Günümüzde yapay zeka, daha fazla verimliliği, yeni gelir fırsatlarını ve daha yüksek seviyede müşteri sadakatini elde etmeyi amaçlayan işletmeler için stratejik bir zorunluluktur. İşletmeler, yapay zeka aracılığıyla çok daha kısa sürede çok daha fazla operasyon gerçekleştirme imkanı bulmaktadırlar. “Yapay zeka nedir?” sorusuna cevap vermek gerekirse, yapay zeka makinelerin insanların yapabilecekleri görevlerin benzerlerini gerçekleştiren, tecrübe ile öğrenen, yeni girdilere uyum sağlayan sistemlerin tümüdür. Yapay zeka ile amaçlanan durum insan yetkinliklerinin geliştirilmesi ve insan yetkinliklerine katkı sağlamaktır. Belirli görevleri gerçekleştirebilmek amacıyla insan zekasını taklit eden ve edindikleri bilgileri yineleyerek kendilerini geliştirmekte olan sistemler olarak karşımıza çıkmakta olan yapay zekayı günümüzdeki diğer teknoloji sistemlerinden ayıran en büyük ve önemli faktör yapay zekanın insan zekasını taklit edebilmesidir. Yapay zeka sistemi, var olan durumları inceleyerek daha önceden belirlenmiş olan parametreler doğrultusunda var olan durumu işlemekte ve buna göre tepkide bulunmaktadır. Yapay zeka, bu süreç boyunca durumla ilgili verileri hızlı, yinelemeli ve akıllı algoritmalarla birleştirerek incelemektedir.

Yapay Zekanın Tarihi

“Yapay zeka ne demek?” sorusunun cevabını öğrendikten sonra yapay zekanın tarihini de incelemekte fayda bulunuyor. İlk olarak 1956 yılında ortaya çıkmış olan yapay zeka terimi, gün geçtikçe veri hacimlerinin artması, algoritmaların ve hesaplamaların gün geçtikçe gelişmesi ve depolama alanında yapılmış olan iyileştirmeler sayesinde günümüzde daha çok konuşulan bir konu haline gelmiştir. 1950’li yıllardan erken AI araştırmaları problem çözme ve sembolik yöntemler gibi konulara odaklıyken 1960’lı yıllarda ABD Savunma Bakanlığı yapay zeka alanındaki çalışmalara ilgi duydu. ABD Savunma Bakanlığı yapay zeka alanındaki araştırmalara ilgi duyar duymaz bünyesinde yapay zekayı kullanmayı amaçlayarak temel insan akıl yürütmesini taklit etmek için bilgisayar eğitimi almaya başladı. Bilgisayar eğitimini aldıktan sonra Savunma İleri Araştırma Projeleri Ajansı (DARPA) 1970’li yıllarda sokak haritalama projesini sona erdirdi. DARPA, Siri, Alexa, Cortana gibi yapay zeka sistemleri ortaya çıkmadan çok önce 2003 yılında akıllı kişisel asistanları piyasaya sundu. Erken bir dönemde gerçekleşen bu çalışma sayesinde günümüzdeki bilgisayarlarda görmüş olduğumuz otomasyon ve resmi muhakemenin yolu açıldı. Birçok Hollywood filmi ve bilim kurgu romanları, yapay zeka robotlarını dünyayı ele geçirecek insan benzeri robotlar olarak tasvir etmiş olsa da yapay zeka teknolojilerinin günümüzdeki hali tasvir edildiği kadar da korkutucu ve zeki bir halde bulunmamaktadır. Yapay zeka teknolojileri her sektörde birçok özel yarar sağlamak amacıyla gelişmiş olup sağlık, perakende, eğitim ve daha birçok sektörde büyük fayda sağlamaktadır.

Yapay Zeka Nasıl Çalışır?

