Yapay Zekâ (AI) ve Makine Öğrenmesi (ML)

Yapay zekâ, veriden öğrenerek karar veren sistemlerin genel adıdır. Makine öğrenmesi bunun veriden model çıkaran alt dalıdır; derin öğrenme ise çok katmanlı sinir ağlarını kullanır ve özellikle görüntü ve ses verisinde başarılıdır.

Öğrenme türleri üçe ayrılır. Gözetimli öğrenmede etiketli veriyle model eğitilir (hatalı-sağlam parça sınıflandırması, ölçü tahmini). Gözetimsiz öğrenmede etiket yoktur; veri içindeki gruplar ve aykırı değerler bulunur (anomali tespiti). Pekiştirmeli öğrenmede sistem deneme-ödül döngüsüyle strateji öğrenir (robot hareket planlama, çizelge optimizasyonu).

Üretimdeki en olgun uygulamalar şunlardır. Kestirimci bakım: titreşim, sıcaklık ve akım verisinden arıza öncesi belirtiler yakalanır; plansız duruş planlı bakıma dönüşür. Görüntü işleme ile kalite kontrol: yüzey kusurları, montaj eksikleri ve etiket hataları kamerayla saptanır; insan gözünden hızlı ve kararlıdır. Proses optimizasyonu: geçmiş üretim verisinden hurdayı en aza indiren parametre bileşimi öğrenilir.

Sınırlar da bilinmelidir: model ancak eğitildiği veri kadar iyidir, veri dağılımı değiştiğinde performans düşer ve çoğu model kararının gerekçesini açıklamaz.