yapay zeka

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)
[1]
yapmayı amaçlayan
sistematik
bir bilim dalıdır.
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
YAPAY ZEKA VE MAKİNE ÖĞRENMESİNE
GENEL BİR BAKIŞ
A. 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.
A.
B.
C.
D.
Bir uzman sistemin 4 temel elemanı vardır:
Bilginin temin edilmesi
Bilgi tabanı
Çıkarım mekanizması
a. İleriye doğru zincirleme
b. Geriye doğru zincirleme
Kullanıcı ara birimi
Uzman Sistemin Elemanları ve Bilgi Akışı
uzman
kullanıcı
Çıkarım
Mekanizması
Kullanıcı
Arabirimi
Bilgi
temini
Bilgi
formülasyonu
Bilg. Müh.
Bilgi
Tabanı
Makine Öğrenmesi ve Yapay Sinir Ağları
Bilgisayarların olayları öğrenmesini sağlayan
teknolojilerdir.
Genetik Algoritmalar
a. Kromozom ve gen
b. Çözüm havuzu
Çaprazlama
d. Mutasyon
e. Uygunluk fonksiyonu
f. Yeniden üretim
c.
Genetik Algoritmanın Elemanları ve Çalışması
Problem Gösterimi
(gen ve kromozomlar)
Başlangıç çözümleri belirle
Çaprazlama
Mutasyon
Amaca uygunluk
H
?
Uygunluk
iyileşiyor
E
Yeniden üretim
Çözüm
Bulanık Önermeler Mantığı
Fuzzifikasyon
(bulanıklaştırma)
Bulanık Önermeyi İşleme
Defuzifikasyon
(netleştirme)
Bulanık önermeler mantığının elemanları ve çalışması
Bulanık Önermeler Mantığı
a. Bulanıklaştırma
Bulanık Önermeler Mantığı
b. Bulanık önerme işlemi
Bulanık önermeler çözüm uzayı örneği
Bulanık Önermeler Mantığı
c.
Netleştirme
Bulunan çözüm alanından tek bir değer elde edilmesi
İşlemidir.
Zeki Etmenler
a. Algılama
b. Kavrama/idrak
c.
Eylem
Bir zeki etmenin elemanları
Bilgi
Kaynakları
Algılama
(sensörler)
Kavrama/İdrak
Planlama
Öğrenme
Problem çözme
Karar verme
ÇEVRE
Eylem
(effectörler)
B. 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
C. Öğrenme Paradigmaları
 Sembol işleme yöntemi
 Yapay sinir ağları
 İstatiksel örüntü tanımı
 Genetik algoritmalar ve evrimsel programlama
 Vaka tabanlı öğrenme
D. 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
E. Öğrenme Stratejileri
1.
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.
2.
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.
E. Öğrenme Stratejileri
3. 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.
4. 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]
F. Öğrenme Stratejileri
1.
2.
3.




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.