Yapay Zekânın Tarihi ve Gelişimi (1956)

Yapay Zeka

2017’nin başlarında Alphago isimli yapay zekâ uygulaması dünya GO şampiyonu Ke Jie’yi altetmeyi başarmıştı. Bu artık, dünya GO şampiyonu bir insan değil bir algoritma kümesidir anlamına geliyordu. Daha ilgi çekici olanı ise Alphago’nun bir üst versiyonu olan Alphago Zero’nun yaklaşık 40 günlük bir süre içinde dünyanın en karmaşık strateji ve zekâ oyunlarından olan GO’yu öğrenerek atası Alphago’yu yenmesi olmuştur. Makine öğrenmesine iyi bir örnek teşkil edecek bu deneyim sürecini Alphago Zero kendi tamamlamıştır.Yapay zekâ çalışmaları, bu bakış açısıyla bilişim teknolojilerinin de gelişmesinin önünü açan ilerlemelerden sayılmaktadır.

Alphago Zero öğrenmeye başladıktan üç gün sonra basit bir versiyonu olan Alphago LE (Light Edition) ‘yi GO oyununda altetmiştir. Alphago LE kendi başına mükemmel bir yapay zekâ ve öğrenen makine örneğidir. 2016 yılında dünya şampiyonu Lee Sedol’u yenmeyi başarmıştır. Bu bilgi ışığında Alphago Zero’nun 3 gün içindeki öğrenme hızını tahmin edebiliriz. Kendi kendine öğrenen makinelerin sadece zekâ oyunları oynayan sistemler olarak kalmayacağını bilmemiz gerekir. 1920’de Çek yazar Karel Capek’in Rossum’s Universal Robots isimli piyesi literatüre robot kelimesini kazandırmıştı. Piyes insanlar için çalışmaktan mutluluk duyan sentetik yapay otomatalardan yani robotlardan bahsediyordu. Robotlar, düşünen, konuşan, hareket eden, insan görünümlü yapay insansı makinelerdi.

Burada yapay zekâ dünyasının en önemli figürlerinden biri olan Alan Turing devreye girmekteydi. İngiliz matematikçinin 1950 yılında bir felsefe dergisi olan Mind’da “Hesaplama Makineleri ve Zekâ” isimli makalesi bir mihenk taşı olarak adledilmektedir. Turing bu makalesinde “”Makineler düşünebilir mi?” sorusu üzerinde düşünmemiz gerektiğini öne sürüyorum. Buna da “makine” ve “düşünme” terimlerinin anlamlarının tanımlanmasıyla başlamamız gerekir.” diye yazıyordu. Bu cümle yapay zekâ devriminin başlangıç cümlesi olarak Turing’i yapay zekânın yaratıcısı olarak kabul etmemizi sağlamaktadır. Alan Turing mesleki dikkatleri üzerine Nazi Almanya’sında kullanılan şifreleme cihazı Enigma’yı çözümlemesiyle ve Turing Zekâ Testi’ni üretmesiyle çekmişti. Turing Testi olarak adlandırılan bu çalışma bir insanın sorduğu sorulara aldığı yanıtlar üzerinden giderek karşısındakinin insan mı yoksa makine mi olduğunu test etmekteydi. Turing, bu testi insan zekâsının en özgün yanının dil özelliği olduğunu düşünerek oluşturmuştu.

1956 bilgisayarların hayatımıza aktif olarak dahil olmaya başladıkları yıllardır. Yazılımcıların ve mühendislerin başlangıç seviyesi zekâ kurgusuyla uyumlu gördükleri satranç, dama, black jack gibi oyunları öğrenenerek oynayan makinelerin ortaya çıktı zamanlar da aynı dilime denk düşmektedir. “Samuel’s Checkers AI” IBM 700 serisi bilgisayarlarda karşısında bir insanla dama oynayabilen ilk kararlı sistemlerdendi. 1958 yılında tanıtılan Bernstein’s Chess AI ise yapay zekâ algoritmalarıyla satranç hamleleri planlayan gelişmiş bir yapay sistemdi. 1958 LISP (Locator/Identifier Separation Protocol)’in ortaya çıktığı yıl olmuştur. 1968-1970 yıllarında Terry Winograd tarafından hazırlanan SHRDLU isimli yapay zekâ uygulaması da LISP’le yazılmış basit bir chatbottu.PDP-6 işletim sisteminde hayat bulan SHRDLU karşısındaki kullanıcıyla İngilizce dilinde iletişim kuracak şekilde tasarlanmıştı.

