kelimeler de benzeri şekilde doğal dil yazılımıyla yorumlanarak uygulama komutlarına dönüştürülür. Eğer kullanıcının isteği sistem tarafından anlaşılamazsa, doğal dil yazılımı muğlak olan noktaları sorarak isteği anlama çabasını devam ettirir. Örneğin sistem "Nedir?" ifadesini anlamamışsa, "Nedir? ' i anlayamadım"der ve bunun anlamının ne olduğunu uygulama sözlüğünde yer alan benzeri komutları ya da ifadeleri sıralayarak kullanıcıya bunlardan hangisinin " Nedir?" ile aynı anlamda olduğunu sorar. Gelen cevaba göre süreç devam eder.
İnsan Algılama Yeteneklerinin Simülasyonu

Bu yapay zeka türü, insani yeteneklerin simülasyonu ile ilgili olup bilgisayar sistemlerini görme, işitme,konuşma ve hissetme (dokunma) yetenekleri ile donatma çabasindadir. Bu yapay zeka yeteneklerini bugünün teknolojisini kullanarak belirli ölçüde gerçekleştirmek olasi gözükmektedir. Insan algilama yeteneklerine sahip bilgisayarlar tipki insanlar gibi çevre ile iletişim kurma becerisine sahip olabilmektedir. Aşagida buna bazi örnekler verilmektedir.
Konuşma ; Ses cevap Üniteleri
Şayet uluslararasi veya şehirlerarasi bir telefon numarasini aramişsaniz, "Aradiginiz numara kullanimda degildir" veya tam otomatik bir arabaya binmişseniz "Emniyet kemerinizi takiniz" gibi sözel mesajlara şahit olmuşsunuzdur. Bu mesajlar konuşma makinelerinin ses cevap ünitelerinden gelen mesajlardir. Iki ayri ses cevap ünitesi türü vardir; birinci tür bir insan sesinin kaydini kullanirken digeri bir konuşma synthesizer'indan yararlanir. Birinci tür, kullanici tarafindan kasete önceden kaydedilmiş kelime, cümle, müzik, alarm gibi kayitlardan çiktiyi seçer. Bu ses cevap ünitelerinde, sesin gerçek analog boyutlari dijital verilere çevirerek bir hafiza yongasina sürekli kullanilacak biçimde yüklenir. Çikti alinirken ise, seçilen ses tekrar analog hale dönüştürülür. Bu tür yongalar belirli kullanim alanlari için seri üretim teknolojisiyle üretilmektedir. örnegin mikrofonlar, yangin alarm cihazlari, asansörler,alarm saatleri, otomobil uyari sistemleri,video oyunlari gibi cihaz ve arabalarda kullanilan ses cevap üniteleri bu gruba girer.
Konuşma Synthesizer'lari ise ham veriyi elektronik olarak üretilmiş konuşmalara dönüştürür. Bunun için de, bu cihazlar konuşmayi oluşturan temel ses birimlerine benzer sesleri bir arada kullanmaya çalişir. Bir konuşma Synthesizer'i en az 64 temel sesi üretebilme kapasitesine sahiptir. Günümüz teknolojisi ile bunu sinirli sayida cümle için yapabilmek söz konusu ise de bu teknolojinin kullanim alani gittikçe gelişmektedir. Örnegin, bugün okuyucu bir kitabi tarayarak ham verileri elde etmekte ve daha sonra konuşma synthesizer'i bu ham verileri görme özürlü insanlarin istifadesine sunmak için konuşma haline getirmektedir. Diger bir uygulama ise, konuşma özürlü çocuklar için geliştirilmiş sistemdir. Bu cihaz vasitasi ile bu çocuklar çevreleri ile konuşma imkani elde edebilmektedir. Bu uygulama alanlarinin daha da gelişecegi açiktir. Beklenildiginin aksine, bu tür cihazlar nispeten ucuz olup, bu açidan yakin gelecekte kişisel bilgisayarlarda da kullanim alani bulacagi tahmin edilebilir.
İşitme ; Ses Tanımı
Bilgisayarlar büyük konuşmacidirlar ama iyi bir dinleyici degildirler. Bilgisayarlarin çok dogal olan sesleri yanliş algilamasi olagan bir şeydir. Bununla birlikte, ses tanimanin birtakim uygulamalari da mevcuttur. örnegin, satiş elemanlarinin telefonla bilgisayari arayip, müşteri ve sipariş numaralari ile sipariş miktarlarini bilgisayara girmesi bugünün teknolojisi ile mümkündür. Havaalanlarinda bagaj yükleme biriminde çalişan elemanlarin üç harften oluşan variş adresini (örnegin,Los Angeles International için "L-A-X" harfleri) sözel olarak ifade etmesi ve bagajin sistem tarafindan bu sese göre uygun konveyöre gönderilmesi bugünün uygulamalarindan bir tanesidir.
Bu sistem şu şekilde çalişmaktadir. Kişi mikrofona konuştugunda her ses parçalara ayriştirilir ve frekanslari bulunur. Her frekanstaki ses dijital hale getirilerek bilgisayarin elektronik sözlügünde yer alan formatla karşilaştirilir. Dijital format bilgisayarin 1 ve 0 olarak yorumladigi ve depoladigi bir formattir. Ses tanimada, veri tabaninin yaratilmasi sürecine egitim denir. Çogu ses tanima sistemleri konuşmaciya bagimlidir, yani, ancak belli konuşmacilarin sesi sistem tarafindan taninabilmektedir. Bu nedenle,sistemi kullanan her kişi için ayri bir kelime veri tabaninin yaratilmasi gerekmektedir. Bu veri tabanini oluşturma sürecinde, sistemi kullanan kişinin sistemin her kelimeyi dogru anlamasini saglamak açisindan her kelimeyi en azindan 20 defa tekrarlamasi gerekmektedir. Yani bir anlamda,bilgisayari egitmek gerekmektedir. Bu egitim gerçekten de zorunludur. Çünkü nadiren bir kelimeyi farkli zamanlarda ayni şekilde ifade ederiz. Dolayisiyla bilgisayarin bu farkli ifadelere aliştirilmasi gerekmektedir. Konuşmacidan bagimsiz sistemler ise, "evet", "hayir" ve 10 haneli rakamlardan oluşmuş çok sinirli bir sözcüge sahip bulunmaktadir. Sözlügü kisitli olmasina karşin bu sistemlerin egitim gerektirmemesi, sistemin herkes tarafindan kullanilmasini mümkün kilmaktadir.
Görme : Görsel Sistemler
Görme, simülasyonu en zor olan insan algılama becerisidir. Örneğin, bir bilgisayarın bir insan gibi bir nesneyi görmesi ve onu yorumlaması mümkün değildir. Bilgisayara görüş kazandırmak için bir kameradan yararlanılır. Kamera aracılığıyla veri tabanı yaratmak için gerekli olan girdiler elde edilir. Bir görsel sistem kamera desteğiyle yorumlanması istenen nesnenin standart halini dijital hale getirir ve bu dijital hale getirilmiş nesnelerin görüntüsü veri tabanına yüklenir. Daha sonra dijital sistem çalışırken, kamera görüntüyü dijital çeviriciye gönderir. Dijital hale getirilmiş bu görüntü bilgisayarın veri tabanındaki önceden kaydedilmiş dijital görüntüler ile karşılaştırılır. Bu kıyaslama neticesinde sistem nesneyi tanır. Aşağıdaki şekilde benzeri bir prensiple çalışan bir sistemin yapısı gösterilmektedir. Görsel sistemleri ancak birkaç görüntünün (imajın) yer alabildiği özel durumlar için kullanmak mümkündür. Bu durumların ortak özelliği, basit ve monoton olmasıdır. örneğin kalite kontrol durumu basit ve monoton bir olaydır.
Robotikler

Robotikler bilgisayarlar ile endüstriyel robotların uyumlu bir bütünleşmesidir. Endüstriyel robotlara bilgisayarlar yardımıyla herhangi bir rutin hareketin nasıl yapılacağını öğretmek mümkündür. Örneğin; araba boyama,vida sıkma,malzeme taşıma ve hatta kusurlu parçaları tespit etme gibi daha karmaşık davranışları yapan robotikleri günümüzde görmek mümkündür. Yapay zekanın en büyük ticari haşarıyı elde ettiği alan robotik alanıdır. Genel inancın aksine, robotikler bilim-kurgu filmlerinde görülen robotlardan gerek görünüm gerekse işlev açısından oldukça farklıdır. Endüstriyel robotların, günümüzde en fazla kullanılanı ise bir bilgisayar tarafından kontrol edilen bir mekanik koldur. Manipulatör olarak da adlandırılan bu kol bir insan kolunun yapabileceği çoğu hareketi yapabilme becerisine sahiptir. Endüstriyel robotlar daha ziyade tekdüze işler için uygundur. ,Örneğin, ağır yüklerin taşınmasında ve tehlikeli işlerin yapılmasında endüstriyel robotlardan yararlanmak iyi bir strateji olabilir. Bu tür tehlikeli ve ağır tekdüze işler hemen her iş alanında mevcuttur. Günümüzde otomotiv sektörü robotlardan en fazla yararlanan sektördür. Bu sektörde robotlar daha çok boyama ve montaj işlemlerinde kullanılmaktadır. Elektronik sektörü bu konuda ikinciliği tutmaktadır. Elektronik devrelerin testi ve yongaların yerleştirilmesi işlemlerinde robotlardan istifade edilmektedir. Bugün,artık cerrahi de bile robotlar kullanılabilmektedir. örneğin, bir beyin cerrahına yardımcı olan robotları hasta hanelerde görmek mümkündür. Robotlar büyük bir doğruluk yüzdesi ile biyopsi yapabilmekte ve böylece ameliyatın daha hızlı, daha doğru ve daha güvenli yapılmasını sağlamaktadır. Robotlara işin nasıl yapılacağı bilgisayar tarafından öğretilir. Bir bilgisayar programı ile robotları kontrol etmek mümkündür. Bu program robota hareketin zamanı, yönü, mesafesi gibi konularda komut veren bir programdır. Bir kere programlandıktan sonra,robotların hareketlerini kontrol etmeye fazla ihtiyaç yoktur. 0 artık işini büyük bir titizlikle herhangi bir şey talep etmeden (yeme,içme gibi) yapmaya devam edecektir. Robotlar konusunda görülen bir diğer gelişme ise, robotlara bazı beşeri algılama becerisini yerleştirmektir. Daha önce açıklanan robotlar beşeri algılama becerilerine sahip olmadıklarından dolayı ancak tekdüze işleri yapma becerisine sahiptirler ve bu yüzden de bu tür robotlara "seç ve yerleştir" robotları denmektedir. Eğer bu robotlara görme, işitme, konuşma gibi beşeri algılama becerileri kazandırılırsa, bu robotların insan gibi davranması ve böylece bu robotlara akıllı denmesi de mümkün olabilecektir. Bugünkü teknoloji ile bir robotu görsel bir alt sistemle teçhiz edip, robotun belli standarttaki bir nesneden farklı nesneleri ayırt etmesi sağlanabilir. Doğal olarak, görsel sistem teknolojisindeki gelişmeler devam ettiği müddetçe, robotların tıpkı bir insan gibi işyerinde dolaşması da mümkün olabilecektir. Sonuç olarak, robot teknolojisindeki gelişmeler bilim-kurgu filmlerinde gördüğümüz kimi sahneleri gerçek hale getirecek gibi görünmektedir. Bu noktada, robotların işçi çıkarımına yol açacağı ve işsizlik sorununu yaratacağı konusunda kuşkular da bulunmaktadır. Fakat iktisadi hayatta yaşanan gerçekler bu kuşkunun ne denli yersiz olduğunu ortaya çıkarmıştır. Çünkü robot teknolojisinin gelişmesiyle yeni iş alanları doğmuştur. Robotların tasarımını, üretimini, satışını, montajını, programını, tamirini ve bakımını yapan insan gücüne ihtiyaç doğmuştur. Ayrıca robotlar maliyetlerde düşüş yaratarak, bazı işletmeleri iflas etmekten de kurtarmıştır. ABD'de bazı sendikaların işletmenin iflas etmesini ve işçilerin işini kaybetmesini önlemek için işverenin robot teknolojisini kullanmasına sıcak baktığı şeklindeki bazı haberler basında yer almaktadır. Dolayısıyla robot teknolojisi verimliliği arttırdığı müddetçe kullanılmaya devam edecek ve bu verimlilik artışı toplumun genelinde de bir refah artışı meydana getirecektir.
Yapay Zekanın Pazarlanması

