KAYNAKLAR Ercan Öztemel, “Yapay sinir ağları”, Papatya Yayıncılık, 2012. Simon Haykin, “Neural networks and Learning Machines”, Prentice Hall, 2008. Derviş Karaboğa, “Yapay zeka optimizasyon algoritmaları”, Nobel Akademik Yayıncılık, 2006. Melanie Mitchell, “An introduction to genetic algorithms”, MIT press, 1996.

YAPAY ZEKA Zeki veya akıllı sistemlerin algılama, hafıza, anlama, öğrenme, sonuç çıkarma, karar verme ve düşünce üretme, öneride bulunma veya bazı uygulamalar için eylem yapma gibi özelliklerini araştıran, bunları denetleyen ve bu özelliklere sahip bilgisayarlar veya robotlar (yapay sistemler) yapmayı amaçlayan sistematik bir bilim dalıdır. [1]

YAPAY ZEKANIN KULLANIM ALANLARI Uzay: Uçuş simülasyonları, otomatik pilot uygulamaları vb. alanlarda Otomotiv : Otomatik yol izleme, yol koşullarına göre sürüş analizi vb. gibi uygulamalarda Bankacılık : Kredi uygulamaları geliştirilmesi, müşteri analizi ve kredi müracaat değerlendirilmesi Savunma : Silah yönlendirme, hedef seçme, radar, sensör sonar sistemleri, sinyal işleme, görüntü işleme vb. Elektronik: Kod sırası öngörüsü, çip bozulma analizi, non-lineer modelleme vs.

YAPAY ZEKANIN KULLANIM ALANLARI Finans: Pazar performans analizi Üretim: Ürün dizaynı, dayanıklılık analizi, makine yıpranmaları tespiti Sağlık: Göğüs kanseri erken teşhis ve tedavisi, EEG, ECG, MR, ilaç etkileri analizi, kan analizi sınıflandırma, kalp krizi erken teşhis ve tedavisi vb. uygulamalarda Robotik: Yörünge kontrol, forklift robotları, görsel sistemler, uzaktan kumandalı sistemler. Güvenlik: Parmak izi tanıma, kredi kartı hileleri saptama, retina tarama, yüz eşleştirme vb. uygulamlarda

YAPAY ZEKANIN TARİHÇESİ 1943 – McCulloch&Pitts: Beynin Boolean devre modeli 1950 – Turing’in “Bilgi işleyen makineler ve zeka” 1956- Dartmaouth Görüşmesi: “Yapay Zeka” ismi ortaya atıldı. 1952-1969 – IBM satranç oynayabilen ilk programı yazdı. YZ konusundaki ilk uluslar arası konferans 1950’ler – İlk YZ programları, Samuel’in kontrol edici programı, Netwell ve Simon’ın mantık teoristi, Gelernter’ın geometrik motoru. 1965 – Robinson’un mantıklı düşünme için geliştirdiği tam bir algoritma 1966-73 – YZ hesapsal karmaşayla karşılaşır. Sinir ağları araştırmaları hemen hemen kaybolur.

YAPAY ZEKANIN TARİHÇESİ 1969-79 – Bilgiye dayalı sistemlerin ilk gelişme adımları 1980 – YZ Endüstri haline gelir. 1986 – Yapay sinir ağları tekrar popüler oldu. 1987 – YZ bilim haline geldi. 1995 – Zeki Ajanlar ortaya çıkar. 1997 – Deep Blue Kasparov’u yendi. 1998 – İnternetin yaygınlaşması ile YZ tabanlı birçok program geniş kitlelere ulaştı. 2000-05 – Robot oyuncaklar piyasaya sürüldü. Halen birçok elektronik cihazda YZ uygulamaları kullanılmaktadır.

Alan Turing Bir matematikçi olan Alan Turing bilgisayar alanının büyük öncülerindir.Günümüzde “Turing Makinesi” ve “Turing Tezi” ile alınır.Matematiksel algoritmayı dijital bilgisayarlara uygulamıştır.Araştırmaları yapay zeka alanının doğal yaratılması ve makineler arasındaki ilişkisinde yoğunlaşmıştır.Turing dijital bilgisayar kavramının gelişmesine öncülük etmiştir.

TURİNG DENEYİ Turing Testi’nde, birbirini görmeden iletişim kuran iki kutup vardır.Birinci kutup insandır, ikincisi bilgisayar. Turing’e göre, eğer bilgisayar, bilgi sahibi biri gibi insan ile iletişim kurabilir ise, bu iletişimin öteki ucunda bulunan insan da, işini gördükten sonra bağlantıda bulunduğu şeyin insan mı makine mi olduğunu ayırt edemez ise, bilgisayar, “zeki” olarak tanımlanmalıdır. [2]

TURİNG DENEYİ

YAPAY ZEKA VE MAKİNE ÖĞRENMESİNE GENEL BİR BAKIŞ

Yapay Zeka Teknolojileri Uzman Sistemler Makine Öğrenmesi ve Yapay Sinir Ağları Genetik Algoritmalar Bulanık Önermeler Mantığı Zeki Etmenler

Uzman Sistemler Bir problemi o problemin uzmanlarının çözdüğü gibi çözebilen bilgisayar programları geliştiren teknolojileridir. Bir uzman sistemin 4 temel elemanı vardır: Bilginin temin edilmesi Bilgi tabanı Çıkarım mekanizması İleriye doğru zincirleme Geriye doğru zincirleme Kullanıcı ara birimi

Uzman Sistemin Elemanları ve Bilgi Akışı kullanıcı Kullanıcı Arabirimi Çıkarım Mekanizması Bilgi temini Bilgi formülasyonu Bilgi Tabanı Bilg. Müh.

