Garfield
YZF Admin
Yapay zekâ, verilerden örüntü öğrenerek tahmin, sınıflandırma veya içerik üretimi yapabilen geniş bir alandır. Uzman sistemler ise belirli bir alanda insan uzmanların bilgilerini kurallar hâline getirip, verilen koşullara göre açıklanabilir sonuçlar üreten yapay zekâ uygulamalarıdır. Bu nedenle uzman sistemler yapay zekânın tarihsel ve kural tabanlı yaklaşımlarından biridir; ancak her yapay zekâ sistemi uzman sistem değildir.
Yapay zekâ, makine öğrenmesi, derin öğrenme, doğal dil işleme ve üretken modeller gibi farklı yöntemleri kapsayan şemsiye bir kavramdır. Sistem, çoğu zaman çok sayıda örnekten istatistiksel ilişkiler öğrenir. Yeni bir girdide kesin bir kuralı uygulamak yerine olasılıksal bir tahmin üretir.
Uzman sistemde ise bilgi genellikle iki ana bölümde tutulur: uzmanların oluşturduğu kuralların yer aldığı bilgi tabanı ve bu kuralları verilen bilgiler üzerinde çalıştıran çıkarım motoru. Sistem, sonuca nasıl ulaştığını ilgili kuralları göstererek açıklayabilir.
Örneğin varsayımsal bir bilgisayar destek sistemi şu kurala sahip olabilir: “Bilgisayar açılmıyor ve güç ışığı yanmıyorsa güç bağlantısını kontrol et.” Kullanıcı “Bilgisayar açılmıyor” ve “güç ışığı yanmıyor” bilgilerini girerse sistem, güç bağlantısının kontrol edilmesini önerir. Bu çıktı, sistemin kendi deneyimiyle öğrendiği bir sonuç değil, önceden tanımlanmış koşulların eşleşmesidir.
Kullanıcıdan alınan belirtiler, ölçümler veya seçimler sisteme girdi olarak verilir. Çıkarım motoru bu girdileri bilgi tabanındaki kurallarla karşılaştırır. Koşulları sağlayan kurallar çalıştırılır ve sonuç, öneri ya da tanı adayı oluşturulur. Birden fazla kural eşleşirse sistem öncelik, kesinlik veya kural sırası gibi tasarıma bağlı yöntemlerle karar verir.
Bu işleyişin önemli sınırı, sistemin yalnızca tanımlanan bilgi ve kurallar içinde güvenilir sonuç üretebilmesidir. Kural tabanında bulunmayan yeni bir durumu insan gibi genelleyemez. Ayrıca yanlış, eksik veya güncelliğini yitirmiş kurallar doğru görünen fakat hatalı öneriler üretebilir. Özellikle sağlık, hukuk, finans ve güvenlik gibi alanlarda uzman sistemi kesin karar makamı değil, yetkili kişinin değerlendirmesine yardımcı olan bir araç olarak kullanmak gerekir.
Seçim, problemin kurallarla açıkça tanımlanıp tanımlanamadığına ve yeterli eğitim verisinin bulunup bulunmadığına bağlıdır.
Kural sayısı az, karar ölçütleri sabit ve açıklama ihtiyacı yüksekse uzman sistem daha anlaşılır bir seçenek olabilir. Çok sayıda değişken arasındaki ilişkiler açıkça yazılamıyor, fakat geçmişe ait yeterli örnek bulunuyorsa makine öğrenmesi daha uygun olabilir. Bazı uygulamalarda iki yaklaşım birlikte kullanılır: makine öğrenmesi olası sonucu üretir, kural tabanı ise güvenlik, yetki veya iş akışı koşullarını denetler.
Önce sistemin hangi alanla sınırlı olduğu belirlenmelidir. “Her durumda karar verir” iddiası yerine, desteklediği belirtiler, girdiler ve karar türleri açıkça tanımlanmalıdır. Daha sonra kuralların hangi uzmanlar tarafından hazırlandığı, ne zaman gözden geçirildiği ve çelişen kuralların nasıl ele alındığı kontrol edilmelidir.
Bir sonucu değerlendirirken yalnızca önerinin doğru olup olmadığına değil, hangi girdilerle ve hangi kuralla üretildiğine de bakın. Sistem beklenmeyen bir sonuç verirse girdi bilgilerinin eksik veya hatalı olup olmadığını, ilgili kuralın güncel olup olmadığını ve aynı koşullarda başka bir kuralın çelişip çelişmediğini inceleyin. Sorun çözülemiyorsa yeni kural eklemek yerine önce hatalı sonuca yol açan örnek girdiyi ve çalıştırılan kural zincirini kayıt altına almak gerekir.
Yapay zekâ geniş bir yöntemler bütünü, uzman sistem ise belirli bir alanda kurallı çıkarım yapan daha sınırlı ve açıklanabilir bir yaklaşımdır. Doğru seçim, sistemin “zekâsından” çok problemin yapısına, verinin niteliğine, açıklanabilirlik ihtiyacına ve yanlış kararın doğuracağı riske göre yapılmalıdır.