Günümüzdeki örneklerine oranla çok sınırlı kelime dağarcığıyla belli konular hakkında komutlar alıyor, yerine getirdiği işlemler sonunda ise rapor veriyordu. 1962 yılında IBM 701 Checkers AI ilk defa bir insanı yenmeyi başarmıştı. 1967 yılında Mac Hack isimli yapay zekâ uygulaması bir insana karşı zekâ oyunları turnuvasına katılarak zafer elde eden ilk yapay sistemdi. Zobrist’s AI isimli uygulama, 1968’de satranca göre daha fazla
olasılık, hesap ve hamle içeren GO oyununda bir amatörü yenmeyi başardı. Çok uzun zaman geçmeden, 1974 yılında bilim Kaissa isimli ilk yapay zekâ satranç şampiyonuyla tanışacaktı. 1989’da yapay zekâ araştırmaları, günümüzdeki veri madenciliği, kriptopara gibi araştırmaların da temeli sayılan CNN (Convolutional Neural Network) teknolojisiyle buluşuyordu. ConvNet olarak da adlandırılan bu yapılarak sanal gerçeklik uygulamalarının sayısal ifadesinde test edilmeye başlandılar. ConvNet, çok katmanlı algılayıcılar olan MLP
(Multilayer Perceptrons) olarak ifade edilen kod katarlarının daha etkin ve verimli üretilmesine olanak sağlamıştı. Veri gruplama, yapay sinir ağı mimarisi, öğrenen sistemlerin tasarımı konusunda temel adımlardan biri ConvNet mimarisiydi.

yapay zeka

Ardından 1992’de TD Gammon (tavla oynayan yapay zekâ yazılımı), 1993’te Monte Carlo GO, 1994’te Chinook AI, 1996’da NeuroGo, 1997’de Deep Blue, 2006’da MCTS Go, 2008’de Crazy Stone, 2012’de Zen19, 2014’te DeepMind ve 2016’da AlphaGo sahip oldukları tüm bilgiyi insan zekâsı karşısında sergilemişlerdi. Tüm bu uygulamaların ortak amacı Cognitive Computing olarak ifade edilen bilişsel bilgi işlem teknolojisini ileri taşımaktı.
1964 yılında MIT Yapay Zekâ Laboratuarı’nda Joseph Weizenbaum ELIZA isimli ilk yapay zekâ Chatbot uygulamasını geliştirdi. ELIZA günümüzdeki yapay zekâ harikası Siri veya Cortana benzeri insan-makine interaktivitesi için üretilmiş chatbotların ilk örneğiydi. ELIZA “pattern matching” diye adlandırlan basit bir ilişkilendirme algoritması çözümleyerek yazılan komutlara uygun gelebilecek cümleleri yanıt olarak ekrana yansıtıyordu. 1980 ler öğrenen makine algoritmalarının dil öğrenme, işleme ve ifade etme becerilerinin
sayısallaştırıldığı yıllardı. Bu gelecek yıllarda organik bireylerle dijital (ve yakın gelecekte sentetik otomatalar) bireylerin konuşmaya, iletişim kurmaya başlamalarını sağlayacaktı. Bu konuda en önemli çalışmaları Tel Aviv doğumlu biliminsanı Judea Pearl yapmıştır.

Bilişimci ve felsefeci olan Judea Pearl, 1988 yılında yayımladığı “Probabilistic Reasoning in Intelligent Systems” (Zeki Sistemlerde Olasılıkları Anlamlandırmak) isimli kitabında yapay zekâ organizmalarında olasılık değerlendirme ve karar alma yetilerinin kazandırılması teorisini ortaya atmıştır. Pearl’in 1984’te yazdığı “Heuristics: Intelligent Search Strategies for Computer Problem Solving” ve 1988 yılında yayımladığı “Uncertainity Management in AI Systems” kitapları da benzer önermeleri içermektedir. Pearl’in teorisinde belirtilen önermeler ileriki yıllarda Watson gibi yapay zekâ sistemlerinin kendi başına öğrenme, öğrendikleri arasından olasılık sınıflandırması yapma ve dil becerileri yardımıyla sesli veya yazılı olarak en uygun yanıtı
seçerek iletmesi sürecinde kullanılacaktı.

