EMO`nun düzenlediği Bitirme Projeleri Sergisi 2025 (BPS 2025) kapsamında Dr. Sinan Onur Altınuç’un tarafından “Mühendislikte Yapay Zeka Kullanımı” başlıklı sunum gerçekleştirildi. Yapay zekanın mühendislikteki dönüştürücü gücüne dikkat çekilen seminerde, yapay zekanın mühendislik süreçlerini otomatikleştirmeden, karmaşık problemleri çözmeye kadar geniş bir yelpazede kullanılabileceğini örneklerle anlattı.
EMO İzmir Şubesi Hizmet ve Eğitim Merkezi`nde düzenlenen etkinlik kapsamında gerçekleştirilen sunum İzmir Demokrasi Üniversitesi`nden Doç. Dr. Kemal Avcı`nın moderatörlüğünde gerçekleştirildi. Dr. Altınuç uzaktan bağlantı yoluyla yaptığı sunumuna yapay zekanın tarihsel yolculuğunu özetleyerek başladı. 1950`lerde Alan Turing`in "Makineler düşünebilir mi?" sorusuyla temelleri atılan ve 1956`da John McCarthy tarafından resmi olarak isimlendirilen yapay zeka, günümüzde yazılım dünyasının ötesine geçerek güvenlik, tıp, hukuk ve muhasebe gibi birçok alanda çığır açıcı dönüşümlere öncülük ediyor. Altınuç, yapay zekanın insanlık tarihindeki büyük teknolojik devrimlerle (ateşin kontrolü, sanayi devrimi, elektriğin icadı ve internet) kıyaslanabilecek bir potansiyele sahip olduğunu vurguladı. Mühendislikte ise artan problem karmaşıklığı karşısında yapay zekanın vazgeçilmez bir araç haline geldiğini ifade etti.
Altınuç, "Mühendislik ve yapay zeka, birbirini besleyen kavramlar. Mühendisler olarak insan hayatının kalitesini artırmak için çalışıyoruz ve yapay zeka, bu hedefe ulaşmada en güçlü araçlardan biri olacak" diye konuştu. Sunumun önemli bir bölümü, günümüzde yaygın olarak kullanılan büyük dil modellerine (LLM`ler) odaklandı. Altınuç, bu modellerin istatistiksel olarak bir sonraki kelimeyi tahmin ederek anlamlı çıktılar ürettiğini ve internet ile kitaplar gibi devasa veri setleriyle eğitildiğini belirtti. Ancak, dil modellerinin fiziksel dünya ve uzamsal kavramlar konusundaki sınırlamalarına dikkat çekti. "Dil modelleri, doğal dil işleme, doküman özetleme, kod üretimi ve veri formatlama gibi alanlarda büyük avantajlar sunuyor. Ancak fiziksel dünyayı anlamada henüz eksikleri var, bu yüzden mühendislik uygulamalarında bu sınırlamaları akılda tutmalıyız" dedi.
Mühendislikte yapay zeka uygulamalarına örnek olarak, güç şebekesi ve enerji yönetimi, devre tasarımı, baskı devre kartı (PCB) üretimi, robotik, otonom araç sistemleri ve tahmine dayalı bakım gibi alanları sıraladı. Özellikle tahmine dayalı bakımın, arızalar meydana gelmeden sorunları tespit ederek maliyet ve zaman tasarrufu sağladığını vurguladı. Yapay zekalı destekli simülasyon araçlarının mühendislik süreçlerini kolaylaştırdığını örneklerle anlattı. Bir RC devresinin adım yanıtını görselleştiren bir simülasyon örneği, yapay zeka eğitimde de nasıl kullanılabileceğini gösterdi.
Agent Tabanlı Sistemler ve Yapay Genel Zeka
Dr. Altınuç, yapay zekanın geleceğine dair vizyonunu paylaşırken, "agent tabanlı sistemler"in önemine dikkat çekti. Bu sistemler, dil modellerinin etrafında geliştirilen, akıl yürütme, bellek mekanizmaları ve araç kullanımı (örneğin, internet araması veya kod çalıştırma) gibi özelliklerle özelleşmiş sistemler olarak tanımlanıyor. "Bu sistemler, dil modellerinin sınırlamalarını aşarak çok daha karmaşık problemleri çözebiliyor. Örneğin, bir elektrik hattını yönetmek veya ilaç üretimi gibi süreçlerde kullanılabiliyor" dedi.