Makine Öğrenmesi ve Yapay Sinir Ağları Bilgisayarların olayları öğrenmesini sağlayan teknolojilerdir.

Genetik Algoritmalar Kromozom ve gen Çözüm havuzu Çaprazlama Mutasyon Uygunluk fonksiyonu Yeniden üretim

Genetik Algoritmanın Elemanları ve Çalışması Problem Gösterimi (gen ve kromozomlar) Başlangıç çözümleri belirle Çaprazlama Mutasyon Amaca uygunluk ? H Çözüm Uygunluk iyileşiyor E Yeniden üretim

Bulanık Önermeler Mantığı Fuzzifikasyon (bulanıklaştırma) Bulanık Önermeyi İşleme Defuzifikasyon (netleştirme) Bulanık önermeler mantığının elemanları ve çalışması

Bulanık Önermeler Mantığı Bulanıklaştırma

Bulanık Önermeler Mantığı Bulanık önerme işlemi Bulanık önermeler çözüm uzayı örneği

Bulanık Önermeler Mantığı Netleştirme Bulunan çözüm alanından tek bir değer elde edilmesi İşlemidir.

Zeki Etmenler Algılama Kavrama/idrak Eylem

Bir zeki etmenin elemanları Bilgi Kaynakları Algılama (sensörler) Kavrama/İdrak Planlama Öğrenme Problem çözme Karar verme Eylem (effectörler) ÇEVRE

Makine Öğrenmesi ve Öğrenme Türleri Alışkanlık yolu ile öğrenme Görerek öğrenme Talimatlarından öğrenme Örneklerden öğrenme Anoloji yoluyla öğrenme Açıklamalardan öğrenme Deney yolu ile öğrenme Keşfetmek yolu ile öğrenme

Öğrenme Paradigmaları Sembol işleme yöntemi Yapay sinir ağları İstatiksel örüntü tanımı Genetik algoritmalar ve evrimsel programlama Vaka tabanlı öğrenme

Örneklerden Öğrenme Örneklerden öğrenmenin temeli, bir olay hakkındaki gerçekleşmiş örnekleri kullanarak olayın girdi ve çıktıkları arasındaki ilişkileri öğrenmek ve bu ilişkilere göre daha sonra oluşacak olan yeni örneklerin çıktılarını belirlemektedir.

Örneklerden Öğrenme Girdi vektörü: X Çıktı vektörü:Y Girdi vektöründen n adet,çıktı vektöründen m adet olabilir. Bunlar; x1,x2,x3,…xn ve y1,y2,y3,..ym şeklinde gösterilebilinir. Örneğin çıktısı; y1:bir sonraki dönem döviz kuru değeri Girdileri; x1:bu dönem döviz kuru değeri x2:enflasyon oranı x3:tüketici indexi x4:borsa indexi

Öğrenme Stratejileri Öğretmenli öğrenme:Bu tür stratejide öğrenen sistemin olayı öğrenebilmesine bir öğretmen yardımcı olmaktadır.Öğretmen sisteme öğrenebilmesi istenen olay ile ilgili örnekleri girdi/çıktı seti olarak verir. Sistemin görevi girdileri öğretmenin belirlediği çıktılara haritalamaktır. Destekleyici öğrenme:Bu tür strajedi de öğrenen sisteme bir öğretmen yardımcı olur.Fakat öğretmen her girdi seti için olması gereken çıktı setini sisteme göstermek yerine sistemin kendisine gösterilen girdilere karşılık çıktısını üretmesini bekler ve üretilen çıktının doğru veya yanlış olduğunu gösteren bir sinyal üretir. Sistem öğretmen tarafından girilen bu sinyali dikkate alarak öğrenme sürecini devam ettirir.

Öğrenme Stratejileri Öğretmensiz öğrenme:Bu tür stratejide sistemin öğrenmesine yardımcı olan herhangi bir öğretmen yoktur.Sisteme sadece girdi değerleri gösterilir. Örneklerdeki parametreler arasındaki ilişkiyi sistemin kendi kendisine öğrenmesi beklenir. Karma stratejiler: Bu üç stratejiden birkaçını birlikte kullanarak öğrenme gerçekleştirilen ağlar da vardır.Burada kısmen öğretmenli, kısmen ise öğretmensiz olarak öğrenme yapan ağlar kastedilmektedir. [3]

Öğrenme Stratejileri Çevrimiçi (on-line) öğrenme kuralları Çevrimdışı (off-line) öğrenme kuralları Öğrenme kurallarından bazıları Hebb kuralı Hopfield kuralı Delta kuralı Kohonen kuralı

KAYNAKÇA 1.Civelek, Ö., Yapay Zeka Söyleşi,Türkiye Mühendislik Haberleri Dergisi, TMMOB, sayı 423, Ocak 2003 2.Küçükbayrak, A., Yapay Zeka Nedir 3. Öztemel E., Yapay sinir ağları, Papatya Yayıncılık, 2003.