1997 yılında IBM’in Deep Blue isimli yapay zekâ programı dünya satranç şampiyonu Garry Kasparov’u yendi. Kasparov maç öncesinde hiç bir yapay organizmanın bir insanı yenemeyeceği konusunda bir demeç vermiştir.
2000’lerden Günümüze 2000’ler yapay zekâ uygulamalarının yaşamımızda yerleşik hale geldikleri dönemin
başlangıcı olarak kabul edilebilir. Günümüzün devn internet şirketleri olan Google, Facebook, Amazon, Twitter gibi kurumların veri analizinde gereksinim duydukları rasyonel çözümü yapay zekâ ve yapay sistemlerde bulmaları ve bu konuyla ilgili araştırmaları finansal olarak desteklemeleri sebebiyle ilgi çekici başarılar sağlandı. 2004 yılında DARPA (Defence Advanced Research Projects Agency) ilk insansız otomobil yarışması olan Darpa Grand Challenge’i Abd’deki Mojave çölünde düzenledi. Katılan araçlardan hiç biri Nevada’daki parkuru tamamlayamasalarda Carniege Mellon Universitesi’nin insansız aracı yaklaşık 12 kilometrelik yol katederek büyük bir başarıya imza atmıştı. Bir milyon dolarlık ödülü kazanan çıkmasa da yarışma yapay zekâ teknolojilerinin bilinirliği adına büyük bir teşvik görevi üstlenmişti.

2013 yılında Eugene Goostman isimli 13 yaşında Ukrayna’lı bir çocuğu simüle eden yapay zekâ uygulaması dünyada ilk defa Turing testini geçmeyi başararak juridekilerin %33’lük kısmına kendini insan olarak inandırdı. Turing testi, bir makinenin karşısındaki jurinin en az %30’luk kısmına karşılarındakinin bir yapay sistem değil gerçek bir kişi olduğuna inandırması şartına dayanıyordu. Reading Universitesi’nde 7 Haziran 2013’te gerçekleşen mülakata Royal Society üyesi juri üyeleri katılmıştı. Eugene Goostman’ın bu başarısı
geleceğe dönük yapılacak insan beyninin gerçek ölçekli simülasyon çalışmalarıyla entegre edildiğinde ilk sentetik insanlarla tanışmamız mümkün olabilecektir. Benzer çalışmalar Cleverbot, Elbot, Ultra Hal gibi örneklerle farklı araştırmacılar tarafından sürdürülmektedir. 2013 yılı Machine Learning (Öğrenen Makineler veya Makine Öğrenmesi) kavramıyla tanıştığı zaman dilimidir. Öncesinde sahip olduğu kod silsilesi sayesinde sınırlılıkları
insanlarca saptanmış yapay zekâ sistemleri öğrenen makineler adımıyla kendi kodlarını kendi düzenler ve geliştirir sistemlere evrilmişlerdir. Bir öğrenen makine üzerinde muhakeme, karar alma adımlarını attığı algoritmalarını güncelleyerek insansı ve öngörülemez (unpredictable) yanıtlar tasarlayabilmektedirler.
2013 yılında Carnegie Mellon Universitesi (internet ve yapay zekâ çalışmalarında dünyanın lider kuruluşudur) NEIL (Never Ending Image Learner) isimli yapay zekâ uygulamasını üretmişti. NEIL farklı resim ve şekillerin arasındaki bağlantıyı analiz etmesi sayesinde eşsizdi.

