İçeriğe atla

Sembolik yapay zeka

Yapay zeka araştırmalarında sorunların, mantığın ve araştırmanın ileri düzey "sembolik" (insan tarafından okunabilir) temsillerine dayanan tüm yöntemlerin toplanması için kullanılan terimdir. Sembolik YZ, 1950'lerin ortalarından 1980'lerin sonuna kadar YZ araştırmalarının baskın paradigmasıydı.[1][1] 23 Mayıs 2021 tarihinde Wayback Machine sitesinde arşivlendi.[2][2] 23 Mayıs 2021 tarihinde Wayback Machine sitesinde arşivlendi.

John Haugeland, yapay zeka araştırmalarının felsefi sonuçlarını araştıran 1985 tarihli Yapay Zeka kitabı: The Very Idea, GOFAI ("Kaliteli Eski Tip Yapay Zeka") adını verdi. Robotikte benzer terim GOFR'dir ("Eski Tip Robotik").

Yaklaşım, 1960'ların ortalarında Allen Newell ve Herbert A. Simon tarafından "fiziksel simge sistemleri hipotezi" olarak tanımlanan bir varsayım olan, zekanın birçok yönünün sembollerin manipülasyonuyla elde edilebileceği varsayımına dayanmaktadır.

Yaygın bir sembolik yapay zeka biçimi, bir üretim kuralları ağı kullanan uzman sistemlerdir. Üretim kuralları, If-Then ifadesine benzer bir ilişkideki sembolleri birbirine bağdaştırır. Uzman sistem, Tahmin yapmak ve hangi ek bilgilere ihtiyaç duyduğunu belirlemek için kuralları işler, yani insan tarafından okunabilir duruma getirerek hangi soruların sorulacağını belirler.

Sembolik yaklaşımın karşıtları arasında, sembolik temsil olmadan (veya yalnızca minimum temsille) otonom robotlar üretmeyi amaçlayan Rodney Brooks gibi robotik ve makine öğrenimi ve kontrolündeki sorunları çözmek için sinir ağları ve optimizasyon gibi teknikleri uygulayan hesaplamalı zeka araştırmacıları yer alır.

Sembolik YZ, bir makinede genel, insan benzeri zeka üretmeyi amaçlarken, çoğu modern araştırma belirli alt problemlere yöneliktir. Genel zeka ile ilgili araştırmalar şimdi genel yapay zeka alt alanında incelenmektedir.

Makineler başlangıçta, sembollerle temsil edilen girdilere dayalı olarak çıktıları formüle etmek için tasarlandı. Giriş kesin olduğunda ve kesinlik altına düştüğünde semboller kullanılır. Ancak, örneğin tahminlerin formüle edilmesinde belirsizlik olduğunda, temsili yapay sinir ağları kullanılarak yapılır.[3] Valiant ve diğerlerinin[4] iddia ettiği gibi, zengin bilişimsel ve bilişsel modellerin etkili inşası, sağlam sembolik akıl yürütme ve verimli (makine) öğrenme modellerinin kombinasyonunu gerektirir.

Sınırlayıcı alan araması

Sembolik bir YZ sistemi, bir mikro dünya olarak gerçekleştirilebilir, örneğin dünyayı engeller. Mikro dünya, bilgisayar belleğindeki gerçek dünyayı temsil eder. Semboller içeren listelerle açıklanmıştır ve akıllı aracı, sistemi yeni bir duruma getirmek için operatörleri("uygulayıcı") kullanır.[5] Üretim sistemi, akıllı ajanın bir sonraki hareketi için durum uzayında arama yapan yazılımdır. Dünyayı temsil eden semboller duyusal algıya dayanır. Sinir ağlarının aksine, Yüzeysel sistem buluşsal yöntemlerle çalışır, yani alana özgü bilginin Sınırlayıcı alan aramasını iyileştirmek için kullanıldığı anlamına gelir.

Sembolik Yapay Zeka, Hubert Dreyfus tarafından sadece oyuncak problemleri için uygun olduğunu düşündüğü ve daha karmaşık sistemler kurmanın veya fikri faydalı yazılıma doğru ölçeklendirmenin mümkün olmayacağını düşündüğü için reddedildi. Aynı argüman, 1970'lerin ortalarında YZ Kışını başlatan Lighthill report'a, verildi.[6]

