Yapay Zekâ (artificial Intelligence)
Yapay Zekâ (AI), insan zekasını temel alarak onu taklit etmeyi ve benzer işlevler yerine getirebilen sistemleri geliştirmeyi amaçlayan bir alandır. Bu sistemlerin öğrenme, akıl yürütme ve karar verebilir olması hedeflenmektedir. Bir problem karşısında daha önceden eğitildikleri veri setlerinden çıkarımlar yaparak sonuca ulaşmaları beklenir. Bu nedenle, AI modellerinde systemin doğru ve etkili karar verme yetisini doğrudan etkileyen öğrenme (eğitilme) süreçleri büyük önem taşımaktadır.
Makine Öğrenmesi (Machine Learning)
Makine öğrenmesi (ML), AI’nin bir alt dalıdır ve verilerden öğrenerek tahmin ve karar verilebilmesini hedeflemektedir. Bu amaç için geliştirilmiş olan algoritmalar verilere bakarak örüntüleri öğrenir ve bu örüntülere göre işlem yapabilecek modeller oluşturur.
Temel ML yöntemleri:
Denetimli Öğrenme (Supervised Learning)
Girdi verilerini kullanarak doğru çıktı etiketleri oluşturulması amaçlanır.
Denetimsiz Öğrenme (Unsupervised Learning)
Verilerde bir etiket kullanılmaz ve verilerin yapısının otomatik olarak keşfedilmesi amaçlanır.
Takviyeli Öğrenme (Reinforcement Learning)
Çeşitli eylemler gerçekleştirmesi ve bu eylemlerin sonucunda ödül veya ceza alması temeline göre en iyi stratejiyi bulması amaçlanır.
Derin Öğrenme (Deep Learning)
Derin öğrenme (DL), ML’nin bir alt dalıdır ve insan beynindeki sinir ağlarından esinlenen algoritmalara sahiptir. Çok sayıda ve karmaşık ilişkileri olan parametreden oluşan büyük veri kümelerinde etkilidir.
Temel DL yöntemleri:
Yapay Sinir Ağları (Artificial Neural Networks - ANN)
Sınıflandırma, regresyon ve basit örüntü tanıma işlemleri için kullanılır
Konvolüsyonel Sinir Ağları (Convolutional Neural Networks – CNN)
Görüntü tanıma için uygundur: El yazısı tanıma, tıbbi görüntü analizi, otonom araçlar vb. için kullanılır.
Tekrarlayan Sinir Ağları (Recurrent Neural Networks – RNN)
Sıralı verilerde çalışmaya uygundur: Doğal dil işleme (NLP), hava durumu tahmini, konuşma tanıma, dil modelleri oluşturma vb. için kullanılır.
Transformer
Verileri paralel işleyen bir yöntemdir ve tüm diziyi görebilen uzun bir belleğe sahiptir. Büyük dil moelleri (LLM), makine çevirisi, kod yazma, görüntü işleme vb. amaçlar için kullanılır.
Doğa Esinli Optimizasyon (Nature-Inspired Optimization)
Doğadaki canlı sistemlerinin, sosyal davranışların ve fiziksel süreçlerin matematiksel modelleri geliştirilerek sezgisel veya metasezgisel arama vee n iyi sonucu bulma (optimizasyon) yöntemlerine verilen genel isimdir. Doğrudan ML içerisinde yer almazlar ancak ML tarafından optimizasyon tekniği olarak kullanılırlar.
Çok kullanılan bazı doğa esinli optimizasyon algoritmaları:
Evrimsel Algoritmalar (Evolutionary Algorithms)
Biyolojik evrim süreçlerinden esinlenen sezgisel optimizasyon yöntemleridir. Bazı EA türleri aşağıda verilmektedir:
Genetik Algoritmalar (GA)
Rastgele üretilmiş olan bir çözüm kümesi (popülasyon) ve evrimsel operatörler (çaprazlama, mutasyon) kullanılarak yeni nesiller üretilir. Her nesilde daha iyi çözümler oluşturulur. Parametre optimizasyonları için kullanılır.
Evrimsel Stratejiler (ES)
GA’nın gerçek sayılar kullanan türüdür. Çaprazlama çoğu durumda kullanılmaz.
Genetik Programlama (GP)
GA ile benzer çalışır ancak programların ve formüllerin evrimi ile ilgilenilir.
Differential Evolution (DE)
Sürekli fonksiyonları optimize etmek için kullanılır. Mutasyon ve seçilim aşamalarında GA’dan ayrılır
Karınca Kolonisi Optimizasyonu (Ant Colony Optimization – ACO)
Karıncaların feromonla yol bulmasını taklit eder. Yol bulma, rota optimizasyonu, paramtre ayarlama, yapı arama vb. için kullanılır.
Parçacık Sürü Optimizasyonu (Particle Swarm Optimization – PSO)
Kuş ve balık türlerinin birlikte hareketini taklit eder. Sürekli alanlarda konum-temelli arama, hiperparametre ayarı, fonksiyon optimizasyonu vb. için kullanılır.
Arı Kolonisi Optimizasyonu (Artificial Bee Colony – ABC)
Arıların nektar arama davranışını taklit eder. Öznitelik seçimi, çok modlu problemlerde optimizasyon, fonksiyon optimizasyonu vb. için kullanılır.
Doç. Dr. Bora Ketenoğlu
English
German
Russian
Arabic