Yapay dar zeka (ANI) nedir?

Yapay zekaya (AI) olan ilgi, ChatGPT gibi sezgisel araçların ortaya çıkmasıyla arttı. Ancak, ChatGPT ve AI’da şahit olduğumuz ilgili çığır açıcı projeler dizisi, hâlâ “dar” zeka olarak adlandırılabilecek şeyin biçimini alıyor.

Abartı bir yana, yeni teknolojinin sonunda neye dönüşebileceğinin yalnızca yüzeyini çizdik. ChatGPT, yapay dar zeka (ANI) işaretlerine sahiptir. Yani, belirli görevleri yerine getirmek için tasarlanmış yapay zeka.

>>VentureBeat’in devam edenlerini takip edin ChatGPT kapsama alanı<<

Bu gelişmiş araç, alanında devam eden araştırmalardan ortaya çıkmıştır. doğal dil işleme (NLP). ANI zıt duruyor yapay genel zeka (AGI)genelleştirilmiş insan benzeri zekayı makinelere getirmeye yönelik onlarca yıllık çaba.

AI: İşleri daraltmak

kitabında, Tekillik yakındır: İnsanlar biyolojiyi aştığında, bilgisayar bilimi ve fütürist Ray Kurzweil, belirli bağlamlarda “akıllı” davranışlar sergileyen sistemlerin gelişimini tanımlamak için “dar yapay zeka” terimini kullandı. İnsanlar gibi doğal, genel olarak akıllı sistemlerin aksine, YZ sistemleri, bağlam veya davranış özellikleri çok az da olsa değiştiğinde insan tarafından yeniden programlama veya yeniden yapılandırma gerektirir. Bunun nedeni, insanların yeni hedeflere veya koşullara uyum sağlama ve bilgiyi bir bağlamdan diğerine genelleme yeteneğinden yoksun olmalarıdır; öğrenmeyi aktar.

Teorik olarak ANI, tek veya dar bir dizi ilgili görevi yüksek bir yeterlilik düzeyinde gerçekleştirmek için tasarlanmış bir yapay zeka türüdür. Ayrıca zayıf yapay zeka, dar yapay zeka, sınırlı yapay zeka ve hatta özel yapay zeka olarak da adlandırılır. ANI sistemleri tipik olarak bir büyük veri kümesi ve bu eğitime dayalı olarak kararlar alabilir veya eylemler gerçekleştirebilir.

ANI sistemleri iki kategoriye ayrılabilir: denetimli öğrenme sistemleri Ve denetimsiz öğrenme sistemleri. Denetimli öğrenme sistemleri, sistemin girdi verileri ile istenen çıktı arasındaki ilişkiyi öğrenmesini sağlayan etiketli veri kümeleri üzerinde eğitilir. Öte yandan, denetimsiz öğrenme sistemleri, etiketlenmemiş veri kümeleri üzerinde eğitilir ve verilerdeki kalıpları ve ilişkileri rehberlik olmaksızın belirleyebilir.

ANI’nin Evrimi

YZ kavramı, araştırmacıların bilişsel görevleri yerine getirebilecek makineler yaratma olasılığını ilk kez araştırmaya başladıkları 1950’lere kadar uzanır. Bazıları, gelişimini ilk AI girişimlerinden birine kadar takip edebilir. Genel Problem Çözücü (KÜRESEL KONUMLAMA SİSTEMİ). Bu, sorunları insanlarınkine benzer bir şekilde çözmek için tasarlandı.

GPS çok büyük bir başarı elde etmemiş olsa da gelecekteki AI araştırma ve geliştirmeleri için temel oluşturdu. 1960’larda NLP sistemlerinin gelişimini gördük. ELİZAinsanlarla basit konuşmalar yapabilen.

Ayrıca, uzman sistemlerin geliştirilmesi, örneğin Dendral Ve MİSİN 1970’lerde, insan uzmanların karar verme süreçlerini taklit edebildikleri ve ilaç tasarımı ve sağlık hizmetlerinde geniş bir uygulama yelpazesine sahip oldukları için yapay zeka alanında önemli bir kilometre taşı oldu. 1980’lerde ve 1990’larda makine öğreniminde (ML) önemli ilerlemeler meydana geldi ve daha gelişmiş YZ sistemlerinin geliştirilmesinin yolu açıldı. Bu dönemde dikkate değer bir başarı, AI sisteminin geliştirilmesiydi. Koyu mavi1997’de dünya şampiyonu satranç oyuncusu Garry Kasparov’u bir maçta mağlup eden .

2000’ler tanıtımı ile başladı siri Ve Google Çeviri. 2011’de geliştirilen Siri, sesli komutları anlamak ve bunlara yanıt vermek için NLP’yi kullanır. Öte yandan Google Translate, metni ve konuşmayı bir dilden diğerine çevirebilen bir NLP sistemidir.