Tavsiye edilen diğer başlıklar

Kaynakça

  1. ^ Haugeland, John (1985). Artificial intelligence : the very idea. Cambridge, Mass.: MIT Press. ISBN 0-262-08153-9. OCLC 11840529. 
  2. ^ Kosko, Bart (1993). Fuzzy thinking : the new science of fuzzy logic. 1st ed. New York: Hyperion. ISBN 1-56282-839-8. OCLC 27071314. 
  3. ^ Sun, Ron; Bookman, Lawrence A., (Ed.) (1994). "Computational Architectures Integrating Neural And Symbolic Processes". The Springer International Series In Engineering and Computer Science. doi:10.1007/b102608. 
  4. ^ Besold, Tarek R.; Garcez, Artur d’Avila; Kühnberger, Kai-Uwe; Stewart, Terrence C. (Temmuz 2014). "Neural-symbolic networks for cognitive capacities". Biologically Inspired Cognitive Architectures. 9: iii-iv. doi:10.1016/s2212-683x(14)00061-9. ISSN 2212-683X. 
  5. ^ Leonard, Honavar, Vasant Uhr, (18 Ağustos 1994). Symbolic Artificial Intelligence, Connectionist Networks & Beyond. Iowa State University Digital Repository. OCLC 880678662. 
  6. ^ Yao, Xifan; Zhou, Jiajun; Zhang, Jiangming; Boer, Claudio R. (Eylül 2017). "From Intelligent Manufacturing to Smart Manufacturing for Industry 4.0 Driven by Next Generation Artificial Intelligence and Further On". 2017 5th International Conference on Enterprise Systems (ES). Pekin: IEEE: 311-318. doi:10.1109/ES.2017.58. ISBN 978-1-5386-0936-1. 24 Mayıs 2021 tarihinde kaynağından arşivlendi. Erişim tarihi: 24 Mayıs 2021. 

İlgili Araştırma Makaleleri

<span class="mw-page-title-main">Bilişsel bilim</span> zihin ve süreçleri hakkında disiplinlerarası bilimsel çalışma

Bilişsel bilim, zihin ve zekânın işleyişini ele alan, zeki sistemlerin dinamiklerini ve yapılarını araştıran disiplinler arası bir yaklaşımdır. Çok geniş bir alanı kapsamasından ötürü bilişsel bilim alanında çalışan araştırmacıların bilişsel psikoloji, dil bilimi, sinir bilimi, yapay zekâ, antropoloji ve felsefe gibi alanlarda temel bilgilere sahip olması beklenir.

<span class="mw-page-title-main">Yapay zekâ</span> insani zekaya sahip makine ve yazılım geliştiren bilgisayar bilimleri dalı

Yapay zekâ ya da kısaca YZ,, insanlar da dahil olmak üzere hayvanlar tarafından, doğal zekânın aksine makineler tarafından görüntülenen zekâ çeşididir. İlk ve ikinci kategoriler arasındaki ayrım genellikle seçilen kısaltmayla ortaya çıkar. Güçlü yapay zeka genellikle Yapay genel zekâ olarak etiketlenirken, doğal zekayı taklit etme girişimleri yapay biyolojik zekâ olarak adlandırılır. Önde gelen yapay zeka ders kitapları, alanı zeki etmenlerin çalışması olarak tanımlar: Çevresini algılayan ve hedeflerine başarıyla ulaşma şansını en üst düzeye çıkaran eylemleri gerçekleştiren herhangi bir cihaz. Halk arasında, yapay zekâ kavramı genellikle insanların insan zihni ile ilişkilendirdiği öğrenme ve problem çözme gibi bilişsel eylemleri taklit eden makineleri tanımlamak için kullanılır.

<span class="mw-page-title-main">Makine öğrenimi</span> algoritmaların ve istatistiksel modellerin kullanımıyla bilgisayarların yapacakları işleri kendileri çözebilmeleri

Makine öğrenimi (ML), veriden öğrenebilen ve görünmeyen verilere genelleştirebilen ve dolayısıyla açık talimatlar olmadan görevleri yerine getirebilen istatistiksel algoritmaların geliştirilmesi ve incelenmesiyle ilgilenen, yapay zekâda akademik bir disiplindir. Makine öğrenimi, bilgisayarların deneyimlerinden öğrenerek karmaşık görevleri otomatikleştirmeyi sağlayan bir yapay zeka alanıdır. Bu, veri analizi yaparak örüntüler tespit etme ve tahminlerde bulunma yeteneğine dayanır. Son zamanlarda yapay sinir ağları, performans açısından önceki birçok yaklaşımı geride bırakmayı başardı.

Uyarlamalı ağ tabanlı bulanık çıkarım sistemi, Takagi-Sugeno bulanık çıkarım sistemine dayalı bir tür yapay sinir ağı yöntemi. Jang tarafından 1990’ların başlarında geliştirilmiş olup doğrusal olmayan fonksiyonların modellenmesinde ve kaotik zaman serilerinin tahmininde kullanılmıştır.

