Bilim kurgu dediğimiz birçok hayal ürünü şu an alıştığımız ve sıradanlaşan şeyler haline geldi. Uzay Yolu’ndaki cep telefonları, Asimov’un pozitronik beyni, Fahrenheit 451’in denizkabuğu radyoları bunlar artık her gün adeta birer uzvumuz olan şeyler.
Artık teknolojiyi bir ütopya, distopya ya da bir fantezi olarak görmekten çok bir araç haline getirdik. Bu gelişmeler bize nihai teknolojiye ulaştık bize yeter artık demektense bir çok şeyin daha mümkün olabileceğini gösterdi. “Yeterince gelişmiş bir teknoloji büyüden ayırt edilemez” diye geçen Arthur C. Clark ‘ın kanunu artık bize daha da büyüleyici şeylere itiyor.
Bu büyüleyici şeylerden birisi de Yapay Zeka. – Frankenstein, Terminator gibi korktuğumuz canavarlardan ziyade İnsanlığın çocukları gibi “Machine Learning” ile gelişimini izlediğimiz yapay zeka.
Bu gelişimi destekleyecek bilgi birikimi ve bilgi aktarımında Endüstri 4.0 bizlere; insanlığın sözlü ve yazılı tarihin kayıtlarından sonra sayısal tarihin kayıtlarını tutmamıza imkan sağlıyor.
Makine öğrenimi büyük miktardaki verilere dayanarak tahminlerin yapılmasını sağlar. Yapay zekanın bu dalı, örüntü tanıma üzerine kuruludur ve deneyimlerden bağımsız olarak bilgi edinme yeteneğine sahiptir.
Günümüzde, büyük veri merkezleri ve muazzam depolama kapasiteleri, yıllarca uzak kavramlar olduğuna inanılan şeyleri artık mümkün kılmakta. Yapay zekânın iki dalı -makine öğrenimi ve derin öğrenim- süreçleri optimize etmek, yeni çözümler bulmak ve yeni bilgiler edinmek için bu yüklü verilerin olanaklarını kullanır.
Küçük ve orta ölçekli şirketlerden büyük uluslararası şirketlere kadar her kurum, kullanabileceği verileri bir araya getirmekte. Yazılım ile bu veriler tahminleri yapmak için birleştirilir ve değerlendirilir. Makine öğrenimi özellikleri ve ilişkileri tanır ve bunlardan genellemeler elde etmek için algoritmalar kullanır.
Uygun şekilde analiz edilmiş müşteri, kayıt ve sensör verilerinin yardımıyla, yeni çözümler bulunabilir ve süreçler daha verimli hale getirilebilir. Veri yığınlarına ek olarak, bu, yapay zeka süreçlerine ve makine öğrenimi iş yüklerine göre ayarlanmış bir BT altyapısı gerektirir. Makine öğrenim sistemlerinin kesin görevleri açıkça tanımlanmıştır: kalıpları tanımak ve onlardan sonuç çıkarmak. Bulgular daha sonra kullanılabilir.
Akıllı bir fabrikada, üretim süreçleri birbirine bağlıdır – makineler, arayüzler ve bileşenler birbirleriyle iletişim kurar. Üretim sürecini optimize etmek için büyük miktarlarda veri toplanabilir. Büyük veri, örneğin görüntü analizi ve görüntü tanıma kullanarak süreç optimizasyonunu destekler.
Üretim tesislerinde, akıllı sistemler konveyör bantlarındaki nesneleri tanımlar ve bunları otomatik olarak sıralayabilir. Bu tip sistemler de kalite kontrolünde kullanılır: Ürünün yanlış renk olup olmadığı gibi ürün kusurlarını tanırlar.
Şirketler bugün bakım ve destek hizmetlerinde makine öğrenimini kullanıyor. Sensörler sayesinde, yapay zeka bireysel makinelerin enerji tüketimini yakalamaya yardımcı olur, bakım döngülerini analiz eder ve daha sonra aşağıdaki aşamada optimize eder. İşletim verileri, bir parçanın ne zaman değiştirilmesi gerektiğini veya bir kusurun ortaya çıkmasının olası olduğunu gösterir. Veri miktarı arttıkça, sistem kendini optimize etmekte ve daha doğru tahminler yapmakta daha iyi hale gelmektedir.