John McCarthy ve Yapay Zeka’nın İcadı
1956 yılında McCarthy, Minsky, Shannon ve Rochester adlı bilim adamları grubunca oluşturulan ekibin çalışma sürecinde, McCarthy; artificial intelligence yani yapay zeka terimini bilişim literatürüne kazandıran ilk kişidir. Söz konusu ekibin yöneticisi olan McCarthy, yapay zeka tasarımının mucidi olarak kabul edilmektedir.
John McCarthy Hayatı
John McCarthy 1927 yılında Boston kentinde hayata gözlerini açtı. McCarthy, Amerika Birleşik Devletleri’nde en çok tanınan bilgisayar bilimcilerinden biridir. McCarthy çocukluk ve gençlik yıllarının büyük bir kısmını Los Angeles şehrinde geçirdi.
McCarthy son derece zeki biriydi. Bolment Lisesi’ni 2 yıl erkenden bitirdi. McCarthy Kaliforniya Teknoloji Enstitüsü‘ne (Caltech) 1944’te kabul edildi.
Matematiğe erken yaşlarda ilgi gösterdi. Gençlik yıllarında Kaliforniya Teknoloji Enstitüsü‘nde kullanılan matematik kitaplarına çalışarak kendine matematiği öğretti. Sonuç olarak Caltech’te 2 yıl matematik dersinden muaf tutuldu. Sonra Amerika Birleşik Devletleri Ordusu‘na hizmet etti.
Küçüklükten beri matematiğe ve bilişim teknolojilerine ilgi duyan bu bilim insanı, akademik hayatına matematik lisansı için kaydolduğu California Institute of Technology’de adım attı. 1948’de girdiği Kaliforniya Teknoloji Enstitüsü bünyesinde matematik lisansı edinen McCarthy, daha sonra Princeton Üniversitesine geçti. 1951 yılında girdiği bu prestijli kurumda doktora eğitimini tamamladıktan sonra saygın bir akademisyen oldu.
Profesyonel kariyerinin geri kalanında Stanford, Dartmouth ve Princeton gibi üst seviye kurumlarda hizmet veren John McCarthy, MIT (Massachusetts Teknoloji Enstitüsü) kapsamında da bilim dünyasına katkılarda bulundu.
John McCarthy, 1962 yılında Stanford Üniversitesi’nde profesörlük kariyerine başladı. 38 yıl boyunca prestij sahibi olan bu kurumda birçok genç bilişimciler yetiştirdi. Stanford Üniversitesi’nin akademisyen kadrosunda değerli çalışmalar yaptı. John McMarthy, 2000 yılına kadar bu kurumda eğitim verdi daha sonra emekliliğe imza attı. McCarthy, başarı ve üstün hizmetlerle dolu kariyerinde bilgisayar teknolojilerinde kayda değer katkılar sağladı. Özellikle yapay zeka alanında geniş çaplı çalışmalar yapan John McCarthy, aynı zamanda Lisp dili üzerine de yoğunlaştı.
John McCarthy’nin Bilişim Dünyasına Katkıları
1971 yılında Turing Ödülü’ne layık görülen ünlü bilişimci “eğer onları nasıl programlayacağımızı bilseydik otuz yıl öncesinin bilgisayarları bile yapay zeka için yeterliydi” cümlesiyle de tanınmaktadır.
John McCarthy’nin sayısız akademik makalesinin yanı sıra dikkat çeken daha somut eserleri de bulunmaktadır. Örneğin CTSS adı verilen işletim sistemini bilişim dünyasına kaydeden akademisyen, zaman paylaşımlı ilk işletim sistemi örneklerinden birine imza atmıştır. Bu bağlamda birçok kitap yazan profesör bilgisayar dilleri alanında değerli projeler yürüttü. Aynı zamanda bilişim dünyasının yapay zeka alanına önem vermesinde büyük rol oynamıştır.
Kendisi daha sonra Yapay Zeka Laboratuvarı kurarak adeta bu alan uğruna yapılan çalışmaları sırtlamış ve on beş yıl boyunca bu laboratuvarın başkanlığını yapmıştır. Kariyerine otuz adet doktora tezini kaydeden John McCarthy insanlığın yapay zekaya karşı sorular sormasını sağlamanın yanı sıra insan ve makine ilişkisine dair geniş bir ışık tutmuştur.
Hem bilişim dünyasının hem de birçok bilimsel alanın tanıdığı saygın bilim insanı, katkı ve hizmetlerle dolu koca bir profesyonel kariyerini son yıllarına kadar sürdürdü. Hayatının büyük bir kısmını geçirdiği Stanford’da 24 Ekim 2011’de vefat eden John McCarthy, günümüzde yapay zeka adına yapılan çalışmalarda hala anılmakta ve başlattığı bilimsel projelerle hala bilime katkı sağlamaktadır.
Zeka ve Yapay zekayı kısaca tanımlayarak konuya giriş yaparsak;
Bilindiği üzere zeka: İnsanın düşünme, akıl yürütme, nesnel gerçekleri algılama, kavrama, yargılama, sononuç çıkarma yeteneklerinin tümüdür. Ayrıca soyutlama, öğrenme ve yeni durumlara uyma gibi yeteneklerde zeka kapsamı içerisindedir.
Yapay zeka nedir dersek, idealize edilmiş bir yaklaşıma göre, insan zekâsına özgü olan, algılama, öğrenme, çoğul kavramları bağlama, düşünme, fikir yürütme, sorun çözme, iletişim kurma, çıkarımsama yapma ve karar verme gibi yüksek bilişsel fonksiyonları veya otonom davranışları sergileyen yapay bir işletim sistemidir. Bir diğer ifade ile insansı faaliyetlerde bulunmak üzere robot teknolojisiyle icad edilen makinalara verilen komutları kapsayan yazılımdır, da denilebilir.
Sibernetik ilmi ile birlikte bilgisayar yazılımlarının geliştirilmesine bağlı olarak robot teknolojisi ile dijital teknolojinin gelişmesiyle yapay zeka üzerinde yoğun çalışmalar yapılmış ve günümüzün en ileri teknolojisi olarak değişik alanlarda varlık göster göstermiştir.
Yapay Zeka, tamamen insana özgü, hissetme, davranışları öngörme, karar verme gibi şeyleri gerçekleştirebilen, genel olarak insansı robot olarak ta adlandırılan elektronik bir sistemdir. Yapay zeka teknolojisi, sibernetik sistem teknolojisi ile karıştırılmamalıdır. Bu iki sistem arasında temel farklılar bulunaktadır. Bilindiği üzere Sibernetik biliminin ve tekniğinin ortaya çıkışı, yapay zekadan çok öncedir. Bir diğer ayırıcı nokta ise bu bilimlerin doğmasına neden olan amaç farklılığıdır. Şöyle ki; yapay zeka; insanlar gibi akıllı bilgisayarlar yapma arzusundan doğmuştur. Sibernetik ise karmaşık insan hedefleri veya sadece değişen koşullar altında, mesela bir odanın sıcaklığını korumak gibi hedeflere ulaşabilecek sistemleri anlama ve inşa etme arzusundan doğmuştur.
Yapay zeka, bilginin bir makinenin içinde depolanabilen bir meta olduğu ve bu depolanmış bilginin gerçek dünyaya uygulanmasının zekayı oluşturduğunu kabul eder. Sibernetik ise tam tersine, nesnelliğin anlam hakkındaki ortak anlaşmadan kaynaklandığını ve bilginin depolanan bir meta olmaktan ziyade bir etkileşimin niteliği olduğunu gösterir.
İnsanların aklını kurcalayan teknolojilerden olan yapay zeka, teknoloji ve bilimi bir araya getirir. Teknolojinin ilerlemesiyle birlikte, kısa zaman önce bize çok uzak bir kavram olan yapay zeka, farkına varsak da varmasak da hayatımıza yavaş yavaş girmektedir.
Yapay zekayı, kısaca, insan zekasına ihtiyaç duyulan işlerin bilgisayarlara yaptırılması teknolojisi olarak tanımlayabiliriz. Bir bilgisayarın veya bilgisayar kontrolündeki bir robotun/sistemin, çeşitli faaliyetleri insana benzer şekilde yerine getirebilme kabiliyeti olarak da açıklamak mümkün. Pek çok yerde ise İngilizce’deki “Artificial Intelligence” kelimelerinin baş harfleriyle yani ‘’AI’’ kısaltmasıyla anılıyor.
Günlük olarak karşılaşacağınız, ancak yapay zeka yönünden habersiz olabileceğiniz diğer yapay zeka örnekleri:
-Google Haritalar ve Ride-Hailing Uygulamaları …
-Yüz Algılama ve Tanıma. …
-3. Metin Editörleri veya Otomatik Düzeltme. …
-Arama ve Tavsiye Algoritmaları …
-Chatbotlar. …
-Dijital Asistanlar. …
-7. Sosyal Medya. …
-8. E-Ödemeler
olarak sıralanabilir
Yapay zeka nasıl ortaya çıktı?