<span class="mw-page-title-main">Google DeepMind</span>

DeepMind Technologies, Alphabet Inc.'in bir yan kuruluşu olup, 2010'da kurulmuş bir İngiliz yapay zekâ program geliştirme şirketidir. DeepMind, 2014'te Google tarafından satın alınmıştır. Şirketin merkezi Londra'dadır ve Kanada, Fransa ve Amerika Birleşik Devletleri'nde araştırma merkezleri bulunmaktadır. 2015'te, Google'ın ana şirketi olan Alphabet Inc.'in tamamına sahip olduğu bir yan kuruluş oldu.

<span class="mw-page-title-main">Yapay genel zekâ</span>

Yapay genel zeka (YGZ), bir insanın yapabileceği herhangi bir zihinsel görevi başarıyla gerçekleştirebilecek bir makinenin zekasıdır. Günümüzdeki bazı yapay zeka araştırmalarının temel amacıdır ve bilimkurgu ve fütüroloji'de de ortak bir konudur. Bazı araştırmacılar Yapay genel zekâyı "güçlü yapay zekâ", "tam yapay zekâ" veya bir makinenin "genel akıllı eylem" gerçekleştirme kabiliyeti olarak adlandırmaktadır; diğerleri ise sadece bilinci deneyimleyen makineler için "güçlü yapay zekâ" tabirini kullanmaktadır.

<span class="mw-page-title-main">Geoffrey Hinton</span> İngiliz-Kanadalı bilgisayar uzmanı ve psikolog

Geoffrey Everest Hinton, İngiliz-Kanadalı bilişsel ruhbilimci ve bilgisayar bilimcisi. Yapay sinir ağları konusundaki çalışmalarıyla tanınan Hinton 2013'te Google Brain projesine katılmıştır. 2018 Turing Ödülü'nü Yoshua Bengio ve Yann LeCun'la birlikte almaya hak kazanmıştır.

<span class="mw-page-title-main">Uzun kısa süreli bellek</span>

Uzun kısa süreli bellek derin öğrenme alanında kullanılan yapay bir yinelemeli sinir ağı (RNN) mimarisidir. Standart ileri beslemeli sinir ağlarının aksine, LSTM'nin geri bildirim bağlantıları vardır. Yalnızca anlık veriyi değil, veri dizilerini de işleyebilir. Örneğin, LSTM bölümlenmemiş, bağlı el yazısı tanıma, konuşma tanıma ve ağ trafiğinde anomali veya IDS'lerde tespiti gibi görevler için geçerlidir.

<span class="mw-page-title-main">Çince odası</span> Bilgisayarın anlama kabiliyetini gösteremeyeceğini sorgulayan bir düşünce deneyi

Çince Odası Argümanı, dijital bir bilgisayarın –ne kadar zeki ya da insansı davranışlar sergilerse sergilesin– bir “zihne”, “anlayışa” ya da “bilince” sahip olamayacağını savunur. Filozof John Searle tarafından “Minds, Brains, and Programs” adlı makalesinde öne sürülen bu argüman ilk kez 1980 yılında Behavioral and Brain Sciences dergisinde yayınlanmıştır. Çince Odası olarak bilinen düşünce deneyinin merkezini oluşturduğu argüman, yayınlandığı günden itibaren oldukça tartışılmıştır.

<span class="mw-page-title-main">Otokodlayıcı</span>

Otokodlayıcı, denetimsiz bir şekilde öğrenmek için kullanılan bir tür yapay sinir ağıdır. Otokodlayıcının amacı veriyi temsil eden bir timsal vektörü öğrenmektir. Tipik olarak boyutsallık azaltma için kullanılır. Genel mimarisinde bir kodlayıcı bir de deşifre edici modülleri içerir. Kodlayıcı modül veriyi özümseyen bir timsal vektörü yaratırken deşifre edici modül ise bu timsal vektörünü kullanarak tekrar yeni veri oluşturmaktadır. Otokodlayıcı yapay sinir ağlarına örnek olarak Varyasyonel Otokodlayıcı ve de Derin Üretken Modeller verilebilir. Otomatik kodlayıcılar, yüz tanımadan kelimelerin anlamsal anlamlarını elde etmeye kadar birçok uygulamalı problemin çözümünde etkili bir şekilde kullanılmaktadır.

OpenCog, açık kaynaklı yapay zeka çerçevesi oluşturmayı amaçlayan projedir. OpenCog Prime, tüm sistemin ortaya çıkan bir olgusu olarak insana eşdeğer yapay genel zekayı (AGI) ortaya çıkarmak için tasarlanmış bir dizi etkileşimli bileşeni tanımlayan, robot ve sanal somutlaşmış bilişe yönelik mimaridir.

