Günlük Hayatın Bir Parçası: Yapay Zekâ ve Sonrası


İçerik Kategorileri
TEKNOLOJİ YAPAY ZEKA

Son Yazıları
Yapay Zekâ Bazlı Yeni Dönem Pazar Araştırma Modelleri: Geleceğe Yolculuk
YAPAY ZEKA  PAZARLAMA  DİJİTAL PAZARLAMA  ÜRETKEN YAPAY ZEKA 
Yapay Zekâ Destekli Müşteri Analizi ve Profilleme
YAPAY ZEKA  BÜYÜK VERİ  PERAKENDE  BİLİŞİM TEKNOLOJİLERİ  PAZARLAMA  C-LEVEL  DİJİTAL PAZARLAMA  TEKNOLOJİ 
Reklam Vermek Kolay! Peki İzlenmesi?
PAZARLAMA  MÜŞTERİ DENEYİMİ  DİJİTAL PAZARLAMA 
Pazarlama Profesyonellerinin Yeni Odağı Medya Karması Kararları!
PAZARLAMA  DİJİTAL PAZARLAMA 
Pazarlama için Metaverse Tamam mı Devam mı?
PAZARLAMA  METAVERSE  TEKNOLOJİ 
2023, 4 Mayıs

Yapay zekâ konusunda son on yıldır bitmek bilmeyen tartışmalar devam ediyor. Bir grup yapay zekânın nükleer enerjinin keşfinden sonra en önemli buluş olduğunu söylerken; bir grup düşünür ise yapay zekânın insanlığın sonunu getirebileceğini ve çok iyi regüle edilmesi gerektiğini vurguluyor. Ancak tüm bu tartışmalar devam ederken bir şu anda bile yapay zekâyı normal hayatımızın akışı içinde kullanıyoruz.

 

Son bir saat içinde eğer sizde aşağıdaki aktivitelerden birini yaptıysanız yapay zekâyı kullanmışsınızdır demektir.

Yol tarifi almak için Google haritalarını kullandıysanız; akıllı telefonlardan anonimleştirilmiş konum verileri ve kitle kaynaklı trafik bilgileri, en hızlı rotayı öneren tescilli algoritmalarca belirleniyor.

Uber çağırdıysanız; yapay zekâ yolcu talebini tahmin etmek ve yolculuk fiyatlarını belirlemek, bir araba için bekleme süresini en aza indirmek, varış zamanlarını tahmin etmek, en uygun alım konumlarını hesaplamak için kullanılmıştır.

Facebook hesabınızı kontrol ettiyseniz; yapay zekâ yüz tanıma, arkadaşlarınıza etiketlemelerini önermek için yüklenen resimlerdeki yüzleri vurgulamak için kullanıldı; ayrıca haber akışını kişiselleştirmek ve hedefli reklamlar başlatmak içinde kullanılmıştır.

İşe giderken Spotify'den müzik dinlediysen; yapay zekâ ilgi alanlarına ve davranışlarına göre çevrimiçi veri toplar ve verileri analiz etmek, tercihlerinizi tahmin etmek ve akıllı önerilerde bulunmak için algoritmaları kullanır

Otoyolda bir HGS veya EGS sisteminden geçtiyseniz; yapay zekâya bağlı kamera sistemi plakalarınızdan yol kullanım ücretlerini uygulamak için e-devlet veri tabanlarıyla otomatik olarak iletişim kurdu.

Bir alışveriş merkezini, havalimanına veya tren istasyonuna gittiyseniz; kameralar ve bilgisayar görüşü insanların hareketlerini izler ve potansiyel güvenlik sorunlarını tespit eder ve aydınlatma ve diğer akıllı bina işlevlerini artırmaya yardımcı olur.

Eğer uçağa bindiyseniz; uçuş planlaması ve güvenli uçuş güzergahı tespiti için hava trafik kontrollüleri navigasyon, kontrol, haberleşme ve iniş sistemlerinde makine öğrenmesi kullanarak veri toplamıştır.

Mağazadan veya internetten alışveriş yaptıysanız, deneyiminizi özelleştirmek ve hedeflenen ürünleri tanıtmak için kişiselleştirme algoritmaları veri toplamıştır. 

Cep telefonu kullandıysanız; makine öğrenimi, kablosuz bant genişliği tahsisini optimize etmek, iletişimleri yönlendirmek ve konum tabanlı teklifleri kişiselleştirmek için kullanılmıştır.

Lise ve üniversite yıllarında matematik ve fen bilimleri derslerinde öğrendiğimiz kavram ve terimler yapay zekâ dünyasında aşağıdaki şekilde karşılık buluyor:

İstatistik; verilerin toplanması, analizi ve yorumlanmasıdır.Makine Öğrenimiise programlanmadan ve verilerden öğrenen algoritmalardır.

Bu kavramların günümüzde şirketler tarafından nasıl uygulandığına dair birkaç örnek vermek istersek:
Tesla'nın otomatik pilot yapay zekâsı, aracınızın şeridinde otomatik olarak yönlendirilmesini, hızlanmasını ve fren yapmasını sağlamak için çevresinden toplandığı veriler ile gerçek zamanlı kararlar alır.