Bilgisayar teknolojilerinin yeni ortaya çıktığı dönemde, “Makineler düşünebilir mi?” sorusunun Mathison Turing tarafından sorulması ile, hakkında ilk adımların atılmaya başlandığı yapay zeka, 2. Dünya Savaşı döneminde çeşitli askeri silah teknolojilerin ortaya çıkması ve bilgisayarların gelişmesindeki en önemli etkenlerden biridir.
Çeşitli şifre algoritmaları ve veri çalışmaları ile birlikte ortaya çıkan Makine Zekası kavramı, ilk bilgisayarlardan bugünkü akıllı telefonlara kadar, üretilen tüm teknolojik cihazların, insan temel alınarak geliştirildiğini ortaya koymaktadır.
İlk yapay zeka çalışmaları
İdealize edilmiş tanımıyla yapay zekâ konusundaki ilk çalışmalar daha önce Mc Culloch ve Pitts tarafından yapılmıştır. Bu araştırmacıların önerdiği, yapay sinir hücrelerini kullanan hesaplama modeli, önermeler mantığı, fizyoloji ve Bilgisayarın mucidi Turing‘in hesaplama kuramına dayanıyordu. Herhangi bir hesaplanabilir fonksiyonun sinir hücrelerinden oluşan ağlarla hesaplanabileceğini ve mantıksal işlemlerin gerçekleştirilebileceğini gösterdiler. Bu ağ yapılarının uygun şekilde tanımlanmaları hâlinde öğrenme becerisi kazanabileceğini de ileri sürdüler.daha sonra Donald Hebb, sinir hücreleri arasındaki bağlantıların şiddetlerini değiştirmek için basit bir kural önerince, öğrenebilen yapay sinir ağlarını (iletişim özelliği güçlü kıl misali ince teller) gerçekleştirmek de imkan dahiline 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 açık çalışma düzenledi. Bu toplantıda birçok çalışmanın temelleri atılmakla birlikte, toplantının en önemli özelliği Mc Carthy tarafından önerilen yapay zekâ adının konmasıdır. İlk kuram ispatlayan programlardan Logic Theorist (Mantık kuramcısı) burada Newell ve Simon tarafından tanıtılmıştır.
Sembolik ve Sibernetik Yapay Zekâ
Newell ve Simon, insan gibi düşünme yaklaşımına göre üretilmiş ilk program olan Genel Sorun Çözücü (General Problem Solver)’ı geliştirmişlerdir. Simon, daha sonra fiziksel simge varsayımını ortaya atmış ve bu kuram, insandan bağımsız zeki sistemler yapma çalışmalarıyla uğraşanların hareket noktasını oluşturmuştur. Simon‘ın bu tanımlaması bilim adamlarının yapay zekâya yaklaşımlarında Sembolik ve Sibernetik yapay olmak üzere iki farklı akımın ortaya çıktığını belirginleştirmesi açısından önemlidir:
Simon‘ın sembolik yaklaşımından sonraki yıllarda mantık temelli çalışmalar egemen olmuş ve programların başarımlarını göstermek için bir takım yapay sorunlar kullanılmıştır. Daha sonraları bu sorunlar gerçek yaşamı hiçbir şekilde temsil etmeyen oyuncak dünyalar olmakla suçlanmış ve yapay zekânın 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 sentaktik süreçleri benzeşimlendirerek anlam çıkarma, bağlantı kurma ve fikir yürütme gibi süreçler konusunda başarısız olmasıydı. 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 durdurulmuştu. Bu yetersizlikler aslında insan beynindeki semantik süreçlerin yeterince incelenmemesinden kaynaklanmaktaydı
Sembolik yapay zeka çalışmalarında robotlar, insanların sorularına beklenen tepki ve cevapları tam olarak veremezken, Sibernetik yapay zeka çalışmalarında da yapay sinir ağlarından beklenen cevaplar alınamamış, yani iki taraftaki çalışmaların tam anlamı ile başarılı olamadığı görülünce metotta bir yanlışlık olduğu anlaşılmıştır.
Ayrı ayrı geliştirilen Sembolik ve Sibernetik yapay zeka çalışmalarında yaşanan başarısızlıklar sonrasında, farklı dallar ve düşünceler yerine tek bir amaç ile devam etmeye karar verilmiş, metotla ilgili bu degişiklik, uzman yapay zeka çalışması olarak nitelenmiştir. Uzman yapay zeka kavramı, yapay zeka çalışmalarını hareketlendirmiş olsa da, ortaya konulan yapay zeka ürünlerinin, üzerinde çalışılan şey hakkında yeterli bilgiye sahip olmamasından, bu kez daha farklı sorunlar ortaya çıkmıştır. Bunun üzerine her sorunu çözecek genel amaçlı sistemler yerine belirli bir uzmanlık alanındaki bilgiyle donatılmış programların kullanılması fikri doğmuş ve bu durum yapay zekâ alanında yeniden bir canlanma oluşturmuştur. Ki böylece Uzman sistemler adı verilen bir metodoloji gelişmiştir.
Bütün bu gelişmelerin ve süreçlerin sonunda bir grup yapay zekâ araştırmacısı, insan gibi düşünebilen sistemleri araştırmaya devam ederken, diğer bir grup ise ticari değeri olan rasyonel karar alan sistemler (Uzman sistemler) üzerine yoğunlaşmıştır.
Uzman sistemler, bir konuda belli ön koşullar aynı anda var olduğunda konunun bir uzmanın (bazen ne olasılıkla) ne karar alacağını belirleyen kuralların tümünü içeren bir programı gelen problemlere uygulamak temellidir. Bunun bir avantajı her verilen kararın hangi kurallar uygulanarak verildiğinin kolayca bilinmesi idi. Bu birçok kuralcı bürokratik karar örgütleri için kolayca uygulamalar geliştirilebilmesi demekti. Bu doğal olarak bir otomobilin tamiri için önerilerde bulunan uzman sistem programının otomobilin ne işe yaradığından haberi olmaması da demekti. Buna rağmen uzman sistemlerin başarıları beraberinde ilk ticari uygulamaları da getirdi.
Yapay zekâ yavaş yavaş bir endüstri hâline 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 ülkeler de yapay zekâyı yeniden keşfettiler ve araştırmalara büyük kaynaklar ayrılmaya başlandı. 1988’de yapay zekâ endüstrisinin cirosu 2 milyar dolara ulaşmıştı.
Ancak sonraları, modern bilgisayarlarımız daha çok uzman sistemler diyebileceğimiz programlar ile gündelik hayatımızın sorunlarını çözmeye yönelik kullanım alanlarında daha çok yaygınlaştılar. 1970’li yıllarda büyük bilgisayar üreticileri olan Microsoft, Apple, Xerox, IBM gibi şirketler kişisel bilgisayar (PC Personal Computer) modeli ile bilgisayarı popüler hale getirdiler ve yaygınlaştırdılar.
Bugün, bu çalışmaları teşvik etmek amacı ile Turing‘in adıyla anılan Turing Testi ABD‘de Loebner ödülleri adı altında makine zekâsına sahip yazılımların üzerinde uygulanarak başarılı olan yazılımlara ödüller dağıtılmaktadır.
Turing Testinin içeriği kısaca şöyledir: birbirini tanımayan birkaç insandan oluşan bir denek grubu birbirleri ile ve bir yapay zekâ diyalog sistemi ile geçerli bir süre sohbet etmektedirler. Birbirlerini yüz yüze görmeden yazışma yolu ile yapılan bu sohbet sonunda deneklere sorulan sorular ile hangi deneğin insan hangisinin makine zekâsı olduğunu saptamaları istenir. İlginçtir ki, şimdiye kadar yapılan testlerin bir kısmında makine zekâsı insan zannedilirken gerçek insanlar makine zannedilmiştir.
Yapay Zeka Nasıl Çalışıyor
Bu buluşu tanımanın en iyi yolu, onun yapabildiklerini, insan yetisi ve hareketleri ile karşılaştırmaktır. Bilinen en zeki canlı insandır ve yapay zeka onu taklit ederek çalışmaktadır. Bilgisayar bilimleri içerisinde geniş bir alana sahip olan bu yazılımı sıradan yazılımlardan ayıran özellik insan zekasını taklit etme özelliğidir. Esasen Robot teknolojisi de, bazı hayvanların otomasyon sistemlerinin taklit etmekle geliştirilmiştir.
Günümüzde sadece gelişmiş bir yazılım özelliği taşıyan yapay zaka icadına yönelik önemli geliştirme çalışmaları yapılmaktadır. Gelecekte, tıpkı insan beyni gibi doğrudan bir donanıma sahip altyapının sağlanması (en azından alt beynin fonksiyonlarını havi refleks ve şartlı refleks misali davranış biçimlerinin sergilenmesi) hedeflenmektedir.
