Yapay-Zeka.Org
   [ Ana Sayfa ]   [ Ansiklopedi ]   [ Kitaplar ]   [ Makaleler ]   [ Dosya Arşivi ]   [ Sık Sorulanlar ]   [ Giriş ]   [ Üye ol ]  
Sitede Ara
Web'de Ara
"Düşünmeden öğrenmek faydasız, öğrenmeden düşünmek tehlikelidir." Konfüçyüs
Destekliyoruz:


[Yapay Zeka Ansiklopedisi :: Bu sayfa]  

Yapay Zeka (Artificial Intelligence)

Yapay Zeka (İng: Artificial Intelligence, Kısa: AI) terimi Stanford Üniversitesinde Profesör olan John McCarthy tarafından ortaya atılmıştır. Bazen Makine Zekası (Machine Intelligence) veya Bilgiişlemsel Zeka (Computational Intelligence) olarak da kullanılmaktadır.

Yapay zeka araştırmacıları çeşitli alanlardaki bulgu ve gelişmelerden yararlanırlar. Bu alanlar arasında bilgisayar bilimleri, psikoloji, filozofi, sinir bilimi, bilişsel bilim, dil bilimi, operasyonel araştırma, ekonomi, kontrol teorisi, olasılık, optimizasyon ve mantık yer almaktadır. (Russell & Norvig 2003, pp. 5-16) Yapay zeka araştırmaları robotlar, kontrol sistemler, veri madenciliği, lojistik, konuşma tanıma, görüntü tanıma gibi bir çok alanla ortaklık göstermektedir.

Yapay Zeka'nın Tanımı

Yapay zeka'nın tanımını yapmadan önce Zeka'nın ne olduğunu tanımlamak gerekir. Zeka'nın tanımı için tıklayınız.

Yapay zeka (YZ) terimi hem makinelerin zekası anlamında hem de makinelere zeka kazandırmaya çalışan bilgisayar bilim dalının adı olarak da kullanılmaktadır.

Basit bir yaklaşımla, yapay zeka doğal canlılarda görüldüğünde zeka belirtisi olarak algılanan yetenekeri analiz ederek bunların benzeri yapay yönergeleri geliştirmeye çalışmak olarak tanımlanabilir ancak yapay zeka'nın tam bir tanımını yapmak bu kadar kolay değildir. Çünkü yapay zeka çok kapsamlı bir konu olup pek çok alt alan içermektedir ve kendi alt alanı olarak düşünülemeyecek pek çok alanla da girift bir biçimde ilintilidir.

Yapay zekanın içerdiği ve ilintili olduğu tüm alanları kapsayacak şekilde yapılmaya çalışılacak tek bir tanım ya çok uzun olacaktır, ya çok soyut olacaktır ya da eksik olacaktır.

Yapay zeka kavramı ilk bakışta herkese farklı bir şeyin çağrışımını yaptırmaktadır. Dolayısıyla yapay zekanın tanımını yapmaya çalışan kişiler genellikle kendi uzmanlık alanlarını ön plana çıkaran tanımlar yapmışlardır. Bu nedenle tek bir tanım yapmak yerine, birden çok tanıma yer vererek zihnimizde yapay zeka kavramının daha eksiksiz oluşmasını sağlamak en uygunu olacaktır.

Yapay zeka terimini ilk defa 1956 yılında kullanan ve terimin mucidi olan John McCarthy, yapay zekayı "Makineleri zeki yapan mühendislik ve bilim dalı." olarak tanımlamıştır. (Crevier 1993, p. 50)

Diğer tanımları aşağıdaki şekilde sıralayabiliriz:

  • Yapay bir varlığın (genellikle bir bilgisayar) sergilediği zeka
  • Bilgisayar bilimlerinin, bilgisayarlara insan zekasına niteliklerinin kazandırılması üzerinde çalışan bir dalı
  • Bir makine ya da insan eliyle üretilmiş otonom bir sistem kullanarak insan zekasının benzetimini yapmaya çalışan bir araştırma alan
  • Yapay zeki ajanların araştırılması ve dizaynı (Poole, Mackworth & Goebel 1998, p. 1) (Zeki ajan ile kastedilen çevresini algılayıp, uyum ve başarı şansını yükseltecek kararlarda bulunan sistemlerdir.)
  • Hareket eden bir ufuk (Marvin Minsky) (Alanda her geçen gün gerçekleşen yeniliklerin kavramın yeniden tanımlaması ihtiyacını ortaya çıkardığı ifade edilmektedir.)
  • İnsanın düşünme yöntemlerini analiz ederek bunların benzeri yapay yönergeleri geliştirmeye çalışan araştırma alanı
  • Canlılarda (özellikle insanlarda) bulunan algılama, öğrenme, çoğul kavramları bağlama, düşünme, fikir yürütme, sorun çözme, iletişim kurma, çıkarım yapma ve karar verme gibi yüksek bilişsel fonksiyonları ve otonom davranışları sergilemesi beklenen yapay bir sistem (donanım+yazılım).
  • Çıkarsamalar yapmak için kavramlarlar, sembolik çıkarsama yöntemleri ve sembolik bilgi temsili ile ilgilenen bir bilgisayar bilimi alt dalıdır. YZ insan düşünüşünün bilgisayarlar üzerinde modellenmesi için bir girişi olarak da görülebilir. YZ bazen insanları çözebileceği her türlü problemin bilgisayarlar tarafından daha hızlı bir şekilde çözülmesine çalışmak
  • İnsan tarafından yapıldığında zeka belirtisi olarak görülen davranışların (akıllı davranışların) makine tarafından da yapılması
  • İnsan aklının nasıl çalıştığını gösteren bir kuram
  • Bilgisayar yazılımlarının, makinelere insanların zekalarını kullanarak yaptıkları işleri yapma yeteneği kazandırmaya yönelik olarak kullanılması
  • Makinelerin muhakeme yeteneği, geçmiş bilgilerden faydalanma, planlama, öğrenme, iletişim kurma, algılama ve nesneleri oynatabilme ve değiştirebilme yeteneğine sahip olmasını amaçlayan bilim dalı (Russell & Norvig 2003, Luger & Stubblefield 2004, Poole, Mackworth & Goebel 1998 and Nilsson 1998)
  • Yapay Zekanın Gelişimi

    YZ konusundaki çalışmalar 1960'lardan beri süregelmiş olmasına karşın, gerçek YZ'ye ulaşmadan önce aşılması gerken temel problemlerin zorluk derecesinden dolayı başarılı uygulamalar genellikle uzman sistemler, yapay sinir ağları, genetik algoritmalar vb. belirli alt sahalarda gerçekleştirilebilmiştir.

    Önceki dönemlerde YZ çalışmalarında insan psikolojisi göz ardı edilmiştir. Ama günümüzde bu yönelim beynin çalışmasına dair teorileri temel alan bağlantıcılığın (İng: Connectionism) gelişmesiyle değişmiştir. Bağlantıcılığın temelinde basit temel elemanlar (ya da düğümler) arasında belirli bir biçimi olan bilgi parçalarının aktarılmasını da içeren ve öğrenmeyi modellemeye çalışan karmaşık fonksiyonların kullanılması vardır.

    Günümüzde yapay zeka alanında önemli gelişmeler sağlanmış olmakla beraber, araştırmaların düzeyinin genel olarak halen kuluçka safhasında olduğu söylenebilir.

    Genel zeka (veya "güçlü yapay zeka") henüz (2008) ulaşılabilmiş bir hedef değildir, ancak yapay zeka araştırmacılarının uzun dönemli hedefidir. (Kurzweil 1999, Kurzweil 2005, Hawkins & Blakeslee 2004)

    Kaynaklar

  • http://members.tripod.com/~Bagem/bagem/
  • http://www.ceturk.com/makaleoku.asp?id=65
  • http://www-formal.stanford.edu/jmc/whatisai/
  • http://foldoc.org/foldoc.cgi?query=artificial+intelligence
  • http://www.netdictionary.com/a.html
  • http://www.filosofia.net/materiales/rec/glosaen.htm
  • http://www.proksima.com.tr/Goruntu-Tanima/Yapay-Zeka-Nedir
  • MIT OpenCourseWare | 24.09 Minds and Machines, Spring 2007, http://ocw.mit.edu/OcwWeb/Linguistics-and-Philosophy/24-09Spring-2007/CourseHome/index.htm
  • MIT OpenCourseWare | 6.868J / MAS.731J The Society of Mind, Spring 2007, http://ocw.mit.edu/OcwWeb/Electrical-Engineering-and-Computer-Science/6-868JSpring-2007/CourseHome/index.htm

  • (Not: Çizginin altında kalan kısımlarda düzenleme ihtiyacı mevcuttur)

    Yapay Zeka Türleri

    Yapay zeka konusundaki araştırmalar şu gruplar altında toplanabilir.

  • Bilgiye dayalı yapay zeka ve uzman sistemler
  • Doğal diller (bilgisayar ile doğrudan iletişim)
  • Beşeri algılama yeteneklerinin simülasyonu (görme, konuşma,işitme, koklama vs.)
  • Robotikler (rutin, kirli ve tehlikeli işler için kullanılan robotikler}
  • Bilgi Tabanlı Yapay Zeka ve Uzman Sistemler

    Bilgi tabanlı yapay zeka sistemi, belli bir uygulama alanına (bilgisayar onarımı gibi)

    ilişkin pratik çözüm veya yordamlama bilgilerinden (sezgi, yargı ve çıkarımlar) oluşmuş bir bilgi tabanına dayalı olarak çalışır. İnsanların kendilerine ait bilgi tabanı sistemindeki EĞER- 0 ZAMAN (IF-THEN) kurallarını kullanarak belirli soruları çözme kabiliyeti bu yapay zeka türüne ilham kaynağı olmuştur. Bilgi tabanlı sistemlerin en gelişmiş örneği uzman sistemlerdir. Belli bir soruna ilişkin uzmanlık bilgileri bir uzman sistemin bilgi tabanına yerleştirildikten sonra kullanıcıların bu bilgiden yararlanmak amacıyla uzman sistemle kurduğu iletişim bir uzman şahısla kurulan iletişimin bir benzeri olacaktır. Sorun çözülene kadar kullanıcı ile bilgisayar tabanlı uzman sistem arasında karşılıklı soru-cevap türünde bir iletişim oluşur. Yıllık vergi iadesi formunun hazırlanmasında bireylere yardımcı olmak üzere hazırlanan "DAN" isimli yazılım, bilgi tabanlı sisteme güzel bir örnektir. Sistem kullanıcının veri girmesine yol gösterici olacak bir vergi iadesi formunu içermektedir. Girilen verilere bağlı olarak gerekli olan hesaplamalar sistem tarafından otomatikman yapılmaktadır. Elde edilen çıktı doğrudan resmi makamlara sunulabilecek formatta olduğundan,herhangi bir uzmanın yardımına gereksinim duyulmadan vergi iadesi formu bireylerce hazırlanabilmektedir. DAN vergi yasalarındaki değişikliklere bağlı olarak her yıl yeniden gözden geçirilmekte ve gerekli değişiklikler yapılmaktadır.

