Yapay zekayı günlük hayatımızda nasıl kullanıyoruz?

Yapay zekanın günlük yaşamdaki rolü, birçok yardımcı araç ve cihazın dahil olduğu iki kategoriye ayrılıyor

Yapay zeka hayatımızın ayrılmaz bir parçası haline geldi (Unsplash)
Yapay zeka hayatımızın ayrılmaz bir parçası haline geldi (Unsplash)
TT

Yapay zekayı günlük hayatımızda nasıl kullanıyoruz?

Yapay zeka hayatımızın ayrılmaz bir parçası haline geldi (Unsplash)
Yapay zeka hayatımızın ayrılmaz bir parçası haline geldi (Unsplash)

Nermin Ali 

Günlük ve mesleki hayatlarımızda güçlü bir şekilde yer edinen sohbet robotları, çoğu mesleği tamamıyla veya kısmen tehdit ediyor.

Bu, otomasyon ve teknolojik gelişmeyle ilgili yeni becerilere olan talebi yansıtıyor.

Yapay zeka uygulamalarının hayatımızın ayrılmaz bir parçası haline gelmesiyle birlikte insanların hayatlarını kolaylaştıran ve hızlandıran bir başka parlak yanı daha ortaya çıkıyor.

Günümüzde yapay zeka teknolojileri çok çeşitli günlük hizmetlerde kullanılıyor.

İnsan emeğinin miktarını azaltmak, iş ve işlem hızını arttırmak ve daha doğru sonuçlara ulaşmak amacıyla, tekrarlayan faaliyetleri ve görevleri gerçekleştirmek için otonom robotlar geliştiriliyor.

Günlük hayatta yapay zeka

Yapay zekanın günlük yaşamdaki rolü, birçok yardımcı araç ve cihazın dahil olduğu iki kategoriye ayrılıyor.

İlk kategori, sesli asistanlar, görüntü ve yüz tanıma teknolojisi, makine öğrenimine dayalı dolandırıcılık tespiti gibi yapay zekaya dayalı programlar tasarlamak ve bunları günlük hayatta kullanmak için yazılım geliştirme konusunda uzman sayılıyor.

İkinci kategori ise bu yazılımın fiziksel bir bedenle donatılıp gerçek dünyada çevre ortamla nasıl etkileşime girdiğinin izlenmesine dayalı somut yapay zekadır.

Ortamları yerinde algılayarak topladığı verileri derinlemesine analiz eden sistemlerin oluşturulmasına yardımcı olmayı amaçlıyor. İnsansız hava araçları, sürücüsüz araçlar, montaj hattı robotları gibi alanlarda kullanılıyor.

Yazılımda yapay zeka

İnsanların performansını taklit etmek için özel olarak tasarlanmış, günlük rutinleri çok daha basit hale getirmeye yardımcı olan bilgisayar yazılımlarıdır.

Bu programların önemi, yapay zeka platformlarına yerleştirilmiş algoritmalarda, sohbet robotlarının aktif konuşmalar yoluyla insan tepkisini simüle etmelerinde, derin öğrenme yazılımı aracılığıyla görüntülerin ve konuşmaların tanınmasında yatıyor. Bilgisayar verilerden birikim yaparak hareket ediyor. 

Yapay zeka, Google Home, Siri, Alexa ve Cortona gibi sesli asistanlara, kullanıcılarının sesli komutlarını çözme sürecinde destek veriyor.

Yapay zekanın günlük hayatımızda en yaygın kullanımlarından biri olan yüz tanıma teknolojisini de destekleyen bu teknoloji, gözler arasındaki mesafeyi, yüzün şeklini ve diğer bilgileri kullanarak görüntüleri işleyerek akıllı telefonların kilidini açma avantajı sağlıyor.

Bu yazılım, üretken rakip ağlarda hata payını azaltmak ve derin sahtekarlıkların hileli kullanımını tespit etmek için kullanılıyor. 

Yapay zeka, güvenlik alanında yüz tanıma yazılımının destekleyici bir uzantısı olarak video gözetim sistemleri geliştirmek için de kullanılıyor.

Zira bir kişinin video gözetim sistemlerinin ekranlarını aynı anda sürekli izlemesi ve sürekli incelemesi pratik olarak kolay değil.

Bu nedenle, insan gözünün gözden kaçırabileceği olağandışı etkinlikleri tespit etmek amacıyla sürekli algılama üzerinde çalışan izleme sistemleri üretmek için makine öğrenimi yöntemlerini kullanarak bu izleme süreçlerini otomatikleştirmek ve iyileştirmek önemli. 

Somutlaştırılmış yapay zeka

Somutlaştırılmış yapay zekayı temel alan teknoloji, insanın yaptığı gibi fiziksel ortamda hareket ederek ve eylemleriyle onu etkileyerek insan davranışlarını taklit eden yapay zeka yeteneklerine sahip donanım cihazlarının oluşturulmasına dayanıyor.

Otonom araçlar ve nesnelerin interneti gibi pek çok örnek bulunuyor. Günümüzde yapay zeka, araçlarda hızı kontrol etmek ve kör noktaları tespit etmek için tamamen otonom yetenekler sağlamak amacıyla kullanılıyor.

Derin takviyeli öğrenme kullanılarak araçlara otonom olarak nasıl hareket edecekleri ve deneme yanılma yoluyla nasıl karar verecekleri öğretiliyor.

Hem sabit hem de hareketli potansiyel engelleri dikkate alarak yolun güzergahı planlanıyor.

