Suni Zekâ, Makine Öğrenimi ve Derin Öğrenmenin Farkları

Görsel oluşturma, yazı yazma ve benzeri becerilerde gerçekleştirdiği çarpıcı atılımlar yardımıyla suni zekâ, artık asla olmadığı kadar meşhur. YouTube’da ve Instagram’da aramalar yaparken ve hatta iş başvurusu yaparken bile ister istemez suni zekâyla etkileşimdeyiz.

Bu teknolojiden şu anda her ne kadar tertipli olarak faydalanıyor olsak da nereden ortaya çıktığını ve iyi mi geliştiğini ya bilmiyoruz ya da pek merak etmiyoruz. Bu sektörde her şeyin iyi mi işlediğini asla merak etmiş miydiniz?

Suni zekâyı ne kadar oldukca veriyle beslerseniz, öğrenme kabiliyeti o denli gelişiyor. Öğrenme mantığı, lokomotife kömür atmaya benzetilebilir.

Fakat her kömür atıldığında lokomotifin kömürü tanımaya ve öykünmek etmeye, sonrasında da kömür üretmeye başladığını düşünün.

Suni zekânın olabildiğince fazla veriye gereksinim duyduğu bu öğrenme sürecine makine öğrenimi deniyor.

Makine öğreniminin gerçekleşmesi için, yukarıdakiler şeklinde birbirine benzeyen binlerce görsel kullanmanız gerekebilir.

Makine öğrenimi esnasında suni zekâ, zaman içinde beyin hücreleri olan veri tabanlarını oluşturur. Bu beyin hücresi şeklinde olan kısımlara suni sinir ağları da denir. Bunlar yardımıyla suni zekâ, zaman içinde kendisine gösterileni tanımaya adım atar. Buna da derin öğrenme denmekte. Derin öğrenmenin üstteki şeklinde katmanları bulunuyor.

Şimdi kolay bir örnekten gidelim. Böylelikle bu üç ayrı konseptin farklarını pekiştirmiş oluruz.

Midjourney şeklinde görsel oluşturan bir suni zekâyı ele alalım. Adı “Tablobot” olsun. Bu suni zekâ, ortaya çıkan ürünün ta kendisi olacak.

Tablobot’u eğitmek için görsellerden ve fotoğraflardan faydalanmanız gerek. Tablobot’un bu öğrenme süreci makine öğrenimidir.

Tablobot’a ne kadar oldukca görsel verirseniz, yapması gerekeni o denli iyi ezberler, kendi veri tabanını oluşturur. Veri tabanını bir beyin şeklinde düşünün. Beyin oldukca “derin” ve karmaşık bir veri tabanıdır. Öğrenilen her şey burada depolanır. Bu yüzden buna da derin öğrenme deriz.

Kısacası makine öğrenimi, suni zekânın öğrenme kabiliyeti. Derin öğrenme, makine öğreniminin veri tabanı yada beyni ile ilgilenen kısım. Suni zekâ ise ortaya çıkan son ürün.

Farkları aradan çıkardığımıza bakılırsa sonuca gelelim.

• Tablobot’a 50 bin görsel verdik diyelim, artık hizmete hazır. Bu noktadan itibaren üsttekiler şeklinde görseller oluşturabiliyor olacak. Geriye kalan tek şey, yönerge vermek oluyor.
• Tablobot, makine öğrenimi ve derin öğrenme evrelerini aştı.
• Tebrikler! Tablobot artık bir suni zekâ!

Doğal, her teknolojik atılımda olduğu şeklinde suni zekânın da artıları kadar eksileri var. İnsanların yapabildiği bazı işleri yapabileceği için dünya genelinde milyonlarca kişiyi işi olmayan bırakma ihtimali söz mevzusu.

Suni zekâya dair genel perspektif şimdilik pozitif yönde yönde. Doktorların dahi fark edemedikleri hastalık izlerini fark edebilen, karman çorman şehirlerimizde biz için ergonomik rotalar oluşturabilen ve daha nice yararları olabilecek suni zekâ, daha yolun başlangıcında.

Fakat unutmamalıyız ki suni zekâ, geliştikçe insanların yapmış olduğu bir çok mesleği tarihe karıştırabilecek bir sektör ve teknoloji. Bu yüzden geniş çaplı işsizlik dalgasına sebep olması mümkün.

Kaynaklar: AB Parlamentosu, MathWorks, TechTarget, Vox