1960'lardan itibaren bilim adamları düşünen makinaları oluşturma üzerinde zihin yorarken, yaptıkları işin müşteri bulup bulmayacağı konusunu pek önemsemediler. Örneğin,YZ nin ilk yıllarında, çoğu araştırmacı santraç yazılımı geliştirme üzerinde çalıştı. İlk santraç programlarının amacı kişilerin santraç oynama becerilerini bilgisayarınki ile kıyaslamasına imkan sağlamaktı. İlk santraç programları normal bir oyuncu ile baş edebilirken, bugünün programları büyük ustalarla başa çıkabilmektedir. Ticari açıdan değeri tartışmalı olmakla beraber bu alandaki araştırmalar bilim adamlarına insanın düşünce sisteminin daha iyi anlaşılmasında ve bu sürecin bilgisayarlar ve yazılımlar tarafından nasıl taklit edilmesi konusunda oldukça yararları olmuştur. 1960 ve 1970'li yıllarda, basit bir yapay zeka uygulamasını yapmak için milyonlarca dolar değerinde bilgisayar gerekiyordu. Fakat 1980'li yıllarda bilgisayar teknolojisinde sağlanan gelişmelerin sonucu olarak yapay zeka uygulamalarını kişisel bilgisayarlar ile ucuza yapabilmek mümkün olmuştur. Bunun sonucunda,1960'li yıllarda birdenbire çok sayıda YZ işletmesi ortaya çıktı.
Birkaç yıl öncesine kadar, yapay zeka bilgisayar ve Yönetim Bilgi Sistemi (YBS) sektörlerinin gözdesi konumundaydı. Hemen hemen bu sektördeki her işletme aşırı zarar etmesine karşın, yatırımcılar kârın patlama yapacağı günlerin yakın olduğu konusundaki inançlarını devam ettirdiler. Fakat ağır zararla kapanan birbirini takip eden yıllar bu işletmelerin çoğunun iflas etmesine yol açtı. Gerçek bir kere daha yüzünü göstermişti. "insanlar kâr etmelerine Yardımcı olmayan programları alma konusunda istekli değillerdi." YZ araştırmacıları önce çözüm daha sonra sorun bulma yönteminin kârlı olmadığını yaşayarak öğrenmişlerdi. YZ işletmeleri piyasanın taleplerine cevap vermekten ziyade belli bir teknolojiyi zorla kabul ettirme stratejisini takip etmekle suçlanmaya başlayınca müşteri isteklerini ön plana almaya başladılar. 1987'den itibaren ayakta kalan işletmeler potansiyel müşterilerin ihtiyaçlarını karşılayan ürünler üzerine enerjilerini yoğunlaştırmaya başladı.
YZ işletme yöneticileri, ticari yaşamda ayakta kalabilme yolunun verimliligi arttiran ya da karar verme sürecine yardimci olan ürünleri üretmekten geçtigini yaşayarak ögrenmişti...








BİLGİ TABANLI VE UZMAN SİSTEMLER

Günümüzün bilgisayarları muazzam işlem yapma kapasitesine sahip olmasına karşın, ne yazık ki öğrenme becerisine sahip değildir. Yapay zeka araştırmalarının bir kolu olan bilgi tabanlı sistemler bu olguyu değiştirmeye çalışmaktadır. YZ araştırmacıları bilgi tabanlı sistemlere iki temel beceriyi kazandırmayı amaçlamaktadır:
1. İnsan muhakeme sistemini taklit edebilme,
2. öğrenebilme,
Bugünün çoğu bilgi tabanlı sistemi insan muhakeme sistemini taklit edebilmekle beraber öğrenebilme becerisi yönünden istenen düzeye gelebilmesi daha birkaç yıllık araştırmayı gerektirmektedir.
BİLGİ-TABANLI SİSTEMLER

EĞER-0 ZAMAN kurallarının belli bir problemi çözmek amacıyla önceden bilgisayara yerleştirildiği sisteme bilgi-tabanlı sistem denir. örneğin bir hastanın hastalığının teşhisi için geliştirilmiş "eğer-o zaman" kuralları bilgisayara yüklenip, bu kurallardan oluşmuş programla hastalık teşhis edilebiliyorsa bu sisteme bilgi-tabanlı sistem denilebilir. YBS ve karar destek sistemleri gibi bilgi tabanlı sistemler de gerçek bilgilere dayalı olup ayrıca onlardan farklı olarak yordamlama (höristik) bilgileri olan sezgi, yargı ve çıkarımdan da istifade etmeye çalışır. Hem gerçek bilgiler hem de yordamlama bilgileri belli bir alanda uzman olan "alan uzmanından" elde edilir. Bilgi- tabanlı sistem bu insan destekli bilgiyi belirli bir uzmanlık alanındaki insan düşünce sürecini örnek; almak için kullanır. Bu iş bir kere başarıldıktan sonra bilgi-tabanlı sistem çok bilgili bir karar verici kişinin mantığına yakın bir performans gösterebilir.
UZMAN SİSTEMLER

Uzman Sistem Nedir?
Uygulamada,"uzman sistemler" ve "bilgi-tabanlı sistemler" aynı anlamda kullanılan terimlerdir. Teknik açıdan bakıldığında ise, uzman sistem bir bilgi-tabanlı sistemin en gelişmiş biçimidir. Bir uzman sistem sorulara cevap veren, açıklık getirmek için soru soran,tavsiyelerde bulunan ve karar verme sürecine yardımcı olan diyaloğa açık bir sistemdir. Daha az gelişmiş bilgi-tabanlı sistemlere ise yardımcı sistemler denilmektedir. Yardımcı sistem, kullanıcının göreceli olarak basit nitelikteki kararları vermesine yardımcı olan bir sistemdir. Yardımcı sistemler nihai kullanıcının belirli bir sorunu çözmekten ziyade muhakeme sürecinde yapabileceği bir hata olasılığını azaltma amacını gütmektedir. Uzman sistemleri, yardımcı sistemleri ve bunların arasındaki herhangi bir sistemi geliştirmek için ihtiyaç duyulan teknoloji aynı teknolojidir. Bu yüzden yukarıda bahsedilen kavram kargaşası ortaya çıkmaktadır. Uzman sistemler insan düşünce sürecini taklit etmeye çalışır, muhakeme edebilir,çıkarımda ve yargıda bulunabilir. Günümüzde uzman sistemler değişik bilim dallarında karar vermeye yardımcı olarak kullanılmaktadır. Örneğin,tıbbi teşhiste,petrol araştırmasında,finansal planlamada, vergi hesaplamada,kimyasal analizde,cerrahide,lokomotif onarımında,hava tahmininde, bilgisayar tamiratında, uydu onarımında, bilgisayar sistemlerinin tasarımında, nükleer santrallerin işletilmesinde,devlet yasalarını yorumlamada ve daha nice alanlarda etkin bir biçimde kullanılmaktadır.
Uzman Sistemlerin Sağladığı Faydalar

Uzman sistemlerin sağladığı faydalar diğer karar destek ve yönetim bilgi sistemlerinden biraz daha farklıdır.
* Uzman sistemler uzman şahislarin bilgisini yeri gelince kullanmak üzere depolanmasina imkan verir. Belli bir uzman şahsin konusu ile ilgili sahip oldugu bilgileri uzman sistem olarak kullanmak mümkündür. Örnegin bir iş yerinde alaniyla ilgili tercüman olan bir şahsin o işten emekli olmasi işletme açisindan büyük sorun yaratmasi bekleniyorsa, bu şahsin sahip oldugu bilgileri uzman sistem haline getirmek etkili bir çözüm olabilir.
* Bir tek uzman sistemden birden fazla kullanıcının yararlanması,mümkündür.
* Uzman sistemler karar vericilerin performans ve üretkenliğini arttırır.
* Uzman sistemler belli bir konu ile ilgili karar verme sürecinde insanların aksine istikrarlı ve tutarlıdır. Yani,uzman sistem belli bir karar verme durumunda her zaman aynı bilgiyi verir.
* Uzman sistemler kritik şahislara olan bagimliligi azaltir. Insanlar emekli olabilir, hasta düşebilir, izne çikabilir veya işten ayrilabilir. Bilgisayarlar ise çay molasi bile istemez. Onlardan her zaman yararlanmak mümkündür.
* Uzman sistemlerden karar vericileri eğitmek üzere de istifade etmek mümkündür.
Uzman sistemler ile karar destek sistemleri {PERT ve CPM yazılımları gibi) arasındaki diğer farklılıklar aşağıda özetlenmiştir.

Nitelikler Karar Destek Sistem Uzman Sistem

Amaçlar Karar vericiye yardımcı olmak Bir uzmanın yerini almak.

Kim karar verir? Karar verici şahis ya da sistem Sistem

Temel hedef Karar verme Bireysel uzmanlığı sisteme
transfer etme

Temel yönlendirme Karar verici bilgisayarı Bilgisayar karar
istikameti yönlendirir. vericiyi yönlendirir.

Desteğin kapsamı Birey,grup ya da kurum Birey Ya da gruplar

Veri işleme yöntemi Rakamsal (Nümerik) Sembolik (Genelde)

Problem alanının Karmaşık ve geniş Dar
niteliği

Problemin türü Özel, tekrarı az olan Sürekli ortaya çıkan sorun

Veri tabanının içeriği İşlemsel süreçle ilgili İşlemsel süreçle ilgili
bilgi yok bilgi var

