13 KiB
Makine Öğreniminin Tarihi
Sketchnote: Tomomi Imura
Ders Öncesi Test
🎥 Bu derste işlenecek kısa bir video için yukarıdaki görsele tıklayın.
Bu derste, makine öğrenimi ve yapay zekanın tarihindeki önemli dönüm noktalarını inceleyeceğiz.
Yapay zeka (YZ) alanının tarihi, makine öğreniminin tarihiyle iç içedir, çünkü ML'yi destekleyen algoritmalar ve hesaplama ilerlemeleri YZ'nin gelişimine katkıda bulunmuştur. Bu alanların ayrı birer araştırma konusu olarak 1950'lerde şekillenmeye başladığını hatırlamak faydalıdır. Ancak, önemli algoritmik, istatistiksel, matematiksel, hesaplama ve teknik keşifler bu dönemin öncesine dayanır ve bu dönemle örtüşür. Aslında, insanlar bu sorular üzerine yüzyıllardır düşünüyor: Bu makale, 'düşünen bir makine' fikrinin tarihsel entelektüel temellerini tartışmaktadır.
Önemli Keşifler
- 1763, 1812 Bayes Teoremi ve öncülleri. Bu teorem ve uygulamaları, bir olayın önceden bilinen bilgilere dayanarak gerçekleşme olasılığını tanımlayan çıkarımın temelini oluşturur.
- 1805 En Küçük Kareler Teorisi, Fransız matematikçi Adrien-Marie Legendre tarafından geliştirilmiştir. Bu teori, Regresyon birimimizde öğreneceğiniz gibi, veri uyumunda yardımcı olur.
- 1913 Markov Zincirleri, Rus matematikçi Andrey Markov'un adını taşır ve bir önceki duruma dayalı olası olaylar dizisini tanımlamak için kullanılır.
- 1957 Perceptron, Amerikalı psikolog Frank Rosenblatt tarafından icat edilen ve derin öğrenmedeki ilerlemelerin temelini oluşturan bir tür doğrusal sınıflandırıcıdır.
- 1967 En Yakın Komşu, başlangıçta rotaları haritalamak için tasarlanmış bir algoritmadır. ML bağlamında ise desenleri tespit etmek için kullanılır.
- 1970 Geri Yayılım, ileri beslemeli sinir ağlarını eğitmek için kullanılır.
- 1982 Tekrarlayan Sinir Ağları, ileri beslemeli sinir ağlarından türetilen ve zamansal grafikler oluşturan yapay sinir ağlarıdır.
✅ Biraz araştırma yapın. ML ve YZ tarihindeki başka hangi tarihler önemli dönüm noktaları olarak öne çıkıyor?
1950: Düşünebilen Makineler
2019 yılında halk tarafından 20. yüzyılın en büyük bilim insanı seçilen gerçekten olağanüstü bir kişi olan Alan Turing, 'düşünebilen bir makine' kavramının temellerini atmaya yardımcı olmakla tanınır. Bu kavramı eleştirmenlerle ve kendi ampirik kanıt ihtiyacıyla başa çıkmak için Turing Testi oluşturmuştur. Bu testi NLP derslerimizde inceleyeceksiniz.
1956: Dartmouth Yaz Araştırma Projesi
"Dartmouth Yaz Araştırma Projesi, yapay zeka alanı için önemli bir olaydı" ve burada 'yapay zeka' terimi türetilmiştir (kaynak).
Öğrenmenin veya zekanın herhangi bir özelliğinin, bir makinenin bunu simüle edebileceği kadar kesin bir şekilde tanımlanabileceği varsayımıyla ilerlemek mümkündür.
Baş araştırmacı, matematik profesörü John McCarthy, "öğrenmenin veya zekanın herhangi bir özelliğinin, bir makinenin bunu simüle edebileceği kadar kesin bir şekilde tanımlanabileceği varsayımıyla ilerlemeyi" umuyordu. Katılımcılar arasında alanın bir başka önemli ismi olan Marvin Minsky de vardı.
Atölye çalışması, "sembolik yöntemlerin yükselişi, sınırlı alanlara odaklanan sistemler (erken uzman sistemler) ve tümdengelim sistemleri ile tümevarım sistemleri arasındaki tartışmalar" gibi birçok tartışmayı başlatması ve teşvik etmesiyle tanınır (kaynak).
