Metal Dünyası

Çelik

Demir

Maden

Alüminyum

Döküm

E-Dergi SEKTÖRLER HABERLER ÜRÜN TANITIMLARI TEKNİK YAZILAR DOSYALAR RÖPORTAJLAR BAŞARI HİKAYELERİ UZMAN GÖRÜŞÜ YAZARLAR FUARLAR ETKİNLİKLER PROFİLLER Editörden Künye YAYIN KURULU ARŞİV ABONELİK İLETİŞİM
Yapay Zekâya Genel Bakış ve Otomotiv Endüstrisinde Yapay Zekâ Örnekleri

* Overview of Artificial Intelligence and Examples of Artificial Intelligence in Automotive Industry

 

Betül KARACİL, Erdinç EFENDİ CPS Pressform San. ve Tic. A.Ş.

 

Özet

Yapay zekâ ve yapay zekâ temelli teknolojiler uzun yıllardır üzerinde araştırma yapılan ve tartışılan konulardır. Yapay zeka tabanlı teknolojilerin günlük hayatta birçok alana entegre olmuş olması sadece bu alanda çalışmalar yürüten insanların değil herkesin ilgisini çeken bir konu olmuştur. Yapay zekâ, insan beyninin aynı anda gerçekleştiremeyeceği kadar karmaşık işlemleri çok kısa sürelerde gerçekleştiren sistemler olarak tanımlanabilir. Burada insan beyninin çalışma stili referans alınarak yapılan yapay zekâ çalışmaları  ‘yapay sinir ağları’ kavramıyla da insanlığı tanıştırmıştır. Yapay zekâ ve yapay sinir ağları teknolojileri üretim endüstrisinde özellikle de otomotiv üretimi endüstrisinde çok yaygın kullanılmaya başlanmıştır. Globalleşen dünya düzeninde rekabetçi iş dünyasına ayak uydurabilmek için otomotiv sanayide yapay zekâ, otonom sistemler, robot kullanımı gibi teknolojiler artık mecburi bir hale gelmiştir. 

 

Anahtar kelimeler: Yapay zekâ, yapay sinir ağları, büyük veri, otomotiv 

 

Abstract

Artificial intelligence and artificial intelligence-based technologies are topics that have been researched and discussed for many years. The fact that artificial intelligence-based technologies have been integrated into many areas in daily life has been a subject of interest not only to people working in this field but also to everyone. Artificial intelligence can be defined as systems that perform complex operations in very short periods of time that the human brain cannot perform at the same time. Here, artificial intelligence studies based on the working style of the human brain have introduced humanity to the concept of ‘artificial neural networks’. Artificial intelligence and artificial neural network technologies have been widely used in the production industry, especially in the automotive production industry. In order to keep up with the competitive business world in the globalised world order, technologies such as artificial intelligence, autonomous systems and robot use in the automotive industry have become compulsory.

 

Keywords: Artificial intelligence, artificial neural networks, big data, automotive

 

1. Giriş
İnsan beyninin çalışma mekanizması yüzyıllardır merak edilen ve üzerine ciddi çalışmalar yürütülen konuların başında gelmektedir. Bilim insanları beynin çalışma mekanizmasını anlamak ve bu mekanizmaya benzer fonksiyonlarda makineler geliştirmek için ciddi çalışmalar yürütmüşlerdir. Yapay zekâ ve yapay sinir ağları da bu çalışmaların başında gelmektedir.  En genel geçer haliyle yapay zekâ için ‘robotlara kazandırılmış zekâ’ veya ‘dijital dünyanın beyaz yakalıları’ demek yanlış bir ifade olmaz. Yapay zekanın genel geçer bir tanımı olmadığı gibi, kişiden kişiye ve kullanıldığı sektöre göre farklı alanlara entegre edilebilir ve bu alanlara göre farklı anlamlar kazanabilmektedir [1].

 

Yapay zekâ teknolojileri günümüzde çok önemli gelişmeler sağlamış olsa da araştırma düzeyi olarak halen ‘kuluçka’ evresinde olduğu düşünülmektedir. Bu da yapay zekânın her araştırma sonucu ortaya çıkan yeni bir icatla ya da yenilikle yeniden tanım kazanması anlamına gelmektedir. Hatta çoğu insana göre yapay zekâ, tanımlanması imkânsız mutlak bir kavramdır. Birçok bilim insanı yapay zekâ için farklı tanımlamalar yapmıştır. Radyonun mucidi olarak bilinen ünlü Rus fizikçi Aleksandr Stepanoviç Popov’a göre yapay zekâ; insanların yapabildiklerini bilgisayarlara yaptırabilme çalışmasıdır.  Amerikalı fizikçi Michael Genesereth’a göre ise yapay zekâ akıllı davranış üzerine bir çalışma, doğadaki varlıkların akıllı davranışlarını yapay olarak üretmeyi amaçlayan bir kuramdır [2].