Yapay Zeka Neyi Taklit Ediyor
İnsanlar, dil yardımı ile iletişim kurmaktadır. Yapay zekada ise bunun karşılığı konuşma tanıması yazılımıdır. Yapay zeka bunu istatiksel olarak yapmaktadır ve konuşma tanıma sistemi de istatiksel öğrenme çerçevesi altında gelişmektedir. İnsanların belirli bir dilde konuşup anlaşabilme yetisi ise bu yazılımda doğal dil işlemeye yanı NLP’ye girmektedir. Ancak insan sadece bilişsel yetiye sahip bir canlı değildir, dünyayı gözleriyle gören insanlar, gördüklerini beyinde işleyerek anlamlandırmaktadır. Görüleni anlamlandırma durumu bilgisayarlarda ve robotlarda bilgisayar görüşü alanına girmektedir. Son yıllarda bu buluşa yönelik çalışmalarda derin öğrenme tekniği geliştirilmiştir.
Bu bilgisayar ve robotlar, nesne tanıma özelliği sayesinde bir fotoğraftaki grubun aile ya da arkadaş grubu olduğunu anlayabilmektedir. Hatta bu grup üyelerinin hangisinin kadın, hangisinin erkek ve hangisinin hayvan olduğunu tanımlayabilmektedir. Bu tanımlama ile sınırlı kalmayan teknoloji, bu kişilerin boyunu ve bedenini ölçmekte ve ne renk giyindiklerini tanımlayabilmektedir. Hatta bu grubun bulunduğu ortamın arkasında ne olduğunu da ( orman, deniz ) ayırt edebilmektedir. Bu özellik geliştirilerek kullanıcıların hangi ürünleri inceledikleri ve aldıkları konusunda veri üretimine yardımcı olmaktadır.
Yapay Zekanın Yetenekleri Nelerdir?
Yapay zekanın yetenekleri arasında insan konuşmasını tanıma ve anlama, içerik sıralaması gerektiren ağ dağılımı, yüksek strateji gerektiren oyunları oynayabilme kabiliyeti, otonom otomobiller, karmaşık veri çözümleme, askeri simülasyon ve fotoğraf – video çözümleme bulunmaktadır. Bu teknoloji, nöral ağlar, ekonomi, istatistik, olasılık ve matematiksel optimizasyon araçlarını kullanmaktadır.
Türkiye‘de de yapay zekâ çalışmaları yapılmaktadır. Bu çalışmalar doğal dil işleme, uzman sistemler ve yapay sinir ağları alanlarında Üniversiteler bünyesinde ve bağımsız olarak sürdürülmektedir.
Dilin yapay zeka için önemi nedir?
Yapay zeka çalışmalarında son dönemde gerçekleşen gelişmeler, dilin önemini ortaya koymuştur. Antropoloji yani İnsan Bilimi çalışmalarının gösterdiği üzere, insanlar dil ile düşünüp, çeşitli fonksiyonlar ortaya koyduğu için, son yıllarda yapay zeka çalışmalarında da dil ön planda tutulmaya başlanmıştır. Ki İnsan zekâsının doğrudan doğruya kavramlarla düşünmediği, dil ile düşündüğü, dil kodları olan kelimeler ile kavramlar arasında bağlantı kurduğu anlaşıldığından. Bu sayede insan aklı kavramlar ile düşünen Hayvan beyninden daha hızlı işlem yapabilmekteydi ve dil dizgeleri olan cümleler yani şablonlar ile etkili bir öğrenmeye ve bilgisini soyut olarak genişletebilme yeteneğine sahip olmuştur.
Ülkemizde, İnsanların iletişimde kullandıkları Türkçe, İngilizce gibi doğal dilleri anlayan bilgisayarlar konusundaki çalışmalar giderek hızlanmaya başlamıştır. Önce, yine Uzman sistemler olarak karşımıza çıkan doğal dil anlayan programlar, daha sonra Sembolik Yapay Zekâ ile ilgilenenler arasında ilgiyle karşılanmış ve yazılım alanındaki gelişmeler sayesinde İngilizce olan A.I.M.L (Artificial intelligence Markup Language) ve Türkçe T.Y.İ.D (Türkçe Yapay Zekâ İşaretleme Dili) gibi bilgisayar dilleri ile sentaktik (Örüntü) işlemine uygun veri erişim metotları geliştirilebildi. Bugün Sembolik Yapay Zekâ araştırmacıları özel Yapay Zekâ dillerini kullanarak verileri birbiri ile ilişkilendirebilmekte, geliştirilen özel prosedürler sayesinde anlam çıkarma ve çıkarımsama yapma gibi ileri seviye bilişsel fonksiyonları benzetimlendirmeye çalışılmaktadır.
Diyalog bazlı yapay zeka
Doğal dil işleme ve makine öğrenmesi gibi yapay zeka teknolojileri kullanılarak insan ve makine (yazılım) arasında bir diyaloğun sürdürülmesini sağlayan yapay zeka alt dalına “diyalog bazlı yapay zeka” (conversational artificial intelligence) denir. Daha önce insanların bilgisayara komut vermesinde kullanılan web, mobil uygulama gibi grafiksel arayüzlerin (GUI) yerine geçmeyi amaçlayan diyalog bazlı arayüzler (CUI) insanların bilgisayara günlük dilde yazarak veya konuşarak komut verebilmesini amaçlar. Günümüzde, chatbotlar ve sesli asistanlar diyalog bazlı yapay zeka alanında sıkça kullanılan teknolojik ürünler olarak karşımıza çıkmaktadır.
Chatbotlar
Chatbotlar, diyalog bazlı yapay zekanın günlük hayatta kullanılan bir örneğidir. Kullanıcılar, Türkçeye sohbet robotları olarak geçmiş bu dijital ürünler ile yazışarak belirli bir konuda bilgi alabilir veya uçak bileti almak, banka havalesi yapmak veya bir kitap satın almak gibi günlük işlerini yapabilirler. Chatbotlar, şirketlerin web sitesinde veya mobil uygulamasında yer alabilirler.
Bunun dışında chatbotlar, WhatsApp, Facebook Messenger gibi genel mesajlaşma platformlarında, veya Google Assistant, Siri gibi sesli asistanlarda da yer alabilirler.
Chatbotlar kullanıcı ile etkileşim kurma yöntemini, arkasında yer alan teknolojik altyapıya göre farklı çeşitlerde oluşturulabilir. Örneğin bir chatbot kullanıcı ile, sadece kullanıcı onunla etkileşime girdiğinde iletişim kuruyorsa reaktif bir chatbottur, eğer bir uyarıcı ile tetiklenerek kullanıcı ile olan diyaloğu başlatan taraf oluyorsa buna proaktif bir chatbot denir. Teknoloji açısından bakılacak olursa, yapay zeka tabanlı chatbotların yanında, doğal dil işleme, makine öğrenmesi gibi yapay zeka teknolojileri kullanılmadan geliştirilen kural tabanlı chatbotlar da kullanılmaktadır. Ancak bu iki tür chatbotun davranışı farklıdır. Kural bazlı chatbotlarda genellikle kullanıcıya belirli seçenekler sunulur ve yaratılan deneyim bu seçeneklerle sınırlı kalır.Yapay zeka tabanlı chatbotlarda ise kullanıcı serbest bir metin yazabilir, chatbotun doğal dil işleme teknolojisi bu metni anlamlandırıp doğru yanıtı belirleyerek kullanıcıya sunar.
Loebner Ödülü kazanan yapay zekâ diyalog sistemlerinin yeryüzündeki en bilinen örneklerinden biri olan A.L.I.C.E, Carnegie üniversitesinden Dr. Richard Wallace tarafından yazılmıştır. Bu ve benzeri yazılımlarının eleştiri toplamalarının nedeni, testin ölçümlendiği kriterlerin konuşmaya dayalı olmasından dolayı programların ağırlıklı olarak diyalog sistemi (chatbot) olmalarıdır.
İlk chatbot olarak, 1966 yılında MIT profesörü olan Joseph Weizenbaum tarafından geliştirilen “ELIZA” kabul ediliyor.
Eliza sadece bir kullanıcının mesajından anahtar kelimeler alabiliyor ve konu ile ilgili olarak “…. hakkında ne düşünüyorsunuz?” gibi bir sorular yöneltebiliyordu.
Chatbot‘un kısa gelişim süreci
Eliza -1966
Parry – 1972
Parry, Eliza’ya göre daha ciddi bir teknolojiydi ve paranoid şizofreni teşhisi konmuş bir hasta ile iletişim kurmakta yardımcı oldu.
Jabberwacky – 1988
Sesle çalışan bir sistem kullanarak insanlar ile etkileşime giren bir yapay zeka olarak en erken girişimlerden birisidir.
Dr Sbaitso – 1992
MS-DOS için oluşturulan ve kullanıcılarla etkileşimde bulunarak dijitalleştirilmiş bir ses sergilemek üzere tasarlanmış, konuşma sentezi programıdır.
A.L.I.C.E – 1996
Eliza’nın ardından tam 30 yıl sonra geliştirilen A.L.I.C.E’in chatbot tarihi için çok önemli bir adım olduğunu söyleyebiliriz. ALICE, aslında 1995 yılında Richard Wallace tarafından geliştirildi. Eliza’nın aksine ALICE chatbot, daha sofistike bir sohbete izin veren NLP (Natural Language Processing) teknolojisi kullanabildi.
