Bu konuya eski zamanlardan 2022'ye kadar dalalım.
antik çağ
Yapay zeka (AI), usta zanaatkarlar tarafından yaratılan akıl veya farkındalıkla donatılmış yapay varlıklar hakkındaki mitler, efsaneler ve hikayelerle başladı. İlk Yunan filozofları, insan düşünme sürecini teoriler oluşturmak için sembollerin makine benzeri bir manipülasyonu olarak tasvir etmeye çalıştılar.
Daha sonra kurgu
Yapay insanlar ve düşünen makineler hakkında fikirler, Mary Shelley'nin Frankenstein'ı veya Karel Čapek'in RUR'u (Rossum'un Evrensel Robotları) gibi kurguda ve Samuel Butler'ın "Makineler Arasında Darwin" gibi spekülasyonlarda ve Edgar da dahil olmak üzere gerçek dünyadaki olaylarda yaratıldı. Allan Poe'nun "Maelzel'in Satranç Oyuncusu".
otomatlar
Yan Shi, İskenderiye Kahramanı, Al-Jazari, Pierre Jaquet-Droz ve Wolfgang von Kempelen dahil olmak üzere her medeniyetten zanaatkarlar, gerçekçi insansı otomatlar tasarladılar. Antik Mısır ve Yunan kutsal heykelleri bilinen ilk otomatlardı. İnananlar, zanaatkarların bu figürlere gerçek akıllar kazandırdığına inanıyorlardı/ Ortaçağda bu efsanevi otomatların kendilerine yöneltilen sorulara yanıt verdiği söylenirdi.
Resmi akıl yürütme
Yapay zeka, insan düşüncesinin mekanize olabileceği fikrine dayanmaktadır. Resmi - ya da "mekanik" - "muhakeme" üzerine pek çok çalışma yapılmıştır. Çinli, Hintli ve Yunan filozoflar, MÖ birinci binyılın resmi tümdengelim metodolojilerini icat ettiler. Bunlar, kıyasın titiz bir analizini yazan Aristoteles, Unsurları biçimsel akıl yürütmenin bir modeli olan Öklid, cebiri yaratan ve adını "algoritma"ya vermekle tanınan el-Khwārizmī gibi filozoflar tarafından geliştirildi. ) ve William of Ockham gibi Avrupalı skolastik düşünürler.
İspanyol filozof Ramon Llull (1232-1315), mantıksal prosedürler yoluyla bilgi yaratmak için birkaç mantıksal makine yarattı; Cihazlarına, temel ve tartışılmaz gerçekleri basit mantıksal işlemler kullanarak tüm olası bilgilerin üretimini birleştirebilen mekanik varlıklar olarak atıfta bulundu. Gottfried Leibniz, Llull'un fikirlerini yeniden canlandırdı.
Leibniz, Thomas Hobbes ve René Descartes, 16. yüzyılda tüm rasyonel düşüncenin cebire veya geometriye indirgenebileceği ihtimalini araştırdı. Hobbes'a göre sebep, "hesaplamadan başka bir şey değildir". Leibniz, tartışmayı hesaplamaya indirgeyecek küresel bir akıl yürütme dili (onun karakteristik evrenselliği) hayal etti, böylece "iki filozof arasında iki muhasebeci arasında olduğundan daha fazla tartışmaya gerek kalmayacaktı. Çünkü onların kalemlerini almaları yeterli olacaktı. Bunlar düşünürler önce, sonunda yapay zeka çalışmasının temel inancı haline gelecek olan fiziksel sembol sistemi hipotezini dile getirdiler.
20. yüzyılda mantıksal-matematiksel mantık, yapay zekanın pratik görünmesini sağlayan önemli atılımı geliştirdi. Bu tür çalışmalar Boole'un Düşünce Yasaları ve Frege'nin Begriffsschrift'inin temelini oluşturdu. 1913'te Russell ve Whitehead, Frege'nin sistemini temel alan matematiğin temelleri üzerine resmi bir çalışma olan Principia Mathematica'yı yayınladılar.
