Büyümenin motoru yapay zekâ
Üretim yapan robotlardan güvenlik çözümlerine, müşteri ilişkilerinden doğal dil algılamaya her alanda yapay zekâ teknolojisi kurumların büyümesini tetikliyor. 2016’da 8 milyar doları bulan yapay zekâ teknolojisi yatırımı sadece 4 yılda 50 milyar dolara ya
Üniversitelerin ve sanatın 10 yıllar önce keşfettiği yapay zekâ (AI - Artificial Intelligence) teknolojisi bugün iş dünyasının göz bebeği oldu. Türkiye’de akademisyenlerin ve sanatçıların 20 ile 30 yıl önce yoğun şekilde tartıştığı yapay zekâ iş dünyasında büyümenin anahtarı haline geldi.
Hızlı öğrenen ve değişen üretim koşullarına dakikalar içinde uyum sağlayan robotlar, doğal dil algılayan akıllı hoparlör ve tüm cihazlar yapay zekâ teknolojisi yetenekleri kullanılarak geliştiriliyor. Forrester Research tahminine göre sadece 1 yılda 2016’dan 2017’ye yapay zekâ yatırımlarının yüzde 300 artması bekleniyor. IDC’nin tahminlerine göre ise 2016 yılında 8 milyar dolar olan toplam yapay zekâ yatırımları 2020 yılında 47 milyar dolara ulaşması bekleniyor.
REKABET AKILLANIYOR
Rakamlar iş dünyasının daha fazla yapay zekâ kullanmasının kaçınılmaz olduğunu gösteriyor. Müşteri taleplerine göre esneklik kazanıp rekabet etmek için yapay zekâ teknolojisini üretimden müşteri ilişkilerine her aşamada kullanmak şart.
Milyonlarca müşterisi olan sadece özel kurumlar değil, devlet kurumları da vatandaşa sağlık, eğitim ve adelet gibi temel hizmetleri ulaştırırken bile yapay zekâ teknolojisinden faydalanıyor. Peki bu nasıl yapılıyor? Yapay zekâ kullanarak bir makine öğrenmesi olan derin öğrenme (deep learning), yapay sinir ağları adı verilen beynin yapısı ve fonksiyonundan esinlenen algoritmalarla yapılıyor.
Derin öğrenmeyle (deep learning) makineler; ses, görüntü, sinyal, metin gibi verileri kullanarak sınıflandırma, nesne tanıma, ses tanıma ya da dil çevirileri gibi özel görevleri en az hatayla yerine getiriyor. Örneğin, bir makineye yapması istenen bir hareket derin pekiştirmeyle öğrenme (deep reinforcement learning) yöntemi öğretilirken, her başarılı hareketine artı, her başarısız hareketine ise eksi puan veriliyor ve makine artıları çoğaltmayı hedefleyerek ilgili hareketi öğreniyor.