Yapay zekâ ile uzman sistem arasındaki temel fark
Yapay zekâ, makine öğrenmesi, derin öğrenme, doğal dil işleme ve üretken modeller gibi farklı yöntemleri kapsayan şemsiye bir kavramdır. Sistem, çoğu zaman çok sayıda örnekten istatistiksel ilişkiler öğrenir. Yeni bir girdide kesin bir kuralı uygulamak yerine olasılıksal bir tahmin üretir.
Uzman sistemde ise bilgi genellikle iki ana bölümde tutulur: uzmanların oluşturduğu kuralların yer aldığı bilgi tabanı ve bu kuralları verilen bilgiler üzerinde çalıştıran çıkarım motoru. Sistem, sonuca nasıl ulaştığını ilgili kuralları göstererek açıklayabilir.
Örneğin varsayımsal bir bilgisayar destek sistemi şu kurala sahip olabilir: “Bilgisayar açılmıyor ve güç ışığı yanmıyorsa güç bağlantısını kontrol et.” Kullanıcı “Bilgisayar açılmıyor” ve “güç ışığı yanmıyor” bilgilerini girerse sistem, güç bağlantısının kontrol edilmesini önerir. Bu çıktı, sistemin kendi deneyimiyle öğrendiği bir sonuç değil, önceden tanımlanmış koşulların eşleşmesidir.
Bir uzman sistem nasıl çalışır?
Kullanıcıdan alınan belirtiler, ölçümler veya seçimler sisteme girdi olarak verilir. Çıkarım motoru bu girdileri bilgi tabanındaki kurallarla karşılaştırır. Koşulları sağlayan kurallar çalıştırılır ve sonuç, öneri ya da tanı adayı oluşturulur. Birden fazla kural eşleşirse sistem öncelik, kesinlik veya kural sırası gibi tasarıma bağlı yöntemlerle karar verir.
Bu işleyişin önemli sınırı, sistemin yalnızca tanımlanan bilgi ve kurallar içinde güvenilir sonuç üretebilmesidir. Kural tabanında bulunmayan yeni bir durumu insan gibi genelleyemez. Ayrıca yanlış, eksik veya güncelliğini yitirmiş kurallar doğru görünen fakat hatalı öneriler üretebilir. Özellikle sağlık, hukuk, finans ve güvenlik gibi alanlarda uzman sistemi kesin karar makamı değil, yetkili kişinin değerlendirmesine yardımcı olan bir araç olarak kullanmak gerekir.
Hangi yaklaşım ne zaman daha uygundur?
Seçim, problemin kurallarla açıkça tanımlanıp tanımlanamadığına ve yeterli eğitim verisinin bulunup bulunmadığına bağlıdır.
| Ölçüt | Uzman sistem | Makine öğrenmesi tabanlı yapay zekâ |
|---|---|---|
| Bilginin kaynağı | Açıkça yazılmış kurallar ve uzman bilgisi | Eğitim verilerindeki örüntüler |
| Açıklanabilirlik | Genellikle yüksektir; kullanılan kural gösterilebilir | Modele ve yönteme göre değişir |
| Yeni durumlara uyum | Yeni kural eklenmezse sınırlıdır | Benzer örnekleri öğrenmişse genelleme yapabilir |
| Veri ihtiyacı | Az veriyle çalışabilir, fakat doğru uzman bilgisi gerekir | Çoğunlukla nitelikli ve yeterli eğitim verisi gerekir |
| Uygun kullanım | Kuralları belirli, dar ve açıklanabilir karar süreçleri | Tahmin, sınıflandırma, görüntü, ses ve dil işleme |
Uzman sistemi değerlendirirken nelere bakılmalı?
Önce sistemin hangi alanla sınırlı olduğu belirlenmelidir. “Her durumda karar verir” iddiası yerine, desteklediği belirtiler, girdiler ve karar türleri açıkça tanımlanmalıdır. Daha sonra kuralların hangi uzmanlar tarafından hazırlandığı, ne zaman gözden geçirildiği ve çelişen kuralların nasıl ele alındığı kontrol edilmelidir.
Bir sonucu değerlendirirken yalnızca önerinin doğru olup olmadığına değil, hangi girdilerle ve hangi kuralla üretildiğine de bakın. Sistem beklenmeyen bir sonuç verirse girdi bilgilerinin eksik veya hatalı olup olmadığını, ilgili kuralın güncel olup olmadığını ve aynı koşullarda başka bir kuralın çelişip çelişmediğini inceleyin. Sorun çözülemiyorsa yeni kural eklemek yerine önce hatalı sonuca yol açan örnek girdiyi ve çalıştırılan kural zincirini kayıt altına almak gerekir.
Yapay zekâ geniş bir yöntemler bütünü, uzman sistem ise belirli bir alanda kurallı çıkarım yapan daha sınırlı ve açıklanabilir bir yaklaşımdır. Doğru seçim, sistemin “zekâsından” çok problemin yapısına, verinin niteliğine, açıklanabilirlik ihtiyacına ve yanlış kararın doğuracağı riske göre yapılmalıdır.
