Yapay Zekâ Türleri: Dar, Genel ve Üretken Yapay Zekâ Arasındaki Farklar

Yapay zekâ türleri en çok yeteneğe göre üçe ayrılır: dar yapay zekâ, genel yapay zekâ ve süper yapay zekâ. Bugün kullandığınız bütün sistemler, sohbet botları dahil, dar yapay zekâdır; genel ve süper yapay zekâ henüz yoktur. Üretken yapay zekâ ise ayrı bir seviye değil, dar yapay zekânın içinde yeni içerik üreten modellerin adıdır.

Aşağıda dört farklı sınıflandırmayı tablolarla karşılaştırıyoruz: yeteneğe göre, işleve göre, yönteme göre ve çıktıya göre. Hangi sınıflandırmanın hangi soruya cevap verdiğini bilmek, haberlerdeki ve ders kitaplarındaki farklı listelerin neden birbirini tutmadığını da açıklıyor.

Yapay zekâ türleri nelerdir, kısaca?

Tek bir resmî liste yok; yapay zekâ, neye göre sınıflandırdığınıza bağlı olarak farklı gruplara ayrılır. Okul kitaplarında genellikle yetenek temelli üçlü ayrım verilir. Teknik yazılarda yöntem temelli ayrım, haberlerde ise "üretken yapay zekâ" gibi çıktı temelli ifadeler öne çıkar.

Sınıflandırma ölçütü	Türler	Cevap verdiği soru
Yetenek	Dar, genel, süper	Ne kadar geniş bir alanda başarılı?
İşlev	Reaktif, sınırlı bellek, zihin kuramı, öz farkındalık	Geçmişi hatırlıyor, başkalarını anlıyor mu?
Yöntem	Kural tabanlı, makine öğrenmesi, derin öğrenme	Nasıl öğreniyor ya da karar veriyor?
Çıktı	Ayırt edici (sınıflandıran), üretken	Var olanı mı etiketliyor, yeni bir şey mi üretiyor?

Dört ölçüt birbirini dışlamaz. Bir sohbet botu aynı anda dar (yetenek), sınırlı bellekli (işlev), derin öğrenme tabanlı (yöntem) ve üretken (çıktı) bir sistemdir.

Dar, genel ve süper yapay zekâ arasındaki fark

Bu üç tür, sistemin kaç farklı alanda başarılı olabildiğine göre ayrılır: dar yapay zekâ belirli işlerde, genel yapay zekâ her alanda, süper yapay zekâ ise her alanda insandan daha iyi olan sistemi anlatır. Bu üçlü ayrım, alanın nereye gittiğiyle ilgili tartışmaların da temelidir.

Dar yapay zekâ (ANI)

Dar yapay zekâ, belirli bir görev için tasarlanmış ve o görevin dışına çıkamayan sistemdir. İngilizcede "Artificial Narrow Intelligence" ya da "zayıf yapay zekâ" diye de anılır. Spam filtresi, yüz tanıma, navigasyon uygulamasının trafik tahmini ve dizi önerileri bu gruptadır.

Bu sistemlerin dar olması zayıf oldukları anlamına gelmez. Bir satranç programı dünya şampiyonunu yenebilir, ama aynı program size bir e-posta yazamaz ya da kediyi köpekten ayıramaz. 1997'de IBM'in Deep Blue bilgisayarının Garri Kasparov'u bir maç serisinde yenmesi, tek bir işte insanı geçen dar yapay zekânın en bilinen örneğidir.

Genel yapay zekâ (AGI)

Yapay genel zekâ, bir insanın yapabildiği zihinsel işlerin büyük kısmını öğrenip yapabilen, bir alandan öğrendiğini başka bir alana aktarabilen sistemdir. Böyle bir sistem bugün yok. Bazı büyük yapay zekâ şirketleri bunu açık hedef olarak belirtiyor, ama tanımı bile tartışmalı: kimi araştırmacı belirli testleri geçmeyi yeterli sayıyor, kimi gerçek dünyada bağımsız iş yapabilmeyi şart koşuyor.

Ne zaman geliştirileceği konusunda tahminler birkaç yıldan "hiçbir zaman"a kadar uzanıyor. Bu tahminler bilgi değil görüştür; birbirinden çok farklı çıkmaları da alanın belirsizliğini gösteriyor.