    Normal yazılımlardan DAN'ın farkı, DAN'da içerilen "Ask DAN (DAN'a sor)"ve "Checklist (Kontrol listesi)" sistemleridir. "Ask DAN", bir vergi uzmanının bilgisayarlaştırılmış bir biçimi olup, kullanıcı ile soru-cevap şeklinde bir iletişim kurarak ona yardımcı olan bir sistemdir. Dan isimli bir vergi uzmanından bilgi tabanının yaratılmasında istifade edildiğinden dolayı bu sisteme alan uzmanın adı olan "DAN" ismi verilmiştir. Kontrol listesi sistemi ise kullanıcıya bazı hususları belirleme açısından sorular sorar. Örneğin, ne kadar gelir beyan edilmeli; hangi muafiyetler kullanılmalı vb. gibi vergi iadesi formunun hazırlanması açısından gerekli olan cevaplar bu yazılımla belirlenmektedir. Askeri alanda da bilgi tabanlı sistemlerden yararlanmak mümkündür. Örneğin karar verme durumunun karmaşık buna karşın karar verme mantığının belli bir kural hiyerarşisine dönüştürebileceği uzmanlık alanlarında eğer bilgi tabanlı sistemden yararlanmak ekonomik ise böylesi sistemler ihtiyaca bağlı olarak yaratılabilir S-1, S-2, S-3 ve S-4 faaliyetlerinde bilgi tabanlı sistemlerin yakın gelecekte önemli bir rol oynayacağı beklenmelidir.

    *Doğal Diller*

    Doğal diller nihai kullanıcının doğal dili ile (ingilizce gibi) bilgisayarla iletişim kurmasını sağlayan yazılımlar için kullanılan isimdir. Doğa1 dil yazılımlarındaki nihai amaç, geleneksel program dillerinde kullanılan komutlara olan gereksinimi ortadan kaldırmaktır. Fakat halen uygulamada gelinen nokta tatmin edici düzeyde değildir. Şu anda piyasada kullanılan doğal dillerin çoğu kullanıcının bir uzman sistem ya da veri tabanı ile iletişimini sağlamaktan öte bir fonksiyon görememektedir. Yine de, bilgi işleminin sınırlı olduğu bazı alanlarda doğal dil uygulamasının oldukça başarılı olduğu gözlenmektedir. Örneğin insan kaynakları ve satın alma ile ilgili araştırma ve rapor hazırlama faaliyetlerinde doğal dil uygulaması oldukça gelişmiş düzeyde olup kullanıcı normal ingilizce konuşur gibi bilgisayar ile iletişim kurabilmektedir.

    örneğin aşağıdaki sorunun kullanıcı tarafından sorulduğunu varsayalım:

    Yukarıdaki örnekte "nedir ?" kelimesi uygulama komutu olan"DİSPLAY"e (Göster) doğal dil yazılımı vasıtasıyla dönüştürülecektir. Diğer kelimeler de benzeri şekilde doğal dil yazılımıyla yorumlanarak uygulama komutlarına dönüştürülür. Eğer kullanıcının isteği sistem tarafından anlaşılamazsa, doğal dil yazılımı muğlak olan noktaları sorarak isteği anlama çabasını devam ettirir. Örneğin sistem "Nedir?" ifadesini anlamamışsa, "Nedir? ' i anlayamadım"der ve bunun anlamının ne olduğunu uygulama sözlüğünde yer alan benzeri komutları ya da ifadeleri sıralayarak kullanıcıya bunlardan hangisinin " Nedir?" ile aynı anlamda olduğunu sorar. Gelen cevaba göre süreç devam eder.

    *İnsan Algılama Yeteneklerinin Simülasyonu*

    Bu yapay zeka türü, insani yeteneklerin simülasyonu ile ilgili olup bilgisayar sistemlerini görme, işitme,konuşma ve hissetme (dokunma) yetenekleri ile donatma çabasindadir. Bu yapay zeka yeteneklerini bugünün teknolojisini kullanarak belirli ölçüde gerçekleştirmek olasi gözükmektedir. Insan algilama yeteneklerine sahip bilgisayarlar tipki insanlar gibi çevre ile iletişim kurma becerisine sahip olabilmektedir. Aşagida buna bazi örnekler verilmektedir.

    Konuşma ; Ses cevap Üniteleri

    Şayet uluslararasi veya şehirlerarasi bir telefon numarasini aramişsaniz, "Aradiginiz numara kullanimda degildir" veya tam otomatik bir arabaya binmişseniz "Emniyet kemerinizi takiniz" gibi sözel mesajlara şahit olmuşsunuzdur. Bu mesajlar konuşma makinelerinin ses cevap ünitelerinden gelen mesajlardir. Iki ayri ses cevap ünitesi türü vardir; birinci tür bir insan sesinin kaydini kullanirken digeri bir konuşma synthesizer'indan yararlanir. Birinci tür, kullanici tarafindan kasete önceden kaydedilmiş kelime, cümle, müzik, alarm gibi kayitlardan çiktiyi seçer. Bu ses cevap ünitelerinde, sesin gerçek analog boyutlari dijital verilere çevirerek bir hafiza yongasina sürekli kullanilacak biçimde yüklenir. Çikti alinirken ise, seçilen ses tekrar analog hale dönüştürülür. Bu tür yongalar belirli kullanim alanlari için seri üretim teknolojisiyle üretilmektedir. örnegin mikrofonlar, yangin alarm cihazlari, asansörler,alarm saatleri, otomobil uyari sistemleri,video oyunlari gibi cihaz ve arabalarda kullanilan ses cevap üniteleri bu gruba girer.

    Konuşma Synthesizer'lari ise ham veriyi elektronik olarak üretilmiş konuşmalara dönüştürür. Bunun için de, bu cihazlar konuşmayi oluşturan temel ses birimlerine benzer sesleri bir arada kullanmaya çalişir. Bir konuşma Synthesizer'i en az 64 temel sesi üretebilme kapasitesine sahiptir. Günümüz teknolojisi ile bunu sinirli sayida cümle için yapabilmek söz konusu ise de bu teknolojinin kullanim alani gittikçe gelişmektedir. Örnegin, bugün okuyucu bir kitabi tarayarak ham verileri elde etmekte ve daha sonra konuşma synthesizer'i bu ham verileri görme özürlü insanlarin istifadesine sunmak için konuşma haline getirmektedir. Diger bir uygulama ise, konuşma özürlü çocuklar için geliştirilmiş sistemdir. Bu cihaz vasitasi ile bu çocuklar çevreleri ile konuşma imkani elde edebilmektedir. Bu uygulama alanlarinin daha da gelişecegi açiktir. Beklenildiginin aksine, bu tür cihazlar nispeten ucuz olup, bu açidan yakin gelecekte kişisel bilgisayarlarda da kullanim alani bulacagi tahmin edilebilir.

    İşitme ; Ses Tanımı

    Bilgisayarlar büyük konuşmacidirlar ama iyi bir dinleyici degildirler. Bilgisayarlarin çok dogal olan sesleri yanliş algilamasi olagan bir şeydir. Bununla birlikte, ses tanimanin birtakim uygulamalari da mevcuttur. örnegin, satiş elemanlarinin telefonla bilgisayari arayip, müşteri ve sipariş numaralari ile sipariş miktarlarini bilgisayara girmesi bugünün teknolojisi ile mümkündür. Havaalanlarinda bagaj yükleme biriminde çalişan elemanlarin üç harften oluşan variş adresini (örnegin,Los Angeles International için "L-A-X" harfleri) sözel olarak ifade etmesi ve bagajin sistem tarafindan bu sese göre uygun konveyöre gönderilmesi bugünün uygulamalarindan bir tanesidir.

    Bu sistem şu şekilde çalişmaktadir. Kişi mikrofona konuştugunda her ses parçalara ayriştirilir ve frekanslari bulunur. Her frekanstaki ses dijital hale getirilerek bilgisayarin elektronik sözlügünde yer alan formatla karşilaştirilir. Dijital format bilgisayarin 1 ve 0 olarak yorumladigi ve depoladigi bir formattir. Ses tanimada, veri tabaninin yaratilmasi sürecine egitim denir. Çogu ses tanima sistemleri konuşmaciya bagimlidir, yani, ancak belli konuşmacilarin sesi sistem tarafindan taninabilmektedir. Bu nedenle,sistemi kullanan her kişi için ayri bir kelime veri tabaninin yaratilmasi gerekmektedir. Bu veri tabanini oluşturma sürecinde, sistemi kullanan kişinin sistemin her kelimeyi dogru anlamasini saglamak açisindan her kelimeyi en azindan 20 defa tekrarlamasi gerekmektedir. Yani bir anlamda,bilgisayari egitmek gerekmektedir. Bu egitim gerçekten de zorunludur. Çünkü nadiren bir kelimeyi farkli zamanlarda ayni şekilde ifade ederiz. Dolayisiyla bilgisayarin bu farkli ifadelere aliştirilmasi gerekmektedir. Konuşmacidan bagimsiz sistemler ise, "evet", "hayir" ve 10 haneli rakamlardan oluşmuş çok sinirli bir sözcüge sahip bulunmaktadir. Sözlügü kisitli olmasina karşin bu sistemlerin egitim gerektirmemesi, sistemin herkes tarafindan kullanilmasini mümkün kilmaktadir.

