1. Soru Neden Hâlâ Açık? Yapay zekâ, sembolik sistemlerden derin öğrenmeye kadar uzun bir yol kat etti. Mantıkla başladı, olasılıkla devam etti, veriyle öğrendi ve büyük modellerle etkileyici sonuçlar üretti. Ancak bu teknik ilerlemenin sonunda… Yapay Zekâ Düşünüyor mu? Yapay Zekâ – Bölüm 6

1. Makine Öğrenmesinin Tıkanma Noktası Bir önceki bölümde ele alındığı gibi, makine öğrenmesi 2000’li yılların başında önemli başarılar elde etmişti. Ancak bu başarılar büyük ölçüde özellik çıkarımına dayanıyordu. Yani: Bu yaklaşım; metin, görüntü ve ses gibi yüksek… Derin Öğrenme ve Büyük Modeller: Neden Şimdi? Yapay Zekâ – Bölüm 5

1. Büyük Kopuş: Kuraldan Veriye Önceki bölümde görüldüğü gibi, sembolik yapay zekâ ve uzman sistemler kural yazma yaklaşımında tıkanmıştı.Gerçek dünya bilgisi: Bu noktada yapay zekâda köklü bir soru ortaya çıktı: Eğer kuralları yazmak bu kadar zorsa,makine kuralları… Makine Öğrenmesi: Kuralları Kim Yazıyor? Yapay Zekâ – Bölüm 4

1. Mantığın Yetmediği Nokta Uzman sistemler dönemi, yapay zekâya önemli bir ders vermişti: Gerçek dünyadaki problemler, kesin kurallarla tanımlanamayacak kadar karmaşıktır. Bir teşhis, bir karar ya da bir tahmin çoğu zaman şu özellikleri taşır: Oysa klasik sembolik… Belirsizlikle Tanışma: Olasılık ve Öğrenme Yapay Zekâ – Bölüm 3

1. Sembolik Yapay Zekâdan Bir Adım İleri Sembolik yapay zekâ, düşünmenin mantıksal kurallarla modellenebileceğini göstermişti.Ancak bu yaklaşım büyük ölçüde soyut problemlerle sınırlıydı:mantık teoremleri, oyunlar veya çok dar tanımlanmış dünyalar. 1970’li yıllara gelindiğinde yapay zekâ araştırmacıları şu soruya… Uzman Sistemler: Bilgiyi Kurallara Dönüştürmek Yapay Zekâ – Bölüm 2