Aslında 1950'lerde başlangıcından bu yana birçok evrim geçirdi. İlk nesil yapay zeka, "Ne oldu?" Sorusunu yanıtlayan "tanımlayıcı analitik" idi. İkincisi, "teşhis analizi", "Neden oldu?" Üçüncü ve mevcut nesil , "Önceden olanlara dayanarak, gelecekte ne olabilir?" Sorusuna yanıt veren "tahmine dayalı analitiktir".
Tahmine dayalı analitik veri bilimcileri için çok yardımcı olabilir ve zaman kazandırabilirken, yine de tamamen geçmiş verilere bağlıdır. Veri bilimcileri bu nedenle yeni, bilinmeyen senaryolarla karşılaştıklarında çaresiz kalıyorlar. Gerçek "yapay zekaya" sahip olmak için, özellikle alışılmadık bir durumla karşı karşıya kaldığımızda kendi başına "düşünebilen" makinelere ihtiyacımız var. Yalnızca gösterilen verileri analiz edemeyen, aynı zamanda bir şeyler eklenmediğinde "içgüdüsel bir his" ifade eden yapay zekaya ihtiyacımız var. Kısacası, insan sezgisini taklit edebilen yapay zekaya ihtiyacımız var. Neyse ki bizde var.
Yapay Sezgi nedir?
Dördüncü nesil yapay zeka, bilgisayarların ne arayacakları söylenmeden tehditleri ve fırsatları tanımlamasını sağlayan 'yapay sezgi'dir; tıpkı insan sezgisinin, nasıl yapılacağına dair özel bir talimat olmaksızın kararlar almamıza izin vermesi gibi. Suç mahalline girip bir şeyin doğru görünmediğini hemen bilen deneyimli bir dedektife veya yaklaşan bir eğilimi herkesten önce görebilen deneyimli bir yatırımcıya benzer. Yapay sezgi kavramı, sadece beş yıl önce imkansız kabul edilen bir kavramdır. Ancak şimdi Google, Amazon ve IBM gibi şirketler çözümler geliştirmek için çalışıyor ve birkaç şirket bunu operasyonel hale getirmeyi çoktan başardı.
O nasıl çalışır?
Öyleyse, yapay sezgi, bilinmeyen verileri doğru yöne işaret etmek için herhangi bir tarihsel bağlam olmadan doğru bir şekilde nasıl analiz eder? Cevap verinin kendisinde yatıyor. Mevcut bir veri kümesiyle sunulduğunda, yapay sezginin karmaşık algoritmaları, veri noktaları arasındaki herhangi bir korelasyonu veya anormalliği belirleyebilir.
Elbette bu otomatik olarak gerçekleşmez. İlk olarak, veriyi işlemek için nicel bir model oluşturmak yerine, yapay sezgiler nitel bir model uygular. Veri kümesini analiz eder ve gözlemlediklerinin genel konfigürasyonunu temsil eden bağlamsal bir dil geliştirir. Bu dil, "büyük resmi" temsil etmek için matrisler, öklid ve çok boyutlu uzay, doğrusal denklemler ve özdeğerler gibi çeşitli matematiksel modeller kullanır. Büyük resmi dev bir bulmaca olarak tasavvur ederseniz, yapay sezgiler tamamlanmış bulmacayı başından itibaren görebilir ve sonra özvektörlerin karşılıklı ilişkilerine dayalı olarak boşlukları doldurmak için geriye doğru çalışır.
Doğrusal cebirde, bir özvektör, ona doğrusal dönüşüm uygulandığında en fazla bir skaler faktörle (yön değişmez) değişen sıfır olmayan bir vektördür. Karşılık gelen özdeğer, özvektörün ölçeklendiği faktördür. Kavramsal olarak bu, anormal tanımlayıcıları görselleştirmek için bir kılavuz direk sağlar. Büyük resme tam olarak uymayan özvektörler daha sonra şüpheli olarak işaretlenir.
Bu nasıl kullanılabilir?
Yapay sezgi neredeyse her sektöre uygulanabilir, ancak şu anda finansal hizmetlerde önemli ilerleme kaydetmektedir. Büyük küresel bankalar, kara para aklama, dolandırıcılık ve ATM korsanlığı gibi karmaşık yeni finansal siber suç planlarını tespit etmek için giderek daha fazla kullanıyor. Şüpheli finansal faaliyet genellikle kendi bağlantılı parametreleri olan binlerce işlem arasında gizlidir. Yapay sezgi, son derece karmaşık matematiksel algoritmalar kullanarak en etkili beş parametreyi hızla tanımlar ve bunları analistlere sunar.
Vakaların% 99,9'unda, analistler onlarca yüzlerce bileşen arasından en önemli beş bileşeni ve bağlantıları gördüklerinde, sunulan suçun türünü hemen belirleyebilirler. Dolayısıyla yapay sezgi, doğru türde verileri üretme, verileri tanımlama, yüksek düzeyde doğruluk ve düşük düzeyde yanlış pozitifleri algılama ve analistler için kolayca sindirilebilir bir şekilde sunma becerisine sahiptir.
Yapay sezgi, görünüşte masum işlemler arasındaki bu gizli ilişkileri ortaya çıkararak, bankaları “bilinmeyen bilinmeyenlere” (önceden görülmemiş ve dolayısıyla beklenmedik saldırılar) tespit edip uyarabilir. Sadece bu değil, aynı zamanda veriler izlenebilir ve kayıt altına alınmış bir şekilde açıklanarak banka analistlerinin Mali Suçları Uygulama Ağı (FinCEN) için uygulanabilir şüpheli faaliyet raporları hazırlamasına olanak tanır.
İşyerini Nasıl Etkileyecek?
Yapay sezginin insan içgüdüsünün yerini alması amaçlanmamıştır. İnsanların işlerini daha etkili bir şekilde gerçekleştirmelerine yardımcı olan ek bir araçtır. Yukarıda özetlenen bankacılık örneğinde, yapay sezgi kendi başına herhangi bir nihai karar vermiyor; sadece bir analiste suç eylemi olduğuna inandığı şeyi sunmaktır. Analistin görevi, tanımlanan işlemleri gözden geçirmek ve makinenin şüphelerini doğrulamaktır.
Alan Turing'in 1950'lerde konsepti ilk kez sunduğundan beri AI kesinlikle uzun bir yol kat etti ve herhangi bir yavaşlama belirtisi göstermiyor. Önceki nesiller buzdağının sadece görünen kısmıydı. Yapay sezgiler, yapay zekanın gerçekten "akıllı" hale geldiği noktayı işaret ediyor.