    Görme : Görsel Sistemler

    Görme, simülasyonu en zor olan insan algılama becerisidir. Örneğin, bir bilgisayarın bir insan gibi bir nesneyi görmesi ve onu yorumlaması mümkün değildir. Bilgisayara görüş kazandırmak için bir kameradan yararlanılır. Kamera aracılığıyla veri tabanı yaratmak için gerekli olan girdiler elde edilir. Bir görsel sistem kamera desteğiyle yorumlanması istenen nesnenin standart halini dijital hale getirir ve bu dijital hale getirilmiş nesnelerin görüntüsü veri tabanına yüklenir. Daha sonra dijital sistem çalışırken, kamera görüntüyü dijital çeviriciye gönderir. Dijital hale getirilmiş bu görüntü bilgisayarın veri tabanındaki önceden kaydedilmiş dijital görüntüler ile karşılaştırılır. Bu kıyaslama neticesinde sistem nesneyi tanır. Aşağıdaki şekilde benzeri bir prensiple çalışan bir sistemin yapısı gösterilmektedir. Görsel sistemleri ancak birkaç görüntünün (imajın) yer alabildiği özel durumlar için kullanmak mümkündür. Bu durumların ortak özelliği, basit ve monoton olmasıdır. örneğin kalite kontrol durumu basit ve monoton bir olaydır.

    *Robotikler*

    Robotikler bilgisayarlar ile endüstriyel robotların uyumlu bir bütünleşmesidir. Endüstriyel robotlara bilgisayarlar yardımıyla herhangi bir rutin hareketin nasıl yapılacağını öğretmek mümkündür. Örneğin; araba boyama,vida sıkma,malzeme taşıma ve hatta kusurlu parçaları tespit etme gibi daha karmaşık davranışları yapan robotikleri günümüzde görmek mümkündür. Yapay zekanın en büyük ticari haşarıyı elde ettiği alan robotik alanıdır. Genel inancın aksine, robotikler bilim-kurgu filmlerinde görülen robotlardan gerek görünüm gerekse işlev açısından oldukça farklıdır. Endüstriyel robotların, günümüzde en fazla kullanılanı ise bir bilgisayar tarafından kontrol edilen bir mekanik koldur. Manipulatör olarak da adlandırılan bu kol bir insan kolunun yapabileceği çoğu hareketi yapabilme becerisine sahiptir. Endüstriyel robotlar daha ziyade tekdüze işler için uygundur. ,Örneğin, ağır yüklerin taşınmasında ve tehlikeli işlerin yapılmasında endüstriyel robotlardan yararlanmak iyi bir strateji olabilir. Bu tür tehlikeli ve ağır tekdüze işler hemen her iş alanında mevcuttur. Günümüzde otomotiv sektörü robotlardan en fazla yararlanan sektördür. Bu sektörde robotlar daha çok boyama ve montaj işlemlerinde kullanılmaktadır. Elektronik sektörü bu konuda ikinciliği tutmaktadır. Elektronik devrelerin testi ve yongaların yerleştirilmesi işlemlerinde robotlardan istifade edilmektedir. Bugün,artık cerrahi de bile robotlar kullanılabilmektedir. örneğin, bir beyin cerrahına yardımcı olan robotları hasta hanelerde görmek mümkündür. Robotlar büyük bir doğruluk yüzdesi ile biyopsi yapabilmekte ve böylece ameliyatın daha hızlı, daha doğru ve daha güvenli yapılmasını sağlamaktadır. Robotlara işin nasıl yapılacağı bilgisayar tarafından öğretilir. Bir bilgisayar programı ile robotları kontrol etmek mümkündür. Bu program robota hareketin zamanı, yönü, mesafesi gibi konularda komut veren bir programdır. Bir kere programlandıktan sonra,robotların hareketlerini kontrol etmeye fazla ihtiyaç yoktur. 0 artık işini büyük bir titizlikle herhangi bir şey talep etmeden (yeme,içme gibi) yapmaya devam edecektir. Robotlar konusunda görülen bir diğer gelişme ise, robotlara bazı beşeri algılama becerisini yerleştirmektir. Daha önce açıklanan robotlar beşeri algılama becerilerine sahip olmadıklarından dolayı ancak tekdüze işleri yapma becerisine sahiptirler ve bu yüzden de bu tür robotlara "seç ve yerleştir" robotları denmektedir. Eğer bu robotlara görme, işitme, konuşma gibi beşeri algılama becerileri kazandırılırsa, bu robotların insan gibi davranması ve böylece bu robotlara akıllı denmesi de mümkün olabilecektir. Bugünkü teknoloji ile bir robotu görsel bir alt sistemle teçhiz edip, robotun belli standarttaki bir nesneden farklı nesneleri ayırt etmesi sağlanabilir. Doğal olarak, görsel sistem teknolojisindeki gelişmeler devam ettiği müddetçe, robotların tıpkı bir insan gibi işyerinde dolaşması da mümkün olabilecektir. Sonuç olarak, robot teknolojisindeki gelişmeler bilim-kurgu filmlerinde gördüğümüz kimi sahneleri gerçek hale getirecek gibi görünmektedir. Bu noktada, robotların işçi çıkarımına yol açacağı ve işsizlik sorununu yaratacağı konusunda kuşkular da bulunmaktadır. Fakat iktisadi hayatta yaşanan gerçekler bu kuşkunun ne denli yersiz olduğunu ortaya çıkarmıştır. Çünkü robot teknolojisinin gelişmesiyle yeni iş alanları doğmuştur. Robotların tasarımını, üretimini, satışını, montajını, programını, tamirini ve bakımını yapan insan gücüne ihtiyaç doğmuştur. Ayrıca robotlar maliyetlerde düşüş yaratarak, bazı işletmeleri iflas etmekten de kurtarmıştır. ABD'de bazı sendikaların işletmenin iflas etmesini ve işçilerin işini kaybetmesini önlemek için işverenin robot teknolojisini kullanmasına sıcak baktığı şeklindeki bazı haberler basında yer almaktadır. Dolayısıyla robot teknolojisi verimliliği arttırdığı müddetçe kullanılmaya devam edecek ve bu verimlilik artışı toplumun genelinde de bir refah artışı meydana getirecektir.

    *Yapay Zekanın Pazarlanması*

    1960'lardan itibaren bilim adamları düşünen makinaları oluşturma üzerinde zihin yorarken, yaptıkları işin müşteri bulup bulmayacağı konusunu pek önemsemediler. Örneğin,YZ nin ilk yıllarında, çoğu araştırmacı santraç yazılımı geliştirme üzerinde çalıştı. İlk santraç programlarının amacı kişilerin santraç oynama becerilerini bilgisayarınki ile kıyaslamasına imkan sağlamaktı. İlk santraç programları normal bir oyuncu ile baş edebilirken, bugünün programları büyük ustalarla başa çıkabilmektedir. Ticari açıdan değeri tartışmalı olmakla beraber bu alandaki araştırmalar bilim adamlarına insanın düşünce sisteminin daha iyi anlaşılmasında ve bu sürecin bilgisayarlar ve yazılımlar tarafından nasıl taklit edilmesi konusunda oldukça yararları olmuştur. 1960 ve 1970'li yıllarda, basit bir yapay zeka uygulamasını yapmak için milyonlarca dolar değerinde bilgisayar gerekiyordu. Fakat 1980'li yıllarda bilgisayar teknolojisinde sağlanan gelişmelerin sonucu olarak yapay zeka uygulamalarını kişisel bilgisayarlar ile ucuza yapabilmek mümkün olmuştur. Bunun sonucunda,1960'li yıllarda birdenbire çok sayıda YZ işletmesi ortaya çıktı.

    Birkaç yıl öncesine kadar, yapay zeka bilgisayar ve Yönetim Bilgi Sistemi (YBS) sektörlerinin gözdesi konumundaydı. Hemen hemen bu sektördeki her işletme aşırı zarar etmesine karşın, yatırımcılar kârın patlama yapacağı günlerin yakın olduğu konusundaki inançlarını devam ettirdiler. Fakat ağır zararla kapanan birbirini takip eden yıllar bu işletmelerin çoğunun iflas etmesine yol açtı. Gerçek bir kere daha yüzünü göstermişti. "insanlar kâr etmelerine Yardımcı olmayan programları alma konusunda istekli değillerdi." YZ araştırmacıları önce çözüm daha sonra sorun bulma yönteminin kârlı olmadığını yaşayarak öğrenmişlerdi. YZ işletmeleri piyasanın taleplerine cevap vermekten ziyade belli bir teknolojiyi zorla kabul ettirme stratejisini takip etmekle suçlanmaya başlayınca müşteri isteklerini ön plana almaya başladılar. 1987'den itibaren ayakta kalan işletmeler potansiyel müşterilerin ihtiyaçlarını karşılayan ürünler üzerine enerjilerini yoğunlaştırmaya başladı.

    YZ işletme yöneticileri, ticari yaşamda ayakta kalabilme yolunun verimliligi arttiran ya da karar verme sürecine yardimci olan ürünleri üretmekten geçtigini yaşayarak ögrenmişti...

    *BİLGİ TABANLI VE UZMAN SİSTEMLER*

    Günümüzün bilgisayarları muazzam işlem yapma kapasitesine sahip olmasına karşın, ne yazık ki öğrenme becerisine sahip değildir. Yapay zeka araştırmalarının bir kolu olan bilgi tabanlı sistemler bu olguyu değiştirmeye çalışmaktadır. YZ araştırmacıları bilgi tabanlı sistemlere iki temel beceriyi kazandırmayı amaçlamaktadır:

    1. İnsan muhakeme sistemini taklit edebilme,

    2. öğrenebilme,

    Bugünün çoğu bilgi tabanlı sistemi insan muhakeme sistemini taklit edebilmekle beraber öğrenebilme becerisi yönünden istenen düzeye gelebilmesi daha birkaç yıllık araştırmayı gerektirmektedir.

    *BİLGİ-TABANLI SİSTEMLER*

    EĞER-0 ZAMAN kurallarının belli bir problemi çözmek amacıyla önceden bilgisayara yerleştirildiği sisteme bilgi-tabanlı sistem denir. örneğin bir hastanın hastalığının teşhisi için geliştirilmiş "eğer-o zaman" kuralları bilgisayara yüklenip, bu kurallardan oluşmuş programla hastalık teşhis edilebiliyorsa bu sisteme bilgi-tabanlı sistem denilebilir. YBS ve karar destek sistemleri gibi bilgi tabanlı sistemler de gerçek bilgilere dayalı olup ayrıca onlardan farklı olarak yordamlama (höristik) bilgileri olan sezgi, yargı ve çıkarımdan da istifade etmeye çalışır. Hem gerçek bilgiler hem de yordamlama bilgileri belli bir alanda uzman olan "alan uzmanından" elde edilir. Bilgi- tabanlı sistem bu insan destekli bilgiyi belirli bir uzmanlık alanındaki insan düşünce sürecini örnek; almak için kullanır. Bu iş bir kere başarıldıktan sonra bilgi-tabanlı sistem çok bilgili bir karar verici kişinin mantığına yakın bir performans gösterebilir.