1956 - 1974: "Altın Yıllar"
1950'lerden 1970'lerin ortalarına kadar, YZ'nin birçok sorunu çözebileceği umudu yüksek bir iyimserlik yarattı. 1967'de Marvin Minsky, "Bir nesil içinde ... 'yapay zeka' yaratma sorunu büyük ölçüde çözülecek" diye iddialı bir şekilde ifade etti. (Minsky, Marvin (1967), Computation: Finite and Infinite Machines, Englewood Cliffs, N.J.: Prentice-Hall)
Doğal dil işleme araştırmaları gelişti, arama daha güçlü ve rafine hale geldi ve 'mikro-dünyalar' kavramı oluşturuldu; burada basit görevler, sade dil talimatları kullanılarak tamamlanabiliyordu.
Araştırmalar hükümet kurumları tarafından iyi finanse edildi, hesaplama ve algoritmalarda ilerlemeler kaydedildi ve zeki makinelerin prototipleri oluşturuldu. Bu makinelerden bazıları şunlardır:
-
Shakey robotu, 'zekice' görevleri nasıl gerçekleştireceğine karar verebilen ve manevra yapabilen bir robottu.
Shakey, 1972
-
Eliza, erken bir 'sohbet botu', insanlarla konuşabiliyor ve ilkel bir 'terapist' gibi davranabiliyordu. Eliza hakkında daha fazla bilgiyi NLP derslerimizde öğreneceksiniz.
Eliza'nın bir versiyonu, bir sohbet botu
-
"Bloklar dünyası", blokların istiflenip sıralanabildiği ve makineleri karar vermeyi öğretme deneylerinin yapılabildiği bir mikro-dünya örneğiydi. SHRDLU gibi kütüphanelerle yapılan ilerlemeler, dil işleme alanını ileriye taşıdı.
🎥 Yukarıdaki görsele tıklayarak bir video izleyin: SHRDLU ile bloklar dünyası
1974 - 1980: "YZ Kışı"
1970'lerin ortalarına gelindiğinde, 'zeki makineler' yapmanın karmaşıklığının hafife alındığı ve mevcut hesaplama gücüyle vaatlerinin abartıldığı ortaya çıktı. Fonlar kurudu ve alana olan güven azaldı. Güveni etkileyen bazı sorunlar şunlardı:
- Sınırlamalar. Hesaplama gücü çok sınırlıydı.
- Kombinatoryal patlama. Bilgisayarlardan daha fazlası istendikçe eğitilmesi gereken parametrelerin sayısı üstel olarak arttı, ancak hesaplama gücü ve yetenekleri paralel bir şekilde gelişmedi.
- Veri eksikliği. Algoritmaların test edilmesi, geliştirilmesi ve rafine edilmesi sürecini engelleyen bir veri eksikliği vardı.
- Doğru soruları mı soruyoruz?. Sorulan soruların kendisi sorgulanmaya başlandı. Araştırmacılar, yaklaşımlarına yönelik eleştirilerle karşılaştı:
- Turing testleri, diğer fikirlerin yanı sıra, 'Çin odası teorisi' ile sorgulandı. Bu teori, "bir dijital bilgisayarı programlamanın, dil anladığını göstermesini sağlayabileceğini, ancak gerçek bir anlayış üretemeyeceğini" öne sürdü (kaynak).
- "Terapist" ELIZA gibi yapay zekaların topluma tanıtılmasının etiği sorgulandı.
Aynı zamanda, çeşitli YZ düşünce okulları oluşmaya başladı. "Dağınık" ve "düzenli YZ" uygulamaları arasında bir ayrım yapıldı. Dağınık laboratuvarlar, istenen sonuçları elde edene kadar programları saatlerce ayarladı. Düzenli laboratuvarlar ise "mantık ve resmi problem çözmeye" odaklandı. ELIZA ve SHRDLU, iyi bilinen dağınık sistemlerdi. 1980'lerde, ML sistemlerini tekrarlanabilir hale getirme talebi ortaya çıktıkça, düzenli yaklaşım, sonuçlarının daha açıklanabilir olması nedeniyle ön plana çıktı.