 

Aslında her tanımın kendi içinde doğru ve kabul edilebilir olmasıyla beraber gelişen ve değişen her yenilikle, akıllı makinelerin yeni durumlara uyum sağlama, problemlerle başa çıkabilme kabiliyetlerinin gelişmesiyle farklılık gösterebilir ya da yeni bir tanımlama revize edilebilir. Bununla beraber yapay zekânın gelişimi temel olarak bakıldığında bilgisayar, elektrik-elektronik, mekatronik, kontrol, yazılım gibi birçok multidisipliner mühendislik alanlarının gelişimine bağlıdır. Kısaca bütün tanımlamalar doğru olmakla beraber mutlak kabul edilebilir değildir. 

2. Yapay Zekânın Tarihçesi
Tarihsel süreç boyunca yapay zekâyı tanımlamak ve anlamlandırmak için birçok çalışma ve deneyler yapılsa da; 1830’lu yıllardan günümüz endüstri 5.0 çağına kadar hala geçerliliğini koruyan ‘Turing Deneyi’ yapay zekânın en yalın haliyle tanımlandığı deney olarak kabul edilmektedir. Bu deney, İngiliz matematikçi Alan Turing tarafından ortaya atılmıştır. 1950 yılında ‘Mind’ dergisinde yayımlanan  ‘Hesaplama Makineleri ve Zekâ’ adlı makalesinde ‘makineler düşünebilir mi?’ fikriyle ortaya çıkarak bir makinenin(bilgisayarın) tıpkı bir insan gibi düşünüp, akıl süzgecinden (buna karar mekanizması da denilebilir) geçirerek insanınkine benzer dönütler verebileceğini ispatlar nitelikte olmuştur. Turing, bu deney için 2 insan ve 1 bilgisayar kullanmıştır. İnsanlardan biri, karşısında bir insan mı yoksa bir bilgisayar mı olduğunu bilmeden sorular yöneltip, verilen cevabın insandan mı yoksa makineden mi geldiğine karar verir. Deney sonucunda verilen cevapların ayırt edilemediği görülmüştür. Sonuçta bilgisayarların tıpkı bir insan beyni gibi algılama ve karar mekanizması olduğu açıkça ispatlanmıştır [3].

 

Yapay zekânın tanımı kadar ayrımı da yapay zekâ tarihi boyunca büyük tartışmalara neden olmuştur. Bu ayrım da yapay zeka ile teknoloji arasında doğal olarak bir korelasyon doğurmuştur. Bunun sonucunda da ‘yapay zekâ mı teknolojiden beslenir yoksa teknoloji mi yapay zekâdan beslenir? ikilemine sebep olmuştur. Yani yapay zekânın geliştirilme metodundan günümüzde kullanılan teknolojilerin hangileri yapay zekâ tabanlıdır konusu hala tartışmaya açıktır. Kimi bilim insanlarına göre 1 ve 0 algoritmalarıyla geliştirilmiş her yazılım birer yapay zekâdır. Kimine göre ise bir yazılıma yapay zeka denebilmesi için daha kompleks yapılardan ve insan beyninin çalışma mantığına benzer algoritmalarla (buna yapay sinir ağları denir.) geliştirilmiş olması gerekir. Klasik bilgisayar çalışma metodu ve yapay zekâ arasındaki fark Şekil 1’de gösterildiği gibidir. 

 

1943’te mantık bilimci Walter Pitts ile nörobilimci Warren McCulloch ilk kez ‘ yapay sinir ağları’ terimiyle bizleri tanıştırmış; insan beyninin bilgiyi öğrenme ve depo etmede biyolojik nöron hücrelerinin ve bu hücrelerin arasında kurdukları sinaptik bağı dijital olarak işlemişlerdir. Bu çalışma sonunda ‘‘makineler de tıpkı insan beyni gibi bilgiyi işleyip depo edebilirse yapay zekâya sahip makineler üretilebilir’’ tezini ortaya atmışlardır [4].

 

Yapay zekânın günümüzdeki kullanım alanlarına ve işlevine bakıldığında Pitts ve McCulloch’ın bu kuramın günümüzde hala geçerli olduğunu, yani yapay zekânın 1’ler ve 0’lardan çok daha fazlası olduğunu söylemek yanlış bir ifade olmaz. 1943’lerden bahsetmişken, daha vakum tüplü bilgisayarlar kullanılırken ileride bilim dünyasının öz çocuklarından biri olacak olan yapay zekayı konuşabilmek inkar edilemez bir vizyon ve hayal gücünün ürünüdür. Sonraları transistörün icadı, entegre devrelere geçiş insanlık ve yapay zeka tarihinin en önemli gelişmelerindendir ve bu gelişmeler bilim dünyasında büyük yankı uyandıracaktır. Öyle ki MIT Bilgisayar Bilimleri laboratuvar yöneticilerinden Edward Fredkin BBC ile yaptığı röportajında yapay zekânın insanlık ve bilim tarihinde açtığı çığırı şu sözleriyle ifade etmiştir: ‘Tarihte üç büyük olay vardır. Bunlardan ilki kâinatın oluşumudur. İkincisi yaşamın başlangıcının olmasıdır. Üçüncüsü de yapay zekânın ortaya çıkmasıdır’ [3].

