Yapay Zeka ile Makine Öğrenimi Arasında Ne Gibi Farklar Var?

Günlük hayatımızda sıklıkla AI (yapay zeka) ve ML (makine öğrenmesi) gibi terimlerle karşılaşıyoruz ve bunlar aynı konu için alternatif olarak kullanılıyor. Makale yazarlarının  çoğu bu terimleri gerçekten anlamıyor ve bunları aynı kategoride sınıflandırıyor. Aslında farklılar. Bu terimlerin bu şekilde kullanılması okuyucuların kafasında eminiz ki karışıklığa neden olmuştur. Kısacası bu terimler çok yakından ilişkilidir, ancak farklıdır.

Yapay zeka (AI) Nedir?

İlk günlerde AI, İnsan tarafından gömülü bir dizi sıralı talimatı uygulayan makine olarak tanımlanıyordu. Artık tanım değişti ve makinenin kendi başına karar verme yeteneğini içeriyor. AI sistemi; 

• öğrenme,
• akıl yürütme,
• planlama,
• algılama,
• hareket ve problem çözme gibi özelliklerden oluşur.

Genel olarak, AI, Narrow AI ve General AI olarak ayrılabilir. Dar AI sistemleri genellikle tek görevleri yerine getirir. Bu görevlerden bazıları e-posta spam filtrelemesi, öneri sistemleri ve otonom aracı içerir.

Diğer kategori Genel AI'dır. Bu sistemler, insanlar gibi düşünme ve icraate dökme yeteneğine sahiptir. Genel AI, güçlü AI olarak da bilinir. Güçlü AI, ihtiyaçlar, duygular ve düşünceler gibi diğer varlıkları tanıma yeteneğine dayanan AI çerçeve teorisini kullanır.

Makine öğrenmesi (Machine Learning) 

Makine öğrenimi (ML), daha büyük bir yapay zeka bütününün parçasıdır. Makine öğrenimi, kalıp tanımaları yoluyla bir dizi veriden öğrenilen davranış kurallarını tanımlamaya dayanır. Makine öğreniminin ana odak noktası, bilgisayarların kameraları, sonar, radarlar ve diğerleri, bilgisayar sıcaklık ölçerler, duman ölçerler ve diğerleri için duygu duyusu gibi insan öğrenme süreçlerine yakın muhakeme mekanizmaları yoluyla makinelerin kendilerini öğrenmelerini sağlamaktır.

İlk günlerde, AI sadece kural tabanlı sistemlerdi ve tek görevleri yerine getirmek için geliştirilen sabit kodlu algoritmalardı. Yapay zekanın hedefi, insan davranışını ve insanın nasıl öğrendiğini taklit eden sistemler yapmaya doğru kaydırıldığında makine öğrenimi tanıtıldı.

Makine öğrenimi esas olarak üç kategoriye ayrılır

Denetimli öğrenme

Bir dizi etiketli veriden oluşur. Bu etiketli veriler, belirli vaka sonuçlarına ve tonlarca veriye ilişkin talimatlar vererek sistemi eğitmek için kullanılır. modeli eğitmek için. Bu algoritma, eğitim verileri üzerinde yapılacak eylemi tahmin eder ve sonuç doğru değilse beklenen performansa göre ayarlanır. Sistem, eğitim verileriyle ilgili hedeflerine ulaştığında, gerçek ortamda dağıtılır.

Denetimsiz öğrenme

Bu kategoride sisteme sadece algoritma ve etiketsiz veriler sisteme verilir. Algoritma, sistemin kalıpları bulmasına ve tanımlamasına izin verir. Sistemin amacı, veriler hakkında daha fazla bilgi edinmek için temel yapıyı modellemektir. Algoritmalar, sistemlerin verilerdeki ilginç kalıpları kendi başlarına keşfetmelerine izin verir.

Pekiştirmeli öğrenme

Sisteme bir dizi kural verilir ve sistemin hedefe yönelik çözümü bulmasını sağlar. Bu tür bir ödül sistemi içerir. Sistem, kurallar dizisi dahilinde ödülleri en üst düzeye çıkarır. Bu türden en bilinen sistem Karınca Kolonisidir.

AI, tıpkı bir insan gibi davranan ve insanlar gibi düşünen bir makineyi ifade eder. İçinde farklı teknikler var ve makine öğrenimi bunlardan biri. Makine öğrenimi sistemi, sistemin yapay zekadaki farklı tekniklerden girdi alarak öğrenmesine ve harekete geçmesine izin verir, bunlardan biri bilgisayarla görmeyi içerir. Tek başına ML, insan öğrenimini ve insan muhakemesini taklit eden bütün bir sistem oluşturamaz.