Bugün bir çok insan chatbotlardan, hatta farkında bile olmadan cep telefonunda yer alan yapay zeka destekli yazılım ve donanımları kullanıyor.
Yapay zeka bu kadar yaygınlaşmışken elbette bir yandan da bu teknoloji ile ilgili yeni yeni kavramlar, deyimler ve başlı başına bir literatür oluşuyor. Peki siz yapay zeka jargonuna ne kadar hakimsiniz? Yapay zeka ile ilgili olarak en yoğun kullanılan kavramlardan bazıları aşağıda yer alıyor:
Yapay genel zeka veya AGI: AI’in bugün bildiğimizden daha gelişmiş bir versiyonunu öneren, görevleri insanlardan çok daha iyi gerçekleştirebilen ve aynı zamanda kendi yeteneklerini öğreten ve geliştiren bir kavram.
Yapay zeka etiği: Yapay zekanın insanlara zarar vermesini önlemeyi amaçlayan ilkeler, yapay zeka sistemlerinin nasıl veri toplaması veya önyargıyla nasıl başa çıkması gerektiğini belirlemek gibi konular üzerinde durularak elde edildi.
Yapay zeka güvenliği: Yapay zekanın uzun vadeli etkileri ve insanlara düşman olabilecek bir süper zekaya nasıl aniden ilerleyebileceği ile ilgilenen disiplinler arası bir alan.
Algoritma: Bir bilgisayar programının verileri belirli bir şekilde öğrenmesine ve analiz etmesine, örneğin kalıpları tanımasına, ardından ondan öğrenmesine ve görevleri kendi başına gerçekleştirmesine olanak tanıyan bir dizi talimat.
Hizalama: İstenen sonucu daha iyi üretmek için bir yapay zekayı değiştirmek. Bu, içeriği denetlemekten insanlara karşı olumlu etkileşimleri sürdürmeye kadar her şeyi ifade edebilir.
Antropomorfizm: İnsanların insan olmayan nesnelere insan benzeri özellikler verme eğiliminde olması. AI’da bu, bir sohbet robotunun gerçekte olduğundan daha insani ve farkında olduğuna inanmayı içerebilir, örneğin mutlu, üzgün ve hatta tamamen duyarlı olduğuna inanmak gibi.
Yapay zeka veya AI: Bilgisayar programlarında veya robotikte insan zekasını simüle etmek için teknolojinin kullanımı. Bilgisayar bilimlerinde insan görevlerini yerine getirebilecek sistemler kurmayı amaçlayan bir alan.
Önyargı: Büyük dil modelleri ile ilgili olarak, eğitim verilerinden kaynaklanan hatalar. Bu, klişelere dayalı belirli ırklara veya gruplara yanlış bir şekilde belirli özellikleri atfetmeye neden olabilir.
Chatbot: İnsan dilini simüle eden metinler aracılığıyla insanlarla iletişim kuran bir program.
ChatGPT: OpenAI tarafından geliştirilen ve büyük dil modeli teknolojisini kullanan bir AI chatbot.
Veri büyütme: Bir yapay zekayı eğitmek için mevcut verileri yeniden düzenlemek veya daha çeşitli bir veri kümesi eklemek.
Derin öğrenme: Resimlerdeki, sesteki ve metindeki karmaşık kalıpları tanımak için birden fazla parametre kullanan bir yapay zeka yöntemi ve makine öğreniminin bir alt alanı. Süreç, insan beyninden ilham alır ve desenler oluşturmak için yapay sinir ağlarını kullanır.
Difüzyon: Fotoğraf gibi mevcut bir veri parçasını alan ve rastgele gürültü ekleyen bir makine öğrenimi yöntemi. Difüzyon modelleri, ağlarını bu fotoğrafı yeniden tasarlama veya kurtarma konusunda eğitir.
Acil davranış: Bir AI modeli istenmeyen yetenekler sergilediğinde.
Uçtan uca öğrenme veya E2E: Bir modele bir görevi baştan sona gerçekleştirmesi için talimat verilen derin öğrenme süreci. Bir görevi sırayla gerçekleştirmek için eğitilmemiştir, bunun yerine girdilerden öğrenir ve hepsini bir kerede çözer.
Etik hususlar: Yapay zekanın etik etkileri ve gizlilik, veri kullanımı, adalet, kötüye kullanım ve diğer güvenlik sorunlarıyla ilgili konular hakkında farkındalık.
Üretken düşman ağları veya GAN’lar: Yeni veri oluşturmak için iki sinir ağından oluşan üretken bir AI modeli; bir üretici ve bir ayırıcı. Jeneratör yeni içerik oluşturur ve ayırıcı, orijinal olup olmadığını kontrol eder.
Üretken Yapay Zeka: Metin, video, bilgisayar kodu veya görüntüler oluşturmak için yapay zeka kullanan içerik üreten bir teknoloji. AI, büyük miktarda eğitim verisiyle beslenir, bazen kaynak materyale benzer olabilen kendi yeni yanıtlarını oluşturmak için kalıplar bulur.