2020’lerde, OpenAI’ler gibi gelişmiş NLP sistemleri GPT-3 pazara vur. Bunlar, insan benzeri metinler oluşturmak için inanılmaz bir yeteneğe sahipti. OpenAI ayrıca DALL-E’yi başlattı ve İLE-E 2belirli bir metin istemine dayalı olarak görüntüler oluşturmak için bir sinir ağı kullanır.

2022’de OpenAI başlatıldı ChatGPT, kullanıcı girişini sohbet tarzında anlayıp yanıtlayabilen bir yapay zeka sistemi, bu da onu sohbet robotu uygulamalarında kullanım için çok uygun hale getiriyor. DeepMind’s gibi AI sistemlerinin geliştirilmesiyle sağlık hizmetlerinde YZ’nin kullanımında da önemli ilerleme kaydedilmiştir. Alfa Katlamaproteinlerin 3 boyutlu yapısını tahmin edebilen.

8 tip ANI sistemi

Genel olarak konuşursak, aşağıdakiler de dahil olmak üzere birkaç ANI türü vardır:

1. Kural tabanlı sistemler: Belirli bir görevi gerçekleştirmek için önceden belirlenmiş bir dizi kuralı izlemek üzere tasarlanmıştır.
2. Uzman sistemler: Tıbbi durumları teşhis etmek veya belirli bir durumda en iyi hareket tarzını belirlemek gibi normalde insan uzmanlığı gerektiren görevleri gerçekleştirin.
3. Karar ağacı sistemleri: Önceden belirlenmiş bir dizi kurala dayalı kararlar almak için ağaç benzeri bir yapı kullanın.
4. yapay sinir ağları: İnsan beyninin çalışma biçiminden ilham alan bu yapay zeka sistemleri, kalıpları tanıyabilir ve bu bilgilere dayanarak kararlar alabilir.
5. genetik algoritmalar: Zaman içinde performansı artırmak için genetik ve doğal seçilim ilkelerini kullanın.
6. evrimsel hesaplama: Performansı uyarlamak ve geliştirmek için evrim ve doğal seçilim ilkelerini kullanır.
7. bulanık mantık sistemleri: Karar vermek için belirsiz veya kesin olmayan bilgilerin temsiline izin veren bir mantık türü olan bulanık mantığı kullanın.
8. Bayes ağları: Belirsiz veya eksik bilgilere dayalı olarak kararlar almak için olasılıksal akıl yürütmeyi kullanın.

ANI’nin ilk 3 uygulaması

1. NLP: YILLAR NLP sistemlerinde bilgisayarların insan dilini anlamasına ve yorumlamasına yardımcı olmak için kullanılır. Örneğin, sanal asistan Siri, sesli komutları doğal dilde anlamak ve yanıtlamak için NLP’yi kullanır.

2. Görüntü ve konuşma tanıma: ANI, görüntü ve konuşma tanıma sistemlerinde, görüntü ve ses kayıtlarındaki nesneleri, insanları ve diğer öğeleri tanımlamak için kullanılır. Örneğin, kullandığı yüz tanıma teknolojisi Meta fotoğraflardaki kişileri tanımlamak ve etiketlemek için dar yapay zeka uygular.

3. Karar verme: ANI, işletmelerin ve kuruluşların daha bilinçli kararlar almasına yardımcı olmak için karar verme sistemlerinde kullanılır. Örneğin, bir banka tarafından finansal verileri analiz etmek ve bir kredi başvurusunun onaylanıp onaylanmaması konusunda önerilerde bulunmak için dar bir AI sistemi kullanılabilir.

ANI’nin ilk 7 kullanım durumu

1. Sağlık hizmeti: ANI, tıbbi durumları teşhis etme ve hasta sonuçlarını tahmin etme gibi görevlere yardımcı olmak için kullanılır. Örneğin, tıbbi görüntüleri analiz etmek ve potansiyel kanser belirtilerini belirlemek için bir ANI sistemi kullanılabilir.

2. finans: ANI, finansal verileri analiz etmek ve piyasa eğilimleri ve diğer ekonomik faktörler hakkında tahminler yapmak için kullanılır. Örneğin, yatırım fırsatlarını belirlemek için bir riskten korunma fonu tarafından dar bir AI sistemi kullanılabilir.

3. Üretme: ANI, kalite kontrol ve ürün denetimi gibi görevlere yardımcı olmak için kullanılır. Örneğin, bir montaj hattındaki ürünleri incelemek ve kusurları belirlemek için bir YZ sistemi kullanılabilir.