Yapay Genel Zeka (AGI) ve Yapay Süper Zeka (ASI) kavramlarına da değinen Altınuç, AGI`nin ekonomik değeri yüksek işlerde insan performansını aşabilecek sistemler, ASI`nin ise insan zihninin ötesinde bir zeka seviyesi sunduğunu belirtti. Ancak, Yapay zekanın işleri tamamen ele geçireceği korkusuna karşı, "Asıl endişelenmemiz gereken, yapay zekayı etkin kullanan bireylerin diğerlerini geride bırakmasıdır" diyerek yapay zekayı bir araç olarak kullanmanın önemini vurguladı. Yapay zekanın, bir mühendisin beş veya on kişinin yaptığı işi tek başına yapabilmesini sağlayarak verimliliği artırabileceğini ifade etti.
Pratik Öneriler ve Araçlar
Altınuç, mühendislerin yapay zekayı etkili bir şekilde kullanabilmeleri için veri kalitesine odaklanmalarını önerdi. "Veri kalitesi, yapay zeka modellerinin başarısında kritik bir faktör. Yüksek miktarda veri değil, yüksek kaliteli veri önemli" dedi. Ayrıca, net bir problem tanımı yapmanın, uygun model seçmenin ve insan-AI iş birliğine dayalı sistemler tasarlamanın gerekliliğini vurguladı. Etik kriterlere uygun tasarımın da giderek önem kazanacağını belirtti.
Katılımcılara, Chat GPT, Google`ın Gemini, xAI`nin Grok, Perplexity ve Claude gibi araçları denemelerini önerdi. Özellikle Grok 4`ün, iki gün önce tanıtılan en ileri model olduğunu ve benc hmark larda lider konumda bulunduğunu belirtti. Ayrıca, açık kaynak kodlu modellerin (örneğin, Çin merkezli DeepSeek) uygun donanımlarda çalıştırılarak büyük modellere rakip olabileceğini ifade etti. "Bu araçları deneyerek, neleri iyi yaptıklarını ve sınırlamalarını öğrenin. Zihinsel esneklik ve öğrenme kabiliyeti, bu hızla değişen dünyada en büyük avantajınız olacak" dedi.
Eğitim, Veri Kalitesi ve Danışmanlık Zorlukları
Soru-cevap bölümünde, Doç. Dr. Kemal Avcı, Türkiye`de yeni açılan yapay zeka ve veri mühendisliği bölümleriyle ilgili bir soru yöneltti. Altınuç, bu bölümlerin teorik olarak faydalı olduğunu, ancak eğitim kalitesi, ders programları ve öğretim kadrosunun detaylı incelenmesi gerektiğini belirtti. "Özelleşmiş bir müfredat, klasik bilgisayar mühendisliği müfredatında yer almayan yenilikçi konuları kapsayabilir. Ancak, programın kalitesi belirleyici olacak" dedi.
Bir başka katılımcı, yapay zeka modellerinin yüksek kaliteli veri ihtiyacını ve içerik üretiminin azalmasının yapay zekanın gelişimini nasıl etkileyeceğini sordu. Altınuç, modellerin yalnızca veriyle değil, problem çözme ve akıl yürütme yetenekleriyle de eğitildiğini belirterek, "Yapay zeka ile üretilen içerik, kaliteli olduğu sürece sorun değil. Ancak, kalitesiz verilerden kaçınmak için filtreleme mekanizmaları geliştiriliyor" dedi.
Son olarak, Altınuç`a, yapay zeka danışmanlığı yaptığı şirketlerde karşılaştığı zorluklar soruldu. En büyük zorluğun, şirketleri yapay zekanın potansiyel faydalarına ve aksiyon almamanın risklerine ikna etmek olduğunu belirtti. "Türkiye`de, yeni teknolojilere yatırım yapmak genellikle bir başarı örneği görüldükten sonra yaygınlaşıyor. Bu belirsizlik ve Ar-Ge süreçleri, ikna sürecini zorlaştırıyor" dedi.
Tanıtım
İZMİR ŞUBE
GÜNDEM
BİTİRME PROJELERİ SERGİSİ`NE DAVET - ZİYARETÇİ KAYDI
