Garfield
YZF Admin
Bu ders notu, yapay zekânın temel yaklaşımını ve uzman sistemlerin nasıl çalıştığını birlikte anlamanızı sağlar. Ana ayrım şudur: Yapay zekâ, verilerden öğrenen veya problem çözme yöntemleri kullanan geniş bir alandır; uzman sistem ise belirli bir alanda insan uzman bilgisini kurallar ve çıkarım mekanizmasıyla taklit eden daha özel bir yapıdır. Konuyu öğrenirken önce yapay zekânın amaçlarını, ardından bilgi gösterimi ve çıkarım kavramlarını, son olarak da uzman sistemlerin güçlü ve sınırlı yönlerini inceleyin.
Yapay zekâ, bilgisayarların normalde insan zekâsı gerektirdiği düşünülen algılama, öğrenme, sınıflandırma, planlama, karar verme ve dil anlama gibi görevleri yerine getirmesini amaçlayan bilgisayar bilimi alanıdır. Yapay zekâ tek bir programlama tekniğinden oluşmaz; makine öğrenmesi, derin öğrenme, doğal dil işleme, bilgisayarlı görü, robotik ve uzman sistemler gibi farklı yaklaşımları kapsar.
Bir yapay zekâ sisteminin başarısı yalnızca hızlı çalışmasına bağlı değildir. Kullanılan verinin niteliği, problemin doğru tanımlanması, modelin nasıl değerlendirildiği ve hatalı sonuçların nasıl ele alındığı da önemlidir. Bir sistem doğru görünen bir tahmin üretebilir; ancak bu sonuç, her durumda doğru olduğu veya insan denetimine gerek kalmadığı anlamına gelmez.
Uzman sistem, belirli bir alandaki uzman bilgisini bilgisayar ortamında kullanarak sonuç üretir. Klasik bir uzman sistem üç ana parçadan oluşur: bilgi tabanı, çıkarım motoru ve kullanıcı arayüzü. Bilgi tabanında alanla ilgili kurallar ve gerçekler bulunur. Çıkarım motoru, kullanıcının verdiği bilgilerle kuralları karşılaştırır ve uygun sonuca ulaşmaya çalışır. Kullanıcı arayüzü ise soruların sorulmasını ve sonucun açıklanmasını sağlar.
Kurallar çoğunlukla
İleriye doğru çıkarım, bilinen bilgilerden başlayıp yeni sonuçlara ulaşır. Kullanıcı “güç ışığı yanmıyor” bilgisini verdiğinde sistem, bu bilgiyi koşul olarak kullanan kuralları çalıştırır.
Geriye doğru çıkarım ise önce bir hedef belirler ve bu hedefi kanıtlayacak bilgileri arar. Sistem “güç bağlantısı sorunu var mı?” sorusuna yanıt vermeye çalışırken hangi belirtilerin gerekli olduğunu kullanıcıdan isteyebilir.
Aşağıdaki karşılaştırma, iki kavramın kapsam farkını gösterir.
Bu fark, hangi yaklaşımın seçileceğini belirler. Kuralların açık, alanın sınırlı ve karar gerekçesinin önemli olduğu durumlarda uzman sistemler kullanışlıdır. Çok miktarda veriden örüntü çıkarılması, görüntü veya ses analizi gibi görevlerde ise makine öğrenmesi tabanlı yöntemler daha uygun olabilir.
Varsayımsal bir bitki hastalığı teşhis sisteminde bilgi tabanı şu kuralları içersin:
Uzman sistemlerin en önemli avantajları, karar sürecini standartlaştırmaları, aynı kuralları tutarlı biçimde uygulamaları ve bazı durumlarda gerekçeli sonuç verebilmeleridir. Eğitim, teknik destek, arıza teşhisi, finansal ön değerlendirme ve tıbbi karar desteği gibi alanlarda yardımcı araç olarak kullanılabilirler.
Buna karşılık uzman sistemler, bilgi tabanında bulunmayan durumları anlamakta zorlanır. Kurallar eski, eksik veya hatalıysa sistemin sonucu da güvenilir olmayabilir. Ayrıca belirsizlik, istisnalar ve birbiriyle çelişen kurallar arttıkça sistemin tasarımı zorlaşır. Bu nedenle uzman sistem çıktısı özellikle sağlık, hukuk, güvenlik ve finans gibi yüksek riskli alanlarda nihai karar yerine karar desteği olarak değerlendirilmelidir.
Yapay zekâ ve uzman sistemleri çalışırken akılda tutulması gereken temel sonuç şudur: Yapay zekâ geniş bir alan, uzman sistem ise bu alan içindeki kural ve bilgi tabanına dayalı özel bir yaklaşımdır. Bir sistemi değerlendirirken yalnızca doğru sonuç üretip üretmediğine değil, hangi bilgiyle çalıştığına, sonucu nasıl açıkladığına, hangi durumlarda hata yapabileceğine ve insan denetiminin nerede gerekli olduğuna da bakın.
Yapay zekâ nedir?
Yapay zekâ, bilgisayarların normalde insan zekâsı gerektirdiği düşünülen algılama, öğrenme, sınıflandırma, planlama, karar verme ve dil anlama gibi görevleri yerine getirmesini amaçlayan bilgisayar bilimi alanıdır. Yapay zekâ tek bir programlama tekniğinden oluşmaz; makine öğrenmesi, derin öğrenme, doğal dil işleme, bilgisayarlı görü, robotik ve uzman sistemler gibi farklı yaklaşımları kapsar.
