Yapay Zeka Mühendisliği Kronolojik Gelişim PDF

Yapay Zeka Mühendisliği Kronolojik Gelişim ve Dönüm Noktaları Haydar Kılıç Kronolojik Gelişim 1940'lar: İlk Teorik Temeller 1950'ler: YZ'nin Doğuşu ❑ 1943: Warren McCulloch ve Walter Pitts, ilk ❑ 1950: Alan Turing, ünlü "Turing Testi" yapay sinir ağı modelini gelişt...

Yapay Zeka Mühendisliği Kronolojik Gelişim ve Dönüm Noktaları Haydar Kılıç Kronolojik Gelişim 1940'lar: İlk Teorik Temeller 1950'ler: YZ'nin Doğuşu ❑ 1943: Warren McCulloch ve Walter Pitts, ilk ❑ 1950: Alan Turing, ünlü "Turing Testi" yapay sinir ağı modelini geliştirdi. kavramını ortaya koydu. ❑ Bu model, beynin sinirsel aktivitelerini ❑ Bu test, bir makinenin insan gibi matematiksel olarak tanımlamaya çalıştı. düşünebildiğini ölçmek için önerildi. ❑ 1949: Donald Hebb, Hebbian öğrenme ❑ 1956: Dartmouth Konferansı, "yapay zeka" kuramını geliştirdi. teriminin ortaya atıldığı ve bu alandaki ilk araştırmaların başladığı önemli bir toplantı oldu. ❑ Bu teori, öğrenmenin sinirsel düzeyde nasıl gerçekleştiğini açıklamaya çalışır ve günümüzde sinir ağlarına ilham vermiştir. ❑ John McCarthy, Marvin Minsky ve diğer bilim insanları YZ alanının temellerini attı. Kronolojik Gelişim 1960'lar: İlk YZ Sistemleri 1970'ler: YZ’de İlk Durgunluk Dönemi ❑ 1961: General Motors, ilk endüstriyel ❑ 1972: Mantık temelli YZ sistemlerine robotu üretim hattında kullanmaya başladı. dayanan Prolog programlama dili geliştirildi. ❑ 1966: Joseph Weizenbaum, ELIZA adlı ilk doğal dil işleme programını geliştirdi. ❑ 1976: Mycin, ilk uzman sistemlerden biri olarak tıp alanında teşhis için kullanıldı. ❑ ELIZA, bir insan gibi sohbet edebilen basit bir programdı. ❑ Ancak o dönemdeki bilgisayar donanımının yetersizliği, YZ projelerinin ilerlemesini yavaşlattı. ❑ 1969: Marvin Minsky ve Seymour Papert, sinir ağlarının sınırlamalarını gösteren "Perceptrons" adlı kitabı yayımladı. Bu çalışma, sinir ağlarına olan ilgiyi geçici olarak azalttı. Kronolojik Gelişim 1980'ler: Uzman Sistemler ve Yeni ❑ 1987: YZ’de ikinci durgunluk dönemi Yöntemler başladı. Uzman sistemler konusunda ❑ 1980: Uzman sistemlerin yükselişi. yaşanan hayal kırıklıkları, bu alandaki yatırımların azalmasına yol açtı. ❑ Bu sistemler, belirli bir konuda uzman 1990'lar: YZ’de Yeniden Canlanma bilgisine dayalı kararlar alabilen YZ ❑ 1997: IBM'in geliştirdiği Deep Blue, dünya sistemleriydi. satranç şampiyonu Garry Kasparov'u yenerek büyük bir dönüm noktası oldu. ❑ 1986: Geri yayılım algoritması ❑ Bu olay, YZ'nin yeteneklerini sergiledi. (backpropagation), sinir ağlarının öğrenmesini hızlandırmak için kullanılmaya başlandı. ❑ Bu gelişme, sinir ağlarına olan ilgiyi yeniden canlandırdı. Kronolojik Gelişim 2000'ler: Büyük Veri ve Makine Öğrenmesi ❑ 2012: Google, büyük veri ve derin öğrenme ❑ 2006: Geoffrey Hinton, derin öğrenme kullanarak Google Brain projesini başlattı (deep learning) kavramını tanıttı ve sinir ve bu proje, görsel tanıma gibi görevlerde ağları tekrar büyük ilgi görmeye başladı. büyük başarı sağladı. 