    *UZMAN SİSTEMLER*

    Uzman Sistem Nedir?

    Uygulamada,"uzman sistemler" ve "bilgi-tabanlı sistemler" aynı anlamda kullanılan terimlerdir. Teknik açıdan bakıldığında ise, uzman sistem bir bilgi-tabanlı sistemin en gelişmiş biçimidir. Bir uzman sistem sorulara cevap veren, açıklık getirmek için soru soran,tavsiyelerde bulunan ve karar verme sürecine yardımcı olan diyaloğa açık bir sistemdir. Daha az gelişmiş bilgi-tabanlı sistemlere ise yardımcı sistemler denilmektedir. Yardımcı sistem, kullanıcının göreceli olarak basit nitelikteki kararları vermesine yardımcı olan bir sistemdir. Yardımcı sistemler nihai kullanıcının belirli bir sorunu çözmekten ziyade muhakeme sürecinde yapabileceği bir hata olasılığını azaltma amacını gütmektedir. Uzman sistemleri, yardımcı sistemleri ve bunların arasındaki herhangi bir sistemi geliştirmek için ihtiyaç duyulan teknoloji aynı teknolojidir. Bu yüzden yukarıda bahsedilen kavram kargaşası ortaya çıkmaktadır. Uzman sistemler insan düşünce sürecini taklit etmeye çalışır, muhakeme edebilir,çıkarımda ve yargıda bulunabilir. Günümüzde uzman sistemler değişik bilim dallarında karar vermeye yardımcı olarak kullanılmaktadır. Örneğin,tıbbi teşhiste,petrol araştırmasında,finansal planlamada, vergi hesaplamada,kimyasal analizde,cerrahide,lokomotif onarımında,hava tahmininde, bilgisayar tamiratında, uydu onarımında, bilgisayar sistemlerinin tasarımında, nükleer santrallerin işletilmesinde,devlet yasalarını yorumlamada ve daha nice alanlarda etkin bir biçimde kullanılmaktadır.

    *Uzman Sistemlerin Sağladığı Faydalar*

    Uzman sistemlerin sağladığı faydalar diğer karar destek ve yönetim bilgi sistemlerinden biraz daha farklıdır.

  • Uzman sistemler uzman şahislarin bilgisini yeri gelince kullanmak üzere depolanmasina imkan verir. Belli bir uzman şahsin konusu ile ilgili sahip oldugu bilgileri uzman sistem olarak kullanmak mümkündür. Örnegin bir iş yerinde alaniyla ilgili tercüman olan bir şahsin o işten emekli olmasi işletme açisindan büyük sorun yaratmasi bekleniyorsa, bu şahsin sahip oldugu bilgileri uzman sistem haline getirmek etkili bir çözüm olabilir.
  • Bir tek uzman sistemden birden fazla kullanıcının yararlanması,mümkündür.
  • Uzman sistemler karar vericilerin performans ve üretkenliğini arttırır.
  • Uzman sistemler belli bir konu ile ilgili karar verme sürecinde insanların aksine istikrarlı ve tutarlıdır. Yani,uzman sistem belli bir karar verme durumunda her zaman aynı bilgiyi verir.
  • Uzman sistemler kritik şahislara olan bagimliligi azaltir. Insanlar emekli olabilir, hasta düşebilir, izne çikabilir veya işten ayrilabilir. Bilgisayarlar ise çay molasi bile istemez. Onlardan her zaman yararlanmak mümkündür.
  • Uzman sistemlerden karar vericileri eğitmek üzere de istifade etmek mümkündür.
  • Uzman sistemler ile karar destek sistemleri {PERT ve CPM yazılımları gibi) arasındaki diğer farklılıklar aşağıda özetlenmiştir.

    Nitelikler Karar Destek Sistem Uzman Sistem

    Amaçlar Karar vericiye yardımcı olmak Bir uzmanın yerini almak.

    Kim karar verir? Karar verici şahis ya da sistem Sistem

    Temel hedef Karar verme Bireysel uzmanlığı sisteme

    transfer etme

    Temel yönlendirme Karar verici bilgisayarı Bilgisayar karar

    istikameti yönlendirir. vericiyi yönlendirir.

    Desteğin kapsamı Birey,grup ya da kurum Birey Ya da gruplar

    Veri işleme yöntemi Rakamsal (Nümerik) Sembolik (Genelde)

    Problem alanının Karmaşık ve geniş Dar

    niteliği

    Problemin türü Özel, tekrarı az olan Sürekli ortaya çıkan sorun

    Veri tabanının içeriği İşlemsel süreçle ilgili İşlemsel süreçle ilgili

    bilgi yok bilgi var

    Muhakeme yeteneği Yok Var ama sınırlı

    Açıklama getirme Sınırlı Var

    yeteneği

    *Uzman Sistemlerden Hangi Koşullarda Yararlanılmalı*

    Uzman sistemler ancak gerekli olduğu zamanlarda kullanılmalıdır. Bazı işletmelerin bulunduğu koşullar, uzman sistemin kullanılmasını gerek maliyet gerekse sağlanan faydanın önemsiz olması Yüzünden haklı kılmayabilir. Uzman sistemlerden ancak bu koşullar altında yararlanılması tavsiye edilmektedir:

  • İşin tekdüzeliğine bağlı olarak uzman sistemin sık sık kullanılmasına gereksinim duyuluyorsa ve kullanıcı sayısı uzman sistemin kullanılmasını maliyet boyutunda ekonomik kılacak kadar fazla sayıda ise,
  • Karar verme durumu karmaşiksa(basit durumlar için basit bir bilgisayar programindan da
  • yararlanılabilir.)

  • Karar verme mantığı bir kural hiyerarşisine dönüştürülebiliyorsa
  • Uygulama öneri,sınıflama,teşhis,yorum,açıklama,çözüm yolu seçme, durumu değerlendirmede tahmin etme üzerinde yoğunlaşıyorsa,
  • Uzman Sistemin Yapısı

    Bir uzman sistemin yapısı,uzman sistem bilgi elde etme ünitesi, bilgi tabanı,çıkarım sistemi ve kullanıcı ile iletişim ünitesinden oluşur.

    BİLGİ ELDE ETME ÜNİTESİ: Bu ünite bilgi tabanını oluşturan birimdir. Bilgi tabanı bir bilgi mühendisi ile bir veya birden fazla konu ile ilgili uzman şahsın(alan uzmanı)koordineli çalışması sonucunda yaratılır. Bilgi mühendisi, uzman sistemin çalışma esası ve mülakat teknikleri konusunda eğitim görmüş bir insandır. Başlangıç görüşmelerinde alan uzmanı belirli bir sorunun nasıl çözülmesi konusunda bildiği her şeyi bilgi mühendisine anlatır. Başlangıçta yapılan mülakatların sonucunda elde edilen bilgiler genellikle elastik ve sistemsizdir. İkinci aşamada, bilgi mühendisi alan uzmanını iş yerinde gözlemler ve bu esnada da daha fazla bilgi almak ve mevcut kuralların yeterli ve doğru olduğunu teyit etmek için alan uzmanına sürekli soru sorar. Bu aşama genelde bir yıl kadar uzun sürer. Bilgi mühendisi alan uzmanının konu ile ilgili tespit ve kurallar setini uzman sisteme bilgi tabanı olarak aktarmaya çalışır. Bilgi tabanındaki bilgiler EĞER-0 ZAMAN kuralları şeklinde yer alır.

  • "Eğer" bölümü durumu açıklar,
  • "0 zaman" bölümü sonuç veya amacı izah eder.
  • Bilgi tabanında yer alan bir kurala şöyle bir örnek verebiliriz: "Eğer bir müşterinin aylık geliri bankaya yapılan aylık ödemenin 3 katından daha az ise, o zaman müşterinin kredi geçmişini incele". Sonuçta, elde edilen bilgi tabanı öyle bir kural seti olacaktır ki, bunu doğrudan iletmenin veri tabanından veya uygulamada kullanılan kurallardan müşahide etmek mümkün değildir.

    BİLGİ TABANI: Bilgi tabanı veri tabanından farklı bir kavramdır. Klasik veri

    tabanının konusu öğeler arasındaki durağan ilişkiler ile ilgili verilerdir. örneğin, bir

    iş gören kaydi ile iş görenin işi ve ücreti alanlari arasinda sabit bir ilişki vardir. Öte

    yandan bilgi tabanındaki bilgiler şu tür bilgilerden oluşur:

  • Çözülecek problem ya da problemlerin belirlenmesi,
  • Problem ya da problemlere çözüm yolları,
  • Problemden çözüme doğru nasıl ilerlemeli (tespit ve kurallar seti aracılığıyla)
  • Bilgi tabanının içerdiği bilgiler zamanla yaşanan tecrübelere bağlı olarak artış gösterir. Bazı kurallar atılır yerine yenileri ikmal edilebilir.

    ÇIKARIM SİSTEMİ:Çıkarım sistemi bir uzman sistemin çekirdeğidir. Bilgi tabanında yer alan tespit ve kuralların belli bir soruna tatbik edilmesini sağlayan araçtır. Bu sistemde uzman sisteme muhakeme yeteneği kazandırılır. Bu muhakeme gücü kullanıcıya bir mantık silsilesinin sunulması ile sağlanır ve böylece çözüme ulaşılır. Bir çıkarım sisteminin muhakeme becerisi ileri zincir ya da geri zincir çıkarım süresinin birlikte ya da tek başına kullanılması esasına dayanır. İleri zincirde, uzman sistem nihai kullanıcıdan bilgiler alır ve çözüme ulaşıncaya kadar bilgi tabanından duruma uygun kuralları sırası ile takip eder. Bu süreç esnasında sürekli olarak kullanıcı ile uzman sistem arasında iletişim vardır ve bu iletişim önceden yerleştirilmiş kurallar setinin oluşturduğu mantık silsilesine göre yürütülür. Geri zincir çıkarım sürecinde ise ileri zincirin tam zıttı bir yaklaşım kullanılır. Sistem nihai kullanıcıya istediği hedef ya da sonucu sorar ve daha sonra "Eğer-o zaman" mantık silsilesine geri dönerek uzatılmak istenen hedef ya da sonucun doğru olup olmadığını araştırır. Eğer bilgi tabanındaki "Eğer-o zaman" kurallar seti hedef ya da sonuç ile uyuşuyorsa, kullanıcı tarafından saptanan hedef ya da sonuç, sorunun çözümü demektir.