Smarterchild – 2001
Özellikle Apple’ın Siri’si ve günümüzde kullandığımız diğer sesli asistanların bir habercisi olarak görülen Smarterchild hızlı veri erişimine ve kişiselleştirilmiş konuşmalar gibi özelliklere sahipti.
IBM Watson – 2006
IBM’in geliştirdiği Watson da NLP teknolojisini kullanabilen ve verileri bilgi edinmek için kullanabilen bir chatbot oldu.
Siri – 2010
Günümüzde en çok bilinen ve kullanılan sesli asistanlardan Siri 2010 yılında Apple tarafından geliştirildi. Siri geliştirildiği günden beri kullanıcı sorularına ve web servis isteklerine cevap veren bir yardımcı olarak Apple ürünlerinde faaliyet gösteriyor.
Google Now – 2012
Sorulara yanıt vermesi için Google tarafından geliştirilen ve mobil bir app olan Google Now, istekleri bir web hizmetleri grubuna aktararak harekete geçirebiliyor.
Alexa – 2015
NLP algoritmasını kullanarak sesli komutlar verebilen bir bot olarak Amazon tarafından geliştirildi.
Cortona – 2015
Alexa gibi 2015 yılında Microsoft tarafından geliştirilen Cortana, kişisel asistan olarak görev yapar. NLP komutlarını tanır, kullanıcı sorularını yanıtlamak için Bing’i kullanır ve ayrıca hatırlatıcılar ayarlar.
Facebook Messenger – 2016
Facebook kullanıcılarıyla sohbet arayüzünü kullanarak etkileşime geçtiği botların olduğu bir platform oluşturdu.
Tay – 2016
Amerikalı bir genç kızın konuşma ve alışkanlıklarını taklit etmek için geliştirildi. Bununla birlikte, öğrenme yetenekleriyle ilgili birkaç komplikasyon nedeniyle 16 saatlik bir sürenin ardından kapatılmıştır.
Görüldüğü gibi 50 yılı aşkın bir süredir chatbotlar geliştirilmeye devam ediyor ve özellikle Siri’nin geliştirilmesinden sonra günlük hayatımızda her geçen gün daha fazla yer kaplamaya devam ediyorlar. Tüm teknolojik gelişmelerin hızlandığını ve markaların da hızla chatbotları iş modellerine entegre ettiklerini düşünürsek, yakın bir gelecekte çok daha donanımlı chatbotlardan konuşuyor olabiliriz
Yapay Zekânın Gücü
Bilişim uzmanları, bir insanın hepsi aynı anda paralel olarak çalışan 100 milyar nöron bağlantısının toplam hesap gücünün alt sınırı olan saniyede 10 katrilyon (1.000.000.000.000.000{\displaystyle 10^{15}}) hesap düzeyine 2025’te erişeceğini düşünüyorlar.
Beynin bellek kapasitesine gelince, 100 trilyon bağlantının her birine 10.000 bit bilgi depolama gereksinimi tanınırsa, toplam kapasite 1018 düzeyine çıkıyor. 2020’ye gelindiğinde insan beyninin işlevselliğine erişmiş bir bilgisayarın fiyatının 1000 dolar olacağı tahmin ediliyor. 2030’da 1000 dolarlık bir bilgisayarın bellek kapasitesi 1000 insanın belleğine eşit olacak. 2050’de ise yine 1000 dolara, dünyadaki tüm insanların beyin gücünden daha fazlasını satın alınabilecektir.
Yapay zekâ, firmaların verilerden öngörü elde etme kavramlarını yeniden tanımlıyor. Dahası Edelman’ın 2019 Yapay Zekâ anketine göre, teknoloji yöneticilerinin büyük bir çoğunluğu (%91) ve halkın %84’ü yapay zekânın bir sonraki teknoloji devrimi olduğuna inanıyor. PwC ise 2030’lu yıllarda yapay zekânın küresel ekonomiye 15.7 trilyon dolar katkıda bulunacağını öngörüyor.
Yapay Zeka Çeşitleri
Yapay zekâyı; Machine Learning, Deep Learning, Natural Language Processing, Computer Vision ve Explainable AI olarak beşe ayırabiliriz. Bunlardan ilk üçü hakkında da şunları söyleyebiliriz.
–Machine Learning, bugün firmaların en çok uğraştığı alt küme olabilir. An Executive’s Guide to Real-World AI’da açıklandığı üzere, ML yıllardır var olan olgun bir teknoloji.
Machine Learning, bilgisayarları verilerden bilgi toplaması ve insan müdahalesi olmadan bu öğrenimleri uygulaması için yetkilendiren bir yapay zekâ dalıdır. Eğer çözümün büyük bir veri setinin içinde gizli olduğu bir durumla karşılaşırsak, Machine Learning kurtarıcımız olur. ML, bu veri setini başarılı bir şekilde işler. Bu başarının sebebi, bir insanın kullanacağı sürenin çok küçük bir kısmında istenileni elde etmesidir. Aksi takdirde ise ulaşılamaz bir öngörü üretir.
ML, finansal hizmetlerde risk analizi, dolandırıcılık tespiti ve portföy yönetimine; seyahatlerde GPS-temelli tahminlere; ve hedeflenen pazarlama kampanyalarına güç sağlar. Machine Learning, incelediği etiketlenmiş verilere dayanarak görevleri tamamlamada zamanla iyiye gidebilir, ya da iş için kritik olan görevlerin miktarını arttırmak amacıyla öngörücü modellerin oluşturulmasını sağlar.
-Deep Learning, AI yazılım şirketi Pathmind bir makalesinde, kullanışlı bir analoji sunar: Birbirinin içinde duran matruşka bebeklerini düşünün. Aynı onlar gibi, Deep Learning, Machine Learning’in bir alt kümesi, ve Machine Learning ise yapay zekânın bir alt kümesidir.
Deep Learning, sinir ağları denilen yapılar kullanır. Bu yapılar öğrenim sırasında verilen etiketlenmiş verilerden bilgi toplar ve bu bilgileri doğru çıktıyı oluşturmak için gerekli olan girdi özelliklerini öğrenmek için kullanır. Yeterli miktarda örnek işlendikten sonra, bu sinir ağları yeni, görülmemiş girdileri işlemeye ve başarılı bir şekilde sonuçlar döndürmeye başlar.
Deep Learning, Amazon ve Netflix için ürün ve içerik önerilerine güç sağlar. Google’ın ses ve görüntü tanıma algoritmalarının arka planında çalışır. McKinsey’nin belirttiğine göre Deep Learning’in arızaları tahmin edebilmesi ve planlanmış müdahalelere izin vermesi, üretim verimini arttırırken arıza süresini ve işletme maliyetini azaltması için kullanılabilir.
-Natural Language Processing (NLP)
NLP’nin kendisinin de Natural Language Understanding (NLU), makine öğrenimi kavraması, ve Natural Language Generation (NLG), verileri insan kelimelerine dönüştürme, gibi birçok alt kümesi bulunmaktadır. Ancak, ISG’nin Butterfield’ına göre bu alt kümelerin temel dayanağı aynı: Dili anla ve bu anlayışa bir şeyler ekle mantığı. NLP, dilbilime kadar uzanır ve esas amacı doğal dili işlemek için bilgisayarlara olanak vermektir. Yıllar içerisinde, katı kurallara bağlı olmaktan çıkıp makine öğrenimi yaklaşımlarından etkilenmeye başlamıştır, bu sebeple de yapay zekâ ile kesişimi artmıştır.
NLP konuşmalar ve metinlerden oluşan veri setlerini efektif bir şekilde işlemek amacıyla, Machine Learning ve Deep Learning metodolojilerinin bilişimsel dilbilim ile olan kombinasyonlarını benimsemiştir.
Natural Language Processing, bilgisayarların anahtar kelimeleri ve sözcük gruplarını elde etmesini, dillerin amacını anlamasını, bir dili diğerine tercüme etmesini, ya da bir yanıt üretmesini mümkün kılmaktadır. Firmalar, yazılı veya sözlü diyaloglardan oluşan bir iletişimle yürümektedir. Bu bilgiyi analiz edebilme ve amacını bulabilme kabiliyeti, firmaların geleceği için kesinlikle çok önemlidir.
En son ortaya konulan yapay zeka teknolojisi, GPT-3 (Generative Pre-Training Transformer 3)’tür. Elon Musk ve Sam Altman tarafından kurulan Open AI’in üzerinde birkaç yıldır çalışma yürüttüğü bu yapay zekâ teknolojisi., başka bir deyişle de Open AI’ın 2015 yılında bir milyar dolardan fazla bir yatırımla toplum yararına insan düzeyinde yapay zekâ teknolojisi üretmek ortaya çıkarıldığı belirtilmekte.
