top of page
Fatma Nur Deniz

Yapay Zekada Araştırma ve Tez için En İyi 8 Konu

Güncelleme tarihi: 3 Kas 2022

 

Zekanın sadece insanlarla sınırlı olmadığı bir gelecek hayal edin!!! Makinelerin insanlar kadar düşünebileceği ve daha heyecan verici bir evren yaratmak için onlarla birlikte çalışabileceği bir gelecek. Bu gelecek hala uzak olsa da, Yapay Zeka bu zamanlarda hala çok ilerleme kaydetmiştir. Kuantum Hesaplama, Sağlık, Otonom Araçlar, Nesnelerin İnterneti, Robotik, vb. gibi yapay zekanın neredeyse tüm alanlarında çok fazla araştırma yapılıyor . Öyle ki, yıllık olarak yayınlanan araştırma makalelerinin sayısında % 90’lık bir artış var.

Bunu akılda tutarak, Yapay Zekaya dayalı bir tez araştırmak ve yazmak istiyorsanız, odaklanabileceğiniz birçok alt konu vardır. Bu konuların bazılarını bu makalemizde derledik. Araştırma sürecini daha iyi anlayabilmeniz için bu konuların her biri ile ilgili yayınlanmış araştırma makalelerinden de bahsettik.

 

1. Makine Öğrenmesi

Makine Öğrenimi, makinelerin bir görevi özel olarak o görevle ilgili programlamadan deneyimden öğrenmelerini sağlamak için Yapay Zeka kullanımını içerir. (Kısacası, Makineler insan eli tutmadan otomatik olarak öğrenir !!!) Bu süreç, onlara kaliteli veri vermek ve daha sonra verileri ve farklı algoritmaları kullanarak çeşitli makine öğrenme modelleri oluşturarak makineleri eğitmekle başlar. Algoritma seçimi, ne tür verilere sahip olduğumuza ve ne tür bir görevi otomatikleştirmeye çalıştığımıza bağlıdır.

Bununla birlikte, genel olarak konuşursak, Makine Öğrenme Algoritmaları; Denetimli Makine Öğrenme Algoritmaları, Denetimsiz Makine Öğrenme Algoritmaları ve Takviye Makinesi Öğrenme Algoritmaları olmak üzere 3 türe ayrılır.

 

2. Derin Öğrenme

Derin Öğrenme, verileri işlemek ve bu verilere dayalı kararlar uygulamak için insan beyninin iç çalışmasını taklit ederek öğrenen Makine Öğreniminin bir alt kümesidir. Temel olarak, Derin Öğrenme makine öğrenimini uygulamak için yapay sinir ağlarını kullanır. Bu sinir ağları, insan beynindeki ağlar gibi web benzeri bir yapıya bağlanır (Temel olarak beynimizin basitleştirilmiş bir versiyonu!).

Yapay sinir ağlarının bu web benzeri yapısı, verileri doğrusal olmayan bir yaklaşımla işleyebildikleri anlamına gelir; bu, verileri yalnızca doğrusal bir yaklaşımla işleyebilen geleneksel algoritmalara göre önemli bir avantajdır. Derin bir sinir ağına örnek olarak Google Arama algoritmasındaki faktörlerden biri olan RankBrain verilebilir.

 

3. Takviye Öğrenme

Takviye Öğrenme, Yapay Zekanın, makinenin insanların nasıl öğrendiğine benzer bir şekilde öğrendiğinin bir parçasıdır. Örnek olarak, makinenin bir öğrenci olduğunu varsayalım. Burada varsayımsal öğrenci zaman içinde kendi hatalarından öğrenir (bizim zorunda olduğumuz gibi !!). Böylece Takviye Makinesi Öğrenme Algoritmaları deneme yanılma yoluyla en uygun eylemleri öğrenir.

Bu, algoritmanın bir sonraki eyleme, mevcut durumuna dayalı ve gelecekteki ödülü en üst düzeye çıkaracak davranışları öğrenerek karar vereceği anlamına gelir. Bu insanlar gibi makineler için de geçerli! Örneğin, Google’ın AlphaGo bilgisayar programı, 2017 yılında Güçlendirme Öğrenimi’ni kullanarak Go oyununda (bu bir insan!) Dünya şampiyonunu yenebildi.