 

Yapay zekâ gelişim evresinde olmasına rağmen, büyük veriyi incelemek, analiz etmek ve depolamak konusunda son derece başarılıdır. Yapay zekânın bu başarısına değinmeden önce ‘büyük veri’nin üzerinde durulması gerekir. Büyük veri, (big data) kısaca geleneksel veri tabanı sistemleriyle depolanması mümkün olmayan, gelecekte birçok sektör ve disiplin için know-how oluşturulması için analiz edilen, anlamlı ve işlenebilir veriler bütünü olarak tanımlanabilir. Yani günümüz dijital çağında büyük şirketler herhangi bir sektör hakkında veri analizi yaparken bunu büyük veri analizlerinin süzgecinden geçirmeden karar almaları ve süreç geliştirmeleri mümkün değildir. Burada yapay zekânın yaptığı şey aslında, dünyada yaşayan 3,8 milyar akıllı telefon kullanıcısının dijital dünyada oluşturdukları ayak izlerini analiz edip, inceleyip sık kullanılan o dijital yolları tespit etmektir. Verinin işlenip değerli bir bilgi haline gelmesinde de yapay zekânın emeği büyüktür. Tek başına yapay zekâ büyük veri analizi olmadan manasız olsa da, tek başına büyük veri de yapay zekâsız anlamlı ve değerli hale gelemez. Unutulmamalıdır ki, veri tek başına anlamsız bir yığından ibarettir. Veriyi değerli kılan şey onu anlamlandırıp, analiz etmekten geçer. Veri, bilginin ham maddesidir [1, 4, 5].

 

Yapay zekâ teknolojileri 1950’den beri insan beyninin çalışma mekanizmasına benzer algoritmalar geliştirilerek günümüze kadar somut adımlar atılmıştır. Robot tekniği, doğal dil işleme, bulanık mantık, uzman sistemler, yapay sinir ağları yapay zekanın insan duygu ve davranışlarından her birini baz alarak geliştirilmiş alt dallarıdır. Bu alanların her birine farklı çözüm ve algoritma ile yaklaşılmaktadır. Farklı meslek grupları ve farklı sektörler için bu alt dallardan uygun olanı seçildiğinde mevcut problem hedeflenen şekilde çözümlenebilir. Örneğin; trafik lambaları, otomasyon ve akıllı ev sistemleri gibi teknolojiler bulanık mantık metoduyla çözülürken, uzman sistemler ile tıp, telekomünikasyon v.b. yapay sinir ağları ile görüntü işleme, askeri uygulamalar, imalat kalite kontrolü, üretim işlem kontrolü ve otomotiv sektöründeki kontrol faaliyetlerinde uzman sistem teknolojileri ile çözülüp geliştirilmektedir [3].

3. Otomotiv Sektöründe Yapay Zekânın Kullanımı
Günümüzde birçok şirketler, bankalar, e-ticaret siteleri süreç geliştirip, stratejik hamlelerini geliştirmek adına büyük veri analizleriyle, yapay zekâ tabanlı yazılımlar ve robotlarla uyumlu başarılı sonuçlar elde etmişlerdir. Ancak seri üretim yapan endüstriyel kuruluşlar devreye aldıkları her teknolojik yeniliğin ‘yapay zekâ tabanlı teknoloji’ olduğu yanılgısına düşmüşlerdir. Öyle ki, günümüzde birçok fabrikada endüstriyel robot kolları, otomasyon sistemler, görüntü işleme ile hata ayıklama gibi birçok teknolojik gelişme ile süreç ve ürün yönetimi mevcuttur[6].  Fakat bu yenilikler yapay zekâ tabanlı bir yazılımla geliştirilmemiş olsa bile birçok endüstriyel kuruluşta  ‘‘yapay zekâ ile üretim yapıyoruz’’ şeklinde yanlış bir düşünce ortaya çıkarmıştır. Burada asıl önemli olan konu otomasyon ve görüntü işleme ile yapay zekâ tabanlı bir teknolojiyi birbirine karıştırmamaktır. 

 

Üretim faaliyetlerinde bulunan firma ve fabrikalarda artan rekabet ile beraber maliyet azaltma, zaman tasarrufu, sıfır hata çalışmaları gibi konular önemli ve zorunlu bir hale gelmiştir. Çünkü bir üretim prosesinde amaç bir ürünü ortaya çıkarmaktan çok bunu hatasız ve kaliteli olarak çıkarmaktır. Geleneksel yöntemlerle çözümlenmeyecek büyüklükteki problemlerin çözümünde devreye yapay zekâ uygulamaları girmektedir. Bu noktada insan faktörü üretim faaliyetlerindeki kalite kusurlarının en başında gelmektedir. Özellikle otomotiv sektöründeki kalite kusurları, parça ıskartaları, müşteri memnuniyetsizlikleri bu alanda yapay zekâ kullanımını elzem bir hale getirmiştir. Bilgisayar tabanlı bir kalite kontrol sistemi kurarak, müşteri memnuniyeti, zaman tasarrufu, maliyet azalması akabinde amortisman süresinin kısalmasını sağlayacak bir karar verme mekanizması oluşturmaktadır [6].