Generative Pre-Training Transformer 3 (GPT-3), Türkçesi “Üretken Ön İşlemeli Dönüştürücü 3” GPT-3’ü, en basit anlatımla doğal dil işleme sinir ağı olarak tanımlamak mümkün. Bir dil öngörücü olan bu ürün, beslediğiniz içeriğin ardından neyin gelmesi gerektiğini tahmin ediyor. Ya da komutlarınızı hayata geçiriyor
Yapay Zekanın Kullanım Alanları
Yapay zeka uygulamaları pek çok alanda karşımıza çıkıyor ancak biz çoğu zaman farkında olmuyoruz. Hepimiz, internet ortamında aramalar yapıyoruz. Herhangi bir ürünü aradığımızda bir süre sonra bu ürünle ilgili reklamlar farklı mecralarda karşımıza çıkmaya başlıyor.
Örneğin pazarlama uygulamaları güzel bir yapay zeka örneğidir.
Yapay zeka, kredi kartı sahtekarlığını önlemek ve bu sektördeki güvenliği artırmakta son derece önemlidir. Bu tarz uygulamalar bankacılık uygulamalarında yapay zekanın önemini kanıtlar niteliktedir. Zira finans sektörü çok sayıda güvenlik tehdidi ve dolandırıcılık çabalarına maruz kalıyor. Yapay zeka altyapısıyla geliştirilmiş finansal modeller ise bankaların fon akışlarını tespit etmeye ve buna bağlı olarak dolandırıcılık işlemlerinin engellenmesini sağlar. Örneğin; küçük hacimli işlem geçmişi olan bir müşterinin, büyük hacimli bir işlemi anında durdurulabiliyor.
Sağlık konusunda da yapay zeka uygulamaları çok uzun zaman alan ve büyük harcamalar gerektiren klinik deneylerinin süreleri ile masraflarını önemli ölçüde kısaltacaktır. Otonom robotla yapılan ameliyatlar ve robotlar tarafından verilen doğru tedavi tespiti umut verici gelişmeler arasında yer alıyor.
Yapay zeka uygulamaları tarım alanında da kullanılıyor. Dünya nüfusundaki ve buna bağlı olarak yiyecek tüketimindeki artış, yapay zekanın tarımda da kullanılması sonucunu doğurdu.
Uzay araştırmaları konusunda ise örneğin; Mars’ta araştırma yapan AEGIS tamamen bir yapay zeka örneği olarak karşımıza çıkıyor.
Kendi kendine giden otomobiller veya diğer bir tabirle otonom araçlar arabalarda yapay zeka uygulamalarına örnektir. Yine günümüzde bilinen bir marka olan “Tesla” ve sahibi Elon Musk bu otonom araçları geliştirerek dünya çapında ün kazandı. Bir süre sonra yollarda, sürücüsüz giden araçlara rastlamamız kaçınılmaz olacaktır.
Yapay zekanın diğer uygulama alanlarını şöylece özetleyebilirz:
–Önerici sistemler: Kullanıcıların geçmiş davranışlarına dayanarak yeni içerik önerilmesi. Örneğin, sosyal medya sitelerinde yeni arkadaş, mağazalarda başka bir ürün, gazetede başka bir haber önerileri.
–Makine çevirisi: Bir dilde ifade edilen cümleyi farklı bir dile çevirmek. Örneğin, Google Translate, Microsoft Tercüman ve Yandex.Çeviri gibi çevrimiçi araçlar.
–Sinyal işleme: Ses ve görüntü gibi sinyallerin işlenerek bilgi çıkarımı. Örneğin, yüz ve ses tanıma.
–Prosedürel içerik üretimi: Rassal yöntemler kullanarak yapay içerik üretme. Örneğin, üretimsel müzik ve video oyunlarında prosedürel dünyalar.
–Regresyon analizi: Geçmiş verilere dayanılarak bir değişkenin gelecekteki değerinin tahmin edilmesi. Örneğin, ekonomik öngörüler, üretim miktarı öngörüleri.
Gelecekte yapay zekâ
Gelecekte yapay zekâ araştırmalarındaki tüm alanların birleşeceğini öngörmek zor değildir. Sibernetik bir yaklaşımla modellenmiş bir Yapay Beyin, Sembolik bir yaklaşımla insan aklına benzetilmiş bilişsel süreçler ve Yapay Bilinç sistemi, insan aklı kadar esnek ve duyguları olan bir İrade ( Karar alma yetisi ), Uzman sistemler kadar yetkin bir bilgi birikimi ve rasyonel yaklaşımın dengeli bir karışımı sayesinde Yapay Zekâ, gelecekte insan zekâsına bir alternatif oluşturabilir.
Bilginin hesaplanması matematiksel gelişme ile mümkün olabilir. Çok yüksek döngü gerektiren NP problemlerin çözümü, satranç oyununda en iyi hamleyi hesaplamak veya görüntü çözümleme işlemlerinde bilgiyi saymak yerine hesaplamak sureti ile sonuca ulaşılabilir.
Yeni matematik kuantum parçacık davranışlarını açıklayacağı gibi kuantum bilgisayarın yapılmasına olanak verir.
Günümüzden kısa bir zaman önce yapay zekanın bırakın hayatımıza girmesi, hayal edilebilmesi bile çok kolay değildi. Günümüzde artık yapay zekayı benimsemiş ve yadırgamıyor olabiliriz, fakat ilerleyen dönemlerde hayatımıza yapacağı katkı ve yeniliklerden başka olumsuzluklar da olabilir.
Ünlü fizikçi Stephan Hawking; – “Yapay zeka, kendisini geliştirmeyi sürdürebilir ve hatta kendisini yeniden biçimlendirebilir. Son derece yavaş bir biyolojik evrimle sınırlı olan insanlar, bu tür bir güçle yarışamaz.” sözleriyle insanlığı eşitçi olmayan bir rekabetin beklediğini vurguluyor.
Yapay zeka ile ilgili tarihsel gelişimi şöyle özetleyebiliriz.
1180
Yapay zeka kavramına ilk ışık tutan mucid 12. Yüzyılın dahi mühendisi, Sibernetiği bilim dalı haline getiren Bedî’ûz-Zamân Ebû’l-‘İzz İsma’il bin er- Rezzâz El-Cezerî’ dir. Robot teknolojisi ile birlikte yapay zeka fikrinin doğmasına öncü olmuştur.
1308
Katalan sair ve teolog Ramon Lull Ars Generalis Ultima (The Ultimate General Art) adlı kitabı yayınlamıştır, Burada kavramların kombinasyonlarından oluşan yeni bir bilgi türünden ilk kez bahsedilmiştir. Yapay zekanın ilk olarak kavramlaştırılması Ramon Lull tarafından yapmıştır.
1666
Matematikçi ve filozof Gottfried Leibniz, Dissertatio De Arte Combinatoria (On the Combinatorial Art) adlı kitabını yayınladı. Ramon Lull’dan sonra Leibniz insan düşüncesinin bir alfabesini olabileceğini ve düşüncelerin aslında basit kavramların kombinasyonlarından oluştuğunu öne sürdü.
1726
Jonathan Swift, Guliverin Gezileri adlı kitabı yayınladı bu kitap motor mantığı ile ilgili yapay zekayı çağrıştıran şu tanımı içeriyordu,“ pratik ve mekanik operasyonlar ile spekülatif bilgiyi geliştirmesi için bir projeydi.”
1763
Thomas Bayes, olayların olabilme ihtimalini bulmak için bir yapı geliştirdi. Bayes’in çıkarımı yapay zeka fikrine öncülük eden bir görüş haline geldi.
1854
George Boole mantıksal akıl yürütmenin , denklem çözmeye benzeyen sistematik bir şekilde düşünülebileceği fikrini ortaya attı.
1898
Yakın zamanlarda yapılan bir elektrik konseptli sergide Nikola Tesla bir gösteri yaptı dünyanın ilk radyo dalgalarıyla kontrol edilen gemisini tanıttı. Bu bot Tesla’nın deyimiyle , “ödünç alınmış bilin町eklindeydi.
1914
İspanyol mühendis Leonardo Torres y Quevedo ilk satranç oynayabilen makineyi tanıttı, hiç bir insan etkisi olmadan oyun kendi kendisini devam ettirebiliyordu.
1921
Çek yazar Karel Čapek Robot kelimesi litaretüre “robota” olarak girdi . R.U.R. (Rossum’s Universal Robots).
1925
Hundai Radyo Kontrol sürücüsüz uzaktan kontrol edilen araçları New York caddelerinde piyasaya sürdü.
1927
Bilim Kurgu Filmi Metropolis’te yayınlandı. Robotların insanlarla etkileşimini anlatan film zamanın önemli filmlerinden sayılmaktadır. Star Wars’daki C-3PO’nun Art Deco görünümüne ilham veren ilk robot filmde gösteriliyordu.
1929
Gakutensoku dizayn edildi, Japonya’da ilk robot olan “doğanın kanunlarını öğrenmek” mantığıyla yola çıkılarak icat edildi. Bu robot yüz ifadesini değiştirebilmek, başını ve ellerini hava basınç mekanizması sayesinde hareket ettirebilmek gibi özelliklere sahipti.