Aldıkları yanıt iki açıdan beklenmedikti. Başlangıç olarak, matematiksel mantığın başarabileceklerinin sınırları olduğunu kanıtladılar. Bununla birlikte, ikinci ve daha önemli (AI için), araştırmaları, herhangi bir matematiksel çıkarımın bu parametreler içinde mekanikleştirilebileceğini gösterdi.
Turing Testi
Turing testi, AI araştırması için uzun vadeli bir hedeftir - şüpheli bir yargıcın farkı söyleyemeyeceği bir insanı yeterince taklit edebilen bir bilgisayar yaratabilecek miyiz? Başlangıcından bu yana AI araştırmalarının çoğuna benzer bir yol izlemiştir. Başlangıçta, zor ama yapılabilir gibi görünüyordu (bir kez donanım teknolojisine ulaşıldığında).
Onlarca yıllık çalışma ve önemli teknolojik gelişmelere rağmen, Turing testi AI araştırmacıları için bir hedef olarak hizmet etmeye devam ederken, aynı zamanda bunu başarmaktan ne kadar uzakta olduğumuzu da ortaya koyuyor.
1950'de İngiliz matematikçi ve bilgisayar bilimcisi Alan Turing, yapay zeka olarak bilinen alanı başlatan "Bilgisayar Makineleri ve Zeka" başlıklı bir makale yayınladı. Bu, John McCarthy'nin Yapay Zeka terimini icat etmesinden yıllar önceydi. Makale basit bir soruyla başladı: "Makineler düşünebilir mi?" Bundan sonra Turing, makinelerin düşünüp düşünemeyeceğini belirlemek için Turing testi olarak bilinen bir yöntem önerdi. “Taklit Oyunu”, makinelerin düşünüp düşünmediğini belirlemek için kullanılabilecek basit bir test olarak geliştirildi. Tam olarak entelektüel bir insan gibi görünmek üzere programlanmış bir bilgisayarın varsayılması, bilgisayarların düşünebildiğini gerçekten göstermiştir.
İnsanlar, makinelerin siber uzayı düşünüp test edip edemeyeceğini tartışmaya devam etse de, Alan Turing ve önerdiği kriterin yapay zeka alanı için güçlü ve öğretici bir vizyon sağladığı açıktır. Alan Turing'in kendisi tarafından yazılan bu makale, yapay zeka araştırmalarına ufuk açıcı katkılar sağladı ve modern bilgisayar biliminin yolunu açtı. Turing testi, yaygın olarak yapay zeka alanında bir dönüm noktası olarak kabul edilir ve gelecek yıllar için bir hedef olarak kabul edilebilirken, aynı zamanda tüm AI alanındaki ilerlemenin izlenmesinde bir kilometre taşı olarak kabul edilebilir.
Sibernetik ve erken sinir ağları
Bilgisayarın icadı, akıllı makinelere yönelik erken araştırmalara ilham verdi. 1930'ların sonlarında, 1940'ların ve 1950'lerin başlarında, sinirbilim alanındaki daha önceki çalışmalara ilham veren bir fikir birleşmesi ortaya çıktı. Norbert Wiener ve Claude Shannon'ın çalışmaları, elektrik şebekelerinin kontrolü ve kararlılığına odaklandı. Claude Shannon'ın bilgi teorisi, dijital sinyalleri (ya hep ya hiç sinyalleri) tanımladı. Alan Turing'in teorik hesaplama kavramı, her türlü hesaplamanın dijital olarak temsil edilebileceğini kanıtladı. Bu fikirler arasındaki yakın bağlantı, elektronik bir beynin inşa edilebileceğini ileri sürdü.
W. Gray Walter'ın kaplumbağaları ve Johns Hopkins Beast gibi robotlar bu alandaki çalışmalara örnektir. Bu makineler bilgisayarlar, dijital elektronikler veya sembolik akıl yürütme yerine analog elektronikler ve içgüdüler tarafından yönlendiriliyordu; tamamen analog devre tarafından kontrol ediliyorlardı.