Sohbet botlarının neden genel yapay zekâ sayılmadığı da sık sorulur. Bu sistemler çok farklı konularda konuşabilir, şiir yazıp kod düzeltebilir; bu yüzden ilk bakışta genel görünürler. Ancak yeni bir beceriyi birkaç örnekle kalıcı olarak öğrenemez, fiziksel dünyada bağımsız iş yapamaz ve bazen basit mantık sorularında tutarsızlaşırlar. Bu nedenle çoğu araştırmacı onları "çok geniş kapsamlı ama yine de dar" sistemler olarak görür; bir kısmı ise genel zekâya giden yolda önemli bir ara adım olduklarını savunur.

Bilinç ve zekâ tartışmasının bu konuyla bağlantısını yapay zekânın bilinci var mı yazısında ele aldık.

Süper yapay zekâ (ASI)

Süper yapay zekâ, bilimsel yaratıcılıktan sosyal becerilere kadar neredeyse her alanda en iyi insanları geride bırakan varsayımsal bir sistemdir. Tamamen teorik bir kavramdır ve çoğunlukla gelecek senaryoları ve risk tartışmaları içinde geçer. Makinelerin kendini hızla geliştirerek insan kontrolünün ötesine geçeceği varsayımsal ana teknolojik tekillik adı verilir.

Tür	Durumu	Örnek	Tartışma
Dar yapay zekâ	Her yerde kullanılıyor	Spam filtresi, sohbet botu, yüz tanıma	Hangi işlere ne kadar güvenilmeli?
Genel yapay zekâ	Henüz yok	Varsayımsal	Ne zaman, nasıl ve gerçekten mümkün mü?
Süper yapay zekâ	Henüz yok, teorik	Varsayımsal	Kontrol edilebilir mi?

İşleve göre dört tür: reaktiften öz farkındalığa

Bu sınıflandırma, sistemin geçmişi kullanıp kullanmadığına ve başkalarını anlama kapasitesine bakar. İnternette ve ders kaynaklarında sık görülür; ama son iki türün henüz var olmadığını bilmek gerekir.

Reaktif makineler yalnız o anki duruma bakar, geçmişi hatırlamaz. Deep Blue bu türün klasik örneğidir: tahtadaki konumu değerlendirir, önceki oyunlardan bir şey öğrenmez.

Sınırlı bellekli sistemler ise yakın geçmişi kullanır. Sürücüsüz bir araç, çevresindeki araçların son birkaç saniyelik hareketine bakarak karar verir. Bugünkü makine öğrenmesi sistemlerinin neredeyse tamamı bu gruptadır.

Zihin kuramı, başkalarının duygu, niyet ve inançlarını anlayabilen sistemleri anlatır. Öz farkındalık ise kendi varlığının bilincinde olan bir makineyi tarif eder. Bazı sohbet botları duygulardan anlıyormuş gibi konuşabilse de bu davranışın gerçek bir anlama mı yoksa dil kalıplarının taklidi mi olduğu tartışmalıdır. Çoğu araştırmacı, bugünkü sistemlerin bu iki türe ulaşmadığını düşünür.

Yönteme göre türler: kural tabanlı sistemlerden derin öğrenmeye

Yöntem sınıflandırması, sistemin nasıl karar verdiğine bakar ve teknik yazılarda en çok bu kullanılır. Üç ana grup vardır, ama her biri bir öncekinin yerini tamamen almış değildir.

Kural tabanlı sistemlerde insanlar "eğer şu olursa şunu yap" şeklinde kuralları elle yazar. 1970'ler ve 80'lerde yaygınlaşan uzman sistemler bu yaklaşımın örneğidir. Bugün de bir bankanın "gece 03.00'te yurt dışından yapılan yüksek tutarlı işlemi beklet" gibi basit kuralları bu mantıkla çalışabilir.

Makine öğrenmesi ise kuralları verilerden çıkarır. Derin öğrenme, makine öğrenmesinin çok katmanlı sinir ağlarıyla yapılan ve bugün en güçlü sonuçları veren biçimidir. İkisi arasındaki ilişkiyi şemayla anlattığımız yapay zekâ ve makine öğrenmesi yazısına bakabilirsiniz; sistemlerin adım adım nasıl öğrendiği ise yapay zekâ nasıl çalışır yazısında anlatılıyor.

Üretken yapay zekâ nedir, hangi gruba girer?

Üretken yapay zekâ, metin, görsel, ses, video ya da kod gibi yeni içerik üreten modellerin genel adıdır. Yetenek sınıflandırmasında dar yapay zekânın içindedir; yöntem olarak neredeyse her zaman derin öğrenmeye dayanır. Son yıllarda yapay zekâ denince akla ilk gelen tür olduğu için bazen yanlışlıkla ayrı bir seviye gibi anlatılır.