1980'ler Uzman Sistemler
Alan büyüdükçe, iş dünyasına olan faydası daha net hale geldi ve 1980'lerde 'uzman sistemlerin' yaygınlaşması da öyle. "Uzman sistemler, yapay zekanın (YZ) ilk gerçekten başarılı yazılım türlerinden biri oldu" (kaynak).
Bu tür bir sistem aslında hibrit bir yapıya sahiptir; iş gereksinimlerini tanımlayan bir kurallar motoru ve bu kurallar sistemini kullanarak yeni gerçekler çıkaran bir çıkarım motorundan oluşur.
Bu dönemde sinir ağlarına da artan bir ilgi gösterildi.
1987 - 1993: YZ 'Soğuma Dönemi'
Uzman sistemlerin özelleşmiş donanımlarının yaygınlaşması, ne yazık ki, aşırı özelleşmiş hale gelmelerine neden oldu. Kişisel bilgisayarların yükselişi, bu büyük, özelleşmiş, merkezi sistemlerle rekabet etti. Bilgi işlemde demokratikleşme başlamıştı ve bu, sonunda büyük veri çağının modern patlamasına zemin hazırladı.
1993 - 2011
Bu dönem, ML ve YZ'nin daha önce veri ve hesaplama gücü eksikliği nedeniyle yaşanan sorunları çözebileceği yeni bir çağın başlangıcını gördü. Veri miktarı hızla artmaya ve daha geniş bir şekilde erişilebilir hale gelmeye başladı, hem iyi hem de kötü anlamda, özellikle 2007 civarında akıllı telefonların ortaya çıkışıyla. Hesaplama gücü üstel olarak genişledi ve algoritmalar buna paralel olarak evrildi. Alan, geçmişin serbest günlerinden olgunlaşmaya ve gerçek bir disiplin haline gelmeye başladı.
Günümüz
Bugün makine öğrenimi ve YZ, hayatımızın neredeyse her alanına dokunuyor. Bu dönem, bu algoritmaların insan yaşamı üzerindeki risklerini ve potansiyel etkilerini dikkatlice anlamayı gerektiriyor. Microsoft'tan Brad Smith'in belirttiği gibi, "Bilgi teknolojisi, mahremiyet ve ifade özgürlüğü gibi temel insan hakları korumalarının kalbine inen sorunları gündeme getiriyor. Bu sorunlar, bu ürünleri yaratan teknoloji şirketleri için sorumluluğu artırıyor. Bizim görüşümüze göre, aynı zamanda düşünceli hükümet düzenlemelerini ve kabul edilebilir kullanımlar etrafında normların geliştirilmesini gerektiriyor" (kaynak).
Geleceğin ne getireceği henüz belli değil, ancak bu bilgisayar sistemlerini ve çalıştırdıkları yazılım ve algoritmaları anlamak önemlidir. Bu müfredatın, kendi kararlarınızı verebilmeniz için daha iyi bir anlayış kazanmanıza yardımcı olacağını umuyoruz.
🎥 Yukarıdaki görsele tıklayarak bir video izleyin: Yann LeCun, bu derste derin öğrenmenin tarihini tartışıyor
🚀Meydan Okuma
Bu tarihi anlardan birine dalın ve arkasındaki insanlar hakkında daha fazla bilgi edinin. Büyüleyici karakterler var ve hiçbir bilimsel keşif kültürel bir boşlukta yaratılmamıştır. Ne keşfediyorsunuz?
Ders Sonrası Test
Gözden Geçirme ve Kendi Kendine Çalışma
İzleyeceğiniz ve dinleyeceğiniz öğeler:
Amy Boyd'un YZ'nin evrimini tartıştığı bu podcast
Ödev
Feragatname:
Bu belge, AI çeviri hizmeti Co-op Translator kullanılarak çevrilmiştir. Doğruluk için çaba göstersek de, otomatik çevirilerin hata veya yanlışlık içerebileceğini lütfen unutmayın. Belgenin orijinal dili, yetkili kaynak olarak kabul edilmelidir. Kritik bilgiler için profesyonel insan çevirisi önerilir. Bu çevirinin kullanımından kaynaklanan yanlış anlamalar veya yanlış yorumlamalardan sorumlu değiliz.