2010'lar: YZ'nin Altın Çağı ❑ Büyük veri ve güçlü işlemci teknolojileri, ❑ 2014: Google’ın satın aldığı DeepMind, Go derin öğrenmenin gelişmesini hızlandırdı. oyununda insan şampiyonları yenebilecek seviyeye geldi. ❑ 2011: IBM’in Watson adlı YZ sistemi, ABD’de Jeopardy! adlı bilgi yarışmasını ❑ Bu, AlphaGo'nun 2016'da dünya kazanarak doğal dil işleme ve bilgi işleme şampiyonu Lee Sedol’u yenmesiyle yeteneklerini gösterdi. taçlandı. Kronolojik Gelişim ❑ 2016: YZ'nin sağlık, otomotiv (özerk ❑ 2022: DALL·E ve diğer generatif modeller, araçlar), finans gibi alanlarda ticari görsel sanatlar ve grafik alanında yeni uygulamaları artmaya başladı. yaratıcı çözümler üretebildi. ❑ 2017: AlphaGo Zero, insan müdahalesi ❑ 2023 ve Sonrası: YZ'nin etik, güvenlik ve olmadan kendi kendine Go oynamayı düzenleyici çerçeveleri üzerine yoğun öğrenerek önceki tüm sürümlerini geride tartışmalar başladı. bıraktı. ❑ YZ'nin sosyal etkileri, iş dünyasındaki değişimleri ve insan-robot etkileşimini 2020'ler: YZ'nin Hızlı İlerlemesi şekillendiren gelişmeler öne çıkıyor. ❑ 2020: OpenAI’ın GPT-3 modeli tanıtıldı. ❑ Bu model, doğal dil işleme alanında önemli bir adım oldu ve insan benzeri metin üretimi yapabildi. Dönüm Noktaları McCulloch-Pitts Modeli (1943) Hebbian Öğrenme Teorisi (1949) ❑ Nedir?: Warren McCulloch ve Walter Pitts, ❑ Nedir?: Donald Hebb'in geliştirdiği teoriye insan beynindeki nöronların çalışma göre, nöronlar birlikte aktif olduğunda prensiplerini temel alan ilk yapay sinir ağı aralarındaki bağ güçlenir. modelini geliştirdi. ❑ "Birlikte ateşleyen nöronlar, birlikte ❑ Bu model, nöronların "ateşleme" bağlanır" prensibi, öğrenmenin sinirsel bir durumunu mantıksal kapılar (AND, OR gibi) temele dayandığını öne sürer. aracılığıyla temsil eden basit bir ❑ Önemi: Bu teori, sinir ağlarının nasıl matematiksel modeldi. öğrenebileceğine dair ilk önemli ❑ Önemi: YZ ve sinir ağlarının teorik yaklaşımlardan biridir. temellerini atan ilk çalışmalardan biridir. ❑ Modern sinir ağlarının öğrenme Beynin nasıl çalıştığını taklit etme mekanizmalarına (özellikle pekiştirmeli çabasının başlangıcı olarak kabul edilir. öğrenme) ilham vermiştir. Dönüm Noktaları Turing Testi (1950) Dartmouth Konferansı (1956) ❑ Nedir?: Alan Turing, bir makinenin insan ❑ Nedir?: John McCarthy, Marvin Minsky, gibi düşünme yeteneğine sahip olup Nathaniel Rochester ve Claude olmadığını test etmek için bir öneri ortaya Shannon'un düzenlediği bu konferans, attı. "yapay zeka" teriminin ortaya atıldığı ve ❑ Bir insan, bir makine ve bir başka insan ile YZ’nin bir araştırma alanı olarak yazılı bir iletişim kurarak hangisinin insan şekillendiği etkinliktir. olduğunu anlamaya çalışır. ❑ Eğer insan, makineyi ayırt edemezse, ❑ Önemi: YZ araştırmalarının resmi olarak makine zeki kabul edilir. başlaması ve bu alanda sistematik bir ❑ Önemi: YZ’nin zeka düzeyini çalışma yapılmasının başlangıç değerlendirmek için önerilen ilk testtir ve noktasıdır. YZ araştırmalarına önemli bir teorik çerçeve sağlamıştır. Dönüm Noktaları ELIZA (1966) Perceptrons Kitabı (1969) ❑ Nedir?: Joseph Weizenbaum tarafından ❑ Nedir?: Marvin Minsky ve Seymour geliştirilen ELIZA, doğal dil işleme tabanlı Papert'in yazdığı bu kitap, sinir ağlarının bir bir programdır. türü olan perceptronların sınırlamalarını ❑ Basit bir diyalog sistemiyle insanlar ortaya koydu. arasında psikoterapist gibi davranabilir, ❑ Özellikle tek katmanlı perceptronların bazı ancak aslında belirli kalıplara göre cevaplar görevlerde başarısız olacağını gösterdi üretirdi. (örneğin, XOR problemi). ❑ Önemi: İlk başarılı doğal dil işleme ❑ Önemi: Bu çalışma, sinir ağlarına olan ilgiyi sistemlerinden biridir ve insanlarla makine geçici olarak azalttı ve YZ araştırmalarının arasında dil yoluyla iletişim kurma farklı alanlara kaymasına neden oldu. çabalarının ilk örneğidir. Dönüm Noktaları Prolog ve Mantık Programlama (1972) Uzman Sistemler (1980'ler) ❑ Nedir?: Alain Colmerauer ve Robert ❑ Nedir?: Uzman sistemler, belirli bir alanda Kowalski tarafından geliştirilen