Bir yapay zekâ sisteminin başarısı yalnızca hızlı çalışmasına bağlı değildir. Kullanılan verinin niteliği, problemin doğru tanımlanması, modelin nasıl değerlendirildiği ve hatalı sonuçların nasıl ele alındığı da önemlidir. Bir sistem doğru görünen bir tahmin üretebilir; ancak bu sonuç, her durumda doğru olduğu veya insan denetimine gerek kalmadığı anlamına gelmez.
Uzman sistemlerin temel yapısı
Uzman sistem, belirli bir alandaki uzman bilgisini bilgisayar ortamında kullanarak sonuç üretir. Klasik bir uzman sistem üç ana parçadan oluşur: bilgi tabanı, çıkarım motoru ve kullanıcı arayüzü. Bilgi tabanında alanla ilgili kurallar ve gerçekler bulunur. Çıkarım motoru, kullanıcının verdiği bilgilerle kuralları karşılaştırır ve uygun sonuca ulaşmaya çalışır. Kullanıcı arayüzü ise soruların sorulmasını ve sonucun açıklanmasını sağlar.
Kurallar çoğunlukla
EĞER... İSE... biçimindedir. Örneğin, bir bilgisayar arıza teşhis sisteminde şu kural bulunabilir: “EĞER bilgisayar açılmıyor ve güç ışığı yanmıyorsa, güç bağlantısını kontrol et.” Bu kural, sistemin fiziksel olarak elektriği ölçtüğü anlamına gelmez; yalnızca verilen belirtileri kayıtlı bilgiyle eşleştirir.İleriye ve geriye doğru çıkarım
İleriye doğru çıkarım, bilinen bilgilerden başlayıp yeni sonuçlara ulaşır. Kullanıcı “güç ışığı yanmıyor” bilgisini verdiğinde sistem, bu bilgiyi koşul olarak kullanan kuralları çalıştırır.
Geriye doğru çıkarım ise önce bir hedef belirler ve bu hedefi kanıtlayacak bilgileri arar. Sistem “güç bağlantısı sorunu var mı?” sorusuna yanıt vermeye çalışırken hangi belirtilerin gerekli olduğunu kullanıcıdan isteyebilir.
Aşağıdaki karşılaştırma, iki kavramın kapsam farkını gösterir.
| Ölçüt | Genel yapay zekâ | Uzman sistem |
|---|---|---|
| Kapsam | Çok farklı görev ve alanları kapsayabilir. | Belirli bir alana odaklanır. |
| Bilgi kaynağı | Veri, model, algoritma veya kurallar olabilir. | Genellikle uzman bilgisi ve açık kurallardır. |
| Öğrenme | Makine öğrenmesi kullanan sistemlerde veriden öğrenebilir. | Klasik yapıda kendiliğinden öğrenmez; kuralların güncellenmesi gerekir. |
| Açıklanabilirlik | Kullanılan yönteme göre değişir. | Hangi kuralın çalıştığı çoğu zaman gösterilebilir. |
| Esneklik | Yeni örneklere uyarlanabilir. | Tanımlanmamış durumlarda yetersiz kalabilir. |
Somut uzman sistem örneği
Varsayımsal bir bitki hastalığı teşhis sisteminde bilgi tabanı şu kuralları içersin:
- EĞER yapraklarda sararma ve toprakta aşırı nem varsa, kök çürümesi olasılığını bildir.
- EĞER yapraklarda beyaz lekeler ve kuruluk varsa, mantar hastalığı olasılığını bildir.
- EĞER yapraklar sarkık ve toprak kuruysa, sulama yetersizliğini bildir.
Avantajlar ve sınırlılıklar
Uzman sistemlerin en önemli avantajları, karar sürecini standartlaştırmaları, aynı kuralları tutarlı biçimde uygulamaları ve bazı durumlarda gerekçeli sonuç verebilmeleridir. Eğitim, teknik destek, arıza teşhisi, finansal ön değerlendirme ve tıbbi karar desteği gibi alanlarda yardımcı araç olarak kullanılabilirler.
Buna karşılık uzman sistemler, bilgi tabanında bulunmayan durumları anlamakta zorlanır. Kurallar eski, eksik veya hatalıysa sistemin sonucu da güvenilir olmayabilir. Ayrıca belirsizlik, istisnalar ve birbiriyle çelişen kurallar arttıkça sistemin tasarımı zorlaşır. Bu nedenle uzman sistem çıktısı özellikle sağlık, hukuk, güvenlik ve finans gibi yüksek riskli alanlarda nihai karar yerine karar desteği olarak değerlendirilmelidir.
Yapay zekâ ve uzman sistemleri çalışırken akılda tutulması gereken temel sonuç şudur: Yapay zekâ geniş bir alan, uzman sistem ise bu alan içindeki kural ve bilgi tabanına dayalı özel bir yaklaşımdır. Bir sistemi değerlendirirken yalnızca doğru sonuç üretip üretmediğine değil, hangi bilgiyle çalıştığına, sonucu nasıl açıkladığına, hangi durumlarda hata yapabileceğine ve insan denetiminin nerede gerekli olduğuna da bakın.