    KULLANICI İLE İLETİŞİM ÜNİTESİ:Yordamlama süreci biçimsel değildir, yani, bir sorunu çözmek için geliştirilmiş yazılı bir algoritma yoktur. Bir uzman sistem bir strateji ise yarattığı süreci kullanmaya devam eder. Sistemde yeni bir stratejiye dönüş seçeneği her zaman mevcuttur. Bu yordamlama süreci bu yüzden her zaman kullanıcı ile iletişime gereksinim duyar. Kullanıcı ile iletişim sayesinde nihai kullanıcı uzman sisteme sorunu ya da hedefi belirtir. Kullanıcı ile iletişim ünitesi aracılığıyla kullanıcı ile uzman sistem arasında iletişim kurulur ve böylece çözüme ulaşılmaya çalışılır.

    Yapay zeka olarak adlandırılan alanda, araştırmacıların çabası muhakeme Yeteneği olan, bilgi üretebilen veya öğrenebilen, kendini daha iyiye götürme çabası olan ve beceri algılama ile mekanik yetenekleri taklit edebilen sistemleri geliştirmektir. Genel olarak, uzman sistemler, doğal diller, beşeri algılama yeteneklerinin simülasyonu ve robotikler olarak çalışmaların gruplandırıldığı yapay zeka alanında gelinen nokta, gelecekte yapılacak çalışmaları teşvik edici bir görünüm arz etmektedir. İleride, hemen hemen her uzmanlık alanında danışabileceğimiz ya da bir programlama diline ihtiyaç duymadan doğal dilimizle iletişim kurabileceğimiz bir bilgisayarı kullanabileceğimizi ya da görebilen,konuşa-bilen veya işitebilen bir robotun iş yerinde iş arkadaşımız olabileceğini söylemek kehanet olmasa gerekir...

    KAYNAK : Planagement Informatıon Systems/LORRY LONG,1989

    Günümüzdeki hızlı teknolojik gelişmeler, gündelik yaşantımızı olduğu kadar işletmeleri de büyük ölçüde etkilemektedir. İşletmeler bu gelişmenin ortaya çıkardığı ürünleri, üretim, planlama, kontrol vb. alanlarda kullanmaktadırlar. Çoğu zaman işletmeler, teknolojik gelişmeler karşısındaki hıza ayak uyduramamakta ve ileri teknolojileri kullanan rakipleri karşısında zorlanmaktadırlar. Özellikle son yıllarda bilgisayar bilimlerinde, yazılım ve donanım alanında çok hızlı gelişmeler yaşanmaktadır. Bilgisayar kullanımının hızla yaygınlaşması ve yeni ortaya çıkan yazılımların, daha üst seviyelerde donanıma ihtiyaç göstermesi ile yeni ürünlere olan talep de artmaktadır.

    Bilgisayar bilimlerindeki bu ilerleme, insan gibi düşünen ve davranan sistemlerin geliştirilmesine yönelik olarak, 1950'li yıllardan beri sürmektedir. Yapay zeka olarak isimlendirilen bu alan, insan düşünme ve davranışlarını taklide yönelik olduğundan, nöroloji, psikoloji ve mühendislik gibi farklı disiplinleri kapsayan geniş bir alana yayılmıştır.

    İnsan gibi düşünebilen ve davranabilen sistemlerin geliştirilmesi için yapılan çalışmalarda bugün için gelinen nokta, henüz yapay zekanın tam olarak geliştirilememiş olmasıdır. Yapay zekanın yapılabilirliği üzerinde yapılan felsefi tartışmalar bir yana, düşüncenin salt fiziksel süreçlere indirgenebildiği kabul edilse bile, henüz beynin tüm fonksiyonları tam olarak çözülemediğinden, bugün için yapılabilmesi henüz mümkün gözükmemektedir. Fakat konu üzerinde yapılan çalışmalar farklı alanlarda hızla devam etmektedir. Burada şunu da belirtmek gerekir ki, yapay zekanın yapılamayacağını savunanlar, konu üzerinde karşıt görüşlü araştırmacılar ile aynı araştırma ve geliştirme çalışmalarını yürütmektedirler. Çünkü her iki tür araştırmacının yapmaya çalıştıkları şey gözlemlenebilen nesnel olayların benzerini yapabilmektedir. Bu olayların, yani düşüncenin beyinde gözlenebilen fiziksel süreçlere indirgenerek bir algoritmasının oluşturulup oluşturulamayacağı felsefi bir yorumdur.

    Yapay zeka disiplini altında onu destekleyen farklı alanlar bulunmaktadır. Teorik olarak yapay zeka yapılsa, onun fayda sağlayabilmek için gerçek dünya ile iletişim içinde olması gerekir, aynı insanın beş duyu organına sahip olduğu gibi. İşte robotik, bulanık mantık, sinirsel ağlar ve doğal arabirimler üzerinde yapılan çalışmalar, yapay zeka disiplinini bu alanlarda desteklemektedirler.

    Bulanık mantık üzerinde yapılan çalışmalarla, sistemin insanlar gibi sembollerle düşünebilmesi, aynı zamanda eksik verilerle çalışabilmesinin alt yapısı hazırlanmaktadır. Sinirsel ağlar öğrenebilen sistemlerin temelini oluşturmaktadır. Robotik ile insan davranışlarının taklidi sağlanmakta, doğal arabirimlerle, sistemin çevre ile doğal bir şekilde karşılıklı ilişkiye girebilmesinin sağlanmasına çalışılmaktadır.

    Bu farklı alanlarda yapılan çalışmaların ortaya çıkardığı teknolojik ürünler, işletmelerde de sıklıkla kullanılmaktadır. Çünkü ortaya çıkan ürünler, insan özelliklerinin sınırlı da olsa belli bir kısmına sahip olabildiğinden, belirli işlerde insanların yerine onlardan daha verimli olarak kullanılmaktadır. Bu ise yönetim açısından bakıldığında, işletme de verimlilik artışı ve hata oranları ve birtakım diğer masraflarda azalmalara sebep olduğundan oldukça önemlidir. Yönetim açısından aynı oranda dikkat gösterilmesi gereken nokta, yeni teknolojilerin kullanılabilmesine yönelik, çalışanların eğitilmeleri ve çalışanların gelişen teknolojiye uyumunun sağlanması konusudur. Yapay zeka konusunda temel bilgileri içeren bu sayfaların yayınlanması düşüncesi, yine bu sayfalarda okuyacağınız konuların araştırılması aşamasında bu konuda yeterli Türkçe kaynak bulunmadığını görmemizden doğdu. Evet, onlarca arama sitesinde, milyonlarca YZ ile ilgili doküman arasında yaptığımız araştırmalarda parmakla sayılacak kadar az ve genelde temel anlamda bile bilgi içermeyen birkaç Türkçe doküman bulabildik. Sayfalarımızın bu konudaki boşluğu doldurduğunu iddia etmemekle birlikte, YZ konusunda daha geniş kapsamlı bilgilere ulaşılabilecek Türkçe içerikli sayfaların hazırlanması konusunda bir öncü olmasını diliyor, bilgiye önem veren herkesi selamlıyoruz.

    Erhan ALTUNTAŞ email:e_altuntas@hotmail.com

    Tuncay ÇELİK email:celik27@hotmail.com

    *1.Tanımı*

    Yapay zeka, insanın düşünme yapısını anlamak ve bunun benzerini ortaya çıkaracak bilgisayar işlemlerini geliştirmeye çalışmak olarak tanımlanır. Yani programlanmış bir bilgisayarın düşünme girişimidir. Daha geniş bir tanıma göre ise, yapay zeka, bilgi edinme, algılama, görme, düşünme ve karar verme gibi insan zekasına özgü kapasitelerle donatılmış bilgisayarlardır.

    *2.Gelişim Süreci*

    Yapay zeka konusundaki ilk çalışma McCulloch ve Pitts tarafından yapılmıştır. Bu araştırmacıların önerdiği, yapay sinir hücrelerini kullanan hesaplama modeli, önermeler mantığı, fizyoloji ve Turing'in hesaplama kuramına dayanıyordu. Her hangi bir hesaplanabilir fonksiyonun sinir hücrelerinden oluşan ağlarla hesaplanabileceğini ve mantıksal "ve" ve "veya" işlemlerinin gerçekleştirilebileceğini gösterdiler. Bu ağ yapılarının uygun şekilde tanımlanmaları halinde öğrenme becerisi kazanabileceğini de ileri sürdüler. Hebb, sinir hücreleri arasındaki bağlantıların şiddetlerini değiştirmek için basit bir kural önerince, öğrenebilen yapay sinir ağlarını gerçekleştirmek de olası hale gelmiştir. 1950'lerde Shannon ve Turing bilgisayarlar için satranç programları yazıyorlardı. İlk yapay sinir ağı temelli bilgisayar SNARC, MIT'de Minsky ve Edmonds tarafından 1951'de yapıldı. Çalışmalarını Princeton Üniversitesi'nde sürdüren Mc Carthy, Minsky, Shannon ve Rochester'le birlikte 1956 yılında Dartmouth'da iki aylık bir workshop düzenledi. Bu toplantıda bir çok çalışmanın temelleri atılmakla birlikte, toplantının en önemli özelliği Mc Carthy tarafından önerilen Yapay zeka adının konmasıdır. İlk kuram ispatlayan programlardan Logic Theorist (Mantık kuramcısı) burada Newell ve Simon tarafından tanıtılmıştır. Daha sonra Newell ve Simon, "insan gibi düşünme" yaklaşımına göre üretilmiş ilk program olan General Problem Solver (Genel sorun çözücü) 'ı geliştirmişlerdir. Simon, daha sonra fiziksel simge varsayımını ortaya atmış ve bu kuram, insandan bağımsız zeki sistemler yapma çalışmalarıyla uğraşanların hareket noktasını oluşturmuştur. Bundan sonraki yıllarda mantık temelli çalışmalar egemen olmuş ve programların başarımlarını göstermek için bir takım yapay sorunlar ve dünyalar kullanılmıştır. Daha sonraları bu sorunlar gerçek yaşamı hiçbir şekilde temsil etmeyen oyuncak dünyalar olmakla suçlanmış ve yapay zekanın yalnızca bu alanlarda başarılı olabileceği ve gerçek yaşamdaki sorunların çözümüne ölçeklenemeyeceği ileri sürülmüştür.