 

Otomotiv sektöründe üretim yapan fabrikalarda yapay zekâ genellikle kalite kontrol faaliyetlerinde hata ayıklamada kullanılır. Örneğin bir operatör tarafından hata ayıklama yapılırken, insan kaynaklı hataların oranı çok yüksektir. Bu da zaman ve maliyet kalemlerinde ciddi düşüşlere sebep olmaktadır. 2015 verilerine göre otomotiv yan sanayi üretiminde kalite kusurlarının maliyeti, bildirilen toplam maliyetin %31’ini oluşturmaktadır. Bu da görsel hatalardan dolayı meydana gelen kalite kusurlarının hem işletmeye hem de müşteriye maliyet ve zaman kaybı olarak olumsuz yansımaktadır [6].

 

Üretimi tamamlanmış ürünün görsel muayenesi sırasında operatör tarafından kontrol edilmesi gereken birçok parametre vardır. Bunlar; kesim sırasında oluşan toz ve çapak oluşumu, malzeme yüzeyinde oluşan iz, kabarcık, zede, kaynak bölgelerinde oluşan yüzey yanıkları, gözenekler olarak sıralanabilir. Yani operatörün bu kadar fazla parametreyi saniyeler içinde kontrol edip, sıfır hatasız bir kalite kontrol süreci tamamlaması mümkün değildir. Görsel kontrolden dolayı ortaya çıkan bu problem işletmenin organizasyonuna dahil olan yönetimden, satışa, planlamadan, lojistiğe, kaliteden, tedarik zincirine kadar bütün birimlerin aksiyon almalarını engeller ve sonucunda da müşteri memnuniyetsizliği, müşteri kaybı, iş gücü kaybı, maliyet kaybı gibi işletmeyi zor duruma düşürecek ciddi problemlere yol açar [7]. Şekil2’de yapay zekâ ile yapılan kalite kontrol ve göz ile yapılan kalite kontrol gösterilmiştir.

 

Üretimde devreye alınacak olan yapay zekâ destekli bir görüntü kontrol sistemiyle tüm bu krizlerin önüne geçilebilir ve daha sağlıklı bir üretim süreci oluşturulabilir. Bilgisayar yazılımına tanımlanmış olan parçalar yapay zekâ tarafından kontrol edilecek, göstergeler tarafından parçaya uygun, uygun değil, hurda, yeniden değerlendirilmeli şeklinde karar verilebilmektedir. Devreye alınan bu teknolojinin de sıfır hata ile çalışması için dikkat edilmesi gereken bazı parametreler vardır. Bu parametrelerden bazıları, ortam ışığı, sistem dinamikleri ve kameralardır. Ortamdaki ışığın yoğunluğu ve açısı görsel işleme yapılırken dikkat edilmesi gereken en önemli parametrelerden biridir. Bu kontrol sisteminin dinamikleri; taşınabilen, sürekli üretim yapan ve periyodik olarak tarama yapan sistem dinamikleri olarak üç gruba ayrılır. Diğer taraftan yüzeysel kontrollerin doğru ve sağlıklı yapılmasındaki en önemli etkenlerden biri de uygun kamera seçimidir. Kameranın lens tipi, işlemci hassasiyeti yapılacak kontrole göre seçilmelidir [7-8].

 

Sektörde birçok işletmede hata ayıklamada kullanılan buna benzer çalışmalar, operatör kaynaklı hataları ortadan kaldırarak başarılı sonuçlar vermiştir.  Artan rekabet ortamında işletmelerin teknolojik gelişmeleri yakından takip edip, bu teknolojileri doğru yerde başarılı bir şekilde kullanabilmesi kaliteli ürün üretme, maliyet düşürme ve müşteri memnuniyeti gibi kazanımlarla işletmeye geri dönmüştür [6-8].

 

Otomotiv sektörü özelinde yapay zeka ile görüntü işleme kalite kusurlarının giderilmesinde kaynaktan dolayı (bu MIG-MAG olabilir) oluşan hataların giderilmesinden, enjeksiyonla üretim yapan işletmeler için taşlama yapılan parçada oluşan rivörklerin tespiti gibi birçok farklı proses de kullanılır. 

