1.1.2. Yapay Zekâ, Makine Öğrenmesi ve Derin Öğrenme Arasındaki İlişki

“Yapay Zekâ” (AI), “Makine Öğrenmesi” (ML) ve “Derin Öğrenme” (DL) terimleri, özellikle medya ve popüler kültürde sıklıkla birbirinin yerine kullanılsa da, bilgisayar bilimleri bağlamında aralarında net bir hiyerarşik ilişki ve tanımlar bulunmaktadır. Bu üç kavram, teknolojik bir evrimin aşamalarını temsil eder ve birbirini kapsayan kümeler şeklinde düşünülebilir.

Yapay Zekâ (AI) – En Geniş Kapsam
Yapay zekâ, makinelerin genellikle insan zekâsı gerektiren görevleri yerine getirme yeteneğini ifade eden en geniş ve kapsayıcı terimdir. AI’nın amacı, insan benzeri düşünce ve davranışları taklit edebilen sistemler yaratmaktır. Bu yetenekler; mantık yürütme, problem çözme, bilgi edinme, anlama, adaptasyon, öğrenme, görsel algı ve doğal dil işleme gibi bilişsel fonksiyonları içerir.

AI’nın tarihi 1950’lerden günümüze uzanır. Erken dönem YZ sistemleri genellikle kural tabanlıydı (örneğin, uzman sistemler ya da ELIZA gibi sohbet robotları). Günümüzdeki modern yapay zekâ ise çok daha karmaşık ve adaptif yapılara sahiptir.

Makine Öğrenmesi (ML) – Yapay Zekânın Bir Alt Dalı
Makine öğrenmesi, yapay zekânın önemli bir alt dalıdır ve sistemlerin verilere dayalı olarak, açıkça programlanmadan öğrenme yeteneğine odaklanır. ML’nin temel özelliği, algoritmaların büyük veri kümeleri içindeki örüntüleri keşfetmesi ve bu örüntüler üzerinden kararlar almasıdır.

Geliştiriciler, bilgisayara ne yapacağını adım adım kodlamak yerine, veriden öğrenmesini sağlar. Örneğin, bir spam filtresi milyonlarca e-postayı analiz ederek spam olanları kendisi ayırt etmeyi öğrenebilir. ML algoritmalarına karar ağaçları, regresyon, destek vektör makineleri ve kümeleme gibi yöntemler örnek verilebilir.

Şekil 1.4. Makine Öğrenmesi.
Not. Dijital Eğitim Koordinatörlüğü. Creative Commons Lisansı (CC BY NC-ND).

Derin Öğrenme (DL) – Makine Öğrenmesinin Özelleşmiş Bir Alt Dalı
Derin öğrenme, makine öğrenmesinin daha özelleşmiş bir dalıdır ve çok katmanlı yapay sinir ağları (deep neural networks) kullanır. Bu ağlar, insan beyninin katmanlı bilgi işleme yapısından esinlenmiştir. “Derin” ifadesi, birden fazla gizli katmandan oluşan sinir ağı yapısına işaret eder.

Örneğin, bir görseldeki piksel verisinden başlayarak önce kenarları, ardından şekilleri ve nihayet nesneleri tanıma gibi aşamalar gerçekleşir. Derin öğrenme, özellikle yapılandırılmamış büyük veri setlerinde (görseller, ses, metin) üstün başarı sağlar.

ChatGPT, AlphaGo ve DALL·E gibi sistemler bu teknolojinin ürünleridir.