Prolog, (örneğin tıp, mühendislik) uzman bilgilerini mantık temelli bir programlama dilidir. kullanarak kararlar alabilen bilgisayar ❑ Mantık çıkarımları ve sembolik programlarıdır. hesaplamalar üzerine odaklanır. ❑ Mycin gibi sistemler, belirli semptomlara ❑ Önemi: Mantık tabanlı YZ’nin önemli göre teşhis önerileri yapabiliyordu. araçlarından biri haline geldi ve özellikle ❑ Önemi: Bu sistemler, o dönemde ticari yapısal verilerin işlendiği uygulamalarda olarak uygulamaya konulabilen ilk YZ kullanıldı. ürünleriydi ve bilgi temelli sistemler ile karar verme süreçlerinde devrim yarattı. Dönüm Noktaları Geri Yayılım Algoritması (Backpropagation) Deep Blue’nun Kasparov’u Yenmesi (1997) (1986) ❑ Nedir?: IBM’in Deep Blue isimli bilgisayarı, ❑ Nedir?: Sinir ağlarının öğrenmesini dünya satranç şampiyonu Garry Kasparov'u hızlandırmak için kullanılan bir yenerek bir insan şampiyonu yenen ilk algoritmadır. bilgisayar oldu. ❑ Geri yayılım, hatayı katmanlar arasında ❑ Önemi: Bu başarı, YZ’nin karmaşık strateji geriye doğru yayarak ağırlıkları ayarlayarak oyunlarında insan zekasına karşı üstün öğrenmeyi sağlar. gelebileceğini gösterdi ve YZ'nin ❑ Önemi: Bu algoritma, derin sinir ağlarının yeteneklerini sergileyen önemli bir dönüm gelişimine büyük katkı sağlamış ve sinir noktası oldu. ağlarına olan ilgiyi yeniden canlandırmıştır. Dönüm Noktaları Derin Öğrenme (Deep Learning) (2006) Watson’ın Jeopardy Zaferi (2011) ❑ Nedir?: Geoffrey Hinton ve ekibi tarafından ❑ Nedir?: IBM’in Watson sistemi, Jeopardy! derin öğrenme yöntemleri geliştirildi. adlı bilgi yarışmasını kazanarak doğal dil ❑ Bu yöntemler, çok katmanlı sinir ağlarını işleme, bilgi çıkarma ve makine öğrenme kullanarak veriden öğrenmeyi sağladı. yeteneklerini gösterdi. ❑ Önemi: Büyük veri ve güçlü işlemcilerin ❑ Önemi: YZ'nin büyük miktarda veriyi işleme yardımıyla derin öğrenme, bilgisayarla ve analiz etme yeteneği, ticari görme, doğal dil işleme ve diğer birçok uygulamalarda geniş çapta alanda büyük atılımlar gerçekleştirdi. kullanılabileceğini kanıtladı. Dönüm Noktaları AlphaGo’nun Lee Sedol'u Yenmesi (2016) GPT-3 (2020) ❑ Nedir?: DeepMind tarafından geliştirilen ❑ Nedir?: OpenAI tarafından geliştirilen GPT- AlphaGo, dünyanın en karmaşık strateji 3, 175 milyar parametreli bir dil modeli olup oyunlarından biri olan Go’da dünya insan benzeri metin üretme yeteneğine şampiyonu Lee Sedol’u yenerek büyük bir sahiptir. başarıya imza attı. ❑ Konuşma, yazı yazma, çeviri yapma gibi ❑ Önemi: AlphaGo’nun başarısı, YZ’nin çok çok çeşitli görevlerde kullanılabilir. karmaşık problemlerde bile insanları ❑ Önemi: GPT-3, doğal dil işleme alanında geçebileceğini gösterdi ve derin öğrenme yeni bir dönemi başlattı ve çok amaçlı dil ile pekiştirmeli öğrenmenin gücünü modellerinin ne kadar güçlü olabileceğini kanıtladı. gösterdi. Dönüm Noktaları DALL·E ve Generatif Modeller (2022) ❑ Bu yenilikler, yapay zekanın bugünkü ❑ Nedir?: DALL·E, metinden görsel üretme gelişmiş seviyesine ulaşmasında çok yeteneğine sahip bir yapay zeka modelidir. önemli rol oynayan dönüm noktalarıdır. ❑ Kullanıcıların yazılı komutlarına göre ❑ Her bir gelişme, YZ'nin farklı alanlardaki yaratıcı ve orijinal görüntüler oluşturabilir. uygulamalarını genişletmiş ve gelecekteki ❑ Önemi: Yaratıcı sanatlar, grafik tasarım ve potansiyelini artırmıştır. diğer görsel medyada devrim yaratabilecek bir gelişmedir. ❑ Ayrıca, generatif modellerin insan yaratıcılığıyla nasıl işbirliği yapabileceğine dair yeni fırsatlar sunmuştur. Gelecekte ne olacak?