Makine Öğrenimi ve Yapay Zeka

Makine Öğrenimi ve Yapay Zeka

Tüm dünya şu anda COVID-19 salgını nedeniyle karantina altında. Virüsün daha fazla yayılmasını önlemek için okullar, kolejler ve hatta ofisler kapatıldı. Bazı yeni teknolojiler konusunda kendinizi geliştirmek veya onlar hakkında daha fazla bilgi edinmek istiyorsanız, bu en iyi zamandır.

Makine Öğrenimi (ML) ve Yapay Zekanın (AI) keşfetmek istediğiniz becerilerden veya teknolojilerden biri olduğunu söyleyin, o zaman doğru yerdesiniz. Çeşitli çevrimiçi eğitim enstitüleri tarafından sağlanan dünya çapında web üzerinde birçok AI ve Makine Öğrenimi kursu bulunmaktadır. Çoğunun aksine, çoğu meslekten olmayan terimlerle ML ve AI'nın temellerini inceleyeceğiz. Ayrıca özet bölümünde ikisi arasındaki çeşitli farklılıkları da inceleyeceğiz. Lafı fazla uzatmadan başlayalım.

Yapay Zeka (AI):

Iron-Man filmlerinden herhangi birini izlediyseniz veya oldukça modern bir akıllı telefon kullanıyorsanız, muhtemelen Yapay Zeka'yı (AI) duymuşsunuzdur. Sizi tazelemek için, Iron-Man filmlerinde JARVIS bir yapay zekadır. Ayrıca hepimizin bildiği Android cihazınızdaki Google Asistan veya Apple cihazınızdaki Siri, Yapay Zeka hakkında düşünebileceğimiz en iyi örnektir. Ancak Yapay Zeka, asistanınızdan çok daha fazlasıdır.

Yapay Zekanın ne olduğunu anlamak için aslında tanımı üzerinden geçelim:

Bilgisayar bilimi, Yapay Zeka araştırmasını “ akıllı ajanların ” öğrenmesi olarak tanımlar : Çevresine uyum sağlayan ve hedeflerine başarıyla ulaşma şansını en üst düzeye çıkarmak için gerekli önlemleri alan herhangi bir cihaz. Daha ayrıntılı bir tanım, yapay zekayı "bir sistemin dış etkenlerden türetilen verileri doğru bir şekilde anlama, bu verilerden öğrenme ve bu öğrenimleri esnek uyarlama yoluyla belirli hedeflere ve görevlere ulaşmak için kullanma yeteneği" olarak tanımlar.

Layman'ın terimleriyle, AI, özellikle kedilerin ve köpeklerin görüntülere dayalı olarak sınıflandırılması, yüz tanıma, tıbbi ilaç araştırması, müzik oluşturma vb. gibi karmaşık sorunları çözerken insan davranışlarını ve eylemlerini taklit etmeye çalışan yapay olarak oluşturulmuş bir sistemdir.

Yapay Zeka ve Makine Öğrenimi kurslarının çoğu bizi aşağıdaki üç tür öğrenme yapay zeka sistemiyle tanıştırmaz:

• Dar AI (Zayıf AI) : Şu anda tüm hype ve AI uygulamaları burada. Belirli bir görevi insanlarla aynı veya onlardan daha iyi gerçekleştirebilen bir Yapay Zeka sistemidir. Genellikle bilinci deneyimleme yeteneğine sahip değildir. Örneğin, sosyal medyada Yüz Dedektörleri, Nesne ve şekil tanıma, oyunlarda AI vb.
• Genel Yapay Zeka (Güçlü Yapay Zeka) : Herhangi bir entelektüel görevi insanlarla aynı doğruluk seviyesinde yürütebileceği genel bir duruma ulaşmış bir yapay zeka sistemidir. Bilinci deneyimleme yeteneğine sahiptir.
• Super AI (Teorik AI) : İnsan zekasını her yönüyle aşan bir AI sistemidir. En zeki insanı bile yenebilir. Çoğu insan bu tür AI için endişeleniyor. Elon Musk gibi ünlü yüzler, bu yapay zeka sistemlerinin muhtemelen insan neslinin tükenmesine yol açacağını düşünüyor.

AI bölümünü özetlemek için :

Makinelerin insan benzeri zekaya sahip olmasını sağlayan geniş bir bilgisayar bilimi alanıdır. AI çalışmalarının çoğu şu anda "Dar AI" kategorisinde yapılıyor. General veya Super AI yaratmaktan çok uzağız.

