Hepimiz onlara sahibiz. Biraz aşina olduğunuz konular – kısa bir sohbette ağırlığınızı kaldırmaya yetecek kadar, ancak fazla derinlik katacak kadar değil. Meslektaşlar sıradan bir sohbette bu konulardan birini gündeme getirdiğinde, sadece baş sallanır, zorunlu bir yanıt verilir ve diyalog genellikle biter. Ve çoğu zaman, bu yeterince de iyidir.
Aynı konu giderek daha yaygın hale gelmeye başladığında, bu konu hakkında daha fazla bilgi sahibi olunması gerektiğinden endişelenmeye başlanabilir. Bu, herkesin açıkça anladığı bir şey midir? Konuya tam olarak hâkim olunmadığı gerçeğine çok fazla dikkat çekmeden nasıl yetişilebilir?
Çok kimse için anlaşılması zor bir konu olan yapay zekâ (artificial intelligence-AI) ise, tamamen anlamak için çok fazla zaman veya enerji harcanması gereken bir şey gibi görünmeyebilir. Ne de olsa geçiminizi etkilemiyor, değil mi? Ama sonra birdenbire oluyor.
Yapay zekâ hakkında sık sorulan sorular
Bu yapay zekâ soruları listesinin amacı, yapay zekâ tartışmasına katılınmasına yardımcı olmaktır. Hemen hemen her şeyi yaptığınız gibi anlamlı katkılar sağlamaktır. Bazıları daha karmaşık kavramlar olarak sınıflandırılan tanıdık kavramlar olacaktır.
Yapay zekâ nedir?
Yapay zekâ, normalde insan zekâsı gerektiren görevleri yerine getirmelerini sağlamak için makinelerde insan zekâsını simüle etme alanıdır. Yapay zekâ, makinelerin önceki deneyimleri kullanarak öğrenmesine, yeni girdilere uyum sağlamasına ve görevleri yerine getirmesine olanak tanıyarak algı, muhakeme, öğrenme ve problem çözme gibi insan bilişinin yönlerini sergiliyor.
Makine öğrenimi nedir?
Makine öğrenimi, yapay zekânın algoritma çalışmalarına odaklanan temel bir yönüdür. Bilgisayarların belirli görevleri gerçekleştirmelerini sağlayan verileri ve ilişkileri anlamalarına olanak tanır. Zaman içinde kalıpları belirlemek için birden fazla veri noktası kullanan makine öğrenimi, teknolojiye nihayetinde kararlar veya öneriler vermesi için güç verir. Bu, bir görevin her yönü için açık talimat gerektiren geleneksel bilgisayarların aksine duruyor. Onlarca yıldır makinelere her şeyin öğretilmesi gerekiyordu. Yapay zekâ ile öğrenirler.
Telefonunuz sizi tanıyor. Cep telefonunuz, eve her zaman 17:15 civarında gittiğinizi öğrenir. Telefonunuz bu bilgilere dayanarak, günün saati ve söz konusu gündeki gerçek trafik hareketi gibi faktörleri analiz ederek eve gitmenizin ne kadar süreceğini tahmin edebilir. Geçmiş trafik kalıplarının bir kombinasyonundan ve o günün trafiğiyle ilgili gerçek zamanlı verilerden öğreniyor. Makine öğrenimi, kişiselleştirilmiş önerilerde, yüz ve ses tanımada ve aşağıda listelenenler de dâhil olmak üzere bir dizi başka uygulamada da kendini gösterir.
ChatGPT nedir?
ChatGPT, GPT’nin “’Önceden Eğitilmiş Üretken Transformatör”’ anlamına gelen bir çeşididir. OpenAI tarafından geliştirilen bir dil modelidir ve konuşma bağlamlarında insan benzeri tepkiler üretmek için özel olarak tasarlanmıştır.
Yeni bir Thomson Reuters raporu, endişe devam etse bile hukuk firmalarında üretken yapay zekâ ve ChatGPT kullanımına yönelik gelişen tutumları tartışıyor.