1943'te Walter Pitts ve Warren McCulloch, idealize edilmiş yapay nöron ağlarını araştırdılar ve temel mantıksal işlemleri nasıl gerçekleştirebileceklerini gösterdiler. Daha sonraki araştırmacıların sinir ağı olarak adlandıracağı şeyi ilk tanımlayanlar onlardı. O zamanlar 24 yaşında bir yüksek lisans öğrencisi olan genç bir Marvin Minsky, Pitts ve McCulloch'tan ilham aldı. 1951'de (Dean Edmonds ile birlikte) ilk sinir ağı makinesi olan SNARC'ı yarattı. Önümüzdeki 50 yıl boyunca Minsky, yapay zekanın en önemli liderlerinden ve yenilikçilerinden biri olacak.
Oyun AI
1951'de Christopher Strachey ve Dietrich Prinz, Manchester Üniversitesi'nde Ferranti Mark 1 makinesi için dama programları oluşturdu. Arthur Samuel'in 50'lerin ortalarında ve 60'ların başında oluşturduğu dama programı sonunda amatör düzeyde beceriye ulaştı. Yapay zekanın oyunlarda kullanımı, tarih boyunca yapay zekada ilerleme için bir ölçü olarak varlığını sürdürecektir.
Dartmouth Workshop 1956: Yapay Zekanın Doğuşu
1956'da Dartmouth Konferansı'na Marvin Minsky, John McCarthy ve iki IBM kıdemli bilim adamı: Claude Shannon ve Nathan Rochester ev sahipliği yaptı. Teklif, "İnsan zekasının herhangi bir yönünü çoğaltmak için bir makine inşa edilebilir" dedi. Katılımcılar arasında Ray Solomonoff, Oliver Selfridge, Trenchard More, Arthur Samuel, Allen Newell ve Herbert A. Simon vardı; bunların hepsi, çalışmanın ilk yıllarında önemli AI projeleri yaratmaya devam edecekti. Konferansta Newell ve Simon "Mantık Teorisyeni"ni ortaya çıkarırken, McCarthy katılımcıları kendi alanlarının adı olarak "Yapay Zeka"yı kabul etmeye çağırdı. 1956 Dartmouth konferansı, yapay zekaya adını, amacını ve ilk başarısının yanı sıra kilit oyuncuları ve belirleyici anları veren olaydı.
Sembolik AI 1956–1974
Çoğu insan için Dartmouth Atölyesi'ni takip eden yıllar sadece "şaşırtıcı"ydı: bilgisayarlar cebirsel kelime problemlerini çözüyor, geometrik teoremleri kanıtlıyor ve İngilizce konuşmayı öğreniyordu. 1960'ların sonlarında, makinelerin bu tür "akıllı" davranışlarının akla yatkın olduğunu çok az kişi düşünebilirdi. Akademisyenler, özel ve basılı medyada, tamamen akıllı bir makinenin 20 yıldan kısa bir süre içinde geliştirileceğine dair büyük iyimserliklerini dile getirdiler. Yeni alan, DARPA gibi devlet kurumlarından önemli miktarda fon aldı.
İlk AI kışı 1974-1980
1970'lerde AI, eleştiriler ve finansal aksiliklerle karşı karşıya kaldı. AI araştırmacılarının karşılaştığı zorluklar onlar tarafından fark edilmedi. Muazzam beklentileri makul olanın çok ötesine geçmişti ve vaat edilen faydalar ortaya çıkmadığında, yapay zeka için devlet finansmanı ortadan kalktı. Aynı zamanda, Marvin Minsky'nin algılayıcılara yönelik yıkıcı eleştirisinden sonraki on yıl boyunca, bağlantıcılık (veya sinir ağları) alanı hareketsiz kaldı. 1970'lerin sonlarında halkın yapay zekaya yönelik olumsuz görüşüne rağmen, mantıksal programlama, sağduyulu akıl yürütme ve çeşitli diğer alanlarda yeni fikirler keşfedildi.