<span class="mw-page-title-main">Sağlık hizmetlerinde yapay zekâ</span>

Sağlık hizmetlerinde yapay zekâ, karmaşık tıbbî ve sağlık hizmetleri verilerinin analizinde, insan bilişini taklit etmek için makine öğrenimi algoritmalarını, yazılımlarını veya yapay zekâyı (AI) tanımlamak için kullanılan kapsamlı bir terimdir. Özellikle, AI, bilgisayar algoritmalarının sonuçları yalnızca giriş verilerine göre yaklaşık olarak tahmin etme yeteneğidir.

<span class="mw-page-title-main">Bilgisayarlı görü</span> görsellerden veri bilgisi çıkartmak

Bilgisayarlı görü, bilgisayarların dijital görüntülerden veya videolardan nasıl bir anlam kazanabileceğiyle ilgilenen disiplinler arası bilimsel bir alandır. Mühendislik yöntemleriyle, insan görsel sisteminin yapabileceği görevleri anlamaya ve otomatikleştirmeye çalışmaktadır.

<span class="mw-page-title-main">Yapay zeka etkisi</span>

Yapay zeka etkisi ; izleyiciler bir yapay zeka programının davranışını gerçek zeka olmadığını savunmaya çalıştığında ortaya çıkmaktadır.

Fiziksel bir sembol sistemi, fiziksel kalıpları kullanır, bu yapılarda birleştirir ve yeni ifadeler üretmek için onları manipüle etmektedir.

<span class="mw-page-title-main">Yapay zeka felsefesi</span> Overview of the philosophy of artificial intelligence

Yapay zeka felsefesi, yapay zekayı ve yapay zekanın, etik, bilinç, epistemoloji ve özgür irade bilgi ve anlayışı üzerindeki etkilerini araştıran teknoloji felsefesinin bir dalıdır. Ayrıca teknoloji, yapay hayvanların veya yapay insanların yaratılmasıyla ilgilidir, bu nedenle disiplin, filozoflar için oldukça ilgi çekicidir. Bu faktörler yapay zeka felsefesinin ortaya çıkmasına katkıda bulunmuştur. Bazı akademisyenler, AI topluluğunun felsefeyi reddetmesinin zararlı olduğunu savunur.

<span class="mw-page-title-main">Yinelemeli sinir ağı</span> bölümler arasındaki bağlantıların yönlendirilmiş bir döngü oluşturduğu yapay sinir ağı türü

Yinelemeli sinir ağı, düğümler arası bağların zamansal bir dizi doğrultusunda yönlü çizge oluşturduğu bir yapay sinir ağı çeşididir. Yaygın olarak İngilizce kısaltması olan RNN olarak anılır. İleri beslemeli sinir ağından türetilen RNN yöntemi, bir iç durum belleği kullanarak değişik uzunluktaki dizileri işleyebilir. Bu sayede yazı tanıma ve konuşma tanıma gibi problemlere uygulanabilir. Teorik olarak Turing makinesine denk (Turing-complete) olan yinelemeli sinir ağları, herhangi uzunluktaki bir girdiyi işleyebilen herhangi bir programı çalıştırabilir.

<span class="mw-page-title-main">Hibrit akıllı sistem</span>

Hibrit akıllı sistem, yapay zeka alt alanlarından gelen yöntem ve tekniklerin bir kombinasyonunu kullanan bir yazılım sistemini ifade eder:

<span class="mw-page-title-main">Yapay zekâ güvenliği</span>

Yapay zekâ güvenliği, yapay zekâ sistemlerinden kaynaklanabilecek kazaları, kötüye kullanımı veya diğer zararlı sonuçları önlemekle ilgilenen disiplinler arası bir alandır. Yapay zekâ sistemlerini ahlaki ve faydalı hale getirmeyi amaçlayan makine etiği ile yapay zekâ uyumunu kapsar ve yapay zekâ güvenliği, riskler için sistemleri izlemek ve onları son derece güvenilir hale getirmek gibi teknik sorunları kapsar. Yapay zekâ araştırmalarının ötesinde, güvenliği teşvik eden normlar ve politikalar geliştirmeyi içerir.

<span class="mw-page-title-main">Yapay hayal gücü</span>

Yapay hayal gücü, tahminler, icatlar veya bilinçli deneyimler yaratmak için gerçek veya olası kurgu modelleri üreten, simüle eden ve kolaylatıran yapay genel zekâ'nın bir alt bileşenidir.


Bu sayfa, bu Vikipedi makalesine dayanmaktadır.
Metin, CC BY-SA 4.0 lisansı altında mevcuttur; ek koşullar uygulanabilir.
Görseller, videolar ve sesler kendi lisansları altında mevcuttur.