1943
Warren S. Mc Culloch ve Walter Pitts Matematiksel Biyofizik Bülteni’nde “Sinir Sisteminin İçinde Olan Fikirlerin Mantıksal Hesabı”nı yayınladılar. İdealleştirilmiş ve sadeleştirilmiş yapay “nöronlar” ağlarını ve bunların basit mantıksal işlevleri nasıl gerçekleştirebildiklerini anlatan bu etkili makale, bilgisayar temelli “sinir ağları” (ve daha sonra “derin öğrenme”) ve onların popüler açıklaması için esin kaynağı haline gelmiştir. O zamandan kalmış olan “Beyni taklit etmek” en popüler terimlerden birisidir.
1949
Edmund Berkeley, Dev Brains (Düşünen Makineler) adlı eserinde şöyle bir ifadeye yer verdi: “Son zamanlarda, devasa hız ve beceri ile bilgi toplayabilen büyük makineler hakkında çok sayıda haber var… Bu makineler bir beyininkine benzeyen kompleks yapılardan oluşuyor… Bir makine bilgi işleyebilir; hesaplayabilir, sonuçlandırabilir ve seçebilir; makul işlemleri bilgi ile gerçekleştirebilir. Bu nedenle bir makine düşünebilir. “
1949
Donald Hebb Nöropsikoloji Teorisini yayınladı. Bu teori Sinir ağları ile ilgili varsayımlara ve sinapsların zamanla güçlenmesine veya zayıflamasına ilişkin yetenekleri üzerine bir teoriydi.
1950
Claude Shannon “Bir Bilgisayarı Satranç Oynamak İçin Programlama”, satranç oynayan bir bilgisayar programını geliştirmeye yönelik ilk makaleyi yayınladı.
1950
Alan Turing, daha sonradan bilinen adıyla “Turing Testi” o zamanlar “taklit oyunu” olarak tanıtıldı ve bu terim “Computing Machinery and Intelligence” ın içinde yayınladı.
1951
Marvin Minsky and Dean Edmunds, ilk yapay sinir ağı, 40 nöron ağı taklit etmek için 3000 vakum tüpü kullanılan SNARC (Stokastik Sinirsel Analog Güçlendirme Hesaplayıcısı) icat edildi.
1952
Arthur Samuel ilk bilgisayarda satranç oyununu ve ilk kendi kendine öğrenebilen bilgisayar programını geliştirdi.
1955
“Yapay zeka” terimi, John Mc Carthy (Dartmouth College), Marvin Minsky (Harvard Üniversitesi), Nathaniel Rochester (IBM) ve Claude Shannon (ABD) tarafından sunulan “yapay zekanın iki aylık, 10 kişilik bir araştırması” ile bir sunum ile hazırlandı. Bir yıl sonra Temmuz ve Ağustos 1956’da gerçekleşen seminer, yeni bir çalışma alanının resmi doğum tarihi olarak kabul edilir.
1955
Herbert Simon and Allen Newell Whitehead ve Russell Principia Mathematica’daki ilk 52 teoremin 38’ini sonunda ispatlayacak olan ilk yapay zeka programı olan Logic Theorist’i geliştirdi.
1957
Frank Rosenblatt, iki katmanlı bir bilgisayar öğrenme ağına dayanan kalıp tanımayı sağlayan erken bir yapay sinir ağı olan Perceptron’u geliştirir. New York Times, Perceptron’un “[Deniz Kuvvetleri] ‘nin yürüyebileceğini, konuşabileceği, görebileceği, yazabileceği, üreteceği ve varlığının bilincinde olması beklenen bir elektronik bilgisayarın embriyosu” olabileceğini bildirdi. New Yorker, bunu “Düşünülerek yapılabilecek şeyleri yapabilen bir makine” olarak nitelendirdi.
1958
John Mc Carthy, yapay zeka araştırmasında kullanılan en popüler programlama dili olan Lisp’i geliştirdi.
1959
Arthur Samuel, “machine lerning” terimini ortaya attı, bu terimi açıklamak için “program yazan kişinin oynayabileceğinden daha iyi bir dama oyunu oynamayı öğrenecek “ dedi.
1959
Oliver Selfridge, bilgisayarların önceden belirlenmemiş kalıpları tanıyabileceği bir süreç için bir model açıkladığı Düşünce Süreçlerinin Mekanizması Sempozyumu Bildiriler Kitabında “Pandemonium: Öğrenme için bir paradigma”yı yayınladı.
1959
John Mc Carthy yayınladığı Düşünce Süreçlerinin Mekanizması Üzerine Sempozyum Bildiriler Kitabında “Ortak Duyguları Olan Programlar” başlıklı makalesinde, “tavsiye verici “ isimli programı tanımladı.Bu program cümleleri manipüle ederek sorunları çözmeye yönelik bir programdı.
1961
İlk endüstriyel robot olan Unimate, New Jersey’deki General Motors fabrikasında bir montaj hattı üzerinde çalışmaya başladı.
1961
James Slagle, SAINT (Symbolic Automatic INTegrator) geliştirir. Bu program, birinci sınıf hesaplamada simgesel entegrasyon problemlerini çözen sezgisel bir programdır.
1964
Daniel Bobrow, “Bir Bilgisayar Sorun Çözme Sistemi için Doğal Dil Girişleri “ başlıklı MIT doktora tezini tanımladı ve doğal bir dil anlama bilgisayar programı olan STUDENT geliştirildi.
1965
Herbert Simon, “makinelerin 20 yıl sonra bir adamın yapabileceği herhangi bir işi yapabilecek kapasiteye sahip olabileceğini” öngörüyor.
1965
Hubert Dreyfus, zihnin bir bilgisayarla farklı çalıştığını ve AI’nın ilerleyemeyeceği sınırların olduğunu savunarak “Alchemy and AI” yayınladı.
1965
I.J. “İlk ultra akıllı makine ile ilgili spekülasyonlar” yazısında, “ilk ultra akıllı makine, makinenin kontrol altına alınmasını nasıl sağlayacağını bize söyleyecek kadar bilinçli olması koşuluyla, insanın yapması gereken son buluştur.” ifadesine yer vermiştir.
1965
Joseph Weizenbaum, ELIZA’yı geliştirdi, her hangi bir konu üzerinde ki İngilizce diyologlarla ilgilenen ilgi çekici bir programdı. Weizenbaum, insanlar ve bilgisayarlar arasındaki iletişimin yüzeyselliğini göstermeye çalışırken bilgisayar programı gibi düşünen insanların sayısına çok şaşırmıştır.
1965
Edward Feigenbaum, Bruce G. Buchanan, Joshua Lederberg ve Carl Djerassi, Stanford Üniversitesi’nde DENDRAL üzerine çalışmaya başlarlar. Bu sistem, hipotez oluşumunu incelemek genel amacı ile, organik kimyagerlerin karar verme sürecini ve problem çözme davranışını otomatikleştirdi.
1966
Shakey robot, kendi hareketlerinin sorumluluğunu alabilen ilk robot olarak nitelendirildi. Marvin Minsky, “ilk elektronik kişi” ilgili bir Life dergisinin 1970’deki makalesinde “üç aydan sekiz yıla kadar, ortalama bir insanın genel istihbaratına sahip bir makineye sahip olacağız” sözleriyle iddaalı fikirlerini sunmuştur.
2001
Space Odyssey filmi gösterime girdi, görkemli bir bilgisayarın özellikleri üzerinde duruldu.
1968
Terry Winograd, doğal bir dil anlama bilgisayar programı olan SHRDLU’yu geliştirir.
1969
Arthur Bryson and Yu-Chi Ho, çok katlı bir dinamik sistem optimizasyon yöntemi olarak geri yayılımı tanımladılar. Çok tabakalı yapay sinir ağları için bir öğrenme algoritması, bilgi işlem gücü büyük ağların eğitimini karşılamak için yeterince gelişmiş olduktan sonra, 2000’li ve 2010’lı yıllarda derin öğrenmenin başarısına önemli ölçüde katkıda bulunmuştur.
1970
İlk antropomorfik robot olan WABOT-1, Japonya’daki Waseda Üniversitesi’nde inşa edilmiştir. Ekstremite kontrol sistemi, görme sistemi ve konuşma sistemi içeriyordu.
1972
Stanford Üniversitesi’nde ciddi enfeksiyonlara neden olan bakterilerin saptanması ve antibiyotik önerilmesi için erken bir uzman sistem olan MYCIN geliştirilmiştir.
1973
James Lighthill, AI araştırması için hükümetin desteğini büyük ölçüde azaltacak “herhangi bir alana şimdiye kadar yapılan keşiflerin daha sonra vaat edilen büyük etkiyi üretmediğini” iddia ederek, devlet yapay zeka araştırması hakkında İngiliz Bilim Araştırma Konseyi’ne rapor verdi.
1976
Bilgisayar bilimcisi Raj Reddy, IEEE Bildiriler Kitabında “Doğal Dil İşleme (NLP) ile ilgili erken çalışmaları özetlerken konuşma tanıma özelliği olan makinelerle ilgili açıklamalarda bulunmuştur.