Patlama 1980–1987
Yapay zekanın ilk günlerinden itibaren bilgi büyük bir endişe kaynağıydı. Yapay zeka programının bir biçimi olan uzman sistemler, 1980'lerde dünyanın dört bir yanındaki işletmeler tarafından benimsendi ve bilgi, ana hat yapay zeka araştırmalarının odak noktası haline geldi. 1990'larda, Japon hükümeti, beşinci nesil bilgisayar girişimi ile yapay zekaya yoğun bir şekilde yatırım yaptı. 1980'lerin başında John Hopfield ve David Rumelhart'ın eserlerinde bağlantıcılığın yeniden canlanması bir başka cesaret verici andı. Yapay zeka bir kez daha başarılı oldu.
İkinci AI kışı 1987-1993
1980'lerde, iş dünyasının yapay zekaya olan ilgisi klasik bir ekonomik balon modelini izledi. Kazaya, ticari tedarikçilerin çeşitli uygulanabilir çözümler üretememesi neden oldu. Yüzlerce şirket battı ve birçok yatırımcı onlara yatırım yapmayı reddetti. Birçoğu teknolojinin uygulanabilir olmadığına inanıyordu, ancak araştırma ilerlemeye devam etti. Rodney Brooks ve Hans Moravec gibi çok sayıda uzman, kökten yeni bir yapay zeka türünü savundu.
AI 1993–2011
Yarım asırdan fazla bir geçmişe sahip olan Yapay Zeka alanı, en temel amaçlarından bazılarına ulaşmıştır. Şu anda teknoloji sektöründe kısmen de olsa etkin bir şekilde kullanılmaktadır. Bazıları gelişmiş bilgi işlem yeteneğinin sonucuydu, bazıları ise belirli izole konulara odaklanarak ve en yüksek düzeyde bilimsel hesap verebilirlik elde etmeye çalışmakla ortaya çıktı. Yine de, AI'nın iş dünyasındaki itibarı yıldızlardan daha azdı. Alanda, AI'nın 1960'larda insan düzeyinde istihbarat vaadini neden yerine getiremediği konusunda sınırlı bir anlaşma vardı. AI, her biri farklı bir konuya veya yönteme odaklanan ve yine de aynı amaç için çalıştıkları yanılsamasını veren bir dizi farklı disipline bölündü.
"Temizlerin zaferi"
Yapay zeka araştırmacıları, daha önce hiç olmadığı kadar gelişmiş matematiksel yaklaşımlar yaratmaya ve kullanmaya başladılar. AI'nın üstesinden gelmesi gereken sorunların çoğu, matematik, elektrik mühendisliği, ekonomi ve yöneylem araştırması gibi alanlarda akademisyenler tarafından zaten ele alınıyordu. Paylaşılan matematiksel dil, çeşitli alanlar arasında daha fazla işbirliğine ve ölçülebilir ve doğrulanabilir sonuçların gerçekleştirilmesine izin verdi; Russell & Norvig'e (2003) göre AI artık daha ciddi bir "bilimsel" disiplin haline gelmişti.
Olasılık ve karar teorisi, Judea Pearl'ün 1988'deki etkili çalışması olasılık ve karar teorisini sahaya getirdiğinden beri yapay zekaya dahil edilmiştir. Bayes ağları, gizli Markov modelleri, bilgi teorisi, stokastik modelleme ve klasik optimizasyon, kullanılan birçok yeni teknikten sadece birkaçıdır. Sinir ağları ve evrimsel algoritmalar gibi "hesaplamalı zeka" paradigmaları için matematiksel temsiller de geliştirildi.
Tahminler (veya "HAL 9000 nerede?")
1968'de Arthur C. Clarke ve Stanley Kubrick, 2001 yılına kadar bir makinenin insanlarla karşılaştırılabilir veya onu aşan bir zekaya sahip olacağını tahmin ettiler. Tasarladıkları AI karakteri olan HAL 9000, birçok üst düzey AI uzmanının böyle bir cihazın 2001 yılına kadar geliştirileceği fikrine dayanıyordu.