 

Otomotiv sektöründe yapay zekâ kullanımı, sadece hata ayıklamada değil birçok farklı uygulamada gerek iş gücünü hafifletme, gerek insan kaynaklı hataları minimize etme, gerekse maliyet azaltma v.b. gereksinimler sonucunda kullanılır.  Örneğin otomotiv parçaları üreten bir fabrikada işçilerin üretim alanına girerken kişisel koruyucu ekipmanlarının (baret, reflektörlü yelek vs.) olup olmadığını tespit eden bir yapay zekâ uygulaması başlamıştır. Bu sayede olası iş kazalarının önüne geçmeyi hedeflemişlerdir [6].

 

Çalışma ve Sosyal Güvenlik Bakanlığı’nın verilerine göre, 2014 yılında 221.336 iş kazasının %49,5’i üretim, imalat, işleme, depolama gibi içinde otomotiv sektörünün de bulunduğu iş sahasında olmuştur. 2015 yılında 126.473 iş kazasının %52,35’i yine üretim alanındaki faaliyetler sırasında gerçekleşmiştir. 2012 yılından 2016 yılına kadar toplam iş kazası %382 artış göstermiştir. Bu rakamların %9’u ise sadece otomotiv sektöründeki faaliyetler sırasında meydana gelen kazalardır. Bütün bu veriler de gösteriyor ki iş sağlığı ve güvenliği açısından üretim faaliyetlerinin yoğun olduğu fabrikalarda kişisel koruyucu ekipman kullanımı son derece önemlidir.  Fakat bazen işçilerin konu ile alakalı duyarsızlığı bazen de iş sağlığı ve güvenliği uzmanının dikkatsizliği neticesinde üretim alanında aynı anda bulunan onlarca işçinin ekipman takibini yapmak kolay değildir. Günümüzde birçok işletmede bu denetim, görüntü işleme yazılımları ve yapay zekâ ile üretim alanına giren işçilerin kişisel koruyucu ekipmanlarını giydiklerinin denetlenmesi mümkün olacaktır. Uygulanan bu sistem ile iş verimliliği artacak ve iş kazaları sonucu oluşan muhtemel iş kaybının önüne geçilecektir [9-10].

 

Günümüzde otomotiv üretiminde artan yapay zekâ destekli robot kullanımı da üretim sürecinde önemli ölçüde hız ve verimlilik sağlamıştır. Dünya devlerinin gerek otomobil üretiminde robot kullanımı gerekse robotaxi, otonom ve akıllı araç teknolojileri olsun rakiplerini de mecburen robot kullanımına yönlendirmiştir. Otomobil devi Toyota’nın üretim sistemi kurucularından mühendis Taiichi Ohno 1980 yılında üretim sisteminde uygulamış olduğu üretim-yalın yalın üretim metodu ile parçaların anlık temini fabrika verimliliği açısından dünya genelinde global bir kabul ve kıyaslamaya sebep olmuştur. Seat’ın Martorell fabrikasında bulunan 125 AGV(Otomatik Yönlendirmeli Araçlar) adlı robot, motor, şanzıman, kapı camlarını montajları yapılacak yerlere götürmektedir. Bu akıllı robotlar fabrika içinde günde 23.800 parça servisi yapmaktadır. Yılda toplamda 436 bin kilometre mesafe kat etmektedir.  Bu uygulama ile üretim süresi % 25 kısalmaktadır.  Üretim endüstrisinde kullanılan akıllı robotlar örneklerde de görüldüğü gibi üretim hızını ve verimliliğini çok ciddi oranda olumlu etkilemektedir. Burada önemli olan insan-makine uyumunu yakalayabilmektir. İnsanın robotu doğru yerde doğru kullanımı ile zaman, maliyet, iş gücü kaybı gibi kalemler minimize olacak,  insan iş gücü de doğru yerde kullanılmış olacaktır [9, 11].

 

Otomotiv sektöründe robotlar ve yapay zekâ destekli robotik kullanımı sadece üretim alanında değil kullanılabilir ve sürekli değişim ve gelişim gösteren bir teknoloji olarak da; otonom araçlar, uçan arabalar, akıllı araç teknolojileri vs. şeklinde insanoğlunun hizmetine sunulmuştur. ABD Boston Danışmanlık Grubu’nun verilerine göre 2035 yılında satışa sunulacak araçların %35’i otonom araçlar olacağı öngörülmektedir. Bunun yanında Çin başta olmak üzere birçok ülkede uygulanmaya başlayan robotaxi, uçan araba gibi teknolojiler de artan dünya nüfusuna karşı oluşan trafik ve çevre problemlerini de önemli ölçüde rahatlatacaktır [11].