Muhakeme yeteneği Yok Var ama sınırlı

Açıklama getirme Sınırlı Var
yeteneği

Uzman Sistemlerden Hangi Koşullarda Yararlanılmalı

Uzman sistemler ancak gerekli olduğu zamanlarda kullanılmalıdır. Bazı işletmelerin bulunduğu koşullar, uzman sistemin kullanılmasını gerek maliyet gerekse sağlanan faydanın önemsiz olması Yüzünden haklı kılmayabilir. Uzman sistemlerden ancak bu koşullar altında yararlanılması tavsiye edilmektedir:
* İşin tekdüzeliğine bağlı olarak uzman sistemin sık sık kullanılmasına gereksinim duyuluyorsa ve kullanıcı sayısı uzman sistemin kullanılmasını maliyet boyutunda ekonomik kılacak kadar fazla sayıda ise,
* Karar verme durumu karmaşiksa(basit durumlar için basit bir bilgisayar programindan da
yararlanılabilir.)
* Karar verme mantığı bir kural hiyerarşisine dönüştürülebiliyorsa
* Uygulama öneri,sınıflama,teşhis,yorum,a çıklama,çözüm yolu seçme, durumu değerlendirmede tahmin etme üzerinde yoğunlaşıyorsa,
Uzman Sistemin Yapısı
Bir uzman sistemin yapısı,uzman sistem bilgi elde etme ünitesi, bilgi tabanı,çıkarım sistemi ve kullanıcı ile iletişim ünitesinden oluşur.
BİLGİ ELDE ETME ÜNİTESİ: Bu ünite bilgi tabanını oluşturan birimdir. Bilgi tabanı bir bilgi mühendisi ile bir veya birden fazla konu ile ilgili uzman şahsın(alan uzmanı)koordineli çalışması sonucunda yaratılır. Bilgi mühendisi, uzman sistemin çalışma esası ve mülakat teknikleri konusunda eğitim görmüş bir insandır. Başlangıç görüşmelerinde alan uzmanı belirli bir sorunun nasıl çözülmesi konusunda bildiği her şeyi bilgi mühendisine anlatır. Başlangıçta yapılan mülakatların sonucunda elde edilen bilgiler genellikle elastik ve sistemsizdir. İkinci aşamada, bilgi mühendisi alan uzmanını iş yerinde gözlemler ve bu esnada da daha fazla bilgi almak ve mevcut kuralların yeterli ve doğru olduğunu teyit etmek için alan uzmanına sürekli soru sorar. Bu aşama genelde bir yıl kadar uzun sürer. Bilgi mühendisi alan uzmanının konu ile ilgili tespit ve kurallar setini uzman sisteme bilgi tabanı olarak aktarmaya çalışır. Bilgi tabanındaki bilgiler EĞER-0 ZAMAN kuralları şeklinde yer alır.
* "Eğer" bölümü durumu açıklar,
* "0 zaman" bölümü sonuç veya amacı izah eder.
Bilgi tabanında yer alan bir kurala şöyle bir örnek verebiliriz: "Eğer bir müşterinin aylık geliri bankaya yapılan aylık ödemenin 3 katından daha az ise, o zaman müşterinin kredi geçmişini incele". Sonuçta, elde edilen bilgi tabanı öyle bir kural seti olacaktır ki, bunu doğrudan iletmenin veri tabanından veya uygulamada kullanılan kurallardan müşahide etmek mümkün değildir.
BİLGİ TABANI: Bilgi tabanı veri tabanından farklı bir kavramdır. Klasik veri
tabanının konusu öğeler arasındaki durağan ilişkiler ile ilgili verilerdir. örneğin, bir
iş gören kaydi ile iş görenin işi ve ücreti alanlari arasinda sabit bir ilişki vardir. Öte
yandan bilgi tabanındaki bilgiler şu tür bilgilerden oluşur:
* Çözülecek problem ya da problemlerin belirlenmesi,
* Problem ya da problemlere çözüm yolları,
* Problemden çözüme doğru nasıl ilerlemeli (tespit ve kurallar seti aracılığıyla)
Bilgi tabanının içerdiği bilgiler zamanla yaşanan tecrübelere bağlı olarak artış gösterir. Bazı kurallar atılır yerine yenileri ikmal edilebilir.
ÇIKARIM SİSTEMİ:Çıkarım sistemi bir uzman sistemin çekirdeğidir. Bilgi tabanında yer alan tespit ve kuralların belli bir soruna tatbik edilmesini sağlayan araçtır. Bu sistemde uzman sisteme muhakeme yeteneği kazandırılır. Bu muhakeme gücü kullanıcıya bir mantık silsilesinin sunulması ile sağlanır ve böylece çözüme ulaşılır. Bir çıkarım sisteminin muhakeme becerisi ileri zincir ya da geri zincir çıkarım süresinin birlikte ya da tek başına kullanılması esasına dayanır. İleri zincirde, uzman sistem nihai kullanıcıdan bilgiler alır ve çözüme ulaşıncaya kadar bilgi tabanından duruma uygun kuralları sırası ile takip eder. Bu süreç esnasında sürekli olarak kullanıcı ile uzman sistem arasında iletişim vardır ve bu iletişim önceden yerleştirilmiş kurallar setinin oluşturduğu mantık silsilesine göre yürütülür. Geri zincir çıkarım sürecinde ise ileri zincirin tam zıttı bir yaklaşım kullanılır. Sistem nihai kullanıcıya istediği hedef ya da sonucu sorar ve daha sonra "Eğer-o zaman" mantık silsilesine geri dönerek uzatılmak istenen hedef ya da sonucun doğru olup olmadığını araştırır. Eğer bilgi tabanındaki "Eğer-o zaman" kurallar seti hedef ya da sonuç ile uyuşuyorsa, kullanıcı tarafından saptanan hedef ya da sonuç, sorunun çözümü demektir.
KULLANICI İLE İLETİŞİM ÜNİTESİ:Yordamlama süreci biçimsel değildir, yani, bir sorunu çözmek için geliştirilmiş yazılı bir algoritma yoktur. Bir uzman sistem bir strateji ise yarattığı süreci kullanmaya devam eder. Sistemde yeni bir stratejiye dönüş seçeneği her zaman mevcuttur. Bu yordamlama süreci bu yüzden her zaman kullanıcı ile iletişime gereksinim duyar. Kullanıcı ile iletişim sayesinde nihai kullanıcı uzman sisteme sorunu ya da hedefi belirtir. Kullanıcı ile iletişim ünitesi aracılığıyla kullanıcı ile uzman sistem arasında iletişim kurulur ve böylece çözüme ulaşılmaya çalışılır.
Yapay zeka olarak adlandırılan alanda, araştırmacıların çabası muhakeme Yeteneği olan, bilgi üretebilen veya öğrenebilen, kendini daha iyiye götürme çabası olan ve beceri algılama ile mekanik yetenekleri taklit edebilen sistemleri geliştirmektir. Genel olarak, uzman sistemler, doğal diller, beşeri algılama yeteneklerinin simülasyonu ve robotikler olarak çalışmaların gruplandırıldığı yapay zeka alanında gelinen nokta, gelecekte yapılacak çalışmaları teşvik edici bir görünüm arz etmektedir. İleride, hemen hemen her uzmanlık alanında danışabileceğimiz ya da bir programlama diline ihtiyaç duymadan doğal dilimizle iletişim kurabileceğimiz bir bilgisayarı kullanabileceğimizi ya da görebilen,konuşa-bilen veya işitebilen bir robotun iş yerinde iş arkadaşımız olabileceğini söylemek kehanet olmasa gerekir...

KAYNAK : Planagement Informatıon Systems/LORRY LONG,1989

 

[HaKaNKsK]

Günümüzdeki hızlı teknolojik gelişmeler, gündelik yaşantımızı olduğu kadar işletmeleri de büyük ölçüde etkilemektedir. İşletmeler bu gelişmenin ortaya çıkardığı ürünleri, üretim, planlama, kontrol vb. alanlarda kullanmaktadırlar. Çoğu zaman işletmeler, teknolojik gelişmeler karşısındaki hıza ayak uyduramamakta ve ileri teknolojileri kullanan rakipleri karşısında zorlanmaktadırlar. Özellikle son yıllarda bilgisayar bilimlerinde, yazılım ve donanım alanında çok hızlı gelişmeler yaşanmaktadır. Bilgisayar kullanımının hızla yaygınlaşması ve yeni ortaya çıkan yazılımların, daha üst seviyelerde donanıma ihtiyaç göstermesi ile yeni ürünlere olan talep de artmaktadır.
Bilgisayar bilimlerindeki bu ilerleme, insan gibi düşünen ve davranan sistemlerin geliştirilmesine yönelik olarak, 1950`li yıllardan beri sürmektedir. Yapay zeka olarak isimlendirilen bu alan, insan düşünme ve davranışlarını taklide yönelik olduğundan, nöroloji, psikoloji ve mühendislik gibi farklı disiplinleri kapsayan geniş bir alana yayılmıştır.
İnsan gibi düşünebilen ve davranabilen sistemlerin geliştirilmesi için yapılan çalışmalarda bugün için gelinen nokta, henüz yapay zekanın tam olarak geliştirilememiş olmasıdır. Yapay zekanın yapılabilirliği üzerinde yapılan felsefi tartışmalar bir yana, düşüncenin salt fiziksel süreçlere indirgenebildiği kabul edilse bile, henüz beynin tüm fonksiyonları tam olarak çözülemediğinden, bugün için yapılabilmesi henüz mümkün gözükmemektedir. Fakat konu üzerinde yapılan çalışmalar farklı alanlarda hızla devam etmektedir. Burada şunu da belirtmek gerekir ki, yapay zekanın yapılamayacağını savunanlar, konu üzerinde karşıt görüşlü araştırmacılar ile aynı araştırma ve geliştirme çalışmalarını yürütmektedirler. Çünkü her iki tür araştırmacının yapmaya çalıştıkları şey gözlemlenebilen nesnel olayların benzerini yapabilmektedir. Bu olayların, yani düşüncenin beyinde gözlenebilen fiziksel süreçlere indirgenerek bir algoritmasının oluşturulup oluşturulamayacağı felsefi bir yorumdur.
Yapay zeka disiplini altında onu destekleyen farklı alanlar bulunmaktadır. Teorik olarak yapay zeka yapılsa, onun fayda sağlayabilmek için gerçek dünya ile iletişim içinde olması gerekir, aynı insanın beş duyu organına sahip olduğu gibi. İşte robotik, bulanık mantık, sinirsel ağlar ve doğal arabirimler üzerinde yapılan çalışmalar, yapay zeka disiplinini bu alanlarda desteklemektedirler.
Bulanık mantık üzerinde yapılan çalışmalarla, sistemin insanlar gibi sembollerle düşünebilmesi, aynı zamanda eksik verilerle çalışabilmesinin alt yapısı hazırlanmaktadır. Sinirsel ağlar öğrenebilen sistemlerin temelini oluşturmaktadır. Robotik ile insan davranışlarının taklidi sağlanmakta, doğal arabirimlerle, sistemin çevre ile doğal bir şekilde karşılıklı ilişkiye girebilmesinin sağlanmasına çalışılmaktadır.
Bu farklı alanlarda yapılan çalışmaların ortaya çıkardığı teknolojik ürünler, işletmelerde de sıklıkla kullanılmaktadır. Çünkü ortaya çıkan ürünler, insan özelliklerinin sınırlı da olsa belli bir kısmına sahip olabildiğinden, belirli işlerde insanların yerine onlardan daha verimli olarak kullanılmaktadır. Bu ise yönetim açısından bakıldığında, işletme de verimlilik artışı ve hata oranları ve birtakım diğer masraflarda azalmalara sebep olduğundan oldukça önemlidir. Yönetim açısından aynı oranda dikkat gösterilmesi gereken nokta, yeni teknolojilerin kullanılabilmesine yönelik, çalışanların eğitilmeleri ve çalışanların gelişen teknolojiye uyumunun sağlanması konusudur. Yapay zeka konusunda temel bilgileri içeren bu sayfaların yayınlanması düşüncesi, yine bu sayfalarda okuyacağınız konuların araştırılması aşamasında bu konuda yeterli Türkçe kaynak bulunmadığını görmemizden doğdu. Evet, onlarca arama sitesinde, milyonlarca YZ ile ilgili doküman arasında yaptığımız araştırmalarda parmakla sayılacak kadar az ve genelde temel anlamda bile bilgi içermeyen birkaç Türkçe doküman bulabildik. Sayfalarımızın bu konudaki boşluğu doldurduğunu iddia etmemekle birlikte, YZ konusunda daha geniş kapsamlı bilgilere ulaşılabilecek Türkçe içerikli sayfaların hazırlanması konusunda bir öncü olmasını diliyor, bilgiye önem veren herkesi selamlıyoruz.
Erhan ALTUNTAŞ email:e_altuntas@hotmail.com
Tuncay ÇELİK email:celik27@hotmail.com