2016 yılına gelindiğinde, AI ile ilgili mallar, donanım ve yazılım pazarı 8 milyar dolardan fazlaya ulaştı ve AI'ya olan ilgi "maniye" ulaştı. Büyük verinin uygulamaları istatistik alanının ötesine geçmeye başlamıştır. Örneğin, ekolojideki modelleri eğitmek ve çeşitli ekonomik uygulamalar için büyük veri kullanıldı. Derin öğrenmedeki gelişmeler (özellikle derin evrişimli sinir ağları ve tekrarlayan sinir ağları), görüntü ve video işleme, metin analizi ve hatta konuşma tanıma konularında ilerlemeyi ve araştırmaları hızlandırdı.
Büyük veri
Büyük veri, tipik uygulama yazılımlarının yeteneklerinin ötesinde olan muazzam miktarda sayısal veriyi tanımlamak için kullanılan bir terimdir. Bu düzeyde karar verme, içgörü ve süreç optimizasyonunu ele almak için tamamen yeni bir dizi işleme modeli gerekir. Büyük Veri Çağında, Victor Meyer Schonberg ve Kenneth Cooke, büyük veriyi “rastgele değerlendirme (örnek anket) yerine tüm verilerin analiz için kullanılması” olarak tanımlamaktadır.
Aşağıdakiler büyük verilerin beş önemli özelliğidir: Hacim, Hız, Çeşitlilik, Değer ve Doğruluk (IBM tarafından önerilmiştir). Büyük veri teknolojisinin önemi, büyük veri bilgisine hakim olmak değil, önemli bitlere odaklanmaktır. Bir başka deyişle, büyük veriyi ekonomiye benzetecek olursak, bu sektörde karlılığın anahtarı, verinin “Süreç kabiliyetini” geliştirip “katma değer”e dönüştürmektir.
Yapay genel zeka
Belirli bir sorunu çözmek yerine herhangi bir sorunu çözme yeteneği, genel zeka olarak bilinir. Yapay genel zeka (ya da "YGZ"), zekayı insanların yaptığı gibi çeşitli problemlere uygulayabilen yazılımları ifade eder.
AI araştırmacıları 2000'lerin başında, AI gelişiminin, alanın orijinal yapay genel zeka yaratma hedefini büyük ölçüde terk ettiğini savundu. AGI çalışması ayrı bir alt disiplin olarak kuruldu ve 2010 yılına kadar AGI araştırmalarına ayrılmış akademik konferanslar, laboratuvarlar ve üniversite kurslarının yanı sıra özel konsorsiyumlar ve yeni firmalar vardı.
Yapay genel zeka, "zayıf AI" veya "dar AI" yerine "güçlü AI", "tam AI" veya sentetik bir tür zeka olarak da bilinir.
2022'de yapay zeka
Yapay zeka (AI), çok sayıda sektör için bir iş ve organizasyon gerçeği haline geldi. Yapay zekanın faydaları her zaman kolayca görülmese bile, süreç verimliliğini artırma, hataları ve işçiliği azaltma ve büyük verilerden içgörüler çıkarma yeteneğine sahip olduğunu göstermiştir.
İnsanlar, yapay zeka destekli trendler söz konusu olduğunda dünyadaki bir sonraki büyük şeyin ne olacağı hakkında konuşuyorlar. 2022'de tahmin edilebilecek en ilgi çekici yapay zeka trendlerinden oluşan bir koleksiyon burada sunulmaktadır:
- ROI Driven AI uygulaması;
- Video analizi;
- 'Hizmet Olarak' iş modeli;
- Geliştirilmiş siber güvenlik;
- Metaverse'de AI;
- Bir veri dokusu;
- Nesnelerin İnterneti (IoT) ile AI ve ML;
- Yapay zeka önde gelen hiper otomasyon.
Çözüm
Yapay zekanın bilimin, ekonominin, üretimin her sektörünün ve her insanın geleceği üzerinde büyük etkisi vardır. Yapay zeka, en başından beri büyük veri, robotik ve Nesnelerin İnterneti gibi yenilikçi teknolojilerin geliştirilmesine katkıda bulundu ve gelişmeye devam edecek.