Bu gelişme Google Image Search algoritmasının gelişimine de yön vermiştir. Algoritma bir imaj formatının (gif, jpeg, bmp, png..vs) ağ üzerindeki benzerlerini, türevlerini ve ya karşıtlarını listeleyebilmektedir. Bu algoritma bir çok açıdan eşsizdir. Gelecekte kendi geniş çevresini ve var olduğunun farkına varacak (self aware) yapay zekâ canlılarının muhakeme hazinesine eklenecek büyük bir modül olduğu kabul edilmektedir. 2016 yılında Çin’li biliminsanlarınca geliştirilen dünyanın en hızlı süper bilgisayarı Sunway Taihulight la hız rekoru kırdığında buna ilk sevinenler araştırmacılar olmuştu. Sunway Taihulight gelişmiş veri işleme hızıyla mevcut en hızlı süperbilgisayardan üç kat hızlı işlem yapabiliyordu -ki bu kendi dalında ufak bir devrim sayılabilmektedir. Sunway Taihulight’ın ortaya çıkışı yapay zekâ dünyasında da bir kilometre taşı olarak kabul edilmektedir. Linpack
kıyaslama grubunun hesaplamalarına dayanarak 93 petaflop (Floating Point Operations Per Second) hızında bir performans sergilemiştir. Bu gelişme direkt olarak yapay zekâ uygulamalarıyla ilişkilendirilebilmektedir.
Daha hızlı, verimli veri işleme daha derin analiz, kodlama, öğrenme ve hafıza anlamına gelmektedir. Sunway Taihulight, ikinci sıradaki rakibi Tianhe-2 (O da Çin’de yapılmıştır.)

34 petaflop performansla işlem yaparken kendisi 93 petaflop performans göstermiştir. Kısa bir zaman zarfında günümüzdekinden üç kat daha zeki sistemlerle yüzleşebilecek olmamız bilişim dünyasının tüm alanlarındaki benzer gelişmelere bağlıdır. Trafikte sıkışmamanız için yol asistanınız kendi türeteceği alternatif güzergahları o bölgeden topladığı benzer verileri süzerek yorumlar ve sunar. Kaybettiğiniz mobil cihazınızın bulunmasından, mutfak alışverişlerinize, oynamak isteyeceğiniz elektronik oyunlardan şöförsüz araçlara kadar yaşamımızın tam ortasından matematik formülleri, veriler, analiz edilen data katarları ve sonuçara göre alınan milyarlarca dijital, yapay karar bulunmaktadır.

Gelecek

2000’lere kadar olan TYPE 1 sınıfındaki yapay zekâ sistemleri “Purely Reactive” olarak adlandırılan yaratılardır. Kısıtlılıkları son dönem yapay zekâ sistemlerine oranla fazladır. Gelişmiş türünün en basit özelliklerine sahiptirler. Çevrelerini olduğu gibi en yalın haliyle ve temel seviyede algılamaktadırlar. Örneğin Kasparov’u satrançta yenen Deep Blue için dünya satranç tahtasından ibarettir. Çevre algısı sadece oyunun oynandığı alanla sınırlıdır.

Google’ın AlphaGo’su da benzer algı mekanizmasını bu sefer Go tahtası üzerinde çalıştırır. TYPE 1 sistemler için dış çevre, odak noktalarına aldıkları sınırlı alanlar için geçerlidir. Yapay zihinlerinde hatıralar şekillendiremezler ve geçmiş deneyimlerinden faydalanarak güncel sorunlara çözümler üretemezler.
TYPE 2 olarak sınıflandırılan yapay zekâ sistemleri “Limited Memory” olarak tanımlanan yaratılardır. Sınırlı Hafıza tanımlamasına sahip bu sistemlerde çevre algısı canlı bir organizmanın çevre anlayışıyla benzerlikler gösterir. Bu sistemler geçmişte deneyimlediklerinin bir kısım bilgilerini günümüze taşıyabilirler ve programlı öğrenme yazılımlarının kapasitesine bağlı olarak yeniden yorumlayabilirler. Tüm bu işlemleri yapmak
için yeterli optimal hafızaya sahiptirler; daha fazlasına değil. TYPE 2 sistemlerine en iyi örnek insansız otomobillerdir.

Yollar, sokaklar, binalar, trafiğin varlığı gibi yakın çevre değişkenlerini hatırlama ve bu çevresel birimlerin değişikliklerine göre karar alma becerileri vardır. Örneğin trafik yoğun olan yollara alternatif yollar önerme, haftanın yoğun saat ve günlerini hatırlayarak karar alma gibi. Chatbot olarak tanımlanan sanal asistanlar da TYPE 2 seviyesindeki yapay zekâ sistemlerine örnektir. Algoritmaları aynı soru cümlesine karşı farklı alt değişken guruplarına bağlı olarak çeşitlenen yanıtları da barındırır. Günümüzün ulaştığı yapay zekâ çalışmalarının en üst seviyesi TYPE 2 lerdir. TYPE 3 olarak sınıflandırılan yapay zekâ sistemleri “Theory of Mind” olarak isimlendirilir.

