Yapay zekadan makale özeti
- Kısa
- Ayrıntılı
- Bu video, yapay zeka eğitim serisinin onuncu bölümü olup, Sadi Hoca olarak anılan bir eğitmen tarafından sunulan teorik bir ders formatındadır. Eğitmen, yapay zeka oynatma serisinin toplam 42 videosu olduğunu belirtmektedir.
- Video, bulanık mantık (fuzzy mantık) ve bulanık kümeler konusunu detaylı şekilde ele almaktadır. Klasik kümelerle bulanık kümeler arasındaki farklar, üyelik derecelerinin nasıl hesaplandığı, birleşim, kesişim ve tamamlayıcı kümelerin hesaplanması gibi temel kavramlar günlük hayattan örneklerle açıklanmaktadır. Ayrıca, karar teorisi, olasılık teorisi ve fayda teorisi gibi konular da ele alınmaktadır.
- Video, yapay zekanın kişiliği ve kişisel yargıları olup olmadığı sorusuyla başlayıp, insan ve yapay zekanın karar verme süreçlerini karşılaştırıyor. Eğitmen, random değişken, atomik event, mutual exclusive gibi olasılık teorisi ve istatistik temel kavramlarını da örneklerle açıklamakta ve fuzzy mantık ile normal mantık arasındaki farkları anlatmaktadır. Video, yapay zeka konusunun geniş bir alan olduğunu ve fuzzy mantık gibi konuların sadece giriş seviyesinde ele alındığını vurgulayarak, izleyicilere üniversite eğitiminin önemi hakkında bir uyarıda bulunmaktadır.
- 00:01Bulanık Mantık ve Yapay Zeka
- Bu video, yapay zeka serisinin onuncu videosu olup, toplamda kırk iki videosu olan bir serinin devamıdır.
- Bulanık mantık (fazi mantık) ve bulanık kümeler konusu, bir dönemlik ders veya yüksek lisans programı açılabilecek geniş bir alandır.
- Videoda bu konunun temelleri anlatılacak, neler yapıldığı, nerede işe yaradığı ve yapay zeka ile ilişkisi açıklanacaktır.
- 00:53Bulanık Kavramlar ve Günlük Hayatta Örnekleri
- Günlük hayatta "hızlı", "yavaş", "yaşlı", "genç", "yüksek bina" gibi kavramlar kişiden kişiye değişen anlamlara sahiptir.
- Yapay zekanın insan dünyasında yaşaması için belirsiz ve bulanık kavramları algılayabilmesi veya modelleyebilmesi gerekir.
- Bazı kavramlar (tehlikeli, uykulu, eğlenceli) ölçü birimleriyle ifade edilemez, daha çok algıya dayalı ve açık uçludur.
- 03:40Klasik Küme ve Bulanık Küme Arasındaki Fark
- Klasik kümelere üyelik denilen bir operatör vardır ve bir elemanın bir kümenin üyesi olup olmadığı kesindir.
- Klasik küme tanımlamak için liste, kural veya fonksiyon kullanılabilir.
- Bulanık kümelere geçildiğinde, üyelik derecesi belirtilir; örneğin, suyun kaynaması durumunda 100 derecenin altında olanlar tamamen kaynamamış olarak değil, dereceye göre kaynamaya yakın kabul edilir.
- 07:38Yapay Zeka ve Küme Tanımları
- Yapay zeka, gerçek dünyada kuralları çıkartabilir veya uygulamaya yönelik problemleri işlemeyi başarabilir.
- Crisp setler (klasik kümeler) literatürde "crisp" olarak geçer ve bu terminolojiyi bilmeniz önemlidir.
- Sigmoid fonksiyonu, Yunan alfabesindeki sigma işareti (S) benzeri bir formda olup, "s'ye benzer" anlamına gelir.
- 08:34Crisp ve Fazi Küme Tanımları
- Crisp setlerde belli bir atlama noktası vardır (örneğin 1,80'ın üzerinde uzun, 1,80'ın altında kısa).