1.Tanımı
Yapay zeka, insanın düşünme yapısını anlamak ve bunun benzerini ortaya çıkaracak bilgisayar işlemlerini geliştirmeye çalışmak olarak tanımlanır. Yani programlanmış bir bilgisayarın düşünme girişimidir. Daha geniş bir tanıma göre ise, yapay zeka, bilgi edinme, algılama, görme, düşünme ve karar verme gibi insan zekasına özgü kapasitelerle donatılmış bilgisayarlardır.
2.Gelişim Süreci
Yapay zeka konusundaki ilk çalışma McCulloch ve Pitts tarafından yapılmıştır. Bu araştırmacıların önerdiği, yapay sinir hücrelerini kullanan hesaplama modeli, önermeler mantığı, fizyoloji ve Turing`in hesaplama kuramına dayanıyordu. Her hangi bir hesaplanabilir fonksiyonun sinir hücrelerinden oluşan ağlarla hesaplanabileceğini ve mantıksal “ve“ ve “veya“ işlemlerinin gerçekleştirilebileceğini gösterdiler. Bu ağ yapılarının uygun şekilde tanımlanmaları halinde öğrenme becerisi kazanabileceğini de ileri sürdüler. Hebb, sinir hücreleri arasındaki bağlantıların şiddetlerini değiştirmek için basit bir kural önerince, öğrenebilen yapay sinir ağlarını gerçekleştirmek de olası hale gelmiştir. 1950`lerde Shannon ve Turing bilgisayarlar için satranç programları yazıyorlardı. İlk yapay sinir ağı temelli bilgisayar SNARC, MIT`de Minsky ve Edmonds tarafından 1951`de yapıldı. Çalışmalarını Princeton Üniversitesi`nde sürdüren Mc Carthy, Minsky, Shannon ve Rochester`le birlikte 1956 yılında Dartmouth`da iki aylık bir workshop düzenledi. Bu toplantıda bir çok çalışmanın temelleri atılmakla birlikte, toplantının en önemli özelliği Mc Carthy tarafından önerilen Yapay zeka adının konmasıdır. İlk kuram ispatlayan programlardan Logic Theorist (Mantık kuramcısı) burada Newell ve Simon tarafından tanıtılmıştır. Daha sonra Newell ve Simon, “insan gibi düşünme“ yaklaşımına göre üretilmiş ilk program olan General Problem Solver (Genel sorun çözücü) ‘ı geliştirmişlerdir. Simon, daha sonra fiziksel simge varsayımını ortaya atmış ve bu kuram, insandan bağımsız zeki sistemler yapma çalışmalarıyla uğraşanların hareket noktasını oluşturmuştur. Bundan sonraki yıllarda mantık temelli çalışmalar egemen olmuş ve programların başarımlarını göstermek için bir takım yapay sorunlar ve dünyalar kullanılmıştır. Daha sonraları bu sorunlar gerçek yaşamı hiçbir şekilde temsil etmeyen oyuncak dünyalar olmakla suçlanmış ve yapay zekanın yalnızca bu alanlarda başarılı olabileceği ve gerçek yaşamdaki sorunların çözümüne ölçeklenemeyeceği ileri sürülmüştür.
Geliştirilen programların gerçek sorunlarla karşılaşıldığında çok kötü bir başarım göstermesinin ardındaki temel neden, bu programların yalnızca sentetik bir şekilde çalışıp konu ile ilgili bilgileri kullanmamasıydı. Bu dönemin en ünlü programlarından Weizenbaum tarafından geliştirilen Eliza, karşısındaki ile sohbet edebiliyor gibi görünmesine karşın, yalnızca karşısındaki insanın cümleleri üzerinde bazı işlemler yapıyordu. İlk makine çevirisi çalışmaları sırasında benzeri yaklaşımlar kullanılıp çok gülünç çevirilerle karşılaşılınca bu çalışmaların desteklenmesi durdurulmuştur. Zeki davranışı üretmek için bu çalışmalarda kullanılan temel yapılardaki bazı önemli yetersizliklerin de ortaya konmasıyla bir çok araştırmacılar çalışmalarını durdurdular. Buna en temel örnek, sinir ağları konusundaki çalışmaların Minsky ve Papert`in 1969`da yayınlanan Perceptrons adlı kitaplarında tek katmanlı algaçların bazı basit problemleri çözemeyeceğini gösterip aynı kısırlığın çok katmanlı algaçlarda da beklenilmesi gerektiğini söylemeleri ile bıçakla kesilmiş gibi durmasıdır. Her sorunu çözecek genel amaçlı program yerine belirli bir uzmanlık alanındaki bilgiyle donatılmış programlar kullanma fikri yapay zeka alanında yeniden bir canlanmaya yol açtı. Kısa sürede uzman sistemler adı verilen bir metodoloji gelişti. Fakat burada çok sık rastlanan tipik bir durum, bir otomobilin tamiri için önerilerde bulunan uzman sistem programının otomobilin ne işe yaradığından haberi olmamasıydı. İnsanların iletişimde kullandıkları Türkçe, İngilizce gibi doğal dilleri anlayan bilgisayarlar konusundaki çalışmalar bu sıralarda hızlanmaya başladı. Doğal dil anlayan programların dünya hakkında genel bilgiye sahip olması ve bu bilgiyi kullanabilmek için genel bir metodolojisi olması gerektiği belirtilmekteydi. Uzman dizgelerin başarıları beraberinde ilk ticari uygulamaları da getirdi. Yapay zeka yavaş yavaş bir endüstri haline geliyordu. DEC tarafından kullanılan ve müşteri siparişlerine göre donanım seçimi yapan R1 adlı uzman sistem şirkete bir yılda 40 milyon dolarlık tasarruf sağlamıştı. Birden diğer ülkelerde yapay zekayı yeniden keşfettiler ve araştırmalara büyük kaynaklar ayrılmaya başlandı. 1988`de yapay zeka endüstrisinin cirosu 2 milyar dolara ulaşmıştı. Bütün bu çalışmaların sonunda yapay zeka araştırmacıları iki guruba ayrıldılar. Bir gurup insan gibi düşünen sistemler yapmak için çalışırken, diğer gurup ise rasyonel karar verebilen sistemler üretmeyi amaçlamaktaydı. Aşağıda bu yaklaşımları kısaca inceleyeceğiz.

