Öğrenme Modeli ve Yapay Zeka: Fark Nerede?

Öğrenme modeli somut bir şeydir: veriye uydurulmuş bir parametre kümesi, bir girdiyi alıp bir çıktı veren yapı. Yapay zeka ise o parametre kümesinin içinde durduğu geniş alanın adıdır ve içinde arama algoritmaları, kural motorları, planlayıcılar, yani hiç öğrenmeyen sistemler de vardır. İkisini ayrı tutmanın en kısa yolu şu: "yapay zeka" bir hedefin adı, "öğrenme modeli" ise işi yapan parçanın adı.

Fark tek tabloda

Soru	Öğrenme modeli	Yapay zeka
Kelime neyi adlandırıyor?	Eğitilmiş bir nesneyi: bir yapıyı, ağırlıklarını ve hangi amaca göre uydurulduğunu	Bir araştırma alanını ve bir hedefi. Adı 1955'teki Dartmouth araştırma önerisinde McCarthy, Minsky, Rochester ve Shannon tarafından konuldu
Parmağınla gösterebilir misin?	Evet. Sürümleyebileceğin, yükleyebileceğin, değiştirebileceğin ya da silebileceğin bir dosya	Doğrudan hayır. Bir sistemi gösterirsin, o sistemin içinde model olabilir
Kim kullanıyor?	Mühendisler, araştırmacılar, model kartları, teknik belgeler	Ürün sayfaları, basın, yatırım sunumları, ayrıca araştırmacılar
Öğrenme ima ediyor mu?	Evet, tanımı gereği	Hayır. Elle yazılmış bir kural sistemi de yapay zekadır
Kalite hakkında bilgi veriyor mu?	Biraz. Neyle eğitildiğini ve nasıl değerlendirildiğini sorabilirsin	Neredeyse hiç. "Yapay zeka destekli" ifadesi her şeye uyar

Tom Mitchell'in 1997 tarihli ders kitabındaki tanım soldaki sütun için hâlâ en temiz ölçüt: bir program, E deneyimiyle, T görevleri ve P başarı ölçüsü açısından, T'deki performansı P ile ölçüldüğünde E arttıkça iyileşiyorsa öğreniyordur. Sistemde deneyimle iyileşen hiçbir şey yoksa elinde öğrenme modeli olmayan bir yapay zeka vardır. İyileşen bir şey varsa, iyileşen o şey modeldir.

İki ayrı şeye "öğrenme modeli" deniyor

Kafa karışıklığı asıl burada başlıyor, çünkü bu ifadeyi önce eğitim alanı kullandı.

Makine öğrenmesinde öğrenme modeli, yukarıda tarif edilen eğitilmiş nesnedir. Eğitim bilimlerinde ve öğretim tasarımında ise öğrenme modeli, insanların nasıl öğrendiğine dair bir kuramdır: Kolb'un yaşantısal öğrenme döngüsü, 5E öğretim modeli ya da VARK öğrenme stilleri fikri. Bunlar ders tasarlamak için çerçevelerdir, yazılım değil.

İki anlamın birbiriyle ilgisi yok ve karıştırıldıklarında anlamlı gibi duran ama aslında bir şey söylemeyen cümleler çıkıyor. Bir metnin hangisini kastettiğini anlamanın hızlı yolu: etraftaki kelimeler parametre, eğitim verisi, çıkarım ya da ince ayar ise makine öğrenmesi anlamıdır. Öğrenci, öğretim, sınıf ya da katılım ise pedagoji anlamıdır.

Eğitim anlamı üzerine dürüst bir not, çünkü bu karşılaştırmaya çalışma tavsiyesi umarak gelenler oluyor: adı konmuş her öğrenme modeli ayakta kalmadı. Pashler ve arkadaşları 2008'de öğrenme stilleri literatürünü taradı ve temel iddiayı, yani öğretimi öğrencinin stiline uydurmanın sonuçları iyileştirdiğini, destekleyecek çalışmaların büyük ölçüde bulunmadığını gördü. Dunlosky ve arkadaşlarının 2013'teki çalışma teknikleri incelemesi başka bir yol izledi ve somut pratikleri kanıta göre sıraladı; en üstte test çözerek çalışma ve aralıklı tekrar çıktı. Harekete geçebileceğin bir öğrenme modeli istiyorsan, ikinci tür daha güvenli bir bahis.

Hangi kelimeyi ne zaman kullanırsın

Öğrenme modeli de, nesnenin kimliği önemliyse: hangi model, neyle eğitilmiş, nasıl değerlendirilmiş, nerede çalışıyor. Teknik bir şartnamede, bir satın alma sorusunda ya da gizlilik incelemesinde doğru kelime budur.

Yapay zeka de, yeteneği ya da alanı kastediyorsan ve mekanizmanın kendisi gerçekten konunun dışındaysa. "Özeti yapay zekayla çıkarıyoruz" bir ürün sayfası için gayet düzgün bir cümle. Oraya ille de "dönüştürücü tabanlı bir dil modeli kullanıyoruz" diye yazmak kimsenin istemediği bir kesinliktir; bu konuda titizlenmek seni daha doğru değil, sadece daha zor okunur yapar.