Bu yaratılar insan düşüncelerini ve duygularını algılayabilirler. Sosyal olarak ilişki ağı geliştirebilir, diğer insanlar ve zeki sentetik sistemlerle iletişim kurabilir, farklı duygusal ifadelerde bulunabilir ve mevcut olduğu çevreyi eksiksiz olarak tüm mesafe ve uzantılarıyla algılayabilirler. Kendilerini ve benzerlerini çoğaltma, üretme özelliklerine sahiptirler. Bu yapay zekâ sistemleri yakın geleceğimizde tanışacağımız varlıklardır. Google’ın sahip
olduğu yapay zekâ uygulaması, insanların yaptığından çok daha ileri seviyede bir”çocuk” yaratmıştır. Star Wars’taki C-3PO ve R2-D2 ve I-Robot’taki Sonny TYPE 3’lere verilebilecek örneklerdir.

TYPE 4 olarak sınıflandırılan yapay zekâ canlıları “Self-Aware” bireylerdir. Kendi varlığının farkındadır. Bu seviyedki sentetik organizmalar birey olarak kimliklendirilebilirler. Kendi varlığını ifade edebilir ve “internal states” olarak isimlendirilen kurgusal ruhlara sahiptirler. Bu özellikleri sayesinde diğer organik ve sentetik bireylerin duygularını tahmin edebilir, soyutlamalar yapabilir ve bu soyutlamalardan sonuçlar çıkarabilirler. Bunlar orta ve uzak gelecekte karşılaşılacak süper zeki, duygusal ve bilinçli tasarım harikalarıdır. Örnek olarak
Ex Machina’daki EVA verilebilir. Akıllı sistemlerin desteğiyle şekillenen yaşamın günümüzden daha yüksek standardtlara sahip olması olsılığı yapay zekâ sistemlerin insan yaşamına düşmanca sonuçlara üreten
canavar makineler olması olasılığından çok daha fazladır. Mykinsey ve Narrative Science’ın yayımladıkları raporlar iş dünyasının ezici çoğunluğu yapay zekâ uygulamaların iş kaybından çok etkinlik, verimlilik, karlılık, çalışan memnuniyeti, hatasız üretim gibi onlarca faydası olduğunu düşünmektedir. Araştırmalar Top500 şirketler listesindeki ilk 100 CEO, %80 oranda yapay zekâ uygulamalarının çalışan verimliliği ve mutluluğuna olumlu etki
ettiğini düşünmektedirler. Yöneticilerin %29’u Predictive Analytics’in şirketleri için taviz verilemez bir gereklilik olduğunu belirtmişlerdir. Yapay zekâ uygulamalarını bünyesinde etkin şekilde kullanan kurumlar aşağıdaki faydaları sağlamaktadırlar :

%48 Otomatik İletişim ve Karar Alma : Chatbotlar, Müşteri Hizmetleri yapay zekâ uygulamaları, Stok ve Sipariş Yönetim Sistemleri, Varlık Yönetimi, Finansal Piyasalar Satış, Alım Kararlar vb

%14 Müşterilere Otomatik Geri Bildirim : E-Ticaret Tüketici Mesajları, Kargo Durum Raporları, Teslimat Bilgileri, Sipariş, Üretim, Dağıtım Bilgileri…vb
% 6 Tekrarlanan İşlerin Önüne Geçme : İş Akışları Denetimi, Performans Analizleri, Çok
Merkezli Satın Alım Koordinasyonu (Zincir Marketler ve Lokantalar)

% 5 İşin Gidişatı Yönünde Raporlamalar : Predictive Analytics, Pazar Riskleri Hakkında
Veri Sağlanması, vb
%4 Gelişmiş Raporlamalar
%20 Yukarıdakilerin Tamamı
%3 Diğer
Cerasis’in 2015 tarihli “Top Trends for 2016 in Manufacturing, Supply Chain, Logistics &
Transportation Management” isimli raporunda imalat ve hizmet sektörlerindeki robot ve
yapay zekâ yatırımlarının artış trendi sayılarla ifade edilmiştir.
Yakın gelecekte pek çok ticari yapay zekâ uygulamasının evlerimize kadar girmesini
bekleyebiliriz. Özellikle bu uygulamaların bilgi yönetiminde büyük katkılar sağalayacağı
beklenmektedir. Kullanıcısı için gerekli olan bilginin temin edilmesinde ve gereksiz olan
bilginin ayıklanmasında filtreleme işlevlerini üstlenmeleri beklenmektedir.