İnsan gibi düşünen sistemler
İnsan gibi düşünen bir program üretmek için insanların nasıl düşündüğünü saptamak gerekir. Bu da psikolojik deneylerle yapılabilir. Yeterli sayıda deney yapıldıktan sonra elde edilen bilgilerle bir kuram oluşturulabilir. Daha sonra bu kurama dayanarak bilgisayar programı üretilebilir. Eğer programın giriş/çıkış ve zamanlama davranışı insanlarınkine eşse programın düzeneklerinden bazılarının insan beyninde de mevcut olabileceği söylenebilir. İnsan gibi düşünen sistemler üretmek bilişsel bilimin araştırma alanına girmektedir. Bu çalışmalarda asıl amaç genellikle insanın düşünme süreçlerini çözümlemede bilgisayar modellerini bir araç olarak kullanmaktır.
İnsan gibi davranan sistemler
Yapay zeka araştırmacılarının baştan beri ulaşmak istediği ideal, insan gibi davranan sistemler üretmektir. Turing zeki davranışı, bir sorgulayıcıyı kandıracak kadar bütün bilişsel görevlerde insan düzeyinde başarım göstermek olarak tanımlamıştır. Bunu ölçmek için de Turing testi olarak bilinen bir test önermiştir. Turing testinde denek, sorgulayıcıyla bir terminal aracılığıyla haberleşir. Eğer sorgulayıcı, deneğin insan mı yoksa bir bilgisayar mı olduğunu anlayamazsa denek Turing testini geçmiş sayılır.
Turing, testini tanımlarken zeka için bir insanın fiziksel benzetiminin gereksiz olduğunu düşündüğü için sorgulayıcıyla bilgisayar arasında doğrudan fiziksel temastan söz etmekten kaçınmıştır. Burada vurgulanması gereken nokta, bilgisayarda zeki davranışı üreten sürecin insan beynindeki süreçlerin modellenmesiyle elde edilebileceği gibi tamamen başka prensiplerden de hareket edilerek üretilmesinin olası olmasıdır.
Rasyonel düşünen sistemler
Bu sistemlerin temelinde mantık yer alır. Burada amaç çözülmesi istenen sorunu mantıksal bir gösterimle betimledikten sonra çıkarım kurallarını kullanarak çözümünü bulmaktır. Yapay zekada çok önemli bir yer tutan mantıkçı gelenek zeki sistemler üretmek için bu çeşit programlar üretmeyi amaçlamaktadır. Bu yaklaşımı kullanarak gerçek sorunları çözmeye çalışınca iki önemli engel karşımıza çıkmaktadır. Mantık, formel bir dil kullanır. Gündelik yaşamdan kaynaklanan, çoğu kez de belirsizlik içeren bilgileri mantığın işleyebileceği bu dille göstermek hiç de kolay değildir. Bir başka güçlük de en ufak sorunların dışındaki sorunları çözerken kullanılması gerekecek bilgisayar kaynaklarının üstel olarak artmasıdır.
Rasyonel davranan sistemler
Amaçlara ulaşmak için inançlarına uygun davranan sistemlere rasyonel denir. Bir ajan algılayan ve harekette bulunan bir şeydir. Bu yaklaşımda yapay zeka, rasyonel ajanların incelenmesi ve oluşturulması olarak tanımlanmaktadır. Rasyonel bir ajan olmak için gerekli koşullardan biri de doğru çıkarımlar yapabilmek ve bu çıkarımların sonuçlarına göre harekete geçmektir. Ancak, yalnızca doğru çıkarım yapabilmek yeterli değildir. Çünkü bazı durumlarda doğruluğu ispatlanmış bir çözüm olmadığı halde gene de bir şey yapmak gerekebilir. Bunun yanında çıkarımdan kaynaklanmayan bazı rasyonel davranışlar da vardır. Örneğin, sıcak bir şeye değince insanın elini çekmesi bir refleks harekettir ve uzun düşünce süreçlerine girmeden yapılır. Bu yüzden yapay zekayı rasyonel ajan tasarımı olarak gören araştırmacılar, iki avantaj öne sürerler. Birincisi “düşünce yasaları“ yaklaşımından daha genel olması, ikincisi ise bilimsel geliştirme yöntemlerinin uygulanmasına daha uygun olmasıdır.
Şimdi ise farklı disiplinler açısından yapay zeka yaklaşımları anlatılacaktır.
3.Yapay Zekaya Farklı Yaklaşımlar
1.Matematiksel Yaklaşım
Kaos teorisinin beynin üst düzey fonksiyonlarının modellenmesinde önemli bir rol oynayacağı düşünülmektedir. İnsan beyni gibi bir fonksiyon üstlenmesine çalışılan bir sistemin tasarlanmasındaki çabalar için, kuşkusuz kaos teorisi çok önemli bir yer tutmaktadır. Çünkü tasarılar ortaya konulacak modelleri temel almaktadır. Kaos teorisi, sayısal bilgisayarların ve onların çıktılarını çok kolay görülebilir hale getiren ekranların ortaya çıkmasıyla gelişti ve son on yıl içinde popülerlik kazandı. Ancak kaotik davranış gösteren sistemlerde kestirim yapmanın imkansızlığı bu popüler görüntüyle birleşince, bilim adamları konuya oldukça kuşkucu bir gözle bakmaya başladılar. Fakat son yıllarda kaos teorisinin ve onun bir uzantısı olan fraktal geometrinin, borsadan meteorolojiye, iletişimden tıbba, kimyadan mekaniğe kadar uzanan çok farklı dallarda önemli kullanım alanları bulması ile bu kuşkular giderek yok olmaktadır. Teoriye temel oluşturan matematiksel ve temel bilimsel bulgular, 18.yüzyıla, hatta bazı gözlemler antik çağlara kadar geri gidiyor. Yunan ve Çin mitolojilerinde yaradılış efsanelerinde başlangıçta bir kaosun olması rastlantı değil. Özellikle Çin mitolojisindeki kaosun, bugün bilimsel dilde tanımladığımız olgularla hayret verici bir benzerliği olduğunu görüyoruz. Batıda da daha sonraki dönemlerde bilim adamları tarafından karmaşık olgulara dair gözlemler yapılmıştır. Poincare, Weierstraas, von Koch, Cantor, Peano, Hausdorff, Besikoviç gibi çok üst düzey matematikçiler tarafından bu teorinin temel kavramları oluşturulmuştur. Karmaşık sistem teorisinin ardında yatan yaklaşımı felsefe, özellikle de bilim felsefesi açısından inceleyecek olursak, ortaya ilginç bir olgu çıkıyor. Aslında bugün pozitif bilim olarak nitelendirdiğimiz şey, batı uygarlığının ve düşünüş biçiminin bir ürünüdür. Bu yaklaşımın en belirgin özelliği, analitik oluşu yani parçadan tüme yönelmesi (tümevarım). Genelde karmaşık problemleri çözmede kullanılan ve bazen çok iyi sonuçlar veren bu yöntem gereğince, önce problem parçalanıyor ve ortaya çıkan daha basit alt problemler inceleniyor. Sonra, bu alt problemlerin çözümleri birleştirilerek, tüm problemin çözümü oluşturuluyor. Ancak bu yaklaşım görmezden gelerek ihmal ettiği parçalar arasındaki ilişkilerdir. Böyle bir sistem parçalandığında, bu ilişkiler yok oluyor ve parçaların tek tek çözümlerinin toplamı, asıl sistemin davranışını vermekten çok uzak olabiliyor. Tümevarım yaklaşımının tam tersi ise tümevarım, yani bütüne bakarak daha alt olgular hakkında çıkarsamalar yapmak. Genel anlamda tümevarımı Batı düşüncesinin, tümdengelimi Doğu düşüncesinin ürünü olarak nitelendirmek mümkündür. Kaos yada karmaşıklık teorisi ise, bu anlamda bir doğu-Batı sentezi olarak görülebilir. Çok yakın zamana kadar pozitif bilimlerin ilgilendiği alanlar doğrusallığın geçerli olduğu, daha doğrusu çok büyük hatalara yol açmadan varsayılabildiği alanlardır. Doğrusal bir sistemin girdisini x, çıktısını da y kabul edersek, x ile y arasında doğrusal sistemlere özgü şu ilişkiler olacaktır:Eğer x1`e karşılık y1, x2`ye karşılık y2 elde ediyorsak, girdi olarak x1+x2 verdiğimizde, çıktı olarak y1+y2 elde ederiz. Bu özellikleri sağlayan sistemlere verilen karmaşık bir girdiyi parçalara ayırıp her birine karşılık gelen çıktıyı bulabilir, sonra bu çıktıların hepsini toplayarak karmaşık girdinin yanıtını elde edebiliriz. Ayrıca, doğrusal bir sistemin girdisini ölçerken yapacağımız ufak bir hata, çıktının hesabında da başlangıçtaki ölçüm hatasına orantılı bir hata verecektir. Halbuki doğrusal olmayan bir sistemde y`yi kestirmeye çalıştığımızda ortaya çıkacak hata, x`in ölçümündeki ufak hata ile orantılı olmayacak, çok daha ciddi sapma ve yanılmalara yol açacaktır. İşte bu özelliklerinden dolayı doğrusal olmayan sistemler kaotik davranma potansiyelini içlerinde taşırlar. Kaos görüşünün getirdiği en önemli değişikliklerden biri ise, kestirilemez determinizmdir. Sistemin yapısını ne kadar iyi modellersek modelleyelim, bir hata bile (Heisenberg belirsizlik kuralına göre çok ufak da olsa, mutlaka bir hata olacaktır), yapacağımız kestirmede tamamen yanlış sonuçlara yol açacaktır. Buna başlangıç koşullarına duyarlılık adı verilir ve bu özellikten dolayı sistem tamamen nedensel olarak çalıştığı halde uzun vadeli doğru bir kestirim mümkün olmaz. Bugünkü değerleri ne kadar iyi ölçersek ölçelim, 30 gün sonra saat 12`de hava sıcaklığının ne olacağını kestiremeyiz.
Kaos konusunda bu uzun girişten sonra konunun beyinle ilişkisine gelelim. Beynin fizik yapısı ve görünüşü fraktaldır. Bu yapı, beynin gerek evrimsel, gerekse canlının yaşamı sürecindeki gelişimin ürünüdür ki, bu gelişimin deterministik (genlerle belirli), ancak çevre ve başlangıç koşullarına son derece duyarlı, yani kaotik olduğu açıktır. Beynin yalnızca oluşumu değil, çalışma biçimi de kaotiktir. Beyni oluşturan inanılmaz
boyuttaki nöron ağının içinde bilgi akışı kaotik bir şekilde gerçekleşir. Kaotik davranışın tarama özelliği ve bunun getirdiği uyarlanırlık (adaptivite) sayesinde, beyin çok farklı durumlara uyum sağlar, çok farklı problemlere çözüm getirebilir, çok farklı fonksiyonları gerçekleştirir.
EEG sinyalleri üzerine yapılan araştırmalar göstermiştir ki, sağlıklı bir insanın sinyalleri kaotik bir davranış gösterirken, epilepsi krizine girmiş bir hastanın sinyalleri çok daha düzenli, periyodik bir davranış sergilemektedir. Yani epilepsi krizindeki hastanın beyni, kendini tekrarlayan bir davranışa takılmış ve kaotik (yani sağlıklı) durumda sahip olduğu adaptivite özelliğini yitirmiştir. Bunun sonucu hasta, kriz sırasında en basit fonksiyonlarını bile yerine getiremez olur.
Kaos bilimini ortaya çıkaran, karmaşık olguları basit parçalara ayırmak yerine onları bir bütün olarak görme eğilimi, beyni inceleyen bilim adamlarının da yaklaşımını belirlemiştir. Eskiden beyin farklı fonksiyonlardan sorumlu merkezler şeklinde modellenirken, artık holistik (bütünsel) beyin modeli geçerlilik kazanmıştır. Bu modele göre herhangi bir işlev gerçekleştirilirken, beynin tümü bu olguya katılmaktadır. Önümüzdeki yıllarda beynin yalnız alt düzey fizyolojik işleyişinin değil, öğrenme, hatırlama, fikir yürütme gibi üst düzey işlevlerinin de modellenmesinde kaosun çok önemli bir rol oynayacağı görülmektedir.
2.Fiziksel Yaklaşım
Tüm vücut fonksiyonları en temelde fiziğe dayanır. Fakat burada fiziğin oynadığı rol nedir? Bu, “taşı bıraktım yere düştü“ tarzında bir fizik değildir. Böyle olsaydı beyin bugüne kadar çok kolay çözülürdü, hatta Descartes bile belki çözmüş olurdu. Söz konusu olan, son yetmiş yıl içinde fizikçilerin kullanmakta olduğu ve doğayı matematiksel bir yapı çerçevesinde anlayıp anlatabilme yöntemi olan kuantum mekaniğinin özellikleri ile durumu bağdaştırabilmektir. Bir masa üzerinde duran nesneyi yerçekimi çeker ama masa buna karşı gelir. Dolayısıyla nesne üzerine uygulanan toplam kuvvet sıfırdır. Üzerindeki koşullar böyle devam ettiği sürece, istediği gibi hareket edebilir. Yani biraz dokunulsa ve sürtünme olmasa nesne teorik olarak sonsuza kadar hareket edecek. Oysa kuantum mekaniğine göre serbest parçacık olarak algıladığımız bir nesne, yani üzerinde hiçbir dış etki olmayan nesne, her yerde olabilir. Ama doğanın bunun üzerinde etkili olan sayısal özellikleri, ancak; atomlar ve atom altı nesneler düzeyinde kendini gösterebiliyor. Cisimlerin boyutları büyüdükçe bu etkiler bazı karmaşıklıkların arasında yok oluyor, o zaman bu nesnelerde koyduğumuz yerde duruyorlar. Fakat bir elektronu siz şuraya koydum diyemiyorsunuz; üzerinde hiçbir kuvvet olmayan bir elektron, evrende herhangi bir yerde bulunabiliyor. Bunu gördüm, buldum dediğiniz anda, o herhangi yerlerden bir tanesi gerçekleşmiş oluyor. Tüm diğer yerlerin serbest bir elektronun yeri olarak ortaya çıkma olasılığı aynı, eşit. Bir elektronun bir atom içinde sahip olabileceği fiziksel durumlar enerji, momentum, açısal momentum gibi fiziksel parametrelerle belirleniyor. Kuantum mekaniği bu değerlerin belli nitelikler taşımasını gerektiriyor. Sistemin bu değerlerle belirlenen fiziksel durumların hangisinde bulunduğunu, ölçme yapmadan bilemiyoruz. Elektronun nerede olduğunu ya da ölçtüğümüzde, ölçmeden önce –diyelim ki milyarda bir saniye önce- orada olduğundan bile emin