1978
XCON (eXpert CONfigurer) programı, müşterinin gereksinimlerine göre bileşenleri otomatik seçerek DEC’in VAX bilgisayarlarının sipariş edilmesine yardımcı olan kural tabanlı bir uzman sistem Carnegie Mellon Üniversitesi’nde geliştirildi.
1979
Stanford Cart, beş saat içinde insan müdahalesi olmadan sandalye dolu bir odanın içerisinden başarılı bir şekilde geçerek, otonom bir aracın en eski örneklerinden biri haline geldi.
1980
Wabot-2, Japonya’daki Waseda Üniversitesi’nde icat edilmiştir, bir müzisyen robot olarak , bir kişiyle iletişim kurabilir, bir müzik notası okuyabilir ve bir elektronik kanallar üzerinde ortalama zorluk derecesi ezgileri oynayabilir şekilde tasarlanmıştır.
1981
Japon Uluslararası Ticaret ve Sanayi Bakanlığı, Beşinci Nesil Bilgisayar projesi için 850 milyon dolar bütçe ayırdı. Proje, konuşmaları devam ettirebilen, dilleri tercüme edebilen, resimlerini yorumlayabilen ve insan gibi sebepleri bulabilen bilgisayarlar geliştirmeyi amaçladı.
1984
AAAI yıllık toplantısında, Roger Schank ve Marvin Minsky, AI kabarcıklarının (üç yıl sonra meydana gelen) içten yanmalı bir patlamanın, 1970’lerin ortalarında AI yatırım ve araştırma finansmanındaki azalmaya benzer şekilde uyarlandı.
1986
Münih’teki Bundeswehr Üniversitesi’nde Ernst Dickmanns yönetiminde inşa edilen kamera ve sensörlerle donatılmış, ilk sürücüsüz araba, boş sokaklarda 55 mil hızla gidebilme özelliğini sahipti.
1987
Apple’ın CEO’su John Sculley’nin Educom’daki açılış konuşmasında video Bilgi Navigator, “bilgi uygulamalarına büyük miktarda sayısallaştırılmış bilgiye bağlı şebekeler üzerinden çalışan akıllı ajanlar tarafından erişilecek” bir gelecek öngördüğünü belirtmiştir.
1988
Judea Pearl, Akıllı Sistemlerde Olasılıksal Akıl yürütme yayınladı. “Judea Pearl belirsizlik altında bilgi işleme için temsilsel ve hesaplamalı temel oluşturdu. Bu modellerde çıkarımda kullanılan temel algoritmaların yanı sıra karmaşık olasılık modellerini tanımlayan matematiksel bir biçimcilik olan Bayes ağlarının keşfi ile de alakalıydı. Bu çalışma yapay zeka alanını sadece devrim yapmanın ötesinde, mühendislik ve tabiat bilimleri dallarının birçoğu için de önemli bir araç haline geldi. “
1988
Rollo Carpenter, “doğal insan sohbetlerini ilginç, eğlenceli ve mizahi bir şekilde taklit etmek” için sohbet botu Jabberwacky’yi geliştirdi. İnsan etkileşimi yoluyla yapay zeka yaratmaya yönelik erken girişimlerden birisidir.
1988
IBM T.J. Watson araştırma merkezi üyeleri “Dil çevirisine istatistiksel bir yaklaşım”ı yayınladı “ Başarıyla İngilizce ve Fransızca arasında tercüme yapan bu projede, çoğunlukla Kanada parlamentosunun iki dilli işlemlerinden kaynaklanan 2.2 milyonluk cümle tabanına dayanıyordu.
1988
Marvin Minsky ve Seymour Papert, 1969 tarihli “Perceptrons” kitabının genişletilmiş bir baskısını yayınladılar. “Prolog: 1988’den Bir Bakış” yazısında şunları yazdı: “Bu alandaki ilerlemenin çok yavaş olmasının bir nedeni, tarihine aşina olmayan araştırmacıların, daha önce yapılan hataların çoğunu yapmaya devam etmesi.”
1989
Yann Le Cun, el yazısı posta kodlarını tanıyan çok katmanlı bir sinir ağına başarılı bir geri bildirim algoritması uyguladı.
1993
Vernor Vinge ” Görülmeyen Teknoloji Geliyor” adlı kitabını yayınladı ve 30 yıl içinde teknolojik süper zekanın üretileceğinden ve bundan kısa bir süre sonra insan oğlu kavramının biteceğini öne sürdü.
1995
Richard Wallace, Joseph Weizenbaum’un ELIZA programından esinlenerek chatbot A.L.I.C.’yi (Yapay Dil İnternet Bilgisayar Kurumu) geliştirici sadece Web’in ortaya çıkışı ile mümkün olan benzeri görülmemiş ölçekte doğal dil örnekleri veri toplama özelliklerini eklendi.
1997
Sepp Hochreiter ve Jürgen, bugün el yazısı ve konuşma tanımada kullanılan tekrarlayan sinir ağının bir türü olan Uzun ve Kısa Vadeli Hafıza (LSTM) fikrini ortaya attı.
1997
Deep Blue, bir dünya satranç şampiyonu yenen ilk bilgisayar satranç oyun programı oldu.
1998
Dave Hampton ve Caleb Chung, Furbby’i icad etti, ilk ev robotu olarak tarihe geçti.
2000
MIT-Massachusetts Teknoloji Enstitüsü çalışanı Cynthia Breazeal, duyguları tanıyan ve simüle edebilen Kismet’i geliştirdi.
2000
Yapay olarak akıllı bir insan robotu olarak tasarlanan Honda’nın ASIMO robotu, bir insan gibi hızlı bir şekilde yürüyebilme, bir restoran ortamında tepsileri müşterilere sunabilme özelliklerine sahipti.
2006
Oren Etzioni, Michele Banko ve Michael Cafarella “okuyabilen makine,” terimini ortaya attılar, bu robot otomatik olarak yazıyı anlayabilme özelliğine sahipti.
2006
Geoffrey Hinton, Çoklu öğrenme tanımını ortaya attı. bu terim özetle derin öğrenmeye ilk bakış olmuştur.
2007
Fei Fei Li ve Princeton Üniversitesi’ndeki meslektaşları, görsel nesne tanıma yazılımı araştırmasına yardımcı olmak için tasarlanmış açıklama görüntülerinin büyük bir veri tabanını Image Net’i oluşturmaya başladılar.
2009
Rajat Raina, Anand Madhavan ve Andrew Ng, “modern grafik işlemcilerinin çok çekirdekli işlemcilerin yetersiz kaldığını ve denetimsiz öğrenme yöntemlerinin uygulanabilirliğinin devrim potansiyeline sahip olduğunu” savunarak, “Grafik İşlemcilerini Kullanarak Büyük Ölçekli Denetimsiz Öğrenme”yi yayınladılar. ”
2009
Google, sürücüsüz araç geliştirmeye başladı. 2014 yılında, Nevada’da ABD eyaletinde kendi kendine sürüş testi yapan ilk araba oldu.
2009
Northwestern Üniversitesi Akıllı Bilişim Laboratuarı’ndaki bilgisayar bilimcileri, insan müdahalesi olmaksızın spor haberleri yazan Stats Monkey programını geliştirdi.
2011
Bir konvolüsyonel sinir ağı, Alman Trafik İşareti Tanıma yarışmasını % 99,46 doğrulukla (% 99,22 insanla karşılaştırıldığında) kazandı.
2011
Watson, hızlı cevap verebilen bir konuşma makinesi yaptı ve bu makine iki dil şampiyonunu yendi.
2011
İsviçre’deki IDSIA araştırmacıları, konvolüsyonel sinir ağları kullanarak el yazısı tanımada %0.27 hata oranını rapor ettiler, önceki yıllarda %0.35 -%0.40 hata oranı üzerinde önemli bir gelişme olmuştu.
2012
Jeff Dean and Andrew, Rastgele seçilmiş 10 milyon üzerinde Youtube videosuna tepki verebilen bir mekanizma geliştirdi.
2012
Toronto Üniversitesi araştırmacıları tarafından tasarlanan konvolüsyonel sinir ağı, bir önceki yıla göre en iyi girişin elde ettiği %25’lik hata oranının üzerinde önemli bir iyileşme olan Büyük Ölçekli Görsel Tanıma Yarışması’nda yalnızca% 16’lık bir hata oranı elde etti.
2012
Apple, Siri’yi tanıttı ve cihazlarında kullanmaya başladı. Siri, iOS 5’ten itibaren iOS işletim sisteminin bir parçasıydı. Ekim 2012 ve sonrasında üretilen bütün Apple cihazlarında Siri yer almaktadır. Siri kelimeleri anlama ve cevap verme konusunda çok başarılı olsa da ses tonundan duygu ve düşünceleri anlama konusunda üzerinde çalışmalar hala devam etmektedir.