Karşı grupta ya da sınıflandıran modeller durur. Ayırt edici bir model "bu fotoğrafta kedi var mı?" sorusuna cevap verir. Üretken model ise "bana pencere kenarında uyuyan bir kedi çiz" isteğinden yeni bir fotoğraf üretir. İkisi de değerlidir; banka dolandırıcılık tespitinde ayırt edici modeller, metin yazmada üretken modeller öne çıkar.

Üretken model türü	Ne üretir	Tipik araç
Büyük dil modeli	Metin, kod, özet, çeviri	Sohbet botları
Difüzyon modeli	Görsel ve video	Tariften görsel üreten araçlar
Ses modeli	Konuşma, müzik	Seslendirme ve şarkı üretme araçları
Çok modlu model	Metin, görsel ve sesi birlikte işler	Fotoğraf yükleyip soru sorabildiğiniz asistanlar

Somut bir senaryo: küçük bir çevrim içi mağaza işleten biri, gün içinde birkaç farklı yapay zekâ türünü fark etmeden kullanabilir. Ürün açıklamasını bir sohbet botuyla yazar (üretken), ürün fotoğrafının arka planını bir görsel araçla değiştirir (üretken), ödeme sağlayıcısı şüpheli bir siparişi otomatik olarak işaretler (ayırt edici) ve pazaryeri, ürününü ilgilenebilecek müşterilere önerir (öneri sistemi). Hepsi dar yapay zekâdır. Görsel üretmeyi pratikte nasıl yapacağınızı yapay zekâ ile görsel oluşturma yazısında anlattık.

Yapay zekâ ajanları yeni bir tür mü?

Yapay zekâ ajanı, bir dil modelini araçlara bağlayarak kendi başına çok adımlı iş yapabilen sistemlere verilen addır. Örneğin bir ajan, internette arama yapıp sonuçları bir tabloya yazabilir ya da takviminize toplantı ekleyebilir. Bu, yeni bir zekâ seviyesi değil, mevcut üretken modellerin farklı bir kullanım biçimidir. Ajanlar daha bağımsız çalıştığı için hata yaptıklarında sonuçları da daha büyük olabilir.

Yapay zekânın alt dalları

Alt dallar, yapay zekânın hangi probleme uygulandığına göre yapılan bir ayrımdır. En sık sayılanlar doğal dil işleme, bilgisayarlı görü, konuşma tanıma, robotik ve uzman sistemlerdir. Makine öğrenmesi ve derin öğrenme ise bu dalların çoğunda kullanılan ortak yöntemlerdir.

Ödev ya da sunum hazırlıyorsanız, alt dalları anlatırken her birine bir günlük hayat örneği eklemek konuyu somutlaştırır. Doğal dil işleme için çeviri uygulaması, bilgisayarlı görü için telefonun yüzle kilit açması, konuşma tanıma için sesli mesajın yazıya dökülmesi, robotik için robot süpürge iyi örneklerdir. Bu listede dalların iç içe geçtiğini belirtmek de önemlidir; robot süpürge hem görü hem robotik kullanır.

Farklı listelerde farklı dalların sayılması kafa karıştırabilir. Bazı kaynaklar "öneri sistemleri" ya da "pekiştirmeli öğrenme"yi ayrı dal olarak verir, bazıları vermez. Bunun nedeni tek bir resmî sınıflandırmanın olmamasıdır; hangi listeyi kullandığınızı ve kaynağını belirtmeniz yeterlidir.

Hangi türü nerede kullanacağınızı seçmek için ilk adım

Türleri bilmenin pratik faydası, doğru aracı doğru iş için seçmektir. Bu hafta yaptığınız üç işi düşünün: bir metin yazmak, bir veriyi kategorilere ayırmak, bir fotoğrafı düzenlemek gibi. Her biri için hangi türün işe yarayacağını tabloya bakarak eşleştirin.

Metin, görsel ya da kod üretmeniz gerekiyorsa üretken araçlara yönelin; bir veriyi sınıflandırmak ya da tahmin yapmak gerekiyorsa çoğu zaman basit bir tablo veya hazır bir sınıflandırma aracı daha uygundur. Üretken araçlar arasında seçim yapmak için yapay zekâ modelleri karşılaştırması yazısındaki tabloyu kullanabilirsiniz.

Kendinize şu soruyu da sorun: bu işte hata yapılırsa bedeli ne olur? Bir sosyal medya gönderisinde üretken aracın küçük bir hatası kolayca düzeltilir. Bir sözleşme maddesinde ya da bir sağlık bilgisinde ise aynı hata pahalıya patlayabilir. Türü seçtikten sonra, çıktıyı kimin ve nasıl kontrol edeceğini de baştan belirlemek, yapay zekâdan güvenle yararlanmanın en sade yoludur.