değiliz. Kuantum mekaniğinin hesaplayabilirliği bu kadar. Evet, kuantum mekaniğinde bir hesaplanamazlık var. Zihin fonksiyonlarında da bir hesaplanamazlık var. Beyin demiyoruz, çünkü bunun fonksiyonlarının bir kısmı, organları denetleyen istemsiz kısmı belki daha kolay anlaşılıyor. Ama burada söz konusu olan, kollara ve bacaklara emir verme, karar verme mekanizması. Bu nasıl fizikle açıklanabilecek? İşte zorluk burada ve kuantum mekaniği burada devreye giriyor. Zihin bir çok şeyi algılıyor, bunları bir şekilde biriktirip, belleğe yerleştiriyor. Fakat önemli olan karar verme aşamasında birikmiş verilerin tümünden daha fazla bir toplam olup olmadığı sorusudur. Zihin konuşmamıza komutları nasıl veriyor? Herkesin beyninde her an kafasından geçen düşüncelerle bir çok belki milyonlarca karar veriliyor, bu nasıl oluyor? İşte tüm bu verilerin, beyne girmiş olan bilgi kırıntılarının oluşturduğu fiziksel durumlar ve bunların sayıyla ifade etmekte zorlanacağımız kombinezonlarından her biri bir kuantum mekaniksel durumun bir bileşeni gibi görülebilir. Kuantum mekaniksel durum bileşenleri demekle,serbest bir elektronun uzayın herhangi bir noktasında bulunmasını kastediyoruz. Bu bulunuş bir fiziksel durumdur. Hepsi varit bu elektron için, fakat biz elektronu yakaladığımız yani ölçtüğümüz anda diyoruz ki elektron burada; bu durumlardan bir tanesi ortaya çıktı. Bunu dışarıdan müdahale ederek yapıyoruz. Beyin ise zihin fonksiyonları sırasında bu müdahaleyi nasıl yapıyor? Penrose, zihnin çalışma mekanizması ile bir kuantum mekaniksel sistemin özellikleri arasında analoji kurma imkanı olduğunu söylemektedir. Burada hesaplanamazlık, yani bir algoritmaya indirgenemezlik konusu en temel bir hususu oluşturuyor. Bu iki sistemden bir tanesinde hesaplanamazlık olmadığı gösterilebilirse bütün bu söylenenler ortadan kalkmış olacak. Aslında hesaplanamazlık, bir algoritmaya indirgenemezlik matematikte bilinmeyen bir şey değildir. Mesela bir yüzeyi çinilerle kaplayacaksınız, biçimleri ne olsun ki yüzey arada hiçbir boşluk kalmadan kaplanabilsin. Matematikçiler, bir yüzeyin hangi şekilde çinilerle periyodik olarak kaplanabileceğinin bir algoritmaya bağlanamayacağını kanıtlamışlardır.
1980`lerde anesteziyologlar tarafından beyin hücrelerindeki mikrotübüller keşfedilmiştir. Bunlar, hücrelerin içinde gayet ince bir iskelet gibi yapı oluşturuyorlar ve mitoz bölünme sırasında ortaya gelerek sınır oluşturup bölünmeyi denetliyorlar. İçlerinde bulunan çok ince lifleri oluşturan protein moleküllerinin ilginç bir özelliği var. Bunların içindeki bir elektron iki değişik durumda bulunabiliyor. Elektronun bu iki durumunu 0 ve 1 durumları gibi alabilirsiniz. Belli bir takım anestetikler verildiğinde bu elektronun yer değiştiremez hale geldiği, yani uyuşturmanın verdiği bilinç kapatılması sırasında bu elektronun donduğu görülüyor. O zaman zihin fonksiyonlarında bu elektronun yer değiştirmesi bir takım kuantum mekaniksel durumlar oluşturmaya yol açabilir. Çünkü elektronun bulunduğu yer için matematiksel olarak bir kuantum mekaniksel durum yazabiliyorsunuz. Bunun gibi bir hücrede milyonlarca var, nöron şebekeleri içinde kaç tane olduğunu ve bunların yaratabileceği değişik sonuç durumlarını düşünün. İşte Penrose`nin, acaba olsa nerede olabilir sorusuna bulamadığı cevap bu. Bunun uygun bir aday olabileceğini 1992 yılında bir anesteziyologun ona söylemesi üzerine öğrenmiştir. Ama gene de bizi şu soruyla karşı karşıya bırakmaktan da kendini alamıyor: “ Acaba parça bütünü anlayabilecek mi? Parça bütünü içine alabilecek mi? Yani, biz acaba bunu anlama yeteneğine sahip miyiz?“ ( Gödel teoremi, Russel paradoksu, veya çok eskilerin dediği irade-i külliye/ irade-i cüzziye sorunu gibi bir şey). Aynı soru kuantum mekaniği için de soruluyor: Acaba daha temel düzeyde bilgi (i) Doğada mı yok? (ii) Var da doğa bize yasaklamış mı? (iii) Yoksa bizim yeteneklerimiz mi elvermiyor? Şimdilik genel inanç (i) doğrultusunda.
3.Psikolojik Yaklaşım
Beynin nöroanatomik, biyokimyasal ve fizyolojik açıdan incelenmesi yoğun biçimde sürmektedir. Fakat beyni bir canlının içinde işlev gören bir uzuv olduğunu görerek değerlendirirsek, ister istemez davranış bilimleri de işin içine girmektedir. Çünkü özellikle gelişmiş beyinli memeli hayvanların önemli özelliklerinden biri de çevreleri ile etkileşime girmeleri ve bu sayede yeni şeyler öğrenerek bunları daha sonra hatırlayabilmeleridir. Bu davranışlar açısından da beyin bilgisayar etkileşimi ve benzerliklerine bakılması gereklidir. Bilgisayarlar ile insanlar arasında ilk bakışta öğrenme ve bellek konusunda çok önemli işlevsel benzerliklerin bulunduğu biliniyor. Öğrenme ve bellek mekanizmaları bize bilgi edinme ve deneyimlerden yararlanma olanağı sağlamaktadır. Bilgisayarlar da genelde öğrenme ve belleklerinde bilgi tutabilme özelliklerine sahipler. Bu açıdan bakıldığında ortaya felsefi sorunlar çıkmaktadır. Bunlardan biri Turing`in öngördüğü öğrenme makinesidir. Bu makinenin insan gibi öğrenebildiğinin testi de turing testi olarak bilinmektedir. Bu konu hakkında felsefi yaklaşım başlığı altında bilgi verildiğinden burada girilmeyecektir.
Böyle bir öğrenme makinesinin temelinde yatan aksiyomatik sistemdeki belirsizliğin Gödel tarafından kanıtlanmış olması, zaten bilginin niteliği ve bilgi edinme yöntemlerinin yeniden gözden geçirilmesine yol açtığı gibi insan bilgisayar karşılaştırmasının temelindeki varsayımların sorgulanmasını da gündeme getirmiştir. Bilgisayarların öğrenmelerine ilişkin şemalarda genellikle bir girdi kanalı, bir işlemciye denk gelen bir kutu ve bilgisayarın ürününü gösteren bir çıktı kanalı gösterilir. Bu girdi ve çıktı kanallarına ve kapağın açarak işlemci kutusunun içine bakıldığında, görülen olgular bilgisayar ile beyin arasında önemli farkların olduğunu ortaya koymaktadır. Burada olayın psikolojik yönüyle ilgili olarak Freudcu bir yaklaşımla nerede bunun libidosu veya Neyzen TEVFİK`i anımsayarak fikri varsa efkarı nerede bunun diye sorular sorulabilir. Tüm bu soruların dışında basit bir örnekle konuya yaklaşalım: bir bilgisayarınız var, fakat her yerde iyi çalışan bilgisayarınız bazı yerlerde doğru çalışmıyor, üstelik sabahları daha iyi öğleden sonra ise kötü çalışıyor yani tekliyor. Ne düşünürsünüz? Bilgisayarınızın bozulduğunu düşünerek tamire götürürsünüz. Ve belki de tamire götürürken bilgisayarınızın insanlaşmaya başladığını düşünebilirsiniz. Burada belirtilmek istenen aslında bilgisayarlardan hiç beklenmeyen bu davranışın bizim hem psikolojimizde hem de fizyolojimizde yerleşik bir olgu olduğudur. Çünkü bilgisayarlardan çok farklı olarak bizim için olayların zamanla ve mekanla kayıtlı bir yanı vardır. Olayların zaman içindeki dizilimi ve mekan içindeki dağılımı bizi temelden etkilemekte ve daha duyu ve algılama gibi temel süreçlerden başlayarak bizi tamamıyla biçimlendirmektedir. Bilgisayarlarda girişleri iyi bir şekilde düzenlediğiniz takdirde işlem kutusunun niteliğini incelemeden ne olursa olsun çıktının ne olacağını biliyoruz. Buna paralel olarak psikolojideki davranışçı ekole göre, siz kişinin girdilerini gerektiği biçimde düzenleyebildiğiniz sürece kutu, yani a, b, veya c kişileri avukat, doktor veya mühendis olabiliyor. Bu tür radikal davranışçı yaklaşımı bugünkü bilgisayar teknolojileriyle birleştirdiğinizde bilgisayarla beyin arasında çok fazla bir benzemezlik olmadığı görülebilir. Ancak bu tür yaklaşımın geçerli olmadığı, girdilerle çıktılar arasındaki kutunun içeriği ve özelliklerinin araştırılmaya başlanmasıyla gündeme gelmiştir. Özellikle Geştalt psikolojisinin vurguladığı görüş, algılamada uyaranları teker teker inceleyip sonuçları sentezlemenin mümkün olamayacağı tezidir. Yani algılamada bütün, parçalarının toplamından farklıdır. Gestalt psikolojisine göre, bir olayı anlamak için tümünü bir arada ve bir anda algılamak gerekli, çünkü olayın tümünün dinamiği, parçaların teker teker incelenmesi ile ortaya çıkan tablodan farklıdır. Bir karenin uçlarına yerleştirdiğimiz ışıkları yakıp söndürmeyi frekansı arttırarak sürdürdüğümüzde önce kare görünen şeklin frekans arttıkça daire veya çember şeklinde algılandığını görürüz. Bu örnek bize çoğu kez bir olayı parçalarına bölüp parçalarının her birinin beynimizi nasıl etkilediğine bakarak bir bütün yaratmamızın mümkün olmadığını göstermektedir. Uyaranların yada üzerimizde psikolojik etki yaratan durumların teker teker incelenmesinin, bu uyaran yada durumların toplamının yarattığı tabloyu tümüyle anlamamıza yeterli olmayacağı gerçeğidir. Bu bakımdan beynimizi etkileyen uyaran yada durumları birer bağımsız girdi olarak değerlendirmemiz mümkün değildir. Uyaranların üzerimizde yaptıkları etki, zaman ve mekan içindeki dizilimlerine ve birbirleriyle etkileşimlerine bağlıdır.
Sonuç olarak, beynimiz ve beynin bağlı olduğu canlı organizma, zaman ve mekan içinde davranışlarını değiştiren, zamandan ve mekandan etkilenen bir yapıya sahiptir. Bunlar şu aşamada bilgisayarda mevcut değildir. Bilgi edinmede, felsefenin ortaya çıkardığı sınırların yanı sıra, bugünkü koşullarda bile beyin ile bilgisayar arasında bir koşutluğun ancak basit bir ilk yaklaşım için geçerli olduğu görülmektedir.
4.Felsefi Yaklaşım
Yapay zeka felsefesi en geniş anlamıyla yapay zekanın gerçekten mümkün olup olmadığını soruşturan bir felsefe koludur. Bilgisayarlar düşünebilir mi? Sorusu yapay zeka felsefesinin en temel sorunudur. Bilgisayarların icadından bu yana, bu soru bir çok felsefeci, bilim adamı veya yapay zeka araştırmacısı tarafından tartışılmıştır. Bu güne kadar bir problem olarak kalmasının nedeni bu sorunun cevabı hakkında ortak bir uzlaşma sağlanamamasındandır. Hatta, bunun felsefi bir problem mi? Yoksa empirik bir problem mi? Olduğunda dahi mutabık kalınamamıştır.
Şimdi farklı başlıklar altında konu ile ilgili yaklaşımlar açıklanacaktır.
1.Turing makinesi ve turing testi
Yapay zeka felsefesini ilk ortaya çıkaran kişi ünlü İngiliz mantık ve matematikçisi Alan Turing`dir. Dartmouth konferansından altı yıl önce, yani 1950 yılında Turing, Mind adlı felsefe dergisinin Ağustos sayısında Computing Machinery and Intelligence adlı bir makale yayınlamıştır. Bu makalede Turing “Makineler düşünebilir mi?“ sorusunu dikkatli bir felsefi tartışmaya açmış ve makineler düşünebilir iddiasına karşı olan itirazları reddetmiştir. 1936 yılında Turing bilgisayar tasarımının mantıki temelleri üzerine bir makale yazmıştır. Bu makalenin konusu matematiksel mantığın soyut bir problemi ile ilgilidir ve bu problemi çözerken Turing bugün Turing makinesi diye adlandırılan, program depo eden genel amaçlı bilgisayarı kuramsal olarak icat etmeyi başarmıştır. Turing makinesi kuramsal bir hesap makinesi olup hesaplarını karelere bölünmüş ve her karede yalnızca bir sembol bulunabilen bir bant aracı ile yapar. Sadece sonlu sayıda içsel durumları vardır. Bir karedeki sembolü okuduğu zaman halihazırdaki durumuna ve sembolün ne olduğuna göre durumu değişebilir.
Alan Turing ayrıca Turing testi olarak adlandırılan ve bir bilgisayarın veya başka bir sistemin insanlarla aynı zihinsel yetiye sahip olup olmadığını ölçen bir test geliştirmiştir. Genel anlamda bu test bir uzmanın, makinenin performansı ile bir insanınkini ayırt edip edemeyeceğini ölçer. Eğer ayırt edemezse, makine insanlar kadar zihinsel yetiye sahip demektir. Bu testte bir insan ve bir bilgisayar, deneyi yapan kişiden gizlenir. Deneyi yapan hangisiyle haberleştiğini bilmeden bunların ikisiyle de haberleşir. Deneyi yapan kişinin sorduğu sorular ve deneklerin verdiği cevaplar bir ekranda yazılı olarak verilir. Amaç, deneyi yapanın uygun sorgulama ile deneklerden hangisinin insan, hangisinin bilgisayar olduğunu bulmasıdır. Eğer deneyi yapan kişi güvenilir bir şekilde bunu söyleyemez ise, o zaman bilgisayar Turing testini geçer ve insanlar kadar kavrama yeteneğinin olduğu varsayılır.

