Yapay Zekâ / Yapay Zekâya Giriş

Neden önemli

Bugün yapay zekâ denince akla büyük dil modelleri geliyor, ama alanın temeli bu derste: bir problemi durumlar ve hamleler olarak tanımlayıp en iyi çözümü aramak. Navigasyondaki rota, satrançtaki hamle, ders programı ve kargo rotası planlama hep bu fikirlerle çözülür. Makine öğrenmesi dersinin de ön şartı.

Bilmen gerekenler

• Problemi arama olarak tanımlamak: durum, hamle, hedef ve maliyet.
• Bilgisiz arama (BFS, DFS) ve sezgisel arama (açgözlü, A*); iyi bir sezgisel fonksiyonun neden işe yaradığı.
• İki kişilik oyunlar: minimax ve alfa-beta budama.
• Kısıt sağlama problemleri: geri izleme (backtracking) ve kısıt yayma.
• Önermeler ve yüklem mantığı ile bilgi gösterimi.
• Belirsizlik altında akıl yürütme: olasılık, Bayes kuralı, naive Bayes.
• Sezgisel optimizasyon: tepe tırmanma, benzetimli tavlama, genetik algoritmalar.
• Sürü zekâsı: karınca kolonisi (ACO), parçacık sürüsü (PSO), yapay arı kolonisi (ABC) ve gri kurt optimizasyonu (GWO). Yapay arı kolonisi algoritması Türkiye'de, Erciyes Üniversitesi'nde Derviş Karaboğa tarafından geliştirildi.

Alıştırma ve proje

• Bir labirent ya da 8-bulmaca için BFS ve A* yazıp genişletilen düğüm sayılarını karşılaştır.
• Tic-tac-toe ya da Connect Four için minimax ile kaybetmeyen bir oyuncu yaz.
• Gezgin satıcı problemini hem genetik algoritma hem karınca kolonisiyle çöz; sonuçları ve süreleri bir grafikte kıyasla.

Sık yapılan hatalar

• Sezgisel algoritmaları tek bir çalıştırmayla değerlendirmek; rastgelelik var, birkaç tohumla deneyip ortalamaya bakmak gerekir.
• A* için gerçek maliyeti abartan bir sezgisel fonksiyon seçip en iyi çözümü kaçırmak.
• Her problemi yapay zekâ problemi sanmak; bazen düz bir algoritma daha hızlı ve kesin sonuç verir.