YAPAY ZEKA (AI) VE MAKİNE ÖĞRENİMİ (ML) ARASINDAKİ FARKLAR NELERDİR?

Makine Öğrenimi (ML) ve Yapay Zeka (AI) arasında bir çok farklılık bulunmaktadır. Bazı makalelere dayanarak, bir çok insan Yapay Zeka (AI)'ya ve Makine Öğrenimi (ML)’ne eşdeğer kelimeler olarak atıfta bulunmakta ve bunları karşılıklı olarak kullanmaktadır. Birçok durumda, inovasyon üzerine konuşan ve açıklayan genel nüfus, Yapay Zeka (AI) ve Makine Öğrenimi (ML) arasındaki zıtlığı fark etmemektedir. Yapay Zeka (AI) ve Makine Öğrenimi (ML) arasındaki bazı temel farklılıkları beraber inceleyelim…

 

Makine Öğrenimi (ML) nedir?

Makine Öğrenimi (ML), Profesör ve Carnegie Mellon Üniversitesi Makine Öğrenim Bölümü Eski Başkanı Tom M. Mitchell tarafından konan Yapay Zeka (AI)’nın bir dalıdır. Makine Öğrenimi (ML), deneyim yoluyla otomatik olarak gelişen bilgisayar algoritmalarının çalışmasıdır. Makine Öğrenimi (ML), Yapay Zeka (AI)’ya ulaşmayı umduğumuz yollardan biridir. Makine Öğrenimi (ML), ortak modelleri bulmak ve nüansları keşfetmek için verileri inceleyerek ve karşılaştırarak büyük veri setleri ile çalışmaya dayanmaktadır. Örneğin, bir çok x-ışını görüntüsüne sahip bir makine öğrenim programı sağladığınızda, ilgili belirtilerle birlikte, gelecekte x-ışını görüntülerinin analizine yardımcı olabilir (veya muhtemelen otomatikleştirebilir). Makine Öğrenimi (ML) uygulaması, tüm bu farklı görüntüleri karşılaştırır ve benzer belirtilerle etiketlenmiş görüntülerde ortak kalıpların ne olduğunu bulur. Buna ek olarak, yeni görüntülerle sağladığınızda, içeriğini, içerdiği kalıplarla karşılaştırır ve görüntülerin daha önce üzerinde çalışılmış olan belirtilerin herhangi birini içermesini söyler. Makine Öğrenimi (ML) modeli, farklı veri kümesindeki resimlerden her birine bakar ve karşılaştırılabilir göstergelerle etiketlenmiş resimlerde bulunan ortak kalıpları bulur. Ayrıca, modeli yeni resimlerle yüklediğinizde (resimler için iyi bir Makine Öğrenimi (ML) algoritması kullandığımız varsayılarak), daha önce toplanan örneklerle parametrelerini karşılaştıracaktır. Denetimli Öğrenme; denetlenen öğrenme algoritmaları, hedef tahmin çıktısı ile girdi özellikleri arasındaki ilişkiyi ve bağımlılıkları modellemeye çalışır, böylece yeni verilere göre çıktı değerlerini tahmin edebilirsiniz. Denetimsiz öğrenim, başka bir Makine Öğrenimi (ML) türü, özellikle desen tespitinde ve tanımlayıcı modellemede kullanılan Makine Öğrenimi (ML) algoritmalarının ailesidir. Teknoloji şirketleri neden Yapay Zeka (AI) ve Makine Öğrenimi (ML)'ni birbirinin yerine kullanabiliyor?

 

Derin öğrenme, klasik kural tabanlı programlama ile gerçekleştirilemeyen görevleri gerçekleştirmeye başladı. Erken aşamalarda konuşma ve yüz tanıma, görüntü sınıflandırması ve doğal dil işleme gibi alanlar aniden büyük atılımlar yapmaktadır. Bu nedenle, momentumda, Yapay Zeka (AI)'ya geri vites değişimi görebilirsiniz. Eski moda yazılımların sınırlarına alışmış olanlar için, derin öğrenmenin etkileri, özellikle de sinir ağlarının ve derin öğrenmenin girdiği alanların bir kısmının bilgisayarların sınırlarını aştığı için, neredeyse “büyü” gibi görünmektedir. 

 

Kaynak: Tıklayınız