4. Müşteri servisi: ANI, müşteri sorularını yanıtlama ve sorunları çözme gibi görevlerde yardımcı olmak için kullanılır. Örneğin, bir şirketin web sitesindeki bir sohbet botu aracılığıyla müşterilere ortak soruları yanıtlamak ve çözümler sağlamak için bir YZ sistemi kullanılabilir.

5. Tedarik zinciri yönetimi: ANI, lojistiği optimize etmek ve verimliliği artırmak için kullanılır. Örneğin, darboğazları belirlemek ve teslimat sürelerini iyileştirmek için teslimat süreleri ve yolları hakkındaki verileri analiz etmek için bir AI sistemi kullanılabilir.

6. Toplu taşıma: ANI, rota planlama ve trafik yönetimi gibi görevlere yardımcı olmak için kullanılır. Örneğin, teslimat kamyonları için rotaları optimize etmek ve yakıt tüketimini azaltmak için bir AI sistemi kullanılabilir.

7. Tarım: ANI, mahsul izleme ve haşere kontrolü gibi görevlere yardımcı olmak için kullanılır. Örneğin, zararlıları tanımlamak ve en etkili tedaviyi belirlemek için mahsullerin görüntülerini analiz etmek için bir AI sistemi kullanılabilir.

ANI’nin artıları ve eksileri

Herhangi bir teknoloji gibi, ANI’nin de hem avantajları hem de dezavantajları vardır. Profesyonellerden bazıları:

• Artırılmış doğruluk: Bu sistemler, görevleri yüksek derecede doğrulukla gerçekleştirebilir, bu da hataların azaltılmasına ve verimliliğin artırılmasına yardımcı olabilir.

• Artan hız: Büyük miktarda veriyi hızlı bir şekilde işleyebilirler, bu da görevlerin ve karar verme süreçlerinin hızlanmasına yardımcı olabilir.

• Maliyet tasarrufu: Bazı durumlarda, YZ kullanımı, normalde insanlar tarafından gerçekleştirilecek görevleri otomatikleştirerek işçilik maliyetlerinin düşürülmesine yardımcı olabilir.

Bununla birlikte, ANI’nin de bazı özellikleri vardır. dezavantajlar:

• Dar Yapay Zeka, yalnızca tasarlandığı belirli görevi gerçekleştirebilir. Uyum sağlayamaz veya yeni görevleri yerine getirmeyi öğrenemez ve bir insan gibi düşünemez veya kararlar veremez.

• Eğitildiği verilere bağlıdır. Veriler taraflıysa veya eksikse dar yapay zeka sistemi taraflı veya yanlış kararlar verebilir. Bu, önyargılı algoritmaların ciddi sonuçlara yol açabileceği sağlık ve ceza adaleti gibi alanlarda büyük bir endişe kaynağı olabilir.

• Kırılgan ve esnek olmayabilir. Belirli bir görevi yerine getirmek için tasarlanmıştır ve girdilerdeki veya beklenmeyen durumlardaki değişiklikleri kaldıramayabilir.

• YZ sistemleri hesaplama açısından yoğun olabilir ve çalıştırmak için güçlü donanım ve önemli miktarda enerji gerektirir. Bu, dar AI sistemlerinin yaygın olarak benimsenmesinin önünde bir engel olabilir.

• Dar AI’nın etik sonuçları ve zararlı veya kötü niyetli şekillerde kullanılma potansiyeli hakkında endişeler var. Dar AI’nın sorumlu bir şekilde kullanılmasını sağlamak için düzenlemelere ve gözetime ihtiyaç vardır.

Yapay zekanın bir sonraki aşaması: Yapay genel zeka (AGI)

ANI sonuç vermeye devam ederken, yapay genel zeka (AGI) arayışı teknoloji camiasının hayal gücünü yakalamaya devam ediyor. AGI, çok çeşitli görevleri yerine getirme, soyut düşünme ve yeni durumlara uyum sağlama yeteneği ile insan benzeri zekaya sahip makineleri ifade eder. Bu, belirli görevleri yerine getirmek için tasarlanan ANI’nin aksine duruyor.

AGI bu noktada büyük ölçüde teorik kalsa da, Bill Gates, Stephen Hawking ve Elon Musk gibi önemli figürlerin bu tür gelişmiş yapay zekanın potansiyel tehdidi hakkındaki endişelerini dile getirmesiyle bu fikir önemli ölçüde ilgi ve yatırım topladı.

Ancak AGI’nin fizibilitesine ve zaman çizelgesine ilişkin görüşler büyük farklılıklar göstermektedir. Bazı araştırmacılar, gerçekçi bir zaman çizelgesinin 2040’ta böyle bir ilerleme sağlayabileceğini, kötümser zaman çizelgesinin ise 2075 olduğunu savunuyorlar.