Yapay Zekâ, Makine Öğrenimi ve Derin Öğrenmenin Farkları
ChatGPT, Midjourney ve DALL-E benzer biçimde girişimler yardımıyla yapay zekâ, makine öğrenimi ve derin öğrenme kavramları çoğunlukla gündeme geliyor. Peki bunların farkları neler?
Görsel oluşturma, yazı yazma ve benzeri becerilerde gerçekleştirdiği çarpıcı atılımlar yardımıyla yapay zekâ, artık asla olmadığı kadar meşhur. YouTube’da ve Instagram’da aramalar yaparken ve hatta iş başvurusu yaparken bile ister istemez yapay 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?
Yapay 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.
Yapay zekânın olabildiğince fazla veriye gerekseme duyduğu bu öğrenme sürecine makine öğrenimi deniyor.
Makine öğreniminin gerçekleşmesi için, yukarıdakiler benzer biçimde birbirine benzeyen binlerce görsel kullanmanız gerekebilir.
Makine öğrenimi esnasında yapay zekâ, zaman içinde beyin hücreleri olan veri tabanlarını oluşturur. Bu beyin hücresi benzer biçimde olan kısımlara yapay sinir ağları da denir. Bunlar yardımıyla yapay zekâ, zaman içinde kendisine gösterileni tanımaya adım atar. Buna da derin öğrenme denmekte. Derin öğrenmenin üstteki benzer biçimde katmanları bulunuyor.
Şimdi kolay bir örnekten gidelim. Böylelikle bu üç ayrı konseptin farklarını pekiştirmiş oluruz.
Midjourney benzer biçimde görsel oluşturan bir yapay zekâyı ele alalım. Adı “Tablobot” olsun. Bu yapay 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 benzer biçimde düşünün. Beyin oldukca “derin” ve karmaşık bir veri tabanıdır. Öğrenilen her şey burada depolanır. Bu yüzden buna da derin öğrenme deriz.
Kısacası makine öğrenimi, yapay zekânın öğrenme kabiliyeti. Derin öğrenme, makine öğreniminin veri tabanı yada beyni ile ilgilenen kısım. Yapay 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 benzer biçimde görseller oluşturabiliyor olacak. Geriye kalan tek şey, yönerge vermek oluyor.
- Tablobot, makine öğrenimi ve derin öğrenme evrelerini aştı.
- Tebrikler! Tablobot artık bir yapay zekâ!
Doğal, her teknolojik atılımda olduğu benzer biçimde yapay zekânın da artıları kadar eksileri var. İnsanların yapabildiği bazı işleri yapabileceği için dünya genelinde milyonlarca kişiyi işi olmayan bırakma ihtimali söz mevzusu.
Yapay zekâya dair genel görüş açısı şimdilik pozitif yönde. Doktorların dahi fark edemedikleri hastalık izlerini fark edebilen, karman çorman şehirlerimizde hepimiz için ergonomik rotalar oluşturabilen ve daha nice yararları olabilecek yapay zekâ, daha yolun başlangıcında.
Fakat unutmamalıyız ki yapay 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