Eş zamanlı konumlandırma ve haritalama sistemi, gerçek zamanlı çevresel algılama tabanlı yönlendirme sayesinde aracın yakındaki araçlara ve beklenmedik durumlara uyumlu şekilde hareket etmesine olanak tanıyor.

Nesnelerin internetinin yapay zeka desteği, en az insan müdahalesiyle çalışan akıllı ev cihazlarının geliştirilmesi için geniş fırsatlar yaratıyor.

Nesnelerin interneti, internet ile etkileşime giren cihazlarla ilgilenirken yapay zeka ise bu cihazların verileri kullanarak öğrenmesine yardımcı oluyor.

Cihazlar, sensör sistemleri yardımıyla veri topluyor. Yapay zeka, veri tekrarı ve deneyimlerden öğrenme avantajından yararlanarak bu cihazların insan gereksinimlerine cevap verme yeteneğini geliştiriyor.

Independent Arabia - Independent Türkçe



Deepfake videoları tespit etmek giderek zorlaşıyor: Artık gerçekçi kalp atışları var

Kişilerin rızası ve bilgisi dışında üretilen deepfake görüntüler endişe yaratıyor (Reuters)
Kişilerin rızası ve bilgisi dışında üretilen deepfake görüntüler endişe yaratıyor (Reuters)
TT

Deepfake videoları tespit etmek giderek zorlaşıyor: Artık gerçekçi kalp atışları var

Kişilerin rızası ve bilgisi dışında üretilen deepfake görüntüler endişe yaratıyor (Reuters)
Kişilerin rızası ve bilgisi dışında üretilen deepfake görüntüler endişe yaratıyor (Reuters)

Deepfake videoların gelişmiş saptama yöntemlerini yanıltabildiği ve her geçen gün daha gerçekçi hale geldiği tespit edildi. 

Bir kişinin yüzünün ya da vücudunun dijital olarak değiştirilmesiyle oluşturulan deepfake videolar endişe yaratmaya devam ediyor. 

Bu videolar gerçek bir kişinin görüntüsünün yapay zeka kullanılarak değiştirilmesiyle yapılıyor. Aslında bu teknoloji, kullanıcıların yüzünü kediye dönüştüren veya yaşlandıran uygulamalar gibi zararsız amaçlarla da kullanılabiliyor.

Ancak insanların cinsel içerikli videolarını üretmek veya masum insanlara iftira atmak için de kullanılabilmesi ciddi bir sorun teşkil ediyor.

Bu videoların sahte olup olmadığını anlamak için kullanılan gelişmiş yöntemlerden biri kalp atışlarını izlemek. 

Uzaktan fotopletismografi (rPPP) adlı araç, deriden geçen ışıktaki küçük değişiklikleri tespit ederek nabzı ölçüyor. Nabız ölçen pulse oksimetreyle aynı prensiple çalışan bu araç, çevrimiçi doktor randevularının yanı sıra deepfake videoları tespit etmek için de kullanılıyor.

Ancak bulguları hakemli dergi Frontiers in Imaging'de bugün (30 Nisan) yayımlanan çalışmaya göre deepfake görüntülerde artık gerçekçi kalp atışları var.

Bilim insanları çalışmalarına videolardaki nabız hızını otomatik olarak saptayıp analiz eden bir deepfake dedektörü geliştirerek başladı. 

Ardından rPPP tabanlı bu aracın verilerini, EKG kayıtlarıyla karşılaştırarak hassasiyetini ölçtüler. Son derece iyi performans gösteren aracın EKG'yle arasında dakikada sadece iki-üç atımlık fark vardı. 

Ekip aracı deepfake videolar üzerinde test ettiğindeyse rPPP, videoya kalp atışı eklenmese bile son derece gerçekçi bir kalp atışı algıladı. 

Bilim insanları kalp atışlarının videoya kasten eklenebileceği gibi, kullanılan kaynak videodan kendiliğinden geçebileceğini de söylüyor.

Almanya'daki Humboldt Üniversitesi'nden çalışmanın ortak yazarı Peter Eisert "Kaynak video gerçek bir kişiye aitse, bu artık deepfake videoya aktarılabiliyor" diyerek ekliyor: 

Sanırım tüm deepfake dedektörlerinin kaderi bu; deepfake'ler gittikçe daha iyi hale geliyor ve iki yıl önce iyi çalışan bir dedektör bugün tamamen başarısız olmaya başlıyor.

Araştırmacılar yine de sahte videoları saptamanın başka yolları olduğunu düşünüyor. Örneğin sadece nabız hızını ölçmek yerine, yüzdeki kan akışını ayrıntılı olarak takip eden dedektörler geliştirilebilir.

Eisert, "Kalp atarken kan, damarlardan geçerek yüze akıyor ve daha sonra tüm yüz bölgesine dağılıyor. Bu harekette gerçek görüntülerde tespit edebileceğimiz küçük bir gecikme var" diyor.

Ancak bilim insanına göre nihai çözüm deepfake dedektörlerinden ziyade, bir görüntünün üzerinde oynanıp oynanmadığını anlamaya yarayan dijital işaretlere odaklanmaktan geçiyor:

Bir şeyin sahte olup olmadığını tespit etmek yerine bir şeyin değiştirilmediğini kanıtlayan teknolojiye daha fazla odaklanmadığımız sürece, deepfake'lerin saptanmalarını zorlaştıracak kadar iyi olacağını düşünüyorum.

Independent Türkçe, BBC Science Focus, TechXplore, Frontiers in Imaging