AI ateşli kelimeler, sadece "derin öğrenmeyi" biliyorsunuz?
Son zamanlarda, derin öğrenmenin popülaritesi, özellikle konuşma ve görüntü tanıma alanlarında patlama yaşıyor. Yapay zeka alanındaki diğer bebeklerin dikkatini çekmiş görünüyor.
Ama gerçekte derin öğrenme yapay zekanın yalnızca bir yönüdür, ilerleme kaydeden başka alanlar da vardır ve bu teknik dallar birçok alanda büyük uygulama potansiyeline sahiptir.
Hepimiz, bazılarının yapay zekayı "bilişsel bilgi işlem" veya "makine zekası" olarak etiketlemesi gibi, diğerlerinin de uygunsuz bir şekilde yapay zekayı "Makine öğrenimi" bir araya getirilmiştir.
Aslında AI, robotikten makine öğrenimine kadar birçok disiplini kapsayan geniş bir alandır. Çoğumuz, yapay zekanın nihai amacının, daha önce insan zekası kategorisinde yer alan görevleri ve bilişsel işlevleri yerine getirebilen makineler geliştirmek olduğunu iddia ediyoruz. Bunu başarmak için otomatik öğrenme yeteneği makinelerin olmazsa olmazıdır.
Öyleyse, derin öğrenmenin yanı sıra, başka hangi yapay zeka yönlerine dikkat etmelisiniz?
Alpha Dog-Reinforcement Learning'in sırrı
Pekiştirmeli öğrenme nedir?
Google DeepMind'ın Atari ve Alphago oyunlarındaki muhteşem performansını hatırlıyor musunuz? Bu, insanların yeni görevleri öğrenme şeklinden esinlenen, deneme yanılma yoluyla öğrenme paradigması olan pekiştirmeli öğrenme yöntemidir.
Re-inforcement Learning, çevre ile etkileşime dayalı, hedefe yönelik bir öğrenme. Bazı endüstri görüşleri, pekiştirmeli öğrenmenin gerçek yapay zekanın umudu olduğuna inanıyor. (Aslında, 1950'lerde ve 1960'larda pekiştirmeli öğrenme önerilmiştir. Sutton'ın Alberta Üniversitesi'nden RLAI'si en klasik ders kitabıdır ve sibernetik alanındaki önceki "yaklaşık dinamik programlama" takviyeli öğrenmedir.)
Pekiştirmeli öğrenmenin ne olduğunu açıklamak için basit bir örnek verebiliriz:
Bir çocuk yürümeyi öğrenirken hangi adımları atar?
Önce çocuk nasıl yürüdüğünüzü gözlemleyecektir. İki ayakla adım adım yürüyorsunuz. Bu kavramı aldıktan sonra çocuk yürüyüş şeklinizi taklit etmeye çalışır.
Ancak çocuk kısa sürede yürümeden önce ayağa kalkması gerektiğini keşfetti! Bu, yürümeye çalışmak için gerekli olan bir sorundur. Öyleyse çocuğun önce ayağa kalkması gerekiyor, ancak süreç birçok mücadele ve kayma yaşayacak, ancak yine de ayağa kalkmaya kararlı.
Sonra başa çıkılması gereken başka bir zorluk daha var: ayağa kalkmak kolaydır, ancak ayakta kalmak başka bir zorluktur! Çocuk dengesini destekleyecek bir yer bulmaya çalışıyormuş gibi ayakta durmaya çalışarak ellerini salladı.
Artık çocuk gerçek görev yürüyüşüne başlar. Bunu söylemek yapmaktan daha kolay. Kilonuzu dengelemek, hangi ayağı ilk alacağınıza karar vermek ve ayağınızı nereye koyacağınıza karar vermek gibi unutulmaması gereken birçok nokta vardır.
Bu zor bir görev gibi görünüyor mu?
Aslında ayağa kalkıp yürümeye başlamak biraz zordur, ancak yetkin olduğunuzda artık yürümekte zorlanmayacaksınız. Ancak, analizimiz sayesinde, artık muhtemelen bir çocuğun yürümeyi öğrenmesinin zorluğunu anlıyorsunuz.
Yukarıdaki örneği pekiştirmeli öğrenme problemi olarak tanımlayalım. Bu örnekteki "problem" yürümektir Bu süreçte çocuk, eylemler yaparak (yürüyerek) çevreyi (çocuğun üzerinde yürüdüğü yüzey) manipüle etmeye çalışan bir ajandır. Bir durumdan (yani attığı her adımdan) başka bir duruma geçmeye çalışır.
Görevin alt modülünü tamamladığında (yani birkaç adım attığında), çocuk ödüllendirilecektir (çikolata gibi). Ancak birkaç adımı tamamlayamadığında, hiç çikolata almayacaktır (negatif ödül olarak da bilinir). Bu, pekiştirmeli öğrenme probleminin basit bir açıklamasıdır.