Google Bard: Google’ın ChatGPT’ye benzer şekilde çalışan ancak mevcut web’den bilgi çeken bir AI chatbot’u, oysa ChatGPT 2021’e kadar verilerle sınırlı ve internete bağlı değil.
Korkuluklar: Verilerin sorumlu bir şekilde ele alınmasını ve modelin rahatsız edici içerik oluşturmamasını sağlamak için AI modellerine uygulanan politikalar ve kısıtlamalar.
Halüsinasyon: AI’in verdiği yanlış bir yanıt. Yanlış olan ancak doğruymuş gibi güvenle ifade eden üretken AI üreten cevapları içerebilir. Bunun nedenleri tam olarak bilinmiyor. Örneğin, bir AI chatbot’a “Segeo da Vinci Mona Lisa’yı ne zaman boyadı?” diye sorarken “Leonardo da Vinci, Mona Lisa’yı 1815’te boyadı” diyen yanlış bir ifadeyle yanıt verebilir, bu da gerçekte boyandıktan 300 yıl sonradır.
Büyük dil modeli veya LLM: Dili anlamak ve insan benzeri dilde yeni içerik oluşturmak için büyük miktarda metin verisi üzerinde eğitilmiş bir AI modeli.
Makine öğrenimi veya ML: AI’da bilgisayarların açık programlama olmadan öğrenmesine ve daha iyi tahmine dayalı sonuçlar elde etmesine olanak tanıyan bir bileşen. Yeni içerik oluşturmak için eğitim setleriyle birleştirilebilir.
Microsoft Bing: Microsoft’un yapay zeka destekli arama sonuçları vermek için ChatGPT’ye güç veren teknolojiyi kullanabilen bir arama motoru. İnternete bağlı olması bakımından Google Bard’a benzer.
Multimodal AI: Metin, resim, video ve konuşma dahil olmak üzere birden fazla giriş türünü işleyebilen bir AI türü.
Doğal dil işleme: Bilgisayarlara genellikle öğrenme algoritmaları, istatistiksel modeller ve dil kuralları kullanarak insan dilini anlama yeteneği vermek için makine öğrenimini ve derin öğrenmeyi kullanan bir yapay zeka dalı.
Sinir ağı: İnsan beyninin yapısına benzeyen ve verilerdeki kalıpları tanıması amaçlanan hesaplamalı bir model. Kalıpları tanıyabilen ve zamanla öğrenebilen birbirine bağlı düğümlerden veya nöronlardan oluşuyor.
![Wipro yapay zeka](https://www.techinside.com/wp-content/uploads/2023/07/wipro-yapay-zeka-icin-bir-milyar-dolar-yatirim-yapacak-techinside-768x432.jpg)
Aşırı uydurma: Eğitim verilerine çok yakın çalıştığı ve söz konusu verilerde yalnızca belirli örnekleri tanımlayabildiği, ancak yeni veriler tanımlayamadığı makine öğreniminde hata.
Parametreler: LLM’lere yapı ve davranış veren, tahminlerde bulunmasını sağlayan sayısal değerler.
Hızlı zincirleme: Yapay zekanın gelecekteki tepkileri renklendirmek için önceki etkileşimlerden gelen bilgileri kullanma yeteneği.
Stil aktarımı: Bir görüntünün stilini diğerinin içeriğine uyarlama yeteneği, bir yapay zekanın bir görüntünün görsel özelliklerini yorumlamasına ve başka bir görüntüde kullanmasına izin verir. Örneğin, Rembrandt’ın otoportresini alıp Picasso tarzında yeniden yaratmak.
Sıcaklık: Bir dil modelinin çıktısının ne kadar rastgele olduğunu kontrol etmek için ayarlanmış parametreler. Daha yüksek bir sıcaklık, modelin daha fazla risk aldığı anlamına gelir.
Metinden görüntüye oluşturma: Metinsel açıklamalara dayalı görüntüler oluşturma.
Eğitim verileri: Metin, resimler, kod veya veriler dahil olmak üzere yapay zeka modellerinin öğrenmesine yardımcı olmak için kullanılan veri kümeleri.
Transformatör modeli: Cümlelerde veya görüntülerin bölümlerinde olduğu gibi verilerdeki ilişkileri izleyerek bağlamı öğrenen bir sinir ağı mimarisi ve derin öğrenme modeli. Bu nedenle, bir cümleyi her seferinde bir kelime analiz etmek yerine, tüm cümleye bakabilir ve bağlamı anlayabilir.
Turing testi: Adını ünlü matematikçi ve bilgisayar bilimcisi Alan Turing’den alan bu test, bir makinenin insan gibi davranma yeteneğini test ediyor. Bir insan, makinenin tepkisini başka bir insandan ayırt edemezse makine geçer.
Zayıf AI, diğer adıyla dar AI: Belirli bir göreve odaklanan ve beceri setinin ötesinde öğreneyen AI. Günümüzün yapay zekasının çoğu zayıf yapay zekalar.
Sıfır atışlı öğrenme: Bir modelin gerekli eğitim verileri verilmeden bir görevi tamamlaması gereken bir test. Sadece kaplanlar üzerinde eğitilirken bir aslanı tanımak, iyi bir örnek olabilir.