 

4. Sonuç
Yapay zekâ, yazının da en başında belirtildiği gibi insan beyninin aynı anda yapamadığı herhangi bir işi yapabilmesidir. Bu noktada günlük hayatta da kullandığımız birçok teknoloji ve uygulama alanlarının hangisinin yapay zekâ olup hangisinin yapay zekâ olmayacağını mukayese etmek daha sağlıklı olacaktır. Örneğin günümüzde hemen her vatandaşın kullandığı e-devlet uygulaması yapay zekâ kullanımına muhteşem bir örnektir. Öyle ki bir kuruma gitmeden istenilen her evrakın, resmi dokümanın çıktısı tek bir tuşla alınabilir.  Başka bir örnek ise ortalama bir zekâya sahip insanın saniyeler içinde birden fazla matematiksel formülü çözüp, grafik, tablo haline getirmesi mümkün değildir. Bu işlemi saniyeler içinde yapabilen excel programı da günlük hayatta en çok kullandığımız yapay zekâ teknolojilerine örnektir [3].

 

Yapay zekâ, sadece insan yaşamının kalitesini değil birçok hayvanın da yaşama şansını artıracaktır. Örneğin laboratuvar ortamında deney olarak kullanılan birçok deney hayvanı günümüzde çok tartışma yaratan bir konudur. Yapay zekânın bu alanlarda kullanımı ile birlikte deney hayvanı kullanımı da tarih olabilecektir. Aynı zamanda maden arama, zehirli atık arıtma, afet yönetimi gibi kritik ve tehlikeli iş kollarında ise yapay zekânın kullanımı insan ölüm risklerini azaltacak hatta ortadan kaldıracaktır.

 

Gelişen, ortaya çıkan her teknoloji gibi, yapay zekâ da gelişiminin beraberinde fırsat ve tehdit getirir. Sosyal hayatı kolaylaştırması, insan iş gücünü hafifletmesi, hızlı ve pratik şekilde süreç ve veri kontrol etmesi gibi yarar ve fırsatlarının yanında bir takım riskler de mevcuttur. İşte yapay zekânın gündelik yaşamda bu kadar çok karşımıza çıkıyor oluşu, tıpkı e-devlet örneğinde de olduğu gibi birçok meslek ve iş kolunu da bitirip iş istihdamı tehlikesi yaratabilme tehdidini de beraberinde getirmiştir. Dünya Ekonomik Forumu’nun verilerine göre 2025 yılında dünya genelinde yaklaşık 85 milyon istihdam kaybı yaşanacak, fakat bununla beraber de 97 milyon da yeni iş imkânı doğacaktır [2].

 

Bunun yanında bir takım siber tehditler ve insan iş gücüne ihtiyacı giderek azaltarak işsizlik sorununu ortaya çıkması yapay zekânın insanoğlu için en tehlikeli dezavantajlarındandır. Kişilerin bilgi ve mahremiyetinin her an siber tehlike altında olduğu günümüzde kullandığımız uygulamalar, kamu ve kuruluşlardaki kişisel bilgiler, veri tabanlarının korunmasında virüs tarayıcıları, güvenlik duvarları ve siber güvenlik kalkanları yapay zekâ ile geliştirilerek güvence altına alınmaya çalışılmaktadır. Fakat bu, sistemlerin siber suçlulardan tamamen uzaklaştırıldığı anlamına gelmemektedir [12]. ‘Kişisel bilgi ve mahremiyetimiz her daim tehdit altındadır.’ Demek yapay zekânın gelişmesi ile hayatımıza giren teknolojilerin siber tehditlerden korunması konusunda yanlış bir genelleme olmamaktadır.

 

Burada insanoğlunun yapması gereken de yapay zekâ teknolojileri her sektörün içinde bu kadar entegre olmuşken gelecekte ne istediğini iyi hedeflemek,  yapay zeka teknolojisi sayesinde yeni meslek alanlarını araştırıp bu alanlarda rekabetçi iş kollarına ayak uydurmaktır. 

 

Gelecekte yapay zekâ teknolojileri daha ne kadar gelişecek, insanoğlu daha ne kadar ‘dijitalleşecek’ bu,  yaşayarak  deneyimlenecektir. Ama burada önemli olan, süreci ne kadar iyi yönetip, lehimize çevirmeyi başarabileceğimizdir. Kendimizi ve gelecek nesilleri dijitalleşen, yapaylaşan yeni dünyaya bilgili ve bilinçli hazırlamaktır.

 