2.Çin odası deneyi
California üniversitesinden John SEARLE bilgisayarların düşünemediğini göstermek için bir düşünce deneyi tasarlamıştır. Bir odada kilitli olduğunuzu düşünün ve odada da üzerlerinde Çince tabelalar bulunan sepetler olsun. Fakat siz Çince bilmiyorsunuz. Ama elinizde Çince tabelaları İngilizce olarak açıklayan bir kural kitabı bulunsun. Kurallar Çinceyi tamamen biçimsel olarak, yani söz dizimlerine uygun olarak açıklamaktadır. Daha sonra odaya başka Çince simgelerin getirildiğini ve size Çince simgeleri odanın dışına götürmek için, başka kurallarda verildiğini varsayın. Odaya getirilen ve sizin tarafınızdan bilinmeyen simgelerin oda dışındakilerce `soru` diye, sizin oda dışına götürmeniz istenen simgelerin ise `soruların yanıtları` diye adlandırıldığını düşünün. Siz kilitli odanın içinde kendi simgelerinizi karıştırıyorsunuz ve gelen Çince simgelere yanıt olarak en uygun Çince simgeleri dışarı veriyorsunuz. Dışta bulunan bir gözlemcinin bakış açısından sanki Çince anlayan bir insan gibisiniz. Çince anlamanız için en uygun bir program bile Çince anlamanızı sağlamıyorsa, o zaman herhangi bir sayısal bilgisayarın da Çince anlaması olanaklı değildir. Bilgisayarda da sizde olduğu gibi, açıklanmamış Çince simgeleri işleten bir biçimsel program vardır ve bir dili anlamak demek, bir takım biçimsel simgeleri bilmek demek değil, akıl durumlarına sahip olmak demektir.
3.Bilgi, bilinç ve yapay zeka
Beyin etten yapılmış bir bilgisayar mıdır? Bir bilgisayar üretildiği fiziksel malzemeler dolayısıyla zamana tabi olarak çalışır ve devrelerinin bağlantılarına ve yazılıma göre ulaşılan sonuçlar neden-sonuç ilişkisi bakımından sıkı bir gerekirciliği(determinizmi) ortaya koyar. Bu bakımdan, insan bilinci de, insanın tüm bedensel işlevlerinin yönetim merkezi olan beynin, elektriksel ve kimyasal süreçlere bağlı olarak, fiziksel varolanın (uzay ve zamanda varolanın) tabi olduğu neden-sonuç ilişkisine, nedenselliğe bağlı olan bir süreçten başkası değil midir? Yani bilinç ve akıl tümüyle fiziksel süreçlere indirgenebilir mi? Bu sorular düşünce tarihi içinde derin kökleri olan önemli sorulardan bir kaçıdır. Eğer biz tüm insani özelliklerin fiziğe tabi olan bedensel işlevlere indirgenebileceğini savunuyorsak, bu yaklaşımla beynin etten yapılmış bir bilgisayar olduğunu, yani yapay zekanın henüz yeterince gelişmemiş bir insan prototipi olduğunu kabul ediyoruz demektir. Buna karşılık, insanın yalnızca fiziksel süreçlere tabi olan bir makineye indirgenemeyeceğini savunuyorsak, bunun gerekçelerinin ortaya konması gerekir. Şimdi, eğer tüm bilgimizin deneyle başladığını kabul ediyorsak, bilginin ortaya çıkması için gerekli iki koşulu şöyle ifade edebiliriz: Deneyimden gelen malzeme ya da veriler ve bu verilerin, aklın kendi sahip olduğu formlar aracılığı ile kalıba dökülmesi ve sonuçta bilginin üretilmesi. Verilerin kalıba dökülmesi, önerme formuna sokulması bir fiildir ve bu fiilin yapılması için bilincin ortaya çıkması gerekir. Yani her bilgi fiili bir bilinç fiilidir. Şimdi soru şudur: Bilinç bir beyin süreci midir? Yoksa beyin süreçlerinin arkasında duran ve bu süreçlerin sonucunda, bir şeye (nesneye) yönelmek suretiyle ortaya bir bilgi konulmasını sağlayan etkin neden, bilinç fiilinin kendisi midir? Bilgi bir bilinç durumudur, düzensiz bir veriler topluluğunun algılanması değildir. Şeylerin bir bilgi nesnesi yada onların bağlantılarının bilgisi olarak ortaya çıkması, o nesneye bir birlik verilmesi ile olanaklıdır, bu ise bu birliği veren öznenin, “ben“in kendi birliğinin bilincinde olmasıyla olanaklıdır. Yani her bilgiye birliğini veren ben bilinci her bilgiden önce gelmektedir. Eğer beyin süreçleri ile “ben“ bilinci aynı şeyse, zamana ve nedenselliğe tabi olan beyin süreçlerinin nasıl olup da farklı ben bilinçlerinin ortaya çıkmasını sağladığı ise karanlıkta olan bir sorudur. Aklın deneyden gelen uyarılara dayalı bilgi üretmesinin yanında, kendisi deneyden gelmeyen, ama deneyle gelen malzemeyle doğa bilimlerinin yapılabilmesinin koşulunu oluşturan matematik ve matematiksel nesnelerle ilgili değerlendirmeler, bilincin beyin süreçlerine indirgenemeyeceği yönünde bir destek sağlamaktadır.
Matematiğin ve matematiksel nesnelerin (sayı, üçgen gibi) ne olduğu sorusunun yanıtı kolaylıkla verilemez, ama ne olmadığının yanıtı üzerine şunlar söylenebilir. Matematiğin nesneleri ve onların bağıntıları zamana ve neden-sonuç ilişkisine bağımlı değildir. Bu tür nesnelerin bağıntılarını özsel olarak farklı ilkeler yönetmektedir (çelişmezlik ilkesi gibi). Eğer matematiksel nesnelerin zamana ve neden sonuç ilişkisine tabi olmadıklarını görüyorsak, bundan, bu nesnelerin fiziksel süreçlerin dışında kalan bir dayanağa sahip oldukları sonucu çıkar. Bu nedenle matematiksel nesneler, fiziksel süreçlere tabi olarak ortaya çıkan şeyler değildir; ama fiziksel olanın, malzemenin, düzene ve sıraya sokulmasının dayanağını oluşturması nedeniyle, fiziksel süreçlerin insan için anlaşılabilir ve bilgisine ulaşılabilir bir şey olmasını sağlarlar.
Bu bakımdan insan beynini yalnızca fiziksel süreçlere tabi olan bir bilgi işleme merkezi olarak görmek, matematiksel nesneleri de zamana ve neden-sonuç ilişkisine bağlı olarak görmek sonucunu getirir ki, o zaman sayı, üçgen gibi fiziksel nesnelerin bağıntılarının kesinlik ve zorunluluğunun hesabını vermek olanaksız olacaktır. Yani fiziksel süreçler, bu süreçlerin dışında kalan ilkelerle işleyen soyut nesnelerin dayanağı olamazlar. O halde, eğer matematiksel nesneler ve matematik, zamana ve neden-sonuç ilişkisine tabi değillerse ve bunların dayanağını fiziksel süreçler oluşturmuyorsa, bu dayanağın fiziksel süreçlere tabi olmayan bir şey olduğunu, yani aklın kendi unsurlarının bu süreçlerin dışında olduklarını düşünmek durumundayız. Bunun ise anlamı şudur: İnsan bilinci ve aklı, yalnızca fiziksel süreçlere tabi olan ve nöron ağlarından oluşmuş beyin organının üstünde bir “yer“e, “iç“e sahiptir. Bu yer (iç), aklın yanı sıra, “özgür irade“nin de dayanağını oluşturur.
Eğer insan varlığı, yalnızca fiziksel bir nesne olarak görülürse, yani “empirik ben“den ibaretse, burada özgür iradeye yer yoktur. Çünkü fiziksel bir nesne olarak zamana ve nedenselliğe tabi olan insan varlığı sıkı bir gerekircilik içinde belirlenmiştir. Öte yandan, insanın tüm empirik belirlenimlerinin arkasında duran, onun zeminini oluşturan, ama zaman ve nedensellikle belirlenmemiş bir “aşkınsal (transandantal)“ yanı vardır ki, bilincin ortaya çıkmasının arkasında duran ve özgür iradenin dayanağı olan, onun bu aşkınsal yanıdır.