2013
Facebook, eski Google çalışanı deep learning uzmanı Marc’Aurelio Ranzato’un, daha önce satın aldığı yüz tanıma teknolojisi şirketi Face.com’un kurucusu Yaniv Taigman’ın aralarında bulunduğu özel bir ekip oluşturdu. Yeni oluşturulan grubun, beyin hücrelerinin süreçlerinin incelemesinden başlayarak ilerleyeceği yapay zeka geliştirmesi ile Facebook 700 milyon kişinin paylaşımlarını, beğenilerini anlayacağı ve anlamlandırması planlandı.Bu çalışma ile deep learning süreci daha hızlandırılmış oldu. En basit anlatımla Facebook fotoğrafı kullanıcı tarafından etiketlenmemiş olsa da Facebook kime ait olduğunu bilecekti.
2014
Google yapay zeka şirketi Deepmind’ı satın aldı. Bu gelişme, Google’ın yapay zeka ve robotik alanlarında son zamanlardaki en önemli büyüme hamlelerinden biri oldu. 400 milyon dolar değerindeki bu anlaşmanın sebebi yapay zeka ile öğrenme (machine learning) ve sinir ağlarını harmanlayarak genel amaçlı öğrenme algoritmaları tasarlamaktı. Deepmind’ı satın alması Google’ın yapay zeka konusunda üst düzey yetenekleri bünyesine katma hamlesi olarak da görülüyor.
2014
Facebook’un yeni teknolojisi, yüz tanıma konusunda insan zekası seviyesine ulaştı. Yabancı birine ait iki ayrı fotoğrafı gösterdiğinizde, insanların doğru eşleştirme oranı yüzde 97,53. Facebook araştırmacılarının yeni geliştirdiği yazılımın aynı testteki skoru ise yüzde 97,25. Yeni yazılım, 4 bin kişiye ait 4 milyon adet yüz resminden oluşan ve bugüne kadar oluşturulan “en büyük veritabanı” kullanılarak eğitilmiş. Geliştirmeyle Facebook’un bugünkü teknolojisinin hata oranında yüzde 25 oranında azalma sağlanmış ve insan deneyimine bir hayli yaklaşılmış durumdaydı.
2014
Vicarious’ın sekiz kişilik, dahilerden oluşan takımı , CAPTCHA’yı çözebilen (CAPTCHA testleri insan ve bilgisayarları ayırt etmekte kullanılıyor.) bir teknoloji gelişmesi duyurdu. Vicarious’ın algoritmaları denemelerin yüzde 90’ında testi geçmeyi başarmıştı.
Vicarious’ın son dikkat çeken projesi ise, hayal edebilen bir yazılım geliştirmesiydi. İnsan beyninden esinlenerek kodlanan yazılım, insan zihninde imgelerin canlanma biçimini bir dereceye kadar taklit edebiliyordu.
Mark Zuckerberg, Ashton Kutcher ve Elon Musk, bu şirkete 40 milyon dolar yatırım yaptı.
2014
Amelia insanların ne sorduğunu, nasıl hissettiğini anlayabilen bir sanal asistan. Yapay zekayı kullanan birçok akıllı makineden farklı olarak Amelia, insan davranışını taklit etmek yerine insanın düşünme biçimini anlamak üzerine kurgulanmış.
2015
Maryland üniversitesi Bilgisayar Mühendisliği Öğrencileri YouTube’dan video izleyerek yemek pişirmeyi öğrenen robotlar geliştirdiler.
Araştırmada, robotların objeleri genel tanıma yüzde 79, nesneleri tutuş biçimlerini tanıma yüzde 91 ve eylemleri tahmin etmeleri yüzde 83 doğruluk oranlarıyla sağlanmış.
2015
Google, Project Wing’i kuran ekibin girişimi Skydio dronelar için ‘yapay zeka’ geliştirdiğini duyurdu.
2015
Google, kendi kendine video oyun oynamayı öğrenip ustalaşan yapay zeka teknolojisi geliştirdi
2015
“Machine teaching tool” teknolojisi ile herkes bilgisayarları kendi uzmanlık alanları ve bilgileri dahilinde eğitebileceği bir sistem kurmaya başladı. Örneğin bir şef bir yemeğin nasıl hazırlanması gerektiğini veya püf noktalarını bilgisayara öğretebilecek ya da bir doktor medikal alandaki bir bilgisini yine bilgisayara aktarabilecekti.
2015
ETH Zürih (Zürih Federal Teknoloji Enstitüsü) ve Cambridge Üniversitesi’ndeki araştırmacıların birlikte yürüttüğü, öğrenebilen ve kendisini geliştirebilen robot projesi.
Ekip insan müdahalesi olmaksızın kendisini geliştirip performansını arttırabilen bir “anne” robot prototipi üretmişler. Bu “anne” robot, plastikten oluşan ve içerisinde bir adet motor bulunan 10 adet “bebek” robot üretmiş ve süreç içinde ürettiği bebeklerin performansını izleyerek yeni ürettiği bebeği daha “becerikli” yapmış.
2016
Ars Technica senaryosu tamamen yapay zeka tarafından yazılan ilk kısa filmi yayınladılar. Bu alanda resim yapıp, müzik besteleyerek her gün yeni bir ilerleme kaydeden makineler bu kez sinemaya el attılar. Açılışı Sunspring adından bir kısa filmle yapılan deneme, senaryosu yapay zeka tarafından yazılmış bilinen ilk kısa film olma özelliğinde.
2016
Apple, gerçek zamanlı duygu tanıyan yapay zeka girişimi Emotient’i satın aldı. Müşterilerin, cinsiyet, yaş gibi genel bilgilerini, gizlilik kurallarını ihlal etmeden, gerçek zamanlı olarak tespit eden Emotient, dijital ekranlarda gerçek zamanlı hedefleme yapılmasını sağlıyor. Örneğin ekrana bakan genç erkek bir müşteriyse tıraş bıçağı reklamı görebiliyor.
2016
CMU’daki bilim adamlarının geliştirdiği Libratus adlı yapay zeka oyuncusunu dünyanın en iyi poker oyuncularından dördüyle (Dong Kim, Jimmy Chou, Daniel McAulay, Jason Les) karşı karşıya getirmiş. 30 gün süren ve 120 bin elin döndüğü oyunda Libratus 1,77 milyon dolar kazanmayı başarmış. Günde 10 saat bilgisayar ekranıyla muhatap olan poker oyuncularının payına ise 200 bin dolarlık ödülü bölüşmek düşmüş.
2016
Hanson Robotics tarafından geliştirilen, yürüme, konuşma ve gerçekçi yüz ifadeleriyle tepki verebilme kabiliyetine sahip mekanik profesör (Einstein); bir yandan temel bilimlere dair eğitici bir rol üstlenirken diğer yandan da muzipçe şakalar yapabilecek şekilde tasarlanmış.
Şirketin kurucusu ve CEO’su David Hanson, Einstein robotun insanlarla etkileşimi içinse şu sözleri sarf ediyor : “Yapay zekayı çok akıllı hale getirmek ve insanlarla iyi ilişkiler kurmasını sağlamak, aynı zamanda insana benzeyen bir şekil vermek, ona insana dair çok daha fazla şey öğretebileceğimiz anlamına geliyor. Einstein robotu dünyayı bir bebeğin yaptığı gibi fiziksel ve sosyal anlamda keşfedebilir ve insanlardan bir şey öğrenebilir.”
2017
NVIDIA Pilot Net adını verdiği ve insanları gözlemleyerek bir otomobili sürmeyi öğrenen, sinir ağı tabanlı bir sistem geliştirdi. Bu sistemle yetinmeyen NVIDIA, sürüş kararları alırken öncelik sıralamasının ne olduğunu söyleyen bir yöntem geliştirmeyi başardı. Ağ, öncelik sıralamasını bu metoda göre yöneticilerle paylaşıyor.
2017
Deep Mind araştırmacıları geliştirdikleri yeni algoritmayla yapay zekaya hafıza eklemeyi başardılar.
2017
Google, video içeriğini tanıyıp aranabilir hale getiren ‘machine learning’ API’ını yayınladı.
2017
Nottingham Üniversitesi araştırmacıları, hangi hastaların 10 yıl içinde inme veya kalp krizi geçireceğini tahmin edebilmek için rutin tıbbi verileri tarayan bir yapay zeka sistemi geliştirdi. Yapay zeka sistemi, geleneksel yöntemlerle tahminler yapmaya çalışan doktorlara oranla 355 vakayı daha doğru tespit ederek geleneksel yöntemler karşısında çok daha fazla başarılı olduğunu kanıtladı.
2018
Blockchain tabanlı bir yapay zeka Singularty NET, anti merkezcil bir yapay zeka platformu. Goertzel ve ekibi, görüntü tanımlamadan doğal dil işlemeye kadar bir çok yapay zeka algoritmasını etkin bir şekilde çalıştırabilen blok zincir tabanlı bir alt yapı oluşturmayı planlıyor. Sistem ayrıca hangi algoritmaların daha çok kullanıldığını takip etmek ve geliştiricilerin buna göre hareket etmesini sağlamak içinde kullanılabilecek. Yapay zeka tarihi ve felsefesi görüldüğü gibi yüzyıllar öncesine dayansa da, uygulamaların yoğunlaşması son yıllarda başlamış ve görünüşe göre hızlanarak devam etmektedir.
Google’den derleme
A.K