- Fazi kümelere göre üyelik derecesi olabilir, belli miktarda fark etkileyebilir veya etkilemeyebilir.
- Klasik küme tanımında discrete bir sonuç (0 veya 1) verilirken, fazi kümelere göre 0 ile 1 arasında bir değer döndürülür.
- 09:19Fazi Mantık ve Üyelik Derecesi
- Fazi mantıkta bir önermenin tamamen doğru veya tamamen yanlış olduğu durumlar olabilir.
- Fazi mantıkta "Türkiye'nin en yaşanacak şehri İstanbul'dur" gibi ifadelerde yüzde yüz karar verilemez, üyelik derecesi belirtilir.
- Üyelik derecesi, bir elemanın kümeye ne kadar dahil olduğunu gösterir (örneğin İstanbul'un yaşanabilir şehir kümesine yüzde 80 üye olabilir).
- 10:49Fazi Küme Örnekleri
- Üçgen yapılar, fonksiyonun yüzde yüz üyeliğinin olduğu noktayı gösterir, dışındaki noktalarda üyelik dağılır.
- Örneğin, 1,65'in altındaki biri ortalama boy olarak kabul edilemez, 1,85'in üzerindekine de ortalama boy olarak ilgisi yoktur.
- Fazi kümelere göre bir kişi 1,90'in üzerindeyse yüzde yüz uzun olarak kabul edilir, 1,80'in altındaysa uzunlar kümesiyle hiç ilgisi yoktur.
- 12:07Fazi Kümelere Genel Bakış
- Fazi kümelere göre bir şehrin yaşanabilirliği için çeşitli kriterler belirlenebilir ve bu kriterlere göre puanlanabilir.
- Fazi kümelere göre kümeler mantığı, klasik kümelere dayanan mantık sisteminin üzerine inşa edilebilir.
- Fazi kümelere göre kümelerle ilgili operatörler (birleştirme, kesişim, küme farkı) tanımlanabilir ve kümeler dünyası üzerindeki inşa fazi dünyasında da yapılabilir.
- 15:08Bulanık Küme Kavramı
- İki küme tanımı vardır: kırmızı A kümesi ve mavi B kümesi, bu kümelere üyelik derecesi olarak ifade edilir.
- Bir elemanın küme üyeliği, kümelerin kesişim noktalarına göre belirlenir; örneğin 1,83 boyundaki bir kişi, orta boylu kümesine %10, uzun boylu kümesine %40 üye olabilir.
- Birleşim kümesinde, elemanın her iki kümeye de üyeliği, en yüksek üyelik değeriyle belirlenir, kesişim kümesinde ise en düşük üyelik değeri alınır.
- 17:41Bulanık Küme Operasyonları
- Compliment (ters küme) operasyonunda, bir kümenin dışındaki elemanların üyelik derecesi 1 eksi olarak hesaplanır.
- Örneğin, bir kişinin uzun boylu olma olasılığı %80 ise, kısa boylu olma olasılığı %20 olur.
- 18:36Bulanık Mantık ve Uygulamaları
- Bulanık mantık, belirsizlik üzerinden mantık kuralları tanımlamayı sağlar.
- Havaalanına erken gitme örneğinde, uçuştan ne kadar önce havaalanına varılması risk açısından değerlendirilir.
- Bulanık mantık, insan dünyasındaki kavramları bilgisayar dünyasına modelleyerek çözümleyebilme imkanı sunar.
- 21:03Bulanık Mantık ve Çıkarım
- Bulanık mantıkta çıkarım ilişkisi, girdiden çıktı elde etme işlemidir.
- Çıkarım, olasılık ve istatistik bilimi üzerinden sayılardan veya uzmanlardan öğrenme ile yapılabilecek bir süreçtir.