Yeni enformasyon teknolojileri çalışma süreçlerini ve işçileri, dolayısıyla istihdamıve mesleki yapıyı yeniden tanımlamaktadır (Castells, 2005, s. 337). Bu bilgi rehberliğinde gelecekte karşımıza sıkça çıkacak eğilimleri dört grup altında toplayabiliriz.

Öngörü Analizleri (Predictive Analysis) Kullanımı Taban Kazanacaktır

Öngörü Analizleri önümüzdeki yılların temel imalat trendleri arasında en başta yer alacaktır. Makine ömürleri, tedarik, planlama, üretim, satış, personal, finansman gibi temel işletme faaliyetlerine egemen olacak öngörü analizleri, yapay zekâ uygulamalarınca desteklenen planlı bir süreçtir. Öngörü analizi süreçlerinin kurumlarda yerleşik hale gelmesiyle etkinlik, verimliklik, karlılık, müşteri memnuniyeti oranlarında artış, hata, atık, zaman kaybı oranlarında düşüş yaşanacaktır. Abd Ordusu , 1991 yılındaki Körfez Savaşı sırasında 50,000 aracın ve personelin aynı anda hangi öncelik sırası, konum, yönlendirme tekniğiyle hareket edeceğini “Dynamic Analysis and Replanning Tool” isimli yapay zekâ uygulamasıyla planlamıştı. Haftalar sürebilecek bir harekatın lojistik planı bu yazılım sayesinde saatler içinde hazırlanmıştı.

Sanal Gerçeklik (Virtual Reality) Kullanım Alanları Artacaktır

 

Gelecekte tasarım günümüzden daha önemli hale gelecektir. Sanal gerçeklik çoklukla bilgisayar oyunları ve eğlence ürünlerinde kullanılırken yakın gelecekte kültür (müzeler),
eğitim, imalat sanayii, tıp ve mimaride günümüzden daha sık ve etkin kullanılacağı beklenmektedir. Sanal gerçeklik kavramı yapay zekâ uygulamalarıyla beraber Augmented Reality olarak adlandırılan arttırılmış gerçeklik platformlarını savunma sanayi, organ ve doku üretimi, uzay ve havacılık endüstrisi gibi teknoloji ağır dallarda kullanıma sunacaktır. Mevcut derin öğrenme (deep learning), makine öğrenmesi çalışmaları özellikle görüntü işleme ve ses algılama araçlarının gelişmesine yolaçmıştır. Bu sayede savunma sanayi FOF (Friend or Foe) olarak adlandırılan dost ve ya düşman birimleri algılayan teknolojilerden günümüze oranla daha çok başvuracağı beklenmektedir. Face Recognition (Yüz Tanımlama) teknolojisi yapay zekâ destekli algoritmalar kullanarak bireylerin mobil cihazlarına komut vermesini günümüzde olanaklı kılmıştır.

National Federation Retail Big Show Konferansının 106ncı oturumunda kurumun CEO su olan Mathew Shay bu teknolojinin tüketici bazlı reklam konumlandırma, ürün hakkında uzaktan detaylı bilgi alabilme ve deneyimleme
imkanı sağlayan uygulamaları mağazalarda görmeye başlayacağımız öngörüsünde bulunmuştur.