Twitter, her tweet'i gerçek zamanlı olarak değerlendirmek, çeşitli metriklere göre "puanlamak" ve ardından etkileşimi artırma olasılığı en yüksek olanı görüntülemek için Makine Öğrenimini kullanır.

Facebook, yüklenen resimleri içindeki kişilerin adlarıyla otomatik olarak etiketleme gibi görevleri gerçekleştirmek için Derin Öğrenmeyi kullanır.

Yapay zekâ ve makine öğrenimi uygulamasındaki son yıllardaki hızlı büyümenin arkasında üç tane ana itici güç var.

Sosyal medya kullanıcıları tarafından üretilen içerikler sayesinde yapay zekâ modellerini eğitmek için etiketlenmiş veriler çok hızlı büyüdü. YouTube'da 8 milyon kategorize edilmiş video ImageNet'te 15 milyon etiketlenmiş görüntü bu tarz verilere örnek olarak verebiliriz.

Son on yılda veri depolama teknolojileri çok hızlı gelişti. Yeni chip modelleri ve disk kapasitesini artıran bulut tabanlı veri merkezlerine büyük yatırımlar yapıldı.Moore Yasası'nın ilerlemesi, özel yongaların ortaya çıkması ve bulut özellikli bilgi işlem, makine öğreniminin daha ekonomik olarak yapılmasını mümkün kılmıştır.

Sektörün liderlerinin araştırmaya yaptıkları yatırımları (örneğin, Google) Açık kaynak kullanımı akademi ile yapılan işbirlikleri yapay zekâ algoritmalar daha hızlı geliştirilmesi için akademi ile şirketler arasında paylaşımını kolaylaştırmış ve hızlandırmıştır.

Dijitalde sektörünün lider firmaları yapay zekâ ve makine öğreniminden somut değer elde ediyor: Seyahat değeri zinciri genelinde Airbnb: 

Airbnb gerek müşteri memnuniyeti gerekse karlılığını artırmak için makine öğrenimi ve veri analitiğini çok etkin biçimde kullanıyor. 

Müşteri yaşam boyu değer modellemesi
Daha önce konaklama yapmış müşterilerin verisini kullanarak karar alma sürecini ve potansiyel gelecek konaklama analizi ile müşterini ömür boyu değeri hesaplamaları yapıyor.

Dinamik fiyatlandırma önerisi
Ev sahiplerine kıyaslama, mevsimsellik ve fiyat esnekliğine dayalı kişiselleştirilmiş ve akıllı fiyatlandırma ipuçları veriyor.

Misafir/ev sahibi eşleştirmesi
Geçmiş tercihlerine göre kabul etme olasılığı en yüksek olan ev sahiplerinden potansiyel konaklama misafirlerine teklifler öneriyor.

Tahmine dayalı yeniden rezervasyon modelleri
Net Promoter (En İyi Tavsiye) puanlamasına, misafir, ev sahibi ve seyahat ve değerlendirme kategorileri hakkındaki bilgilere dayanarak rezervasyon önerileri yapıyor.

Konum arama optimizasyonu
Tüm konukların rezervasyon geçmişine dayanarak her şehirdeki konuklara en alakalı teklifleri sunuyor.

Konuklar için pazar bilgileri
Konuklara seyahat planlamasına yardımcı olmak için kişiselleştirilmiş pazar bilgileri sağlıyor (Ör. Aynı profile ve davranışa sahip konukların o bölgede rezervasyon yapma oranlarını sunuyor).

Dolandırıcılık/risk tahmini
Makine öğrenmesi ile hem misafirlerin hem de ev sahiplerinin hileli/anormal ödeme davranışlarını gerçek zamanlı olarak tahmin ederek sistemde gerekli uyarıları çıkarıyor.

Airbnb yapay zekâ ve makine öğrenmesini bu işlemlerde kullanarak cirosal ve karlılık büyümesi konusunda alanında lider olmaya devam ederken artan müşteri memnuniyeti sayesinde düzenli büyümeye devam edebiliyor. Eğer bu teknolojiler olmasa dünyanın 200 ülkesinde toplam 100 bin şehirde 1 Milyar konaklamayı 2022 yılında gerçekleştirmesi mümkün olamazdı. Airbnb platformunu kullanan kişi sayısı 45,6 milyon oldu. Toplam kiralama cirosu bu sayede 180 Milyar dolara ulaştı.

Özetle yapay zekâ artık hayatın birçok noktasında çoktan işlerimize entegre olmuş durumda. Robot teknolojisinin ilerlemesi ve yapay zekânın oraya entegre olması sonucunda çok daha farklı alanlarda hayatımıza girecek bu durumu değiştirmek ve engellemek mümkün değil; bu açıdan uluslararası regülasyon ve KVKK uygulamaları ile yapay zekânın etik ve insan faydasına çalışacak koruma sistemlerinin devletler tarafından oluşturulması gerekmektedir.

Paylaş 619