Yapay zekânın birilerini işsiz bırakıp bırakmayacağı merak ediliyor mu? Cevap kesin bir hayır olmalıdır. Yapay zekânın yapabileceği ve yapacağı şey, görevleri tamamlamayı daha verimli ve daha az sıkıcı hale getirmektir. Örneğin, yapay zekâ teknolojisi, yüzlerce sayfalık belgeyi elle yapmaktan çok daha hızlı bir şekilde inceleyebilir ve işaretleyebilir. Bu, hem avukatları hem de destek personelini dava yükü oluşturmak gibi daha ilginç ve kârlı işler için serbest bırakabilir. Ayrıca, daha az deneyimli avukatların daha hızlı bir şekilde daha fazla değer sunmaya başlamasına izin verebilir.
Bilgi alma nedir?
Bilgi alma, istenilen bir şeyin istenilen zaman bulunmasına yardımcı olmak için depolanan verileri kullanır. Google gibi bir web arama motoru, yaygın olarak kullanılan bir bilgi alma sistemidir. Depolanan bilgiler, sorguda kullanılan sözcüklere veya tümceciklere göre aranır ve web’i (ağ) dolduran mevcut web siteleri, veriler, içerik ve meta veriler dizini ile eşleştirilir. Araştırılacak çok şey var, ancak yapay zekâ bilgi erişimini dünyanın her yerindeki kullanıcılar için hızlı ve uygulanabilir hale getirir.
Doğal dil işleme nedir?
Doğal dil işleme, robotik konuşmayı veya kısıtlayıcı metni değil, hem sözlü hem de yazılı insan dilini anlamaya odaklanır. Doğal dil işleme, dil verilerini bilgisayarların işleyebileceği şekilde ayıklamak ve analiz etmek için algoritmalar uygular. Makinelerin muazzam miktarda veriyi işleyebilmesi -bu verileri çıkarabilmesi ve organize edebilmesi ve nihayetinde anlayıp tercüme edebilmesi- zorunludur.
Google’da iyi sonuçlar almak için Boole aramalarında iyi olunmasına gerek yoktur. Doğal dil işleme, “spor salonu” araması yaparak yeni bir spor salonu arandığında, işletmenin adında “spor salonu” kelimesini içerip içermediğine bakılmaksızın, sonuçların fitness odaklı çoğu yeri içereceği anlamına gelir. Google, geleneksel bir spor salonundan, bir CrossFit’ten veya yoga stüdyosundan bu örnekte “spor salonu” ve “stüdyo” kelimelerinin benzer bir anlama sahip olduğunu anlar. Her şey dâhil sonuçları almak için arama sorgusunun her şeyi içermesi (spor salonu ve stüdyo ve fitness ve yoga ve CrossFit ve sağlık ve kulüp) olması gerekmez. Bir robot gibi değil, bir insan gibi yazılabilir. Ve makine öğreniminin biraz yardımıyla, sonuçlar yerel tutulacaktır. Bu aynı zamanda, mahkeme kararları, belgeler ve tutanaklar arasında arama yaparken, tam olarak aradığınızı bulmak için her zaman tam eşleme dilini kullanmak zorunda olmadığınız anlamına gelir.
Veri madenciliği nedir?
Veri madenciliği, büyük veri kümeleri içindeki ilişkileri, korelasyonları ve kalıpları arama sürecidir. Teknoloji sistemleri, verileri araştırır ve verilerdeki anormallikleri insanlar için imkânsız olacak bir ölçekte tespit eder. Bu analiz, sonuçların tahmin edilmesine yardımcı olur, olası yanlışları bulur ve sorgulanabilir eğilimleri fark eder ve elde edilen bilgiler çeşitli şekillerde yararlı olabilir.
Bir mağaza, sizinle aynı ürünleri satın alan veya bunlarla ilgilenen kişilerin kalıplarını analiz ederek bu verilere dayanarak ilgili önerilerde bulunabilir. Aynı kavram, Netflix tavsiyelerinde veya Facebook ve diğer sosyal medya kanallarındaki hedefli reklamların görünüşte bitmeyen akışında da ortaya çıkıyor. Veri madenciliğinin hayatı etkilemesinin bir başka yolu da belge incelemesidir. Sayfa sayfa, saat saat göz gezdirmek yerine, sadece “enter” (gir) tuşuna basarsınız ve iş biter. İnsanların aksine, bilgisayarların bütün gün belgelere ve ekranlara bakmaktan kaynaklanan göz yorgunluğu veya yorgunluğu olmadığı için, bir şeyin gözden kaçırılmadığını bilmenin getirdiği güveni bir düşünün.
Yapılandırılmış ve yapılandırılmamış veriler arasındaki fark nedir?