Akıllı Cihazların Hakimiyetinin Artışı Devam Edecektir

Geçtiğimiz son 10 sene zarfında son tüketici ürünlerinin birçoğu “akıllanmıştır”. Buzdolapları, koşu ayakkabıları, saatler, evler, bisikletler hatta vazo ve su mataraları dahil bir çok ürün akıllı cihaz özelliği kazanmıştır. Geleceğe yön veren eğilimin akıllı cihaz olarak bilinen ürünlerin Connected Devices (Bağlı Cihazlar) seviyesine evrileceği yönündedir. Yapay zekâ uygulamalarının son tüketici seviyesinde yaygınlaşması, ortaya çıkan otomasyon
ve entegrasyon sayesinde aracıların sayısını azaltacağı beklenmektedir. Otomobilimiz benzer entegrasyonlar sayesinde kendi servis döngüsü içinde otonom olarak servise gidebilecektir. Kuvee isimli start-up, led ekrana sahip wifi özelliği sayesinde izin verilen platformlara bağlanabilen bir şarap şişesi üreticisidir. Kuvee ürünleri tüketiciye şarapla ilgili bir çok entegre bilgiyi edinmesi ve paylaşması imkanı vermiştir. Kuvee ilk başta
sıradışı gibi görünsede 6 milyon dolar yatırım alarak ileride kullanımı yaygınlaşacak bir ürün olduğu konusunda bugünden bize gerekli geri bildirimi sağlamaktadır. Gelecekte yapay zekâ uygulamalarıyla entegre çok çeşitli Connected Devices listesiyle beraber yaşamaya bugünden hazırlanmamız gerekliliği yoğun olarak benimsenmektedir.

3 Boyutlu Yazıcıların Kitlesel Üretimde Payı Artacaktır

Başlangıça silikon ve EPS tabanlı basit baskılar yapmakta kullanılan pahalı bir teknoloji olarak kabul edilen 3 boyutlu yazıcıların 2020 yılı itibariyla ulaşacağı yıllık ciro hacmi 20 milyar dolar olarak beklenmektedir. Özellikle imalat sanayiinde kendine yer bulan 3 boyutlu baskı teknolojileri üretici firmalarda müşteri talebini çeşitlendirmeye ve rekabet avantajı sağlamaya yönelik avantajlar kazandıracaktır. Yakın gelecekte değiştirilmesi gereken organ ve dokular, uzay araçları, giysiler ve yiyecekler yaygınlaşan kullanım alanları, düşen edinme
maliyetleri sayesinde yaygın olarak kullanılacaklardır. Prototip yaratma zaman ve maliyetlerini aşağı çekecek olakn 3 boyutlu yazıcı teknolojileri imalat sanayiindeki ürün çeşitliliğini arttırması beklenmektedir.
Toparlayacak olursak yapay zekâ gelecekte yaşamımızda geçmişimizden çok daha baskın şekilde yer alacaktır. PWC’nin “Artificial Intelligence Study: Exploiting the AI Revolution” raporuna dayanarak 2030’a kadar ülkelerin ekonomilerinin yapay zekâ bağımlılıkları ciddi şekilde artış gösterecektir.

Bu yazımız da ilginizi çekebilir:

Felsefi Açıdan Yapay Zeka

Brexit Sürecinde İngiltere Bankacılık Sektörü’nün Yol Haritası

Kaynak

Kerem Şahinboy, Tedarik Zinciri Yönetiminde Yapay Zeka Uygulamaları ve Çözüm Modelleri Üzerine Bir Araştırma

*Bu çalışmanın tüm hakları, Kerem Şahinboy’a aittir.

*Bizimle iletişime geçmek için: kenandabirkuyu10@gmail.com

Ömer Burak Karatay

Uzun zamandır bildiklerini siz değerli kullanıcılarımıza aktarmaktan mutluluk duyan, araştırıp öğrendikçe bu siteye yazıp diğer insanların da bilgilenmelerini sağlamaktan zevk alan bir yönetici ve yazar. Ekonomi alanındaki gelişmeler / bilgilendirici metinler için www.ekodemi.com'a davetlisiniz. Bizlere her türlü fikir, istek ve şikayetlerinizi admin@kenandabirkuyu.com üzerinden; markalarınızı değerlendirmek ve binlerce tekil kullanıcıya reklamınızı yapmak için reklam@kenandabirkuyu.com adreslerinden benimle iletişime geçebilirsiniz.

İlgili Makaleler

Bir cevap yazın

E-posta hesabınız yayımlanmayacak. Gerekli alanlar * ile işaretlenmişlerdir

Başa dön tuşu
Kapalı

Reklam Engelleyici Algılandı

Tek amacımız sizlere temiz bilgi sunmak, lütfen reklam engelleyicinizi kapatın.