Yapay zeka, büyük hacimli verileri akıllı algoritmalar ve yinelemeli işlemleme ile birleştirerek çalışmaktadır. Bu süreç boyunca işlemlenen verilere ait desenler veya özellikler yapay zekanın otomatik olarak öğrenme gerçekleştirmesini sağlamaktadır. “Yapay zeka nasıl çalışır?” sorusunun cevabı çeşitli işlevleri bünyesinde barındıran yapay zekanın farklı yöntem ve teknolojiler ile entegre bir şekilde çalıştığıdır. Bu yöntem ve teknolojiler şunlardır:

• Makine öğrenimi: Makine öğrenimi sayesinde yapay zeka, analitik modeller ortaya çıkarmayı otomatikleştirmekte olup bu sayede verinin bünyesinde bulunan içgörüleri ayrı bir programlama işlemi gerçekleştirmeden sinir ağları, istatistik ve fizik yöntemlerinden faydalanarak bulabilmektedir.
• Yapay sinir ağı: Basit biyolojik sinir sisteminin çalışma şeklini temel alan yapay sinir ağları, yapay zeka sayesinde harici girişlere yanıt vermekte olup bilgilerin işlenmesini ve aralarında bilgi aktarımı olan birimler arasında bağlantılar kurulmasını sağlamaktadır. Yapay sinir ağları sayesinde birden çok geçiş ile sisteme tanımlanan verilerden anlamlar çıkarma imkanı oluşmaktadır.
• Derin öğrenme: Yapay zeka, derin öğrenme yöntemi sayesinde birçok farklı veri birimine ait karmaşık yapıda bulunan modeli öğrenmek amacıyla gelişmiş hesaplama ve eğitim tekniklerinden faydalanmaktadır. Yapay zeka bu süreç boyunca çok fazla sayıda işlem birimi katmanıyla büyük sinir ağlarını kullanmaktadır.
• Bilişsel hesaplama: Bilişsel hesaplama sayesinde yapay zeka insan benzeri bir etkileşimi makinelere aktarmaktadır. Bilişsel hesaplama aracılığıyla yapay zekanın görüntüleri, konuşmaları, verileri yorumlaması ve bu işlemlerden sonra tutarlı bir şekilde geri bildirimler vermesi sağlanmaktadır.
• İleri algoritma: İleri algoritma sayesinde yapay zeka, çok fazla sayıda bulunan veriyi daha hızlı ve birçok seviye düzeyinde analiz edebilmektedir. Bunun yanı sıra ileri algoritma karmaşık sistemleri anlamak, nadir yaşanan ve alışık olunmayan senaryoları tanımlamak ve optimize etmek amacıyla da kullanılmaktadır.
• Grafik işlem birimleri: Grafik işlem birimleri sayesinde sinir ağları eğitilir ve bu sayede yapay zeka yinelemeli işlem yapabilmek için ihtiyaç duyduğu hesaplama gücünü temin etmektedir.

Yapay Zekanın Avantajları Nedir?

Bilgisayar ortamında geliştirilmiş olan yapay zeka robotu insan hayatını birçok yönden kolaylaştırmakta ve büyük etkiler yaratmaktadır. Yapay zeka, gelişmiş teknolojiler ile modellendiğinden dolayı yorulma yaşamamaktadır ve sınırsız çözüm üretme yeteneğine sahiptir fakat insan beyni yaratılışı gereği bazen çözüm üretmede yetersiz kalabilmektedir. Yapay zekanın sayısız avantajlarından bazıları şunlardır:

• Minimum seviyede hata: Bilgisayar ortamında gelişmiş yapay zekanın bünyesinde sayısızca bilgi bulunmaktadır. Bu sayede yapay zeka algoritmaları konu fark etmeksizin yapılan her hatayı görüp bu hataları minimum seviyeye indirmek için çalışmaktadırlar. Bu sayede insanların hata yapma payı düşer ve daha hızlı bir şekilde gelişim sağlanır.
• Tıp alanında gelişme: Dünyada her geçen gün hastalık sayısı artmaktadır. Yapay zeka sayesinde birçok hastalığa çözüm bulunmakta olup aynı zamanda daha çok medikal ekipman üretme olanağı artmaktadır.
• Güvenlik: Yapay zeka kullanım alanlarından en çok karşılaşılan alanlardan biri de güvenliktir. Yapay zeka robotları hiç yorulmadan ve uyumadan 7/24 bir işletmenin, evin ve hatta ülkenin güvenliğini sağlayabilmektedir. Ayrıca yapay zeka sayesinde orman yangınları ya da deprem gibi doğal afetlerde ortaya çıkan felaketlerdeki riskler de minimum seviyeye getirilebilmektedir.
• Uzun süre kullanım: Yapay zeka robotları konu fark etmeksizin her sektörde her an kullanılabilmektedir. 

Yapay Zekanın Dezavantajları Nelerdir?