Hiçbiri de, davranışın adını doğrudan koyabiliyorsan. "Sayfandaki el yazısını okuyor" cümlesi okuyucuya iki terimden de fazlasını söyler.

Çalışma aracı seçerken bu ayrım ne değiştirir

Uygulama sayfasındaki "yapay zeka destekli" ibaresi teknik bir bilgi değil, pazarlama cümlesidir. Ayrımın işe yaradığı an, onu cevabı kontrol edilebilir sorulara çevirdiğin andır:

Cihazda ne çalışıyor, dışarı ne çıkıyor? Metin tanıma ve konuşmayı yazıya çevirme yerelde çalışabilir; büyük üretim modelleri genellikle çalışamaz.
Model benim materyalimden öğreniyor mu, yoksa sadece okuyor mu? Neredeyse her zaman ikincisi. Yayınlanmış bir model çıkarım yapar, eğitim yapmaz; bu ayrımı yapay zekada eğitim ve çıkarım yazısında anlatmıştık.
Sorular nereden geldi? Senin kendi notlarından mı üretildi, yoksa ortak bir soru bankasından mı çekildi? Bu ikisi çok farklı çalışma seansları üretir.
Yanlış yaptığında ne oluyor? Bir sorunun hangi paragraftan çıktığını görebilmen gerekir.

Bu dört soru, para vermeye değer araçlarla iyi bir tanıtım sayfası olan araçları birbirinden ayıran şeyin büyük kısmıdır ve notlardan test yapan bir uygulama seçerken sorulacak sorular da bunlardır. Qora ikincisi ve üçüncüsü üzerine kurulu: fotoğraf ve ses telefondan hiç çıkmıyor, ders ve soru üretimi için yalnızca çıkarılan metin gönderiliyor, her soru bir bankadan değil verdiğin materyalden geliyor.

Ayrımın önemini yitirdiği yer

Çoğu insan için, çoğu zaman, önemi yok. Perşembe günü vizen varsa, aracın genel bir "yapay zeka" yerine ince ayarlı bir model kullandığını bilmek notunu değiştirmez ve hiçbir terminoloji soruları hafızandan cevaplamanın yerini tutmaz. Kelimeler üç dar yerde önemli: yazılım satın alırken iddiaları karşılaştırman gerektiğinde, teknik bir metin yazarken ya da incelerken, ve bir gizlilik sorusunun cevabı hesaplamanın nerede yapıldığına bağlı olduğunda.

Ayrım kenarlarda bulanıklaşıyor da. Bugünün sistemleri nadiren tek bir modelden oluşuyor. Tek bir özellik metin tanımayı, bir dil modelini, bir getirme adımını ve elle yazılmış kuralları arka arkaya dizebiliyor; bu yığına "bir öğrenme modeli" demek yanlış olur, "yapay zeka" demek olmaz. Biri bütün bir ürün için yapay zeka diyorsa, genelde belirsiz konuşmuyor, doğru konuşuyordur.

Sık sorulanlar

Öğrenme modeli ile yapay zeka modeli aynı şey mi?

Pratikte evet, çünkü bugün insanların yapay zeka modeli dediği hemen her şey veriden öğrenilmiştir. Teknik olarak "yapay zeka modeli" daha gevşek bir ifade: hiç öğrenmenin karışmadığı biçimsel bir problem modelini de kapsayabilir, mesela bir planlayıcının oyun tahtası modelini.

Her yapay zeka makine öğrenmesi midir?

Hayır. Arama algoritmaları, kısıt çözücüler, uzman sistemler ve sembolik planlayıcılar yapay zekadır ve hiçbiri öğrenmez. Makine öğrenmesi kabaca 2012'den sonra o kadar baskın hale geldi ki iki kelime birbirinin yerine kullanılmaya başlandı; karışıklık da buradan çıktı.

Model ben kullanırken öğrenmeye devam ediyor mu?

Genellikle hayır. Eğitim ile hizmet verme ayrı aşamalardır ve senin etkileşime girdiğin ağırlıklar dondurulmuştur. İyileşme, sağlayıcı yeni bir sürümü eğitip yayınladığında gelir; öğrenme ile eğitim pratikte bu yüzden aynı kelime değildir.

YKS'ye çalışırken hangi öğrenme modelini seçmeliyim?

Bu soru neredeyse kesinlikle eğitim anlamıyla ilgili ve dürüst cevap şu: bir çerçeve değil, bir pratik seç. Roediger ve Karpicke'nin 2006 deneylerinde tekrar tekrar okumaya kıyasla uzun vadeli hatırlamayı belirgin biçimde artırdığı görülen geri getirme pratiği, desteği en güçlü ve kurulumu en ucuz olanı.

Öğrenme modeli bir bileşen, yapay zeka bir kategori. İkisini ayrı tutmanın asıl kazancı daha iyi sorular: bir aracın yapay zeka olup olmadığını sormak yerine, modelinin neyi gördüğünü, hesaplamanın nerede yapıldığını ve çıktının nereden geldiğini sorabilirsin. Bir çalışma uygulamasında "yapay zeka destekli" ibaresini gördüğünde, kurmadan önce bu üçünü cevaplamayı dene. Cevaplar sayfada yoksa, bu da bir cevaptır.