Makine Öğrenimi - Geleneksel AI

Yapay zekanın yolculuğu, bilgi işlem gücünün bugün olduğundan çok daha az olduğu 1950'lerde başladı. Yapay zeka, makinenin yaptığı tahminlerle yola çıktı ve bir istatistikçi hesap makinesini kullanarak tahminler yapıyor. Bu nedenle, ilk tüm AI geliştirme, temel olarak istatistiksel tekniklere dayanıyordu.

Bu bölümde, bu istatistiksel tekniklerin neler olduğunu ayrıntılı olarak tartışalım.

İstatistiksel teknikler

Günümüzün AI uygulamalarının gelişimi, eski geleneksel istatistiksel tekniklerin kullanılmasıyla başladı. Gelecekteki bir değeri tahmin etmek için okullarda düz çizgi enterpolasyonu kullanmış olmalısınız. Yapay zeka programları denen programların geliştirilmesinde başarıyla uygulanan bu tür birkaç başka istatistiksel teknik vardır. "Sözde" diyoruz çünkü bugün sahip olduğumuz AI programları çok daha karmaşıktır ve ilk AI programları tarafından kullanılan istatistiksel tekniklerin çok ötesinde teknikler kullanır.

O günlerde AI uygulamaları geliştirmek için kullanılan ve hala pratikte olan bazı istatistiksel teknik örnekleri burada listelenmiştir -

• Regression
• Classification
• Clustering
• Olasılık Teorileri
• Karar ağaçları

Burada, yapay zekanın gerektirdiği enginlikten sizi korkutmadan yapay zekaya başlamanıza yetecek bazı temel teknikleri listeledik. Sınırlı verilere dayanarak AI uygulamaları geliştiriyorsanız, bu istatistiksel teknikleri kullanıyor olacaksınız.

Ancak günümüzde veriler bol miktarda bulunmaktadır. İstatistiksel tekniklere sahip olduğumuz türden devasa verileri analiz etmek, kendilerine ait bazı sınırlamalara sahip oldukları için pek yardımcı olmaz. Derin öğrenme gibi daha gelişmiş yöntemler bu nedenle birçok karmaşık sorunu çözmek için geliştirilmiştir.

Bu eğitimde ilerledikçe, Makine Öğreniminin ne olduğunu ve bu tür karmaşık yapay zeka uygulamaları geliştirmek için nasıl kullanıldığını anlayacağız.