https://cbddo.gov.tr/sss/yapay-zeka/
Yapay zekâ hayatın birçok noktasında yansız, eşitlikçi uygulamalarla toplumun refah düzeyini arttırabilme yetenekleri dolayısıyla ihtiyaçtır. Güncellenebilen ve kişiselleştirilebilen yapay zekâ destekli araçlar, bireylerin ve toplumun kalkınmasına etki edecek uygulamalardır. Örneğin, navigasyon, sesli asistan, e-ticaret gibi uygulamalar bireylerin hayatını kolaylaştırmaktadır.
Günlük Hayatta Kullanılan Yapay Zekâ Uygulamaları Nelerdir?
Yapay zekâ birçok alanda insanların karar alma süreçlerine yardımcı olabilmektedir. Böylece, hizmetler daha kaliteli ve hızlı bir şekilde sunulabilmektedir. Bu kapsamda, yapay zekâ uygulamaları ve bu uygulamaların sağlamış olduğu hizmetlere gün geçtikçe daha fazla ihtiyaç duyulacaktır.
Yapay zekânın başlıca kullanım alanları olarak, aşağıdaki uygulamaları sıralamak mümkündür:
Görüntü İşleme
Yüz Tanıma
Güvenlik ve Gözetleme
Sosyal Ağlarda Fotoğraf Etiketleme
Spor Analitiği ve Strateji Optimizasyonu
Sentetik Görüntü Üretimi
Sahte Fotoğraf ve Video Üretimi
Ses İşleme
Müzik Tanıma
Sesli Asistanlar
Sesli Yanıt ve Şifre
Konuşmadan Metin Sentezi
Metinden Konuşma Sentezi
Metin İşleme
Çeviri Servisleri
Çevrimiçi Sohbet ve Asistan
Sosyal Medya Analitiği ve Duygu Durum Analizi
Kişiye Özgü Yazım Düzeltme ve Öneri
Veri İşleme
Öneri Sistemleri
İlan Öneri
Müzik Öneri
Müşteri Deneyimi ve Müşteriler için Akıllı Kampanya Önerisi
Hava Durumu, Trafik Yoğunluğu Gözeterek Rota Planlama
Periyodik Bakım ve Onarım Kestirimi
İşe Alım ve Performans Değerlendirme Sistemleri
Oyun Motorları
Sağlık Verilerinin Analizi ve Tedavi Planlaması
Tanı Koyma ve Tedavi Planlama Sürecinde Doktorlara Yardımcı Olan Uygulamalar
İnsansız - YZ Destekli Sürüş Sistemleri
Otonom Araçlarda Karar Destek Sistemleri
Sigortacılık ve Finans
Sanal Asistanlar
Hasar Yönetimi
Sahtekârlık Tespiti ve Önleme, Anomali Tespit Uygulamaları
Büyük Veri Analitiği
Büyük Veri Analizi ile Davranış Analizi
Tarım ve Hayvancılıkta Akıllı Uygulamalar
İnsansız Hava Aracı (İHA) ile Görüntü İşleme Temelli Hassas Tarım Uygulamaları
Hassas Hayvansal Üretim
Siber Güvenlik
Siber Saldırıları Tespit ve Engelleme için Uzman Sistem
Kötücül Yazılım Analizi
Yapay Zekâ Terminolojisi: Bilinmesi Gereken En Yaygın Yapay Zekâ Terimleri Nelerdir?
En yaygın “Yapay Zekâ” terimlerinden bazıları şunlardır:
Veri
‘Veri’, yapay zekâ ve makine öğreniminin temelidir. Veriler, bir veya daha fazla kişi veya nesne hakkındaki nitel veya nicel değişkenlerin bir dizi değeridir.
Algoritma
İyi tanımlanmış kuralların ve işlemlerin adım adım uygulanmasıyla bir sorunun giderilmesi veya sonuca en hızlı biçimde ulaşılması işlemidir.
Makine Öğrenimi
Makine öğrenimi, analitik model oluşturmayı otomatikleştiren bir veri analiz yöntemidir. Sistemlerin verilerden öğrenebileceği, kalıpları belirleyebileceği ve minimum insan müdahalesi ile karar verebileceği fikrine dayanan yapay zekânın alt dalıdır.
Derin Öğrenme
Derin öğrenme, bilgisayarların yüksek bilişsel fonksiyonları gerçekleştirebilmesi için geliştirilen bir makine öğrenimi tekniğidir. Çok sayıda yapay nöron katmanından oluşan sinir ağlarının kullanımıdır. Derin öğrenme, özellikle sürücüsüz (otonom) araçlar gibi görüntü tabanlı yapay zekâ uygulamalarının arkasındaki önemli bir unsurdur.
Yapay Sinir Ağları
Yapay nöronların birleşimiyle kurulan yapay ağ ile insan beyninin çalışma biçiminden esinlenen bilgi işlem sistemleridir.
Doğal Dil İşleme
İnsanlar ve bilgisayarlar arasındaki etkileşimi doğal dilleri kullanarak gerçekleştirmesini sağlayan, yapay zekânın alt dallarından biridir. Günlük hayatta sık sık kullanılan akıllı asistanlar, bu teknolojiyi kullanmaktadır.
Bilgisayarlı Görü
Bir bilgisayarın görüntülerden anlam çıkartabilme yeteneğini ifade etmektedir. Bilgisayarlı görü; güvenlik, savunma, sağlık, üretim gibi alanlarda birçok amaç için kullanılabilmektedir.
Bilişsel Bilim
İnsan beyninin dilbilim, bilgi işleme ve karar verme gibi çeşitli süreçlerini inceleyen bir disiplindir. Bu alandaki keşifler, bilgisayarın insan gibi düşünmesinde büyük önem teşkil etmektedir.
Pekiştirmeli Öğrenme
Pekiştirmeli öğrenme, diğer tüm yapay öğrenme modellerinden farklı olarak dinamik bir yapıya sahip ve çevre ile etkileşim içinde ödül–ceza yöntemine bağlıdır. Bu sebeple, veri kümesinin kısıtlı olduğu ve sabit olmadığı durumlarda tercih edilmektedir. [4][5]
Eğiticili Öğrenme
Eğiticili öğrenme, anlamlı özellikleri barındıran veri kümelerine ihtiyaç duymaktır. Sınıf sayısı ve bir grup örneğin hangi sınıfa ait olduğu, olasılık yaklaşımlarından faydalanarak hesaplanmaktadır. [6]
Eğiticisiz Öğrenme
Hangi sınıf ve gruba ait olduğunu, özelliklerini bilmediğimiz verilerin yakınlık gibi farklı bilgilerini hesaplayarak kümeleme yapan yaklaşımlara “eğiticisiz öğrenme” denmektedir. [7] Böylece, veri içindeki etiketlenmemiş gizli benzerlikler tespit edilmektedir.