Yapay zeka uygulamaları sayesinde her ne kadar günümüzde birçok avantaja sahip olsak da yapay zekanın bazı dezavantajları da bulunmaktadır. İnsan beyninin taklit edilmesi sonucu ortaya çıkmış olan yapay zekanın bazı dezavantajları şunlardır:

• Yüksek maliyet: Yapay zeka, hem modellenme süreci hem de bünyesine yüklenen bilgiler üstün teknolojiler aracılığıyla yerine getirilmeye çalışıldığından dolayı yüksek maliyetlere sebep olmaktadır. Ayrıca yapay zeka robotlarının, her saniye yeni gelişmelerin ortaya çıktığı teknoloji dünyasına uyum sağlayabilmesi için sürekli güncelleme işlemleri gerçekleştirilmektedir. Bu güncelleme işlemleri de ekstra bir maliyet oluşturmaktadır. Yapay zeka robotları her ne kadar uzun kullanımlı olarak tasarlansalar da zaman zaman tamir gereksinimi duyabilen teknolojilerdir ve yapay zeka robotlarının tamir süreçlerinde kullanılan parçaların maliyeti de çok yüksektir. Bu sebeplerden dolayı devletlerin yapay zeka robotlarını kullanabilmek için yüksek miktarda bütçe ayırmaları gerekmektedir.
• İşsizliğe neden olabilir: Yapay zeka yazılımına kodlanan bilgiler yapay zekanın neredeyse her sektörde büyük başarılar elde etmesini ve uzun süre çalışabilmesini sağlamaktadır. Yapay zeka, insan gücü ile belli bir sürede yapılabilecek bir işi hiç yorulmadan daha hızlı bir şekilde yapabilir ve bu durumun sonucunda insan gücüne olan ihtiyaç azalabilir ve işsizlik sorunu dünyada artabilir.
• İnsan beynini taklit etme eksikliği: Yapay zeka, yakın gelecekte insanların beynini taklit etmeyi planlamakta olup bu konu üzerinde çalışmalar gerçekleştirilmektedir. Ancak yapay zeka teknolojileri insanlar gibi hissetme ve düşünerek bir iş gerçekleştirebilme konusunda eksik olduklarından dolayı bazı durumlarda yanlış bir durumu doğru olarak algılama ve yanlış kararlar ver ihtimalleri bulunmaktadır.
• Kendini geliştirme eksikliği: Yapay zeka, her ne kadar bilgisayar ve bilgisayar ortamlarında geliştirilmiş olan bir robot olsa da yaptığı bir operasyondan ders alıp kendilerini geliştirme ihtimalleri yoktur. Bundan dolayı yapay zekalara sürekli bilgi ve deneyim yüklenmesi yapılması gereklidir.

Yapay Zeka Neden Önemlidir?

Yapay zeka teknolojilerinden şirketler her geçen gün daha da fazla faydalanmaktadır. Bundan dolayıdır ki yapay zekanın önemi de günümüz dünyasında her geçen gün artmaktadır. İşte yapay zekanın önemlerinden bazıları şunlardır:

• Yapay zeka, tekrarlayan öğrenme ve verisel keşifleri otomatik hale getirmeye odaklanmıştır. Fakat yapay zekayı donanım odaklı robotik otomasyonlarla karıştırmamak gerekir. Yapay zeka, manuel görevleri otomatik hale getirmek yerine sık ve yüksek hacme sahip olan bilgisayarlı görevleri güvenli bir şekilde ve yorulmadan gerçekleştirir. Dolayısıyla bu tür bir otomasyon için doğru soruları sormak, sistemi kurmak ve yapay zeka kodlamalarını gerçekleştirmek amacıyla insan gücüne hala gereksinim duyulmaktadır.
• Yapay zeka, mevcut halde bulunan ürünlere zeka eklemektedir. Çoğunlukla yapay zeka teknolojileri kişisel bir uygulama olarak satılmamaktadır. Kişisel bir ürün satılmak yerine halihazırda piyasada bulunulan ve kullanılan ürünler, Siri’nin yeni nesil çıkmış olan Apple ürünlerine bir özellik olarak eklenmesi gibi, yapay zeka yetenekleriyle geliştirilmiş olacaktır. Yapay zeka, otomasyon, konuşma ortamları, botlar ve akıllı makineler, güvenlik istihbaratı veya yatırım analizleri dahil evde ve iş yerlerinde birçok teknolojiyi iyileştirip geliştirmek amacıyla büyük hacimde ve miktarda bulunan verilerle birleştirilebilmektedir.
• Yapay zeka, verilerin programlamayı gerçekleştirebilmelerine olanak sağlamak amacıyla aşamalı öğrenme algoritmalarını kullanarak uyum sağlamaktadır. Yapay zeka verilerde yapı ve düzenlilik bulmakta olup bu sayede algoritma sınıflandırıcılık veya tahmincilik becerilerini kazanmaktadır. Böylece algoritma nasıl satranç oynanacağını yapay zekaya kendi kendine öğretebildiği gibi aynı şekilde bir sonraki ziyaret sırasında kişiye hangi ürünü tavsiye edeceğini de kendi kendine öğrenebilmektedir. Yeni veri geldiği zaman da modeller bu verilere uyum sağlamaktadır. Geri yayılma tekniği, modelin ilk yanıt tam olarak doğru olmadığında eğitim ve eklenmiş veriler aracılığıyla ayarlanmasını mümkün kılan bir yapay zeka tekniğidir.
• Yapay zeka, bünyesinde birçok gizli katman bulunduran sinir ağlarını kullanarak daha fazla miktarda ve daha derin bir şekilde verileri analiz edebilmektedir. Yapay zeka doğrudan veri sayesinde öğrenme gerçekleştirdiğinden dolayı yapay zeka sistemine ne kadar çok veri girişi olursa sonuçlar da o kadar doğru olmaktadır.
• Yapay zeka, bünyesinde bulundurduğu derin sinir ağları sayesinde çok yüksek bir doğrulukla çalışmaktadır. Şu an piyasada kullanılmakta olan Alexa, Google Aramaları ve Google Fotoğraflar ile kullanıcıların etkileşimlerinin tümü derin öğrenmeye dayalı olarak gerçekleşmektedir ve bu derin öğrenme süreci kullanıcılar etkileşime girdiği sürece devam etmektedir. Özellikle sağlık sektöründe derin öğrenme, görüntü kategorize etme ve nesne tanıma gibi yapay zeka yöntemleri artık MRI’larda kanseri tespit etmek amacıyla da kullanılabilmektedir.

Yapay Zeka ve Veri Mühendisliği İlişkisi

Yapay zeka programlarının gelişmesi ve olgunlaşması amacıyla eğitim odaklı yüksek kaliteli veri kümelerinin bulunması gerekmektedir. Veri mühendisleri, sosyal medyada, depolarda veya fabrikalarda bulunan yerinde sensörler gibi çeşitli kaynaklardan verileri elde edip temizlemekle ve bu veri kümelerini en baştan oluşturmakla yükümlüdür. Böylece yapay zeka ve veri mühendisliği ilişkisi ortaya çıkmıştır. Günümüzdeki bütün akademik ve ticari yapay zeka sistemleri veriler üzerine inşa edilmiştir. Veri sayesinde yapay zeka güç kazanır ve böylece başarılı bir yapay zeka sistemi oluşturulur. Bir makine öğrenimi algoritması oluşturmayı hedefliyorsanız makineyi doğru etiketlenmiş çok fazla miktarda eğitim verisiyle beslemeniz gerekmektedir. Makineye ne kadar çok veri verilirse algoritmalar da yeni veri noktaları hakkında tahminler oluşturmada o kadar iyi hale gelir. Veri mühendisliği iş fonksiyonunun en önemli kısımlarından biri verileri dönüştürme ve temizleme işlemleridir. Veri mühendislerinin görevi verileri dönüştürmek ve temizlemektir. Veri mühendisleri, verileri ham halinden makine öğrenimi sistemlerinin bünyelerinde kullanabilecekleri bir hale dönüştürmeye giden bazı adımları manuel halden otomatik hale dönüştürmek amacıyla ETL (çıkarma, dönüştürme, yükleme) araçlarını kullanırlar. Yapay zeka sistemlerinde veri kalitesi büyük önem taşımaktadır çünkü her çeşit veriyi önyargı olmadan ve bozulma yaşanmadan işyebilmeleri gerekmektedir. Aynı zamanda veri mühendisleri kümeleme algoritmaları ve boyutsallık azaltma yöntemleri kullanarak mevcut durumda olan özelliklerden yeni özellikler meydana getirebilirler.