    Geliştirilen programların gerçek sorunlarla karşılaşıldığında çok kötü bir başarım göstermesinin ardındaki temel neden, bu programların yalnızca sentetik bir şekilde çalışıp konu ile ilgili bilgileri kullanmamasıydı. Bu dönemin en ünlü programlarından Weizenbaum tarafından geliştirilen Eliza, karşısındaki ile sohbet edebiliyor gibi görünmesine karşın, yalnızca karşısındaki insanın cümleleri üzerinde bazı işlemler yapıyordu. İlk makine çevirisi çalışmaları sırasında benzeri yaklaşımlar kullanılıp çok gülünç çevirilerle karşılaşılınca bu çalışmaların desteklenmesi durdurulmuştur. Zeki davranışı üretmek için bu çalışmalarda kullanılan temel yapılardaki bazı önemli yetersizliklerin de ortaya konmasıyla bir çok araştırmacılar çalışmalarını durdurdular. Buna en temel örnek, sinir ağları konusundaki çalışmaların Minsky ve Papert'in 1969'da yayınlanan Perceptrons adlı kitaplarında tek katmanlı algaçların bazı basit problemleri çözemeyeceğini gösterip aynı kısırlığın çok katmanlı algaçlarda da beklenilmesi gerektiğini söylemeleri ile bıçakla kesilmiş gibi durmasıdır. Her sorunu çözecek genel amaçlı program yerine belirli bir uzmanlık alanındaki bilgiyle donatılmış programlar kullanma fikri yapay zeka alanında yeniden bir canlanmaya yol açtı. Kısa sürede uzman sistemler adı verilen bir metodoloji gelişti. Fakat burada çok sık rastlanan tipik bir durum, bir otomobilin tamiri için önerilerde bulunan uzman sistem programının otomobilin ne işe yaradığından haberi olmamasıydı. İnsanların iletişimde kullandıkları Türkçe, İngilizce gibi doğal dilleri anlayan bilgisayarlar konusundaki çalışmalar bu sıralarda hızlanmaya başladı. Doğal dil anlayan programların dünya hakkında genel bilgiye sahip olması ve bu bilgiyi kullanabilmek için genel bir metodolojisi olması gerektiği belirtilmekteydi. Uzman dizgelerin başarıları beraberinde ilk ticari uygulamaları da getirdi. Yapay zeka yavaş yavaş bir endüstri haline geliyordu. DEC tarafından kullanılan ve müşteri siparişlerine göre donanım seçimi yapan R1 adlı uzman sistem şirkete bir yılda 40 milyon dolarlık tasarruf sağlamıştı. Birden diğer ülkelerde yapay zekayı yeniden keşfettiler ve araştırmalara büyük kaynaklar ayrılmaya başlandı. 1988'de yapay zeka endüstrisinin cirosu 2 milyar dolara ulaşmıştı. Bütün bu çalışmaların sonunda yapay zeka araştırmacıları iki guruba ayrıldılar. Bir gurup insan gibi düşünen sistemler yapmak için çalışırken, diğer gurup ise rasyonel karar verebilen sistemler üretmeyi amaçlamaktaydı. Aşağıda bu yaklaşımları kısaca inceleyeceğiz.

    İnsan gibi düşünen sistemler

    İnsan gibi düşünen bir program üretmek için insanların nasıl düşündüğünü saptamak gerekir. Bu da psikolojik deneylerle yapılabilir. Yeterli sayıda deney yapıldıktan sonra elde edilen bilgilerle bir kuram oluşturulabilir. Daha sonra bu kurama dayanarak bilgisayar programı üretilebilir. Eğer programın giriş/çıkış ve zamanlama davranışı insanlarınkine eşse programın düzeneklerinden bazılarının insan beyninde de mevcut olabileceği söylenebilir. İnsan gibi düşünen sistemler üretmek bilişsel bilimin araştırma alanına girmektedir. Bu çalışmalarda asıl amaç genellikle insanın düşünme süreçlerini çözümlemede bilgisayar modellerini bir araç olarak kullanmaktır.

    İnsan gibi davranan sistemler

    Yapay zeka araştırmacılarının baştan beri ulaşmak istediği ideal, insan gibi davranan sistemler üretmektir. Turing zeki davranışı, bir sorgulayıcıyı kandıracak kadar bütün bilişsel görevlerde insan düzeyinde başarım göstermek olarak tanımlamıştır. Bunu ölçmek için de Turing testi olarak bilinen bir test önermiştir. Turing testinde denek, sorgulayıcıyla bir terminal aracılığıyla haberleşir. Eğer sorgulayıcı, deneğin insan mı yoksa bir bilgisayar mı olduğunu anlayamazsa denek Turing testini geçmiş sayılır.

    Turing, testini tanımlarken zeka için bir insanın fiziksel benzetiminin gereksiz olduğunu düşündüğü için sorgulayıcıyla bilgisayar arasında doğrudan fiziksel temastan söz etmekten kaçınmıştır. Burada vurgulanması gereken nokta, bilgisayarda zeki davranışı üreten sürecin insan beynindeki süreçlerin modellenmesiyle elde edilebileceği gibi tamamen başka prensiplerden de hareket edilerek üretilmesinin olası olmasıdır.

    Rasyonel düşünen sistemler

    Bu sistemlerin temelinde mantık yer alır. Burada amaç çözülmesi istenen sorunu mantıksal bir gösterimle betimledikten sonra çıkarım kurallarını kullanarak çözümünü bulmaktır. Yapay zekada çok önemli bir yer tutan mantıkçı gelenek zeki sistemler üretmek için bu çeşit programlar üretmeyi amaçlamaktadır. Bu yaklaşımı kullanarak gerçek sorunları çözmeye çalışınca iki önemli engel karşımıza çıkmaktadır. Mantık, formel bir dil kullanır. Gündelik yaşamdan kaynaklanan, çoğu kez de belirsizlik içeren bilgileri mantığın işleyebileceği bu dille göstermek hiç de kolay değildir. Bir başka güçlük de en ufak sorunların dışındaki sorunları çözerken kullanılması gerekecek bilgisayar kaynaklarının üstel olarak artmasıdır.

    Rasyonel davranan sistemler

    Amaçlara ulaşmak için inançlarına uygun davranan sistemlere rasyonel denir. Bir ajan algılayan ve harekette bulunan bir şeydir. Bu yaklaşımda yapay zeka, rasyonel ajanların incelenmesi ve oluşturulması olarak tanımlanmaktadır. Rasyonel bir ajan olmak için gerekli koşullardan biri de doğru çıkarımlar yapabilmek ve bu çıkarımların sonuçlarına göre harekete geçmektir. Ancak, yalnızca doğru çıkarım yapabilmek yeterli değildir. Çünkü bazı durumlarda doğruluğu ispatlanmış bir çözüm olmadığı halde gene de bir şey yapmak gerekebilir. Bunun yanında çıkarımdan kaynaklanmayan bazı rasyonel davranışlar da vardır. Örneğin, sıcak bir şeye değince insanın elini çekmesi bir refleks harekettir ve uzun düşünce süreçlerine girmeden yapılır. Bu yüzden yapay zekayı rasyonel ajan tasarımı olarak gören araştırmacılar, iki avantaj öne sürerler. Birincisi "düşünce yasaları" yaklaşımından daha genel olması, ikincisi ise bilimsel geliştirme yöntemlerinin uygulanmasına daha uygun olmasıdır.

    Şimdi ise farklı disiplinler açısından yapay zeka yaklaşımları anlatılacaktır.