Kaynaklar
[1] Öztemel, E., “Yapay Zekâ ve İnsanlığın Geleceği”, Bilişim Teknolojileri ve İletişim: Birey ve Toplum Güvenliği, 2020.
[2] Öztürk, K., “Yapay Sinir Ağları ve Yapay Zekâya Genel Bir Bakış” , Takvimi Vekayi Dergisi, 2018.
[3] Pirim, H., “Yapay Zekâ”, Journal of Yaşar University, 2006.
[4] Erkul,  E., “Yapay Zekâ ve Büyük Veri Nasıl Bir Gelecek Vadediyor?” , TRT Akademi, 2021.
[5] Amanullah M., “Deep Learning and Big Data Technologies For IoT Security”, Computer Communucations,  2020.
[6]  Kesici, B., “Kalite Kontrol Faaliyetlerinde Yapay Zekâ Kullanımı ve Bir Otomotiv Yan Sanayisinde Uygulanması”,  Yalova Sosyal Bilimler Dergisi, 2016.
[7] Kaya, İ., “Kalite Kontrol Problemlerinin Çözümünde Uzman Sistemlerin Kullanımı”, Havacılık ve Uzay Teknolojisi Dergisi, 2004.
[8] Zeba, G., “Technology Mining: Artifical Intelligence In Manufacturing”, Technological Forecasting and Social Change, 2021.
[9] Evren, E., “Otomotiv Sektöründe Saha Çalışanlarının Dijital Dönüşüm Kapsamında Güvenlik Yeleği ve Baretlerinin Yapay Sinir Ağı Yöntemi İle Algılanması”,  Sakarya Üniversitesi Fen Bilimleri Enstitüsü Yüksek Lisans Tezi, 2020.
[10] Çekiç, İ., “Yapay Zekâ Metotlarını Kullanarak Otomotiv Sektöründeki Örnek Problemlerinin Çözümlerinin Araştırılması”, Bursa Uludağ Üniversitesi Fen Bilimleri Enstitüsü Yüksek Lisans Tezi, 2022.
[11] Yılmaz, F., “Robotlar Hayatımızda”,  FSM İlmi Araştırmalar İnsan ve Toplum Bilimleri Dergisi, 2018.
[12] Mijwil, M., ”Siber Güvenlikte Yapay Zekânın Rolü ve Önemi: Bir Derleme”. Veri Bilimi Dergisi, 2022.