ETL (çıkarma, dönüştürme ve yükleme) araçları sayesinde veri mühendisleri veri ayıklama, temizleme ve bir veri deposuna yükleme süresini minimuma indirmeyi sağlayacak ardışık düzeni oluşturma imkanı bulabilirler. Veri mühendisleri ETL araçları sayesinde bir veri deposuna veri çıkarma, temizleme ve yükleme sürecini daha hızlı hale getirmeye yardımcı olan işlem hatlarını oluşturabilmektedirler. ETL süreci üç adımdan oluşmaktadır. Bu adımlar şu şekildedir:

• Çıkarma: ETL sürecinde ilk basamak, kaynak sistemlerden verilerin çıkarılmasıdır. Çıkarma basamağı ETL’in en önemli yönüdür. Çünkü verilerin yüzde yüz doğru bir şekilde ayıklanması sonraki basamaklarından etkinlik seviyesini belirlemektedir. Ayıklama işlemi gerçekleştiği sırada, ham veriler kaynak konumlardan kopyalanarak bir hazırlama alanına getirilir ve dışa aktarılır. Veri mühendisleri, yapılandırılmış veya yapılandırılmamış halde bulunan birçok çeşitli veri kaynaklarından verileri çıkarabilmektedir. Birçok veri ambarı projesi, çeşitli kaynak sistemlerinden gelen verileri birleştirir. Her farklı sistem, ayrı bir veri organizasyonu ya da formatı kullanmaktadır. SQL veya NoSQL sunucuları, CRM ve ERP sistemleri, düz dosyalar, e-postalar, internet sayfaları ayıklama işleminin gerçekleştiği kaynaklardan bazılarıdır.
• Dönüştürme: ETL sürecinin bu basamağında son hedefe yüklenmeye hazırlamak amacıyla ayıklanan verilere bir dizi kural ve işlev uygulanmaktadır. Kaynak sistemlerin bünyesinde farklı bir karakter seti bulunduğu durumlarda teknik gereksinimleri karşılamak amacıyla farklı dönüşüm türlerinden bir ya da birkaçı gerekebilmektedir. Dönüştürme türlerinin en önemli ve temel görevi hedefe sadece uygun verilerin iletilmesini sağlamaktır. Bu süreçte, temel dönüştürme işlemleri olarak veri filtreleme, temizleme, tekilleştirme, sınıflandırma ve doğrulama işlemleri yapılmaktadır.
• Yükleme: ETL sürecinin son basamağı olan yükleme basamağında dönüştürülmüş olan veriler hazırlama alanından hedef veri ambarına taşınmaktadır. Bu basamakta, temelde bulunan tüm verilerin ilk yüklenmesini, sonrasında artımlı veri değişikliklerinin periyodik olarak yüklenmesini ve daha nadir ambardaki verileri silmek ve değiştirmek için yenilemeleri içermektedir. ETL kullanan birçok kurum ve şirket için bu süreç iyi tanımlanmış olup otomatik olarak gerçekleşir.

Yapay zeka programlamasında ne kadar çok adım otomatikleşirse, yapay zeka modellerini yüksek kaliteye sahip veri kümeleriyle eğitmek de o kadar kolaylaşır. Veri mühendisliği, veri bilimi sürecinin önemli bir parçası olmakta olup aynı zamanda yapay zeka sistemlerinin oluşturulmasında da büyük öneme sahiptir.

Yapay Zeka Projeleri

Yapay zekaya yeni başlayan veya başlamayı düşünen kişiler için yapay zeka kullanılarak hazırlanabilecek birçok proje fikri bulunmaktadır. İşte bu yapay zeka projeleri fikirlerinden bazıları şunlardır:

• Spam sınıflandırıcı: Yıllar boyu gerek iş yaşamında gerekse günlük hayatta e-postalar haberleşme amacıyla kullanılmaktadır. Bu haberleşme süreçlerinde e-posta kutularına istenmeyen maillerin de gönderilmiş olma ihtimalleri bulunmaktadır. İstenmeyen maillerin e-posta kutusuna düşmesi durumunda devreye spam olarak isimlendirilen istenmeyen e-postaların ayıklanması işlemi girmektedir ve böylece spam sınıflandırıcı yapay zekalar (spam classifier) kullanıcılara hizmet vermektedir.
• El yazısı tanımlayıcı: Handwritten digits recognition olarak isimlendirilen el yazısı tanımlayıcılar insan eliyle yazılmış olan metinlerin algılanma sürecinde kullanılmaktadır. Yapay zekalar, el yazıları insandan insana değişiklik gösterdiğinden dolayı el yazısı tanıma sürecini kolay bir şekilde gerçekleştirememektedir. Bu durumda devreye yapay zeka teknolojisinin alt dallarından biri olan derin öğrenme teknolojisi girmektedir.
• Şerit çizgisi belirleyici: Sürücüsü olmayan araçların insan gibi davranarak şerit çizgilerini takip etmeleri ve yollarını korumaları gerekmektedir. Yapay zeka teknolojilerinin alt alanlarından biri olan şerit çizgisi belirleyici (lane line detection) bilgisayarla görü (computer vision) bünyesinde değerlendirilmekte olup otonom araçlarda sıklıkla kullanılmaktadır.
• Mesajlaşma botu: Gerek internet sitelerinde gerekse mobil ve masaüstü uygulamalarda sıklıkla karşılaşılan mesajlaşma botları (chat bot) yapay zeka teknolojileri ile çalışmaktadır. Çeşitli algoritmalar kullanılarak oluşturulan bu botlar kullanıcıların mesajlarına göre hızlı ve mantıklı cevaplar vermek amacıyla eğitilmişlerdir. Mesajlaşma botları tasarlanırken yapay zeka teknolojilerinden doğal dil işleme (NLP) ve makine öğrenmesi teknolojileri kullanılmaktadır. Mesaj botlarına verilen girdiler analiz edilerek kullanıcılara mesaj olarak gönderilir. Botlar mesajlaşma esnasında yeni verilerle karşılaştığı zaman bu verilere göre kendini eğitmektedir.
• Öneri sistemleri: Recommender systems olarak isimlendirilen öneri sistemleri e-ticaret sitelerinde, sosyal medya uygulamalarında, arama motorlarında kullanılmaktadır. Kullanıcıların bir ürünü incelemeleri sırasında benzer ürünlerle karşılaşması, kullanıcıların davranışlarına göre alakalı reklamların çıkartılması yapay zeka teknolojisi sayesinde gerçekleşmektedir. Yapay zeka kullanmaya yeni başlayan kişiler benzer renklere göre tavsiye gerçekleştiren bir sistem ya da haber içeriğini analiz edebilecek bir sınıflandırma ve önerim yapan bir yazılım gerçekleştirebilirler.
• Kelime tamamlayıcı: Telefon klavyelerinde sıklıkla karşılaşılan ve next word prediction olarak adlandırılan kelime tamamlayıcılar kullanıcıların yazdıkları kelimelerden sonraki kelimeleri tahmin etmektedirler.
• Sınıflandırma yapan yapay zeka: Yapay zekalar doğru veri gruplarıyla eğitildikten sonra verileri kategorize etme yetenekleri kazanmaktadır. Örneğin insan, hayvan, trafik lambası ve binaların ne olduğu öğretilen bir yapay zeka teknolojisi daha sonrasında bir sokakta hangi nesnenin bulunup bulunmadığı az çok anlayabilir hale gelmektedir.
• Otomatik kalıtım sistemi: Bireylerin bir kuruma devam edip etmediğini takip eden bir ERP sistemi olan otomatik kalıtım sisteminde kişilerin yüzlerini tanıyan yapay zekalar sayesinde otomatik olarak sürecin takip edildiği bir yazılım geliştirilmektedir. Otomatik kalıtım sistemi okullarda ve şirketlerde devamlılığı kontrol etmek amacıyla kullanılabilmektedir.
• Oyun botu: Bilgisayar oyunlarında gerçek oyuncu bulunamadığı zaman devreye botlar girmektedir. Bu botlar gerçek oyuncuların davranışlarına ve oyunun kurallarına göre davranmaktadırlar.
• Renk yoğunluğu belirleyen yapay zeka: Renklerin ne derecede kullanıldığını tespit eden ve gösteren, baskın rengi tespit eden bir yapay zeka projesidir. Örneğin instagram uygulamasında hikayede fotoğraf paylaşımı yapılacağı zaman boşta kalan alan için baskın renklere göre bir fon oluşturulmaktadır.
• Görüntü tanımlayıcı: Yapay zekalar doğaları gereği veriyle beslenmektedirler ve görüntü tanımlayıcı (image recognition) yapay zekalar birçok farklı görüntüye gereksinim duymaktadırlar. Yapay zekada çok sıklıkla kullanılmakta olan fotoğraf tanımlayıcıları aynı zamanda yapay zeka projelerinde de kullanılabilmektedir.