    *3.Yapay Zekaya Farklı Yaklaşımlar*

    1.Matematiksel Yaklaşım

    Kaos teorisinin beynin üst düzey fonksiyonlarının modellenmesinde önemli bir rol oynayacağı düşünülmektedir. İnsan beyni gibi bir fonksiyon üstlenmesine çalışılan bir sistemin tasarlanmasındaki çabalar için, kuşkusuz kaos teorisi çok önemli bir yer tutmaktadır. Çünkü tasarılar ortaya konulacak modelleri temel almaktadır. Kaos teorisi, sayısal bilgisayarların ve onların çıktılarını çok kolay görülebilir hale getiren ekranların ortaya çıkmasıyla gelişti ve son on yıl içinde popülerlik kazandı. Ancak kaotik davranış gösteren sistemlerde kestirim yapmanın imkansızlığı bu popüler görüntüyle birleşince, bilim adamları konuya oldukça kuşkucu bir gözle bakmaya başladılar. Fakat son yıllarda kaos teorisinin ve onun bir uzantısı olan fraktal geometrinin, borsadan meteorolojiye, iletişimden tıbba, kimyadan mekaniğe kadar uzanan çok farklı dallarda önemli kullanım alanları bulması ile bu kuşkular giderek yok olmaktadır. Teoriye temel oluşturan matematiksel ve temel bilimsel bulgular, 18.yüzyıla, hatta bazı gözlemler antik çağlara kadar geri gidiyor. Yunan ve Çin mitolojilerinde yaradılış efsanelerinde başlangıçta bir kaosun olması rastlantı değil. Özellikle Çin mitolojisindeki kaosun, bugün bilimsel dilde tanımladığımız olgularla hayret verici bir benzerliği olduğunu görüyoruz. Batıda da daha sonraki dönemlerde bilim adamları tarafından karmaşık olgulara dair gözlemler yapılmıştır. Poincare, Weierstraas, von Koch, Cantor, Peano, Hausdorff, Besikoviç gibi çok üst düzey matematikçiler tarafından bu teorinin temel kavramları oluşturulmuştur. Karmaşık sistem teorisinin ardında yatan yaklaşımı felsefe, özellikle de bilim felsefesi açısından inceleyecek olursak, ortaya ilginç bir olgu çıkıyor. Aslında bugün pozitif bilim olarak nitelendirdiğimiz şey, batı uygarlığının ve düşünüş biçiminin bir ürünüdür. Bu yaklaşımın en belirgin özelliği, analitik oluşu yani parçadan tüme yönelmesi (tümevarım). Genelde karmaşık problemleri çözmede kullanılan ve bazen çok iyi sonuçlar veren bu yöntem gereğince, önce problem parçalanıyor ve ortaya çıkan daha basit alt problemler inceleniyor. Sonra, bu alt problemlerin çözümleri birleştirilerek, tüm problemin çözümü oluşturuluyor. Ancak bu yaklaşım görmezden gelerek ihmal ettiği parçalar arasındaki ilişkilerdir. Böyle bir sistem parçalandığında, bu ilişkiler yok oluyor ve parçaların tek tek çözümlerinin toplamı, asıl sistemin davranışını vermekten çok uzak olabiliyor. Tümevarım yaklaşımının tam tersi ise tümevarım, yani bütüne bakarak daha alt olgular hakkında çıkarsamalar yapmak. Genel anlamda tümevarımı Batı düşüncesinin, tümdengelimi Doğu düşüncesinin ürünü olarak nitelendirmek mümkündür. Kaos yada karmaşıklık teorisi ise, bu anlamda bir doğu-Batı sentezi olarak görülebilir. Çok yakın zamana kadar pozitif bilimlerin ilgilendiği alanlar doğrusallığın geçerli olduğu, daha doğrusu çok büyük hatalara yol açmadan varsayılabildiği alanlardır. Doğrusal bir sistemin girdisini x, çıktısını da y kabul edersek, x ile y arasında doğrusal sistemlere özgü şu ilişkiler olacaktır:Eğer x1'e karşılık y1, x2'ye karşılık y2 elde ediyorsak, girdi olarak x1+x2 verdiğimizde, çıktı olarak y1+y2 elde ederiz. Bu özellikleri sağlayan sistemlere verilen karmaşık bir girdiyi parçalara ayırıp her birine karşılık gelen çıktıyı bulabilir, sonra bu çıktıların hepsini toplayarak karmaşık girdinin yanıtını elde edebiliriz. Ayrıca, doğrusal bir sistemin girdisini ölçerken yapacağımız ufak bir hata, çıktının hesabında da başlangıçtaki ölçüm hatasına orantılı bir hata verecektir. Halbuki doğrusal olmayan bir sistemde y'yi kestirmeye çalıştığımızda ortaya çıkacak hata, x'in ölçümündeki ufak hata ile orantılı olmayacak, çok daha ciddi sapma ve yanılmalara yol açacaktır. İşte bu özelliklerinden dolayı doğrusal olmayan sistemler kaotik davranma potansiyelini içlerinde taşırlar. Kaos görüşünün getirdiği en önemli değişikliklerden biri ise, kestirilemez determinizmdir. Sistemin yapısını ne kadar iyi modellersek modelleyelim, bir hata bile (Heisenberg belirsizlik kuralına göre çok ufak da olsa, mutlaka bir hata olacaktır), yapacağımız kestirmede tamamen yanlış sonuçlara yol açacaktır. Buna başlangıç koşullarına duyarlılık adı verilir ve bu özellikten dolayı sistem tamamen nedensel olarak çalıştığı halde uzun vadeli doğru bir kestirim mümkün olmaz. Bugünkü değerleri ne kadar iyi ölçersek ölçelim, 30 gün sonra saat 12'de hava sıcaklığının ne olacağını kestiremeyiz.

    Kaos konusunda bu uzun girişten sonra konunun beyinle ilişkisine gelelim. Beynin fizik yapısı ve görünüşü fraktaldır. Bu yapı, beynin gerek evrimsel, gerekse canlının yaşamı sürecindeki gelişimin ürünüdür ki, bu gelişimin deterministik (genlerle belirli), ancak çevre ve başlangıç koşullarına son derece duyarlı, yani kaotik olduğu açıktır. Beynin yalnızca oluşumu değil, çalışma biçimi de kaotiktir. Beyni oluşturan inanılmaz

    boyuttaki nöron ağının içinde bilgi akışı kaotik bir şekilde gerçekleşir. Kaotik davranışın tarama özelliği ve bunun getirdiği uyarlanırlık (adaptivite) sayesinde, beyin çok farklı durumlara uyum sağlar, çok farklı problemlere çözüm getirebilir, çok farklı fonksiyonları gerçekleştirir.

    EEG sinyalleri üzerine yapılan araştırmalar göstermiştir ki, sağlıklı bir insanın sinyalleri kaotik bir davranış gösterirken, epilepsi krizine girmiş bir hastanın sinyalleri çok daha düzenli, periyodik bir davranış sergilemektedir. Yani epilepsi krizindeki hastanın beyni, kendini tekrarlayan bir davranışa takılmış ve kaotik (yani sağlıklı) durumda sahip olduğu adaptivite özelliğini yitirmiştir. Bunun sonucu hasta, kriz sırasında en basit fonksiyonlarını bile yerine getiremez olur.

    Kaos bilimini ortaya çıkaran, karmaşık olguları basit parçalara ayırmak yerine onları bir bütün olarak görme eğilimi, beyni inceleyen bilim adamlarının da yaklaşımını belirlemiştir. Eskiden beyin farklı fonksiyonlardan sorumlu merkezler şeklinde modellenirken, artık holistik (bütünsel) beyin modeli geçerlilik kazanmıştır. Bu modele göre herhangi bir işlev gerçekleştirilirken, beynin tümü bu olguya katılmaktadır. Önümüzdeki yıllarda beynin yalnız alt düzey fizyolojik işleyişinin değil, öğrenme, hatırlama, fikir yürütme gibi üst düzey işlevlerinin de modellenmesinde kaosun çok önemli bir rol oynayacağı görülmektedir.

    2.Fiziksel Yaklaşım

    Tüm vücut fonksiyonları en temelde fiziğe dayanır. Fakat burada fiziğin oynadığı rol nedir? Bu, "taşı bıraktım yere düştü" tarzında bir fizik değildir. Böyle olsaydı beyin bugüne kadar çok kolay çözülürdü, hatta Descartes bile belki çözmüş olurdu. Söz konusu olan, son yetmiş yıl içinde fizikçilerin kullanmakta olduğu ve doğayı matematiksel bir yapı çerçevesinde anlayıp anlatabilme yöntemi olan kuantum mekaniğinin özellikleri ile durumu bağdaştırabilmektir. Bir masa üzerinde duran nesneyi yerçekimi çeker ama masa buna karşı gelir. Dolayısıyla nesne üzerine uygulanan toplam kuvvet sıfırdır. Üzerindeki koşullar böyle devam ettiği sürece, istediği gibi hareket edebilir. Yani biraz dokunulsa ve sürtünme olmasa nesne teorik olarak sonsuza kadar hareket edecek. Oysa kuantum mekaniğine göre serbest parçacık olarak algıladığımız bir nesne, yani üzerinde hiçbir dış etki olmayan nesne, her yerde olabilir. Ama doğanın bunun üzerinde etkili olan sayısal özellikleri, ancak; atomlar ve atom altı nesneler düzeyinde kendini gösterebiliyor. Cisimlerin boyutları büyüdükçe bu etkiler bazı karmaşıklıkların arasında yok oluyor, o zaman bu nesnelerde koyduğumuz yerde duruyorlar. Fakat bir elektronu siz şuraya koydum diyemiyorsunuz; üzerinde hiçbir kuvvet olmayan bir elektron, evrende herhangi bir yerde bulunabiliyor. Bunu gördüm, buldum dediğiniz anda, o herhangi yerlerden bir tanesi gerçekleşmiş oluyor. Tüm diğer yerlerin serbest bir elektronun yeri olarak ortaya çıkma olasılığı aynı, eşit. Bir elektronun bir atom içinde sahip olabileceği fiziksel durumlar enerji, momentum, açısal momentum gibi fiziksel parametrelerle belirleniyor. Kuantum mekaniği bu değerlerin belli nitelikler taşımasını gerektiriyor. Sistemin bu değerlerle belirlenen fiziksel durumların hangisinde bulunduğunu, ölçme yapmadan bilemiyoruz. Elektronun nerede olduğunu ya da ölçtüğümüzde, ölçmeden önce -diyelim ki milyarda bir saniye önce- orada olduğundan bile emin değiliz. Kuantum mekaniğinin hesaplayabilirliği bu kadar. Evet, kuantum mekaniğinde bir hesaplanamazlık var. Zihin fonksiyonlarında da bir hesaplanamazlık var. Beyin demiyoruz, çünkü bunun fonksiyonlarının bir kısmı, organları denetleyen istemsiz kısmı belki daha kolay anlaşılıyor. Ama burada söz konusu olan, kollara ve bacaklara emir verme, karar verme mekanizması. Bu nasıl fizikle açıklanabilecek? İşte zorluk burada ve kuantum mekaniği burada devreye giriyor. Zihin bir çok şeyi algılıyor, bunları bir şekilde biriktirip, belleğe yerleştiriyor. Fakat önemli olan karar verme aşamasında birikmiş verilerin tümünden daha fazla bir toplam olup olmadığı sorusudur. Zihin konuşmamıza komutları nasıl veriyor? Herkesin beyninde her an kafasından geçen düşüncelerle bir çok belki milyonlarca karar veriliyor, bu nasıl oluyor? İşte tüm bu verilerin, beyne girmiş olan bilgi kırıntılarının oluşturduğu fiziksel durumlar ve bunların sayıyla ifade etmekte zorlanacağımız kombinezonlarından her biri bir kuantum mekaniksel durumun bir bileşeni gibi görülebilir. Kuantum mekaniksel durum bileşenleri demekle,serbest bir elektronun uzayın herhangi bir noktasında bulunmasını kastediyoruz. Bu bulunuş bir fiziksel durumdur. Hepsi varit bu elektron için, fakat biz elektronu yakaladığımız yani ölçtüğümüz anda diyoruz ki elektron burada; bu durumlardan bir tanesi ortaya çıktı. Bunu dışarıdan müdahale ederek yapıyoruz. Beyin ise zihin fonksiyonları sırasında bu müdahaleyi nasıl yapıyor? Penrose, zihnin çalışma mekanizması ile bir kuantum mekaniksel sistemin özellikleri arasında analoji kurma imkanı olduğunu söylemektedir. Burada hesaplanamazlık, yani bir algoritmaya indirgenemezlik konusu en temel bir hususu oluşturuyor. Bu iki sistemden bir tanesinde hesaplanamazlık olmadığı gösterilebilirse bütün bu söylenenler ortadan kalkmış olacak. Aslında hesaplanamazlık, bir algoritmaya indirgenemezlik matematikte bilinmeyen bir şey değildir. Mesela bir yüzeyi çinilerle kaplayacaksınız, biçimleri ne olsun ki yüzey arada hiçbir boşluk kalmadan kaplanabilsin. Matematikçiler, bir yüzeyin hangi şekilde çinilerle periyodik olarak kaplanabileceğinin bir algoritmaya bağlanamayacağını kanıtlamışlardır.