 

4. Robotik

Robotik, insanlar gibi davranabilen ve insanlar gibi bazı eylemler gerçekleştirebilen insansı makineler yaratmayı ele alan bir alandır. Şimdi, robotlar belirli durumlarda insanlar gibi davranabilirler ama insanlar gibi de düşünebilirler mi? Yapay zekanın devreye girdiği yer burası!. Robotların belirli durumlarda akıllıca hareket etmesine izin verir. Bu robotlar sınırlı bir alanda problemleri çözebilir, hatta kontrollü ortamlarda öğrenebilirler. Bunun bir örneği, MIT’in Yapay Zeka Laboratuarı’nda geliştirilen bir sosyal etkileşim robotudur. İnsan vücudu dilini ve sesimizi tanır ve buna göre insanlarla etkileşime girer. Başka bir örnek, NASA tarafından uzaydaki astronotlarla birlikte çalışmak için geliştirilen Robonaut’tur .

 

5. Doğal Dil İşleme

İnsanların konuşarak birbirleriyle sohbet edebileceği açıktır, ancak şimdi makineler de yapabilir! Bu, makinelerin konuşulduğu gibi dili ve konuşmayı analiz ettiği ve anladığı Doğal Dil İşleme olarak bilinir (Şimdi bir makineyle konuşursanız, sadece konuşabilir!). Konuşma tanıma, doğal dil üretimi, doğal dil çevirisi, vb. Gibi dil ile ilgilenen birçok NLP alt kısmı vardır.

NLP şu anda müşteri destek uygulamaları, özellikle chatbot için son derece popülerdir. Bu sohbet botları, kullanıcılarla metin biçiminde etkileşim kurmak ve sorgularını çözmek için ML ve NLP kullanır. Böylece, bir insanla doğrudan etkileşime girmeden müşteri destek etkileşimlerinizdeki insan dokunuşuna sahip olursunuz.

 

6. Bilgisayarla Görme

İnternet imgelerle dolu! Bu, fotoğraf çekmenin ve paylaşmanın hiç bu kadar kolay olmamış olduğu selfie çağı. Aslında, her gün milyonlarca görüntü internete yüklenmekte ve izlenmektedir. Bu çok miktarda görüntüyü çevrimiçi olarak en iyi şekilde kullanmak için, bilgisayarların görüntüleri görebilmesi ve anlayabilmesi önemlidir. İnsanlar bunu düşünmeden kolayca yapabilirken, bilgisayarlar için o kadar kolay değil!

 

7. Tavsiye Sistemleri

Netflix’i kullanırken, geçmiş seçimlerinize veya beğendiğiniz türlere göre film ve dizi önerileri alıyor musunuz? Bu, çevrimiçi olarak sunulan geniş seçenekler arasında bir sonraki seçime dair size rehberlik sağlayan Tavsiye Sistemleri tarafından yapılır. Bir Tavsiye Sistemi, İçeriğe Dayalı Tavsiyeye ve hatta İşbirlikçi Filtrelemeye dayanabilir.

İçeriğe Dayalı Öneri tüm öğelerin içeriği analiz edilerek yapılır. Örneğin, kitaplarda yapılan Doğal Dil İşlemine dayanarak beğenebileceğiniz kitaplar önerilebilir. Öte yandan, İşbirlikçi Filtreleme, geçmiş okuma davranışınızı analiz edip buna dayalı kitaplar önererek yapılır.

 

8. Nesnelerin İnterneti

Yapay Zeka , önceki deneyimlerini kullanarak ve herhangi bir manuel müdahale olmadan insan görevlerini taklit etmeyi öğrenebilen sistemlerin oluşturulmasıyla ilgilenir. Nesnelerin İnterneti, internet üzerinden bağlanan çeşitli cihazlardan oluşan bir ağdır ve birbirleriyle veri toplayabilir ve paylaşabilirler.

Şimdi, tüm bu IoT cihazları, eyleme geçirilebilir sonuçlar için toplanması ve çıkarılması gereken çok fazla veri üretiyor. Yapay Zeka burada devreye giriyor. Nesnelerin İnterneti, Yapay Zeka algoritmaları için gereken büyük miktarda veri toplamak ve işlemek için kullanılır. Buna karşılık, bu algoritmalar verileri IoT cihazları tarafından uygulanabilecek yararlı işlem yapılabilir sonuçlara dönüştürür.

 
 
5 görüntüleme0 yorum

Son Yazılar

Hepsini Gör

Comments


bottom of page