Paylaş Tweet Paylaş
2007 kez okundu
GÜNCEL YAZILAR
Şamot Tuğla Harcı, Perlit ve Diatomitten Alümina-Silika Esaslı Kompozit Aerojel Tozu Üretimi
* Production of Alumina-Silica Based Composite Aerogel Powder from Chamotte Brick Mortar, Perlite and Diatomite   Özge Kılınç / Sakarya Üniversitesi, Mühendislik Fakü DEVAMI...
Proses Modelleri ile Yassı Şerit Malzeme Haddelemenin Temel Esasları ve Modellerin Önemi
*Basic Fundamentals of Steel Rolling Process with Models and the Significance of Models   Kemal ERKUT Elektrik Kontrol & Otomasyon Müh. e-posta: kemalerkut@gmail.com   Özet DEVAMI...
Otomotiv Sektöründe Kullanılan DD13 Düşük Karbonlu Sacların Derin Çekme Metodu ile Şekillendirilmesi
*Forming of DD13 Low Carbon Sheets Used in Automotive Industry by Deep Drawing Method Arzu ALTINPINAR / CPS Pressform San. Tic. A. Ş.   Özet Derin çekme, sac metal şekillendirmede DEVAMI...
Endodontik Eğelerde Meydana Gelen Kırılmalar ve Etkileri
*Fractures Occurring in Endodontic Files and Their Effects Zeynep ZEREN / Medicalpark Pendik Ağız ve Diş Sağlığı Hastanesi, İstanbul Muzaffer ZEREN / Kocaeli Üniversitesi Mühendislik Fak&uu DEVAMI...
Mikropor Mng-Pro Serisi Basınç Salınımlı Adsorpsiyon (Psa) Tipi Azot Jeneratörleri
Tuğba MEMİLİ / MİKROPOR MAK. SAN.TİC.A. Ş / Ar-Ge Müdürü - tugba.memili@mikropor.com Berkay COŞKUN / MİKROPOR MAK. SAN.TİC.A.Ş. / Ar-Ge Uzman Yard - berkay.coskun@mikropor.com   DEVAMI...
Yüksek Basınçlı Soğutmalı Tip Hava Kurutucuları & Yüksek Basınçlı Hava Filtreleri Mikropor Mk-Hp Serisi & Hp Serisi
Tuğba MEMİLİ / MİKROPOR MAK. SAN.TİC.A. Ş / Ar-Ge Müdürü - tugba.memili@mikropor.com Berkay COŞKUN / MİKROPOR MAK. SAN.TİC.A.Ş. / Ar-Ge Uzman Yard - Berkay.Coskun@mikropor.com   DEVAMI...
Seçici Lazer Ergitme Yöntemi (SLM) ile Eklemeli İmalat
*Additive Manufacturing With Selective Laser Melting Method (Slm)   Muzaffer ZEREN / Kocaeli Üniversitesi Mühendislik Fakültesi Metalurji ve Malzeme Mühendisliği Böl&uu DEVAMI...
Yağ Buharı Ayrıştırıcı Mikropor Carbolescer Serisi
Tuğba MEMİLİ / MİKROPOR MAK. SAN.TİC.A. Ş / Ar-Ge Müdürü - tugba.memili@mikropor.com Berkay COŞKUN / MİKROPOR MAK. SAN.TİC.A.Ş. / Ar-Ge Uzman Yard - Berkay.Coskun@mikropor.com   DEVAMI...
Şerit Haddelemede Bısra Etkisi ve Gaugemeter Kalınlık Düzeltme Fonksiyonu*
Bisra effects on the Flat Hot Strip Rolling Mills and Gaugemeter AGC Strip Thickness Correction   Kemal ERKUT Elektrik Kontrol & Otomasyon Müh., kemalerkut@gmail.com   &Oum DEVAMI...
Suni Yaşlandırmanın AA6082 ve AA6056 Alaşımlarının Mekanik Özelliklerine Etkisi*
*The Effect of Artificial Aging on Mechanical Properties of AA6082 and AA6056 Alloys   Dilek DENİZ / Sistem Alüminyum San. ve Tic. A.Ş. 59930 Ergene/Tekirdağ, Türkiye Nil TOPLAN / Sak DEVAMI...
Düşük Enerjili Kimyasal Hava Kurutucu -Mikropor MMD-VP Serisi-
Tuğba MEMİLİ / MİKROPOR MAK. SAN.TİC.A. Ş / Ar-Ge Müdürü - tugba.memili@mikropor.com Burcu Aslı ÖZGÜMÜŞ / MİKROPOR MAK. SAN.TİC.A.Ş. / Ar-Ge Uzmanı  - Burcu.Ozgumus@ DEVAMI...
Termal Kütle Teknolojisi İle Çalışan Basınçlı Hava Kurutucuları
Tuğba Memili / Ar-Ge Müdürü  Günümüzde, üretim fabrikalarında enerji kaynağı olarak basınçlı hava kullanımı gün geçtikçe artmaktadı DEVAMI...
Diş Hekimliğinde Akıllı Malzemelerin Gelişimi
Zeynep ZEREN / Marmara Üniversitesi, Diş Hekimliği Fakültesi, Diş Hekimliği Bölümü Muzaffer ZEREN / Kocaeli Üniversitesi, Mühendislik Fakültesi Metalurji ve Mal DEVAMI...
İkincil Alüminyum Üretimi Özelinde İkincil Metal Üretimi ve Metalurji Mühendisliği: Değişimler-Etkileşimler*
*Secondary Metal Production -based on secondary aluminium production- and Metallurgical Engineering: Evolutions-Interactions   Erman Car Metalurji Mühendisi   ÖZET Sanayi DEVAMI...
Ortodontik Braket Uygulamaları İçin AISI 316 L Tipi Paslanmaz Çelik Malzemenin Uygunluğu
Zeynep ZEREN / Marmara Üniversitesi Diş Hekimliği Fakültesi Ece Simooğlu SARI / Kocaeli Üniversitesi Hereke Asım Kocabıyık Meslek Yüksekokulu, Makine ve Metal Teknolojileri, Metalu DEVAMI...
22MnB5 Çeliğinin Sıcak Şekillendirme Prosesinde Kalıpta Soğutma Süresinin Optimizasyonu*
*Optimization of the Mold Cooling Time in a Hot Stamping Process of 22Mnb5 Steel   Prof. Dr. Nihat Akkuş / Marmara Üniversitesi Özgür Yurtgan, Serkan Alan, Alkan Özcan, DEVAMI...
Üretimde Paradikma Değişikliği: 3D Eklemeli İmalat
Muzaffer ZEREN / Kocaeli Üniversitesi Mühendislik Fakültesi Metalurji ve Malzeme Mühendisliği Bölümü Neşe Çakıcı ALP / Kocaeli Üniversitesi Mimarlık ve T DEVAMI...
Mikropor Modüler Basınçlı Hava Kurutucusu -MMD Serisi-
Tuğba MEMİLİ / AR-GE Müdürü Burcu Aslı ÖZGÜMÜŞ / AR-GE Dokümantasyon Sorumlusu     Basınçlı hava, kompresörler aracılığıyla üretilmekte DEVAMI...
Mikropor Carbolescer
Tuğba MEMİLİ / AR-GE Müdürü Burcu Aslı ÖZGÜMÜŞ / AR-GE Dokümantasyon Sorumlusu   Uygulamaya göre, basınçlı havada bulunması gereken minimum partik DEVAMI...
Enerji Tasarrufu Sağlayan Kimyasal Hava Kurutucu -Mikropor Mmd-Vp Serisi-
Tuğba MEMİLİ / AR-GE Müdürü Burcu Aslı ÖZGÜMÜŞ / AR-GE Dokümantasyon Sorumlusu   Basınçlı havada buhar halinde su (nem) bulunmaktadır Su, pnömatik DEVAMI...
Metal 3D Baskı - Tasarımdan Üretime Süreç
Ömer Faruk Kocaoğlu - digiMODE Eklemeli imalat süreci, geleneksel imalat süreçlerine benzer aşamalar içermektedir. Bu yazıda baştan sona bir eklemeli imalat süreci DEVAMI...
En Çok Okunanlar Son Eklenenler
Döküm Demir / Çelik Otomotiv Sanayi
YAYIN AKIŞI
FACEBOOK
TWITTER
INSTAGRAM