    1980'lerde anesteziyologlar tarafından beyin hücrelerindeki mikrotübüller keşfedilmiştir. Bunlar, hücrelerin içinde gayet ince bir iskelet gibi yapı oluşturuyorlar ve mitoz bölünme sırasında ortaya gelerek sınır oluşturup bölünmeyi denetliyorlar. İçlerinde bulunan çok ince lifleri oluşturan protein moleküllerinin ilginç bir özelliği var. Bunların içindeki bir elektron iki değişik durumda bulunabiliyor. Elektronun bu iki durumunu 0 ve 1 durumları gibi alabilirsiniz. Belli bir takım anestetikler verildiğinde bu elektronun yer değiştiremez hale geldiği, yani uyuşturmanın verdiği bilinç kapatılması sırasında bu elektronun donduğu görülüyor. O zaman zihin fonksiyonlarında bu elektronun yer değiştirmesi bir takım kuantum mekaniksel durumlar oluşturmaya yol açabilir. Çünkü elektronun bulunduğu yer için matematiksel olarak bir kuantum mekaniksel durum yazabiliyorsunuz. Bunun gibi bir hücrede milyonlarca var, nöron şebekeleri içinde kaç tane olduğunu ve bunların yaratabileceği değişik sonuç durumlarını düşünün. İşte Penrose'nin, acaba olsa nerede olabilir sorusuna bulamadığı cevap bu. Bunun uygun bir aday olabileceğini 1992 yılında bir anesteziyologun ona söylemesi üzerine öğrenmiştir. Ama gene de bizi şu soruyla karşı karşıya bırakmaktan da kendini alamıyor: " Acaba parça bütünü anlayabilecek mi? Parça bütünü içine alabilecek mi? Yani, biz acaba bunu anlama yeteneğine sahip miyiz?" ( Gödel teoremi, Russel paradoksu, veya çok eskilerin dediği irade-i külliye/ irade-i cüzziye sorunu gibi bir şey). Aynı soru kuantum mekaniği için de soruluyor: Acaba daha temel düzeyde bilgi (i) Doğada mı yok? (ii) Var da doğa bize yasaklamış mı? (iii) Yoksa bizim yeteneklerimiz mi elvermiyor? Şimdilik genel inanç (i) doğrultusunda.

    3.Psikolojik Yaklaşım

    Beynin nöroanatomik, biyokimyasal ve fizyolojik açıdan incelenmesi yoğun biçimde sürmektedir. Fakat beyni bir canlının içinde işlev gören bir uzuv olduğunu görerek değerlendirirsek, ister istemez davranış bilimleri de işin içine girmektedir. Çünkü özellikle gelişmiş beyinli memeli hayvanların önemli özelliklerinden biri de çevreleri ile etkileşime girmeleri ve bu sayede yeni şeyler öğrenerek bunları daha sonra hatırlayabilmeleridir. Bu davranışlar açısından da beyin bilgisayar etkileşimi ve benzerliklerine bakılması gereklidir. Bilgisayarlar ile insanlar arasında ilk bakışta öğrenme ve bellek konusunda çok önemli işlevsel benzerliklerin bulunduğu biliniyor. Öğrenme ve bellek mekanizmaları bize bilgi edinme ve deneyimlerden yararlanma olanağı sağlamaktadır. Bilgisayarlar da genelde öğrenme ve belleklerinde bilgi tutabilme özelliklerine sahipler. Bu açıdan bakıldığında ortaya felsefi sorunlar çıkmaktadır. Bunlardan biri Turing'in öngördüğü öğrenme makinesidir. Bu makinenin insan gibi öğrenebildiğinin testi de turing testi olarak bilinmektedir. Bu konu hakkında felsefi yaklaşım başlığı altında bilgi verildiğinden burada girilmeyecektir.

    Böyle bir öğrenme makinesinin temelinde yatan aksiyomatik sistemdeki belirsizliğin Gödel tarafından kanıtlanmış olması, zaten bilginin niteliği ve bilgi edinme yöntemlerinin yeniden gözden geçirilmesine yol açtığı gibi insan bilgisayar karşılaştırmasının temelindeki varsayımların sorgulanmasını da gündeme getirmiştir. Bilgisayarların öğrenmelerine ilişkin şemalarda genellikle bir girdi kanalı, bir işlemciye denk gelen bir kutu ve bilgisayarın ürününü gösteren bir çıktı kanalı gösterilir. Bu girdi ve çıktı kanallarına ve kapağın açarak işlemci kutusunun içine bakıldığında, görülen olgular bilgisayar ile beyin arasında önemli farkların olduğunu ortaya koymaktadır. Burada olayın psikolojik yönüyle ilgili olarak Freudcu bir yaklaşımla nerede bunun libidosu veya Neyzen TEVFİK'i anımsayarak fikri varsa efkarı nerede bunun diye sorular sorulabilir. Tüm bu soruların dışında basit bir örnekle konuya yaklaşalım: bir bilgisayarınız var, fakat her yerde iyi çalışan bilgisayarınız bazı yerlerde doğru çalışmıyor, üstelik sabahları daha iyi öğleden sonra ise kötü çalışıyor yani tekliyor. Ne düşünürsünüz? Bilgisayarınızın bozulduğunu düşünerek tamire götürürsünüz. Ve belki de tamire götürürken bilgisayarınızın insanlaşmaya başladığını düşünebilirsiniz. Burada belirtilmek istenen aslında bilgisayarlardan hiç beklenmeyen bu davranışın bizim hem psikolojimizde hem de fizyolojimizde yerleşik bir olgu olduğudur. Çünkü bilgisayarlardan çok farklı olarak bizim için olayların zamanla ve mekanla kayıtlı bir yanı vardır. Olayların zaman içindeki dizilimi ve mekan içindeki dağılımı bizi temelden etkilemekte ve daha duyu ve algılama gibi temel süreçlerden başlayarak bizi tamamıyla biçimlendirmektedir. Bilgisayarlarda girişleri iyi bir şekilde düzenlediğiniz takdirde işlem kutusunun niteliğini incelemeden ne olursa olsun çıktının ne olacağını biliyoruz. Buna paralel olarak psikolojideki davranışçı ekole göre, siz kişinin girdilerini gerektiği biçimde düzenleyebildiğiniz sürece kutu, yani a, b, veya c kişileri avukat, doktor veya mühendis olabiliyor. Bu tür radikal davranışçı yaklaşımı bugünkü bilgisayar teknolojileriyle birleştirdiğinizde bilgisayarla beyin arasında çok fazla bir benzemezlik olmadığı görülebilir. Ancak bu tür yaklaşımın geçerli olmadığı, girdilerle çıktılar arasındaki kutunun içeriği ve özelliklerinin araştırılmaya başlanmasıyla gündeme gelmiştir. Özellikle Geştalt psikolojisinin vurguladığı görüş, algılamada uyaranları teker teker inceleyip sonuçları sentezlemenin mümkün olamayacağı tezidir. Yani algılamada bütün, parçalarının toplamından farklıdır. Gestalt psikolojisine göre, bir olayı anlamak için tümünü bir arada ve bir anda algılamak gerekli, çünkü olayın tümünün dinamiği, parçaların teker teker incelenmesi ile ortaya çıkan tablodan farklıdır. Bir karenin uçlarına yerleştirdiğimiz ışıkları yakıp söndürmeyi frekansı arttırarak sürdürdüğümüzde önce kare görünen şeklin frekans arttıkça daire veya çember şeklinde algılandığını görürüz. Bu örnek bize çoğu kez bir olayı parçalarına bölüp parçalarının her birinin beynimizi nasıl etkilediğine bakarak bir bütün yaratmamızın mümkün olmadığını göstermektedir. Uyaranların yada üzerimizde psikolojik etki yaratan durumların teker teker incelenmesinin, bu uyaran yada durumların toplamının yarattığı tabloyu tümüyle anlamamıza yeterli olmayacağı gerçeğidir. Bu bakımdan beynimizi etkileyen uyaran yada durumları birer bağımsız girdi olarak değerlendirmemiz mümkün değildir. Uyaranların üzerimizde yaptıkları etki, zaman ve mekan içindeki dizilimlerine ve birbirleriyle etkileşimlerine bağlıdır.

    Sonuç olarak, beynimiz ve beynin bağlı olduğu canlı organizma, zaman ve mekan içinde davranışlarını değiştiren, zamandan ve mekandan etkilenen bir yapıya sahiptir. Bunlar şu aşamada bilgisayarda mevcut değildir. Bilgi edinmede, felsefenin ortaya çıkardığı sınırların yanı sıra, bugünkü koşullarda bile beyin ile bilgisayar arasında bir koşutluğun ancak basit bir ilk yaklaşım için geçerli olduğu görülmektedir.

    4.Felsefi Yaklaşım

    Yapay zeka felsefesi en geniş anlamıyla yapay zekanın gerçekten mümkün olup olmadığını soruşturan bir felsefe koludur. Bilgisayarlar düşünebilir mi? Sorusu yapay zeka felsefesinin en temel sorunudur. Bilgisayarların icadından bu yana, bu soru bir çok felsefeci, bilim adamı veya yapay ze
    Son değişme: 25.10.09 yazan
    Yapay-Zeka.org sayfalarında bulunan bilgi ve belgelerin, kaynak gösterilmek koşulu ile GÖBL çerçevesinde kullanılması serbesttir. XOOPS'a teşekkürler.