Makine Öğrenimi (ML):

Herhangi bir büyük teknoloji devinin son duyurularını takip ediyorsanız, bu terimi duymuşsunuzdur. Microsoft'un kısa süre önce yaptığı gibi, MS-Word'de, artık Find metin kutusunda ("Ctrl + F") bir yazım hatası yapmış olsanız bile, amaçlanan kelimeleri bulmak için ML kullanan, geliştirilmiş "BUL" özelliği üzerindeki çalışmalarını duyurdu.

Önce tanımını yapalım:

“ Makine öğrenimi, deneyim yoluyla otomatik olarak ayarlanan bilgisayar algoritmalarının ayrıntılı bir çalışmasıdır. “

AI'nın bir bölümüdür. Sistemlerin, açıkça programlanmadan, deneyimlerinden otomatik olarak öğrenmesini ve geliştirmesini sağlar. Bunun nedeni , ML'nin (çoğunlukla) etiketlerle yapılandırılmış ve temizlenmiş verilerin yanı sıra karmaşık bir algoritma kümesine dayanmasıdır . ML sistemleri, verilerin özellikleri (sütunlar veya nitelikler veya temel veri parçaları) arasındaki ilişkileri öğrenmeye çalışır. Veriler, sizin tarafınızdan ML modeline sağlanır.

Temel anlayış, görevin çözümünü elde etmek için temel özellikleri ve bunların etiketle olan ilişkisini kullanmaktır. İlişkiyi öğrenerek, kalıpları, verilerin doğal yapısını ve değerlerinin adı nasıl etkilediğini tanımlar. Verileri ayrıştırmaktan anladıklarına dayanarak, çeşitli algoritmalar kullanarak bilinçli kararlar verir. Model, eğitimde kullanılan veriler üzerinde eğitilir, doğrulama verilerinde performans ve doğruluk açısından doğrulanır ve test verileri üzerinde test edilir.

ML sistemleri, geleneksel yöntemlerden farklı olarak, çözüm için açıkça kodlanmış mantığa ihtiyaç duymaz. Örneğin, programcının satış tahmini için formülü/tezi sabit kodlaması yerine, modelin kendisi eğitim aşamasında özümsediği kalıplara ve ilişkilere dayalı felsefeyi öğrenir. Üç tür ML Algoritması vardır:

• Denetimli Öğrenme : Burada eğitim verileri etiketlerden oluşmaktadır. ML modeli için bir süpervizör görevi görür. Bu nedenle, Denetimli Öğrenme olarak adlandırılır. Örneğin, Doğrusal Regresyon, Karar Ağaçları, vb.
• Denetimsiz Öğrenme : Burada, eğitim verilerinin herhangi bir etiketi yoktur. Bunun yerine, ML modeli kalıpları bulur ve verilere dayalı olarak kendi başına faydalı özellikleri çıkarır. Süpervizör olmadığı için buna Denetimsiz Öğrenme denir. Kümeleme için yaygın olarak kullanılırlar—Örn., K-Means Clustering, Association, vb.
• Takviyeli Öğrenme : Çoğu AI ve Makine Öğrenimi kursu bu tür hakkında fazla bilgi vermez. Ana fikir, aracıyı doğru eylemleri gerçekleştirmesi için ödüllendirmektir. Ayrıca, her yanlış adım için onları cezalandırın. Tıpkı oyunlar gibi, örneğin Q-Learning gibi, deneme yanılma yaklaşımını izleyin.

Tipik bir ML uygulaması şunları içerir: Satış tahminleri, Tahmin, Dolandırıcılık tespiti vb.

AI ve ML'nin Özeti

yapay zeka

• İnsan zekasını veya davranışını taklit eder
• Daha geniş bir terim
• Hala bir araştırma alanıdır.
• Şu anda çeşitli sektörlerde ve ürün geliştirmede uygulanmaktadır.

makine öğrenimi

• Bir bilgisayarın mevcut verilerden öğrenmesini sağlayan bir tekniktir.
• Makine öğrenimi uygulamalarının çoğu halihazırda çeşitli sektörlerde ve ürün geliştirmede kullanılmaktadır.

Bu nedenle, herhangi bir AI ve Makine Öğrenimi kursu seçerken , tüm bu bölümlerin kapsanıp kapsanmadığını kontrol edin.