 

[HaKaNKsK]

Günümüzün ünlü Fransız filozofu Georges Canguilhem araçsallıkçılığın (instrumentalisme) her türüne karşı çıkarak, teknik sapmanın her köşe bucağa yayılmasını eleştirmektedir. “Beyin ve düşünce“ adlı yazısında elektronik hırdavatçılığın her kesimi etkisi altına aldığını vurgulayan filozof, yapay zekadan enformasyon modellerine değin her türlü teknolojik başarının getirdikleri kadar götürdükleri de olduğunu savunmuştur. İnsan zihninin bir bilgisayara sığdırılamayacağını, ve bilgisayarında sonuç olarak insan zihninin tüm yetilerinin üstesinden gelemeyeceğini dile getiren filozof, bu anlayışın eskilerin frenoloji görüşüne benzediğini söyler. Oynanılan, ayarlanmaya çalışılan, belirsiz amaçlara yönlendirilen bir insan dünyasına karşı; düşüncenin kaçınılmaz ve normal durumuna denkmiş gibi yutturulan bir teknik evren aracılığı ile ortaya çıkan açmazı açmanın tek yolunun felsefeye düştüğünü söyleyen Canguilhem`e göre, “ şu andaki egemenliğinin başkasına devredileme hakkı olarak ben`in savunulması felsefenin biricik görevidir.“
Sonuç olarak yapay zeka çalışmalarının ve nörolojinin yönünün ve olanaklarının belirlenebilmesi için, insanın ve insan aklının ne olduğunun soruşturulması, ama bu soruşturmanın yalnızca bilişim bilimleri ve deneysel psikoloji alanında değil, metafiziksel olarak felsefe içinde de soruşturulması gerekmektedir
4.Yönetim Bilimleri ve Yapay Zeka
Yönetim bilimleri yapay zeka alanındaki gelişmelerden hızla etkilenmektedir. Bu etkileşimin bir sonucu olarak, doğal dil arabirimleri, endüstriyel robotlar, uzman sistemler ve zeki yazılımlar gibi uygulamalar ortaya çıkmıştır. Her seviyeden yöneticiler ve çalışanlar, direk veya dolaylı da olsa son kullanıcı olarak bu gelişmelerden haberdar olmak durumundadır. Çünkü bir çok işyeri ve organizasyonda, gittikçe artan bir oranda yapay zeka teknikleri kullanılmakta ve bu yolla verimlilik artışı sağlanmaya çalışılmaktadır.
Şekilde yapay zekanın yönetim bilimlerindeki farklı uygulama alanları gösterilmektedir. Şimdi kısaca bazı yapay zeka teknikleri ve uygulama alanlarından bahsedilecektir.
1.Bilgisayar Bilimleri
Uygulamaların bu alanı bilgisayar yazılım ve donanımı üzerine odaklanmıştır. Çünkü yapay zeka uygulamalarının çoğu için, çok güçlü süper bilgisayarların üretilmesine gereksinim duyulmaktadır. Bunun ilk aşamasını beşinci nesil olarak anılan zeki bilgisayarlar oluşturmaktadır. Bu bilgisayarlar optimum seviyede mantıksal anlam çıkarma işlemi için tasarlanmaktadırlar. Bu anlam çıkarma, geleneksel bilgisayarlardaki nümerik işlem yerine sembolik işlemin kullanılması anlamına gelmektedir. Diğer çalışma ise, sinirsel ağların geliştirilmesi için yapılmaktadır. Neurocomputer sistemleri, insan beynindeki nöronların ağ yapılarına göre şekillendirilmiş bir yapıdadır. Bu bilgisayarlar bilginin bir çok farklı kısmını aynı anda işleyebilirler. Sinirsel ağ yazılımlarının, basit problem ve çözümleri gösterilerek öğrenmesi sağlanabilmektedir. Örneğin resimleri tanıyabilmekte ve problemleri çözmek için program yapabilmektedirler.
2.Robotik
Yapay zeka, mühendislik ve psikoloji robotiğin temel disiplinleridir. Robotik teknolojisi, insan gibi fiziksel kapasitelere sahip, bilgisayar kontrollü robot üretiminin gerçekleştirilmesi için geliştirilmiştir ve yapay zeka alanındaki gelişmelere paralel olarak ilerlemektedir. Bu alandaki uygulamalar robotlara, görme yeteneği veya görsel algılama, dokunsal algılama, idare etmede beceri ve hüner, hareket kabiliyeti ve yol bulabilme zekası kazandırmaktadır. Bazı uygulama örnekleri aşağıda verilmiştir.
Stuttgart Üniversitesi`nin Paralel ve Dağıtılmış Yüksek Performans Bilgisayarları Enstitüsü`nde Prof. Paul Levi yönetiminde bir çalışma gurubu Aramis (adını monte edilmiş olan kolundan alıyor), Porthos (yük taşıyıcısı) ve Athos (bir stereo kameraya sahip ve gurubun gözcüsü) isimli üç robot üretmiştir. Bu robotlar küçük sorunlarını tek başlarına çözebilmektedir. Fakat bu robotlarda diğerlerinde olmayan bir özellik vardır, kooperasyon yeteneği. Şöyle ki; kimin hangi görevi hangi sırayla yapacağını aralarında kararlaştırıyorlar. Bunu konuşarak yapmaları teknik bir dayatmadan çok araştırmacıların oyun dürtüsüne işaret etmektedir. Aslında makineler bit ve byte`lar düzleminde anlaşmalarına rağmen, çalışma esnasında kadın ve erkek sesleriyle gerçekleşen sözlü diyaloglar ortaya çıkmaktadır. Prof. Levi`ye göre üç şilahşörler, günün birinde temizlik, nakliyat ve konstrüksiyon ile ilgili görevleri yürütecek bir robot kuşağının prototipleridir.
Bir başka örnek ise MIT`den Rodney Brooks`un tasarladığı ATTİLA isimli böcek robot. 30 cm. boyutundaki bu robot üzerinde 23 motor, 10 mikro işlemci ve 150 adet algılayıcı bulunuyor (Şekil 8). Her bacağın üç bağımsız hareketi sayesinde engellerin üstüne tırmanıyor, dik inişler yapıyor ve tutunarak kendisini 25 cm. yüksekliğe çekebiliyor. Brooks`un yapay zeka anlayışında izleme, avlanma, ileri gitme ve gerileme gibi bir takım ilkel içgüdü ve refleksler yer alıyor. Öte yandan onun robotlarında bunları seçen ve bu basit hareketleri yönlendiren bir beyin modeli yer almıyor. Bunun yerine, her davranış, robotun kontrolünde yarışan bireysel zekalar olarak işliyor. Kazananı, robotun alıcılarının o anda ne hissettiği belirliyor ve bu noktada diğer tüm davranışlar geçici olarak bastırılıyor. Kurulan mantıkta, “gerile“ gibi tehlikeden sakınma davranışları, “avı izle“ gibi daha üst seviyedeki fonksiyonları bastırıyor. Davranış hiyerarşisindeki her seviyenin gerçekleşmesi için bir alttakinin aşılması gerekiyor. Böylece bir böcek robot, örneğin “odadaki en uzak köşeyi belirle ve oraya git“ gibi yüksek düzeyde bir komutu, bir yerlere çarpıp başına kaza gelme korkusu olmadan yerine getirebiliyor.
Robotlar gelecekte yalnızca basit ve monoton görevlerle sınırlanmayıp, insanlara karmaşık ve tehlikeli görevlerde de yardımcı olacakları için, akıllı ve daha esnek kullanımlı bir kavrama sisteminin geliştirilmesine yönelik olarak , DLR (Alman Hava ve Uzay Uçuşları Araştırma Kurumu) tarafından insan elini örnek alan üç parmaklı ve çok sensörlü bir robot el geliştirilmiştir (şekil 9).
3.Doğal Arabirimler
Doğal arabirimlerin gelişimi yapay zekanın önemli bir alanını göz önüne alır. Doğal arabirimlerin gelişimi, insan tarafından bilgisayarların daha doğal kullanımına yönelik bir kolaylık sağlar. Bu alanda yapay zeka araştırmacılarının en büyük amacı, insan konuşma dilinde bilgisayar ve robotların konuşmaya başlaması ve bizim onları anladığımız gibi onların da bizi anlayabilmesidir. Uygulamalar dil bilim, psikoloji, bilgisayar bilimleri gibi disiplinleri içine alan bir kollektif çalışma alanı içinde yapılmaktadır. Bazı uygulama alanları olarak insan dilini anlama, konuşmayı tanıma, beden hareketlerinin şekillerini kullanan çok algılayıcılı cihazların geliştirilmesi gösterilebilir.
Bilgisayar ile ilişki kurmak için bir anadilin kullanılması aslında yapay zekanın en kuvvetli yanlarından birini temsil eder. Yazılı anadilin işlenmesi uygulamaları ise çok sayıda bulunmaktadır. Bu konudaki başlıca uygulamalar şunlardır:
Bilgisayar yardımıyla tercüme,
Metin özetlerinin otomatik olarak hazırlanması, Metinlerin otomatik olarak üretilmesi (anlamlı bir sözdizimsel form olarak), Dokümanların hazırlanmasına yardım (hataların ve tutarsızlıkların bulunması ve gerektiğinde düzeltilmesi, örnek: MSWord programı).
İnsan sesini algılayan bir uygulama örneği olarak da, NaturallySpeaking isimli bir program seti verilebilir. Program erkek/bayan ayrımı yapmamak için ses girişlerini nötr sinyallere çevirir. Bir batch işlemi, konuşmaları konuşmacıdan bağımsız olarak kendi iç modeliyle karşılaştırarak, süreklilik ve vurgulama gibi ince ayarları yapar. Farklı kullanıcıların telaffuz farklılıklarındaki tutarlılık bu sayede sağlanır. Program ayrıca zaman kaybetmemek için, söylenen bir kelimenin ardından gelebilecek kelimeleri tahmin eder ve tarama alanını daraltır. Mesela, sayın kelimesinden sonra, büyük bir ihtimalle isim gelecektir, tarama alanı buna göre isim alanına yönlendirilir. Bunun ötesinde tüm cümlenin anlamına bakılarak, kelimenin cümlede uygun yerde olup olmadığı da kontrol edilir. Programın elindeki bilgiler arttıkça eskisine göre farklı kararlar verdiği görülmektedir. Gündelik konuşmalarda rastlanan cümlelerde program mükemmel bir performans sergilemektedir. Bir günlük düzenli bir çalışma sonrasında doğruluk oranı %95`lere ulaşmaktadır.
4.Sinirsel Ağlar
Sinirsel ağlar çeşitli yollarla birbirine bağlı birimlerden oluşmuş topluluklardır. Her birim iyice basitleştirilmiş bir nöronun niteliklerini taşır. Nöron ağları sinir sisteminin parçalarında olup biteni taklit etmekte, işe yarar ticari cihazlar yapmakta ve beynin işleyişine ilişkin genel kuramları sınamakta kullanılır. Sinirsel ağ içindeki birimler, her birinin belli işlevi olan katmanlar şeklinde örgütlenmiştir ve bu yapıya yapay sinir ağı mimarisi denir.
Yapay sinir ağlarının temel yapısı, beyne, sıradan bir bilgisayarınkinden daha çok benzemektedir. Yine de birimleri gerçek nöronlar kadar karmaşık değil ve ağların çoğunun yapısı, beyin kabuğundaki bağlantılarla karşılaştırıldığında büyük ölçüde basit kalmaktadır. Şimdilik, sıradan bir bilgisayarda, akla uygun bir sürede taklit edilebilmesi için bir ağın son derece küçük olması gerekiyor. Gittikçe daha hızlı ve daha koşut çalışan bilgisayarlar piyasaya çıktıkça zamanla gelişmeler sağlanacaktır. Yapay sinir ağlarındaki her bir işlem birimi, basit anahtar görevi yapar ve şiddetine göre, gelen sinyalleri söndürür ya da iletir. Böylece sistem içindeki her birim belli bir yüke sahip olmuş olur. Her birim sinyalin gücüne göre açık ya da kapalı duruma geçerek basit bir tetikleyici görev üstlenir. Yükler, sistem içinde bir bütün teşkil ederek, karakterler arasında ilgi kurmayı sağlar. Yapay sinir ağları araştırmalarının odağındaki soru, yüklerin, sinyalleri nasıl değiştirmesi gerektiğidir. Bu noktada herhangi bir formdaki bilgi girişinin, ne tür bir çıkışa çevrileceği, değişik modellerde farklılık göstermektedir. Diğer önemli bir farklılık ise, verilerin sistemde depolanma şeklidir. Nöral bir tasarımda, bilgisayarda saklı olan bilgiyi, tüm sisteme yayılmış küçük yük birimlerinin birleşerek oluşturduğu bir bütün evre temsil etmektedir. Ortama yeni bir bilgi aktarıldığında ise, yerel büyük bir değişiklik yerine tüm sistemde küçük bir değişiklik yapılmaktadır. Yapay sinir ağları beynin bazı fonksiyonlarını ve özellikle öğrenme yöntemlerini benzetim yolu ile gerçekleştirmek için tasarlanır ve geleneksel yöntem ve bilgisayarların yetersiz kaldığı sınıflandırma, kümeleme, duyu-veri işleme, çok duyulu makine gibi alanlarda başarılı sonuçlar verir. Yapay sinir ağlarının özellikle tahmin problemlerinde kullanılabilmesi için çok fazla bilgi ile eğitilmesi gerekir. Ağların eğitimi için çeşitli algoritmalar geliştirilmiştir. Lapedes ve R.Farber (1987) bir sinirsel ağın çok karışık zaman serilerinin nokta tahmininde kullanılabileceğini ve elde edilen sonuçların lineer tahmin metodu gibi klasik metotlara göre çok daha kesin olduğunu göstermişlerdir. Kar Yan Tam (Hong Kong Üniversitesi) ve Melody Y.Kiang (Arizona State Üniversitesi) geliştirdikleri sinirsel ağı, işletmelerin iflas gibi finansal güçlüklerini tahmin etmede kullanmışlardır.
Günümüzde sinirsel ağ uygulamaları ya geleneksel bilgisayarlar üzerinde yazılım simülatörleri kullanılarak, veya özel donanım içeren bilgisayarlar kullanarak gerçekleştirilmektedir. Kredi risk değerlemesinden imza kontrolü, mevduat tahmini ve imalat kalite kontrolüne kadar uzanan uygulamalar yazılım paketlerinden faydalanılarak yapılmaktadır.
5.Bulanık Mantık
Bulanık mantık (Fuzzy Logic) kavramı ilk kez 1965 yılında California Berkeley Üniversitesinden Prof. Lotfi A.Zadeh`in bu konu üzerinde ilk makalelerini yayınlamasıyla duyuldu. O tarihten sonra önemi gittikçe artarak günümüze kadar gelen bulanık mantık, belirsizliklerin anlatımı ve belirsizliklerle çalışılabilmesi için kurulmuş katı bir matematik düzen olarak tanımlanabilir. Bilindiği gibi istatistikte ve olasılık kuramında, belirsizliklerle değil kesinliklerle çalışılır ama insanın yaşadığı ortam daha çok belirsizliklerle doludur. Bu yüzden insanoğlunun sonuç çıkarabilme yeteneğini anlayabilmek için belirsizliklerle çalışmak gereklidir.
Fuzzy kuramının merkez kavramı fuzzy kümeleridir. Küme kavramı kulağa biraz matematiksel gelebilir ama anlaşılması kolaydır. Örneğin “orta yaş“ kavramını inceleyerek olursak, bu kavramın sınırlarının kişiden kişiye değişiklik gösterdiğini görürüz. Kesin sınırlar söz konusu olmadığı için kavramı matematiksel olarak da kolayca formüle edemeyiz. Ama genel olarak 35 ile 55 yaşları orta yaşlılık sınırları olarak düşünülebilir. Bu kavramı grafik olarak ifade etmek istediğimizde karşımıza şekil deki gibi bir eğri çıkacaktır. Bu eğriye “aitlik eğrisi“ adı verilir ve kavram içinde hangi değerin hangi ağırlıkta olduğunu gösterir.
Bir fuzzy kümesi kendi aitlik fonksiyonu ile açık olarak temsil edilebilir. Şekilde görüldüğü gibi aitlik fonksiyonu 0 ile 1 arasındaki her değeri alabilir. Böyle bir aitlik fonksiyonu ile “kesinlikle ait“ veya “kesinlikle ait değil“ arasında istenilen incelikte ayarlama yapmak mümkündür.
Bulanık mantık ile matematik arasındaki temel fark bilinen anlamda matematiğin sadece aşırı uç değerlerine izin vermesidir. Klasik matematiksel yöntemlerle karmaşık sistemleri modellemek ve kontrol etmek işte bu yüzden zordur, çünkü veriler tam olmalıdır. Bulanık mantık kişiyi bu zorunluluktan kurtarır ve daha niteliksel bir tanımlama olanağı sağlar. Bir kişi için 38,5 yaşında demektense sadece orta yaşlı demek bir çok uygulama için yeterli bir veridir. Böylece azımsanamayacak ölçüde bir bilgi indirgenmesi söz konusu olacak ve matematiksel bir tanımlama yerine daha kolay anlaşılabilen niteliksel bir tanımlama yapılabilecektir. Bulanık mantıkta fuzzy kümeleri kadar önemli bir diğer kavramda linguistik değişken kavramıdır. Linguistik değişken “sıcak“ veya “soğuk“ gibi kelimeler ve ifadelerle tanımlanabilen değişkenlerdir. Bir linguistik değişkenin değerleri fuzzy kümeleri ile ifade edilir. Örneğin oda sıcaklığı linguistik değişken için “sıcak“, “soğuk“ ve “çok sıcak“ ifadelerini alabilir. Bu üç ifadenin her biri ayrı ayrı fuzzy kümeleri ile modellenir.
Bulanık mantığın uygulama alanları çok geniştir. Sağladığı en büyük fayda ise “insana özgü tecrübe ile öğrenme“ olayının kolayca modellenebilmesi ve belirsiz kavramların bile matematiksel olarak ifade edilebilmesine olanak tanımasıdır. Bu nedenle lineer olmayan sistemlere yaklaşım yapabilmek için özellikle uygundur. Bulanık mantık konusunda yapılan araştırmalar Japonya`da oldukça fazladır. Özellikle fuzzy process controller olarak isimlendirilen özel amaçlı bulanık mantık mikroişlemci çipi`nin üretilmesine çalışılmaktadır. Bu teknoloji fotoğraf makineleri, çamaşır makineleri, klimalar ve otomatik iletim hatları gibi uygulamalarda kullanılmaktadır. Bundan başka uzay araştırmaları ve havacılık endüstrisinde de kullanılmaktadır. TAI`de araştırma gelişme kısmında bulanık mantık konusunda çalışmalar yapılmaktadır. Yine bir başka uygulama olarak otomatik civatalamaların değerlendirilmesinde bulanık mantık kullanılmaktadır. Bulanık mantık yardımıyla civatalama kalitesi belirlenmekte, civatalama tekniği alanında bilgili olmayan kişiler açısından konu şeffaf hale getirilmektedir. Burada bir uzmanın değerlendirme sınırlarına erişilmekte ve hatta geçilmektedir.

 

[[Rna]MajeziK]

Sağolasın !!..

 

[kralmustafa]

Sağol Eline Sağlık...