Conceptual review of artificial intelligence; differences between human and machine learning

Abstract

Machine learning and artificial intelligence produce algorithms that appear to make "intelligent" decisions akin to humans but operate differently from human thought processes. Understanding the background of these recommendations is crucial for humans to make decisions based on machine suggestions. Since humans are oriented towards understanding human intelligence, it is not yet fully understood whether they can truly comprehend the "thinking" generated by machine learning or merely project human-like cognitive processes onto machines. In everyday life, systems designed to assist human tasks and decisions based on smart algorithms are increasingly encountered. These algorithms predominantly rely on machine learning technologies, enabling the discovery of previously unknown correlations by analyzing large amounts of data. The analysis of thousands of X-ray images of both healthy and diseased individuals by machines can be demonstrated. Making this system operational, it is necessary to determine the patterns distinguishing "healthy" images from those labeled as "diseased" and to find an algorithm defining the latter. Algorithms trained in this manner are utilized in various applications, such as in preselection for job applications or in communication via voice assistants. After the conceptual explanation of artificial intelligence in the first part of the study, the concepts of weak and strong artificial intelligence will be examined. Subsequently, after describing the subcategories of artificial intelligence, distinctions between human learning and machine learning will be addressed. The potential risks and opportunities created by machine learning will be discussed in the conclusion section.

Makine öğrenimi ve yapay zeka, insanlarınkine benzer "akıllı" kararlar verebiliyor gibi görünen, ancak insan düşüncesinden farklı işleyen algoritmalar üretmektedir. İnsanların makine önerilerine dayalı kararlar verebilmesi için bu önerilerin arka planını anlayabilmesi önem arz etmektedir. İnsanlar, insan zekasını anlamaya yönelik olduklarından, makine öğrenimi tarafından yaratılan "düşünmeyi" gerçekten anlayıp anlayamayacakları ya da yalnızca insan benzeri bilişsel süreçleri makinelere yansıtıp yansıtmadıkları henüz tam anlaşılmamıştır. Ayrıca yapay zekanın medya temsilleri, yapay zekayı gerçekte sahip olduğundan daha yüksek yetenekler ve insan benzerliği varmış gibi lanse etmektedir. Günlük hayatta, akıllı algoritmalar temelinde insan görevlerini ve kararlarını kolaylaştırmak için tasarlanmış yardım sistemleriyle giderek daha fazla karşılaşılmaktadır. Bu algoritmalar ağırlıklı olarak, büyük miktarda veriyi analiz ederek önceden bilinmeyen korelasyonları keşfetmeyi mümkün kılan makine öğrenimi teknolojilerine dayanmaktadır. Örnek olarak, hasta ve sağlıklı insanlara ait binlerce röntgen görüntüsünün makine tarafından analiz edilmesi gösterilebilmektedir. Bu sistemi çalışır hale getirmek için, "sağlıklı" olarak not düşülen görüntülerin hangi kalıplarla "hasta" olarak not düşülenlerden ayırt edilebileceğini belirlemek ve ikincisini tanımlayan bir algoritma bulmak gerekmektedir. Bu şekilde oluşturulan "eğitilmiş" algoritmalar, yalnızca tıbbi teşhisler için değil, aynı zamanda bir iş ilanı için başvuranların ön seçiminde veya iletişimde de sesli asistanlar yardımıyla olmak üzere çeşitli uygulama alanlarında kullanılmaktadır. Çalışmanın ilk bölümünde yapay zekâ kavramsal olarak açıklandıktan sonra, zayıf ve güçlü yapay zekâ kavramları irdelenecektir. Daha sonra, yapay zekânın alt kategorileri açıklandıktan sonra, insan öğrenmesi ve makine öğrenmesi arasındaki ayrımlar ele alınacaktır. Makine öğrenmesi ve derin öğrenme kavramlarının incelenmesinin ardından, sonuç bölümünde makine öğrenmesinin yarattığı potansiyel riskler ve fırsatlar tartışılacaktır.