Sembolik Yapay Zeka

Temel İlkeler

Sembolik YZ'nin temeli, akıllı davranışların sembol yapılarının manipülasyonu yoluyla elde edilebileceğini öne süren fiziksel sembol sistemi hipotezinde yatmaktadır. Temel bileşenler şunları içerir:

• Bilgi Temsili: İnsan bilgisinin ve alan uzmanlığının bir bilgisayarın işleyebileceği resmi bir dile kodlanması. Bu, mantık kurallarını (if-then ifadeleri), anlamsal ağları, çerçeveleri veya Bilgi Graflarını içerebilir. İyi bilinen bir örnek, sağduyu bilgisini kodlamayı amaçlayan Cyc projesidir.
• Akıl Yürütme Motoru: Yeni sonuçlar çıkarmak, sorunları çözmek veya kararlar almak için bilgi tabanına mantıksal kurallar uygulayan bir çıkarım mekanizması. Bu genellikle Prolog gibi diller kullanılarak uygulanan tümdengelim ve tümevarım gibi biçimsel mantık tekniklerini içerir.
• Arama Algoritmaları: Planlama ve problem çözme gibi görevler için çok önemli olan olası çözümler veya muhakeme yolları alanını keşfetme yöntemleri.

Makine Öğreniminden Ayrımı

Sembolik YZ, özellikle Bilgisayarla Görme (CV) gibi alanlarda modern YZ'ye hakim olan Derin Öğrenme (DL) gibi İstatistiksel YZ ve ML yaklaşımlarıyla önemli ölçüde tezat oluşturmaktadır. gibi modeller olsa da Ultralytics YOLO Sembolik YZ, özellikleri doğrudan verilerden öğrenerek Nesne Alg ılama ve Görüntü Sınıflandırma gibi algısal görevlerde üstünlük sağlarken, Sembolik YZ açıkça programlanmış bilgiye dayanır. Bu, Sembolik YZ sistemlerini doğası gereği daha yorumlanabilir ve açıklanabilir(Açıklanabilir YZ (XAI)) yapar, çünkü akıl yürütme adımları izlenebilir. Bununla birlikte, genellikle belirsizlik, muğlaklık ve ML modellerinin tipik olarak daha iyi performans gösterdiği ham, yapılandırılmamış verilerden öğrenme ile mücadele ederler.

Uygulamalar ve Örnekler

Sembolik YZ, YZ tarihinin büyük bir bölümünde baskın paradigma olmuş ve çeşitli alanlarda başarıya ulaşmıştır:

1. Uzman Sistemler: Bu sistemler, belirli alanlarda tavsiye vermek veya sorunları çözmek için insan uzmanların bilgilerini kapsüller. Ünlü bir ilk örnek, bakteriyel enfeksiyonları teşhis etmek için tasarlanan Mycin'dir. Modern kural tabanlı sistemler, yasal uyumluluk veya otomatik yüklenim için finans alanında yapay zeka gibi alanlarda hala kullanılmaktadır.
2. Doğal Dil İşleme (NLP): İlk NLP sistemleri, cümle yapılarını ayrıştırmak (sözdizimi) ve anlamı anlamak(semantik analiz) için büyük ölçüde sembolik kurallara dayanıyordu. Modern NLP büyük ölçüde istatistiksel yöntemler ve Büyük Dil Modelleri (LLM'ler) kullansa da, sembolik teknikler belirli görevler için veya hibrit sistemlerde hala değerli olabilir.
3. Planlama ve Çizelgeleme: Sembolik YZ, lojistik optimizasyonu, robotik yol planlaması ve otomatik çizelgeleme sistemleri gibi karmaşık planlama gerektiren görevler için çok uygundur. YZ Planlama aktif bir araştırma alanı olmaya devam etmektedir.
4. Biçimsel Doğrulama: Yazılım mühendisliği ve donanım tasarımında, sistemlerin biçimsel spesifikasyonlara göre doğruluğunu matematiksel olarak kanıtlamak için kullanılır.

Güçlü Yönler ve Sınırlamalar

Güçlü yönler:

• Açıklanabilirlik: Akıl yürütme adımları şeffaf ve izlenebilirdir.
• Bilgi Entegrasyonu: İnsan uzmanlığının ve etki alanı kurallarının doğrudan dahil edilmesine izin verir.
• Hassasiyet: Kesin mantıksal muhakeme gerektiren görevleri etkin bir şekilde yerine getirebilir.

Sınırlamalar:

• Kırılganlık: Sistemler, önceden tanımlanmış kurallarının dışındaki durumlarla karşılaştıklarında beklenmedik bir şekilde başarısız olabilirler.
• Bilgi Edinme Darboğazı: Kapsamlı bilgi tabanlarını manuel olarak kodlamak zor ve zaman alıcıdır.
• Belirsizliği Ele Alma: İstatistiksel yöntemlere kıyasla olasılıksal akıl yürütme ve gürültülü veya eksik verilerle mücadele eder.
• Ölçeklenebilirlik: Muhakeme karmaşıklığı, bilgi tabanının boyutuyla birlikte katlanarak büyüyebilir.

Gelecek: Hibrit Yaklaşımlar

Tamamen Sembolik YZ zorluklarla karşı karşıya olsa da, muhakeme ve açıklanabilirlik konusundaki güçlü yönleri değerlidir. Mevcut araştırmalar, sinir ağlarının örüntü tanıma yeteneklerini sembolik sistemlerin mantıksal muhakemesiyle birleştirmeyi amaçlayan ve genellikle Nöro-Sembolik YZ olarak adlandırılan hibrit yaklaşımlara odaklanmaktadır. Allen Yapay Zeka Enstitüsü (AI2) gibi kuruluşlar ve AAAI gibi araştırma toplulukları, potansiyel olarak daha sağlam, çok yönlü ve güvenilir yapay zeka sistemlerine yol açan bu entegrasyonları araştırmaktadır. Bu tür hibrit sistemlerin karmaşıklığını yönetmek, deney takibi ve model dağıtımı için Ultralytics HUB gibi platformlardan yararlanabilir.