Yapay Zekâ (“YZ”):
YZ, bilgisayar sistemlerinin insan benzeri zekâ özelliklerine sahip olmasını sağlayan bir teknolojidir. YZ makinelerin; öğrenme, problem çözme, dil anlama, görsel algılama ve karar verme gibi süreçlerini tıpkı insan gibi gerçekleştirmelerini amaçlar. YZ’nin yapı taşları ise şunlardır:
- Makine öğrenimi : YZ’nin desenleri tanımlayıp tahminlerde bulunmasını veya kararlar almasını sağlayan algoritmaları içermektedir. Örnek olarak bir e-ticaret sitesinde, müşterilere önerilen ürünlerin geçmiş alışveriş verilerine ve göz atma alışkanlıklarına göre otomatik olarak belirlenmesi verilebilecektir.
- Doğal dil işleme : Doğal dil işleme, bilgisayarların insan dilini anlamasını, yorumlamasını ve üretmesini sağlayarak, makineler ve insanlar arasındaki iletişim kurulmasıdır. Örnek olarak bir müşteri hizmetleri “chatbot”unun kullanıcıların sorularını anlaması ve doğal bir dilde yanıtlar vermesidir.
- Derin öğrenme : Derin öğrenme sistemlere veriyi hiyerarşik soyutlama yoluyla otomatik olarak öğrenme ve uygulama imkânı tanımaktadır. Örnek olarak bir sağlık uygulamasının, tıbbi görüntüleri analiz ederek hastalık belirtilerini tespit etmesi verilebilir.
- Sinir ağları: Bilgi işleme yeteneğine dayalı olarak insan beyninden esinlenerek üretilen ve bilgi işleme yeteneğine dayalı, makinelerin desenleri tanımasını ve kararlar almasını sağlayan bağlantılardır. Örnek olarak bir yüz tanıma sisteminin, insanların yüzlerini tarayarak kimliklerini doğrulaması verilebilecektir.
- Algoritmik ön yargı: YZ algoritmalarının, üzerinde eğitildikleri/beslendikleri verilere dayalı olarak ön yargılar sergileyebileceği kavramını ve potansiyel ayrımcılığa veya adaletsizliğe yol açabileceklerini belirtir. Örnek olarak işe alım süreçlerinde kullanılan bir YZ algoritmasının, eğitim verilerindeki cinsiyet veya ırk gibi önyargılardan etkilenerek belirli grupları sistematik olarak dezavantajlı hale getirmesi verilebilecektir.
- Etik YZ: Karar alma süreçlerinde adil, şeffaf ve hesap verebilirliği sağlamak için etik düşüncelere odaklanarak YZ sistemlerinin geliştirilmesi ve kullanılmasıdır. Örnek olarak otonom araçların karar alma süreçlerinde, yayalara ve diğer sürücülere karşı adil davranışlar sergilemesi için etik kuralların gözetilmesi verilebilecektir.
- Açıklanabilir YZ : YZ sistemlerinin kararlarının anlaşılır ve açıklayıcı olması gerektiği fikrini, şeffaflığı ve güveni temsil eder. Örnek olarak bir kredi başvurusunun reddedilme nedenlerini açıkça belirten ve bu kararın nasıl verildiğini açıklayan bir YZ sistemi verilebilecektir.
- Denetimli öğrenme: Etiketlenmiş veri kümelerinde modellerin eğitildiği bir ML türü, giriş verilerine ve bilinen çıkış etiketlerine dayalı tahminler yapar. Örnek olarak e-postaların spam olup olmadığını belirlemek için etiketlenmiş veri kümesi üzerinde eğitilen bir model verilebilecektir.
- Denetimsiz öğrenme: Tanımlanmış etiketler olmadan veri analizi yapan ML yaklaşımı, kendi kendine desenleri veya ilişkileri belirler. Örnek olarak müşteri segmentlerini belirlemek için etiketlenmemiş satış verilerini analiz eden bir model verilebilecektir.
Büyük Veri :
Büyük veri; çok büyük, fazlaca çeşitlilik içeren ve hızlı değişen verilerdir. Geleneksel veri işleme yöntemleriyle analiz edilmesi zor olan bu veriler, genellikle YZ yardımıyla işlenir. Bu verilerin üç temel özelliğe sahiptir:
- Büyüklük : Veri hacmi oldukça büyüktür.
- Hız : Veri hızla üretilir ve akış halinde gelir (örneğin: sosyal medya verileri, sensör verileri).
- Çeşitlilik : Veriler farklı formatlarda olabilir (örneğin: metin, video, ses, sensör verileri vb.)