Basitçe söylemek gerekirse, yapılandırılmış veriler organize verilerdir. Nicel veri olarak adlandırılabilir. Microsoft Excel’e dışa aktarmak ve depolamak nesnel ve kolaydır. Düzenlenme şekli tutarlı ve kolayca tanımlanabilir, bu da veri madenciliğini daha iyi hale getirir. Yapılandırılmış verilerin analiz edilmesi ve ayrıştırılması da daha az karmaşıktır.
Öte yandan, yapılandırılmamış veriler o kadar kolay dışa aktarılmaz, saklanmaz veya organize edilemez. Ve çoğu kuruluşun günlük olarak uğraştığı şeylerin büyük kısmı budur. Raporlar, Microsoft Word belgeleri, e-postalar ve web sayfaları gibi metin ağırlıklı verilerin çoğunu içerir.
Yapılandırılmış veriler, onlarca yıldır arama ve sorguların tamamlanmasını kolaylaştırmıştır. Veriler organize ve nesnel olduğundan, gösterilen sonuçların en doğru olduğundan emin olunabilir. Daha önce en sevilen restoranın çalışma saatlerinden bahsetmiştik. Yapılandırılmış veriler, bir arama motoruna “Pzt-Cum 6:00 – 22:00” ifadesinin göz ardı edilecek anlamsız bir kod değil, mağaza saatlerinin anlamlı bir kaydı olduğunu söyleyen şeydir. Yakın zamana kadar, yapılandırılmamış veriler bu kadar zahmetsizce aranabilir değildi. Ancak yapay zekâ teknolojisindeki ilerlemeler, artık yapılandırılmamış verilerden içyüzünü anlamayı elde edebilen analiz araçlarının olduğu anlamına gelmektedir.
Temiz veri nedir?
Tüm veriler eşit yaratılmamıştır. Temiz veriler uygun şekilde korunur. Başka bir deyişle, yanlış, eksik veya başka bir şekilde “kötü” veriler değiştirilir veya kaldırılır. Gerek yapılandırılmamış olsun, gerekse veriler çok fazla kaynaktan çekiliyor olsun, gereksiz veriler de sonuçları çarpıtabilir. Veri temizlemeye proaktif bir yaklaşım benimsemek, zaman alıcı ve pahalı bir çaba olabilir. Ancak, eski adresler nedeniyle yalnızca düzinelerce posta almak için tatil kartları göndererek saatler harcayan herkes size bunun güvenilir veriler oluşturmanın kritik bir bileşeni olduğunu söyleyebilir. Bir adım daha ileri giderek, temiz veriler, en başta veri oluşturmaya giden süreçlerin değiştirilmesinin bir sonucu olabilir. Veri süreçlerini yönetme ve veri hijyenini sağlama disiplinine veri yönetişimi denir.
En iyi kararları vermek için en iyi verilere güvenildiğinden emin olunabilir. Yanlış bilgilere dayanarak önemli kararlar vermek asla iyi sonuçlanmaz. Yüksek hacimli temiz, yapılandırılmış veri kullanan araçlar, en güvenilir, yüksek kaliteli sonuçları üretecektir. Bu karar, akşam yemeği için nereye gidileceği ise, bahisler oldukça düşüktür. Ancak hangi otomobil parçası deposunda yedek pil olduğunu veya güvenilen tanığın sabıka kaydının temiz olup olmadığını öğrenmek için temiz verilere güveniliyorsa, verilerin kalitesi çok önemlidir.
Yapay zekâ firmalar için ne anlama geliyor?
Bu örneklerin çoğu, yapay zekâ teknolojisini tanıdık, gerçek dünya bağlamına yerleştirmek için özel olarak seçilmiştir. Ancak aynı şey yapay zekâ destekli yasal teknoloji için de geçerlidir. Arama sonuçlarına, veri analizine ve avukatların günlük olarak güvendiği geri bildirimlere pek çok kavram ve faktör giriyor. Yapay zekâ tabanlı en iyi hukuk teknolojisinin, yasada yer alan çok büyük miktarda bilgiyi hem okuması hem de anlaması gerekir. Anlamlı miktarda temiz, organize verilerle donanmış olan avukatlar ve onların en yüksek teknolojiye sahip araçları, hizmetleri daha önce mümkün olanın çok ötesinde bir hız ve güvenle sunabilir.