- Bulanık mantık, metinlerde çelişkileri tespit etme, sözleşmelerin problem yaratma olasılığını belirleme gibi uygulamalarda kullanılabilir.
- 23:55Yapay Zekanın Öznel Karar Verme Yeteneği
- Yapay zekanın kişisel (öznel) karar verme yeteneği vardır; aynı program iki farklı makinede çalışsa bile, yaşadıkları deneyimlere göre farklı sonuçlara varabilirler.
- İnsanlar kendi tecrübelerinin etkisinde kalarak kararlar verirken, yapay zekalar da öğrenme süreçlerine göre öznel kararlar verebilir.
- İnsanların deneyimleri karar mekanizmasını, davranışlarını etkileyen önemli faktörlerden biridir.
- 25:16Öznel Algılar ve Karar Verme Süreci
- Öznel algılar, örneğin trafikte kazanın rapor edilmemiş olması, kişinin yaşayacağı problemlerin az olabileceği izlenimini verebilir.
- Verilen verilere göre, kaza yakalanma ihtimali zamanla artsa da hiçbir zaman yüzde yüz olmaz.
- Karar teorisi, karar verirken olasılık teorisi ve utility (fayda) teorisini göz önünde bulundurmanın önemini vurgular.
- 26:32Karar Teorisi ve Makine Öğrenmesi
- Karar teorisine göre, karar verirken olasılık teorisi (olasılık hesaplamaları) ve utility teorisi (tercihler) dikkate alınmalıdır.
- Herkesin farklı risk alma eğilimleri vardır; bazıları daha az risk almak isterken, bazıları daha fazla risk almaya daha açık olabilir.
- Makine öğrenmesi, veri bilimi ve istatistik gibi alanlar olasılık teorisine dayanırken, karar verme sürecinde sadece sayısal değerler vermek yeterli değildir, karar teorisi uygulanmalıdır.
- 28:49Olasılık Teorisi ve Rassal Değişkenler
- Rassal değişken (random variable) veya stokastik parametre olarak da adlandırılan bir olay, gerçekleşecek olayın ne kadar olacağını bilmediğimiz bir durumdur.
- Hava durumu (güneşli, yağmurlu, bulutlu, karlı) veya dişte çürük olması gibi örnekler rassal olaylardır.
- Olasılık teorisinde atomik olaylar tanımlanır ve bunlar birbirini dışlayan (mutual exclusive) olmalıdır.
- 30:42Olasılık Teorisinin Temel Aksiyomları
- Olasılık teorisi üç temel aksiyomla oluşturulur: bir olasılık 0 ile 1 arasında (0 ve 1 dahil) değer alır.
- True (doğru) değeri 1, false (yanlış) değeri 0 olarak tanımlanır.
- İki kümenin birleşimi (union) ve kesişimi (intersection) arasındaki ilişki, kesişim değerinin çıkarılmasıyla hesaplanır.
- 32:04Olasılık Dağılımı ve Yapay Zeka Alanları
- Olasılık dağılımı oluşturulduğunda, hava durumu ve dişte çürük olma ihtimalleri gibi olaylar arasında ilişki kurulabilir.
- Yapay zeka çok geniş bir konu olup altında farklı çalışma alanları bulunur: fazy, genetik algoritma, doğal dil işleme, basınc archionlar ve network.
- Bu alanlar için bir dönemlik ders veya yüksek lisans programı açılabilir ve üzerinde yıllarca çalışılabilir.
- 34:07Video Amacı ve Önemli Uyarılar
- Yapay zeka derslerinin amacı, bu konulara giriş yapmak ve kavramları açabilmektir.
- Bu videolar, üniversite derslerinin yerine geçmez; üniversite eğitiminin amacı bilgi aktarmadan ziyade metodoloji ve kültür elde etmektir.
- Bu konuları sadece bilgi olarak görmemek, fanatiklikten kaçınmak ve üniversite eğitiminin önemini anlamanız önerilir.