Yapay zekânın tarihsel gelişimi, yalnızca bilgisayarların ortaya çıkışıyla başlayan bir süreç değildir; kökleri olasılık kuramı, mantık, istatistik ve mekanik hesaplama gibi daha eski bilimsel çalışmalara dayanır. Alanın resmi olarak doğuşu ise 1956 yılında gerçekleşmiştir.

Yapay zekâ (YZ) kavramı, ilk kez John McCarthy tarafından 1956 yılında düzenlenen Dartmouth Yapay Zeka Yaz Araştırma Projesi kapsamında kullanıldı. Bu çalıştayın temel amacı, makinelerin insan zekâsının bazı yönlerini taklit edip edemeyeceğini araştırmaktı. McCarthy’ye ek olarak Marvin Minsky, Claude Shannon ve Nathaniel Rochester gibi isimler de bu sürecin kurucuları arasında yer aldı. Çalıştaya katılan araştırmacılar daha sonra yapay zekânın farklı alt alanlarını geliştiren önemli projelere öncülük ettiler.

Ancak yapay zekânın temelini oluşturan fikirler, Dartmouth çalıştayından çok daha önce ortaya çıkmıştı. On sekizinci yüzyılda Thomas Bayes, olasılıklar üzerinden akıl yürütmeyi mümkün kılan Bayes yaklaşımını geliştirdi. On dokuzuncu yüzyılda George Boole, mantıksal düşünmenin matematiksel işlemlerle ifade edilebileceğini göstererek Boolean mantığını oluşturdu. Bu gelişmeler, bilgisayarların karar verme süreçlerini modellemek için temel oluşturdu.

Aynı dönemde mekanik hesaplama fikri de gelişmeye başladı. Charles Babbage, programlanabilir hesap makineleri fikrini ortaya attı. Yirminci yüzyıla gelindiğinde istatistik bilimi gelişmiş, elektronik bilgisayarların ilk örnekleri üretilmiş ve çevresini algılayabilen ilkel robotlar ortaya çıkmıştı.

Modern yapay zekânın düşünsel temelini oluşturan en önemli isimlerden biri ise Alan Turing oldu. Turing, hesaplamanın biçimsel modelini geliştirerek bilgisayar biliminin temelini attı. Özellikle Computing Machinery and Intelligence adlı çalışmasında makinelerin düşünebilip düşünemeyeceğini tartıştı ve daha sonra “Turing Testi” olarak anılacak yaklaşımı ortaya koydu. Ayrıca makinelerin öğrenebilmesi fikrini de gündeme taşıdı. Ancak Turing’in yaşadığı dönemde gerekli hesaplama gücü henüz mevcut değildi.

1950’lerden 1970’lere kadar olan dönem, yapay zekânın ilk büyük gelişim evresi oldu. Bu süreçte farklı araştırma alanları ortaya çıktı. Allen Newell ve Herbert Simon, büyük problem uzaylarında çözüm bulmaya yönelik sezgisel arama yöntemlerini geliştirdi. Matematiksel teoremleri ispatlayabilen programlar üretildi. Bilgisayar görüşü alanında karakter tanıma çalışmaları başladı ve bu çalışmalar ileride yüz tanıma teknolojilerine temel oluşturdu.

Aynı yıllarda doğal dil işleme çalışmaları da başladı. İnsan dilini anlayabilen sistemler geliştirme fikri, yapay zekânın önemli araştırma alanlarından biri haline geldi. Robotik alanında ise SRI International tarafından geliştirilen “Shakey” adlı robot, çevresini algılayıp hareket edebilen ilk mobil robotlardan biri oldu.

Makine öğrenmesi alanında önemli bir gelişme, Arthur Samuel tarafından geliştirilen dama oynayan programdı. Bu program kendi kendine oynayarak performansını geliştirebiliyordu. Daha sonra Frank Rosenblatt tarafından geliştirilen Perceptron modeli, yapay sinir ağlarının temelini oluşturdu. Ayrıca uzman sistemler adı verilen, belirli alanlarda uzman bilgisi kullanan yapılar geliştirildi. Tıp ve kimya gibi alanlarda bu sistemlerden yararlanılmaya başlandı.

Bununla birlikte 1980’lere gelindiğinde yapay zekâ alanı önemli sorunlarla karşılaştı. Kuramsal ilerlemelere rağmen pratik başarılar sınırlıydı. Sistemler gerçek dünyadan yeterince veri almıyor, daha çok sembolik ve mantıksal modeller üzerine kuruluyordu. Ayrıca belirsizlik ve olasılık gibi kavramlara yeterince önem verilmemişti. Beklentilerin karşılanamaması nedeniyle araştırma fonları azaldı ve bu dönem “yapay zekâ kışı” olarak anılmaya başlandı.

1990’lı yıllarda ise yapay zekâ yeniden yükselişe geçti. Bu canlanmanın temelinde, yalnızca sembolik yöntemlerin yeterli olmadığının anlaşılması vardı. Daha güçlü bilgisayarların ortaya çıkması, internet sayesinde büyük miktarda verinin toplanabilmesi ve depolama kapasitesinin artması, veri temelli yöntemlerin gelişmesini sağladı. Böylece istatistiksel teknikler ve makine öğrenmesi ön plana çıktı.

Bu dönemde robotik sistemler için daha ucuz ve güvenilir donanımlar geliştirildi. İnternet üzerinden elde edilen büyük veri kümeleri, öğrenen sistemlerin başarısını artırdı. Son yirmi yılda arama motorları, öneri sistemleri, konuşma tanıma, görüntü işleme ve dolandırıcılık tespiti gibi birçok uygulama günlük yaşamın parçası haline geldi.

Yapay zekâ geliştikçe alan kendi içinde çeşitli alt disiplinlere ayrıldı. Arama ve planlama sistemleri hedefe yönelik davranışlar geliştirmeye odaklandı. Bilgi temsili ve akıl yürütme alanı, büyük miktardaki bilgiyi düzenli biçimde işleyebilmeyi amaçladı. Makine öğrenmesi, verilerden otomatik öğrenmeyi mümkün kılarak yapay zekânın en etkili alanlarından biri haline geldi.

Bunun yanında çoklu ajan sistemleri, farklı yapay zekâ sistemlerinin birbirleriyle nasıl etkileşim kuracağını araştırdı. Robotik, fiziksel dünyada hareket eden sistemleri incelerken insan-robot etkileşimi alanı da insanların makinelerle iletişimine odaklandı. Bilgisayar görme ve doğal dil işleme, makine algısının temel alanları olarak gelişmeye devam etti.

İnternetin yaygınlaşmasıyla birlikte sosyal ağ analizi ve kitlesel kaynak kullanımı gibi yeni araştırma alanları da ortaya çıktı. Yapay zekâ artık yalnızca tek bir yönteme dayanmayan, farklı tekniklerin birlikte kullanıldığı bir yapı haline geldi.

Yapay zekânın alt alanlara ayrılması, çeşitli cephelerde derin teknik ilerlemeyi mümkün kılmış olsa da, makul bir ölçekte zekâ sentezlemek, kaçınılmaz olarak birçok farklı fikrin entegre edilmesini gerektirir. Bunun önemli örneklerinden biri, Go oyununda insan şampiyonunu yenmeyi başaran AlphaGo sistemidir. AlphaGo, birden fazla makine öğrenmesi yöntemini gelişmiş arama algoritmalarıyla birleştirerek çalışmıştır. Bu durum, modern yapay zekânın farklı alt alanların entegrasyonu sayesinde geliştiğini göstermektedir.