Artık her teknolojide bir parçasını illa gördüğümüz yapay zeka nedir, nasıl çalışır, yapay zeka tipleri, yapay zekanın tarihi, uygulamaları, farklı sektörlerde nasıl kullanılır gibi başlıkları bu rehberde bulabilirsiniz.
Yapay Zeka nedir?
Yapay zeka (AI), insan zeka süreçlerinin makineler, özellikle bilgisayar sistemleri tarafından simülasyonudur. Yapay zekanın belirli uygulamaları arasında uzman sistemler, doğal dil işleme (NLP), konuşma tanıma ve makine görüşü bulunur.
AI programlama, üç bilişsel beceriye odaklanır: öğrenme, akıl yürütme ve kendini düzeltme.
Öğrenme süreçleri
AI programlamanın bu yönü, veri elde etmeye ve verilerin eyleme geçirilebilir bilgilere nasıl dönüştürüleceğine ilişkin kurallar oluşturmaya odaklanır. Algoritmalar olarak adlandırılan kurallar, belirli bir görevin nasıl tamamlanacağına dair bilgi işlem cihazlarına adım adım talimatlar sağlar.
Muhakeme süreçleri
AI programlamanın bu yönü, istenen sonuca ulaşmak için doğru algoritmayı seçmeye odaklanır.
Kendini düzeltme süreçleri
Yapay zeka programlamanın bu yönü, algoritmalara sürekli olarak ince ayar yapmak ve mümkün olan en doğru sonuçları vermelerini sağlamak için tasarlanmıştır.
Yapay zekanın avantajları ve dezavantajları
Yapay sinir ağları ve derin öğrenme yapay zeka teknolojileri hızla gelişiyor, çünkü AI büyük miktarda veriyi çok daha hızlı işliyor ve tahminleri insan için mümkün olandan daha doğru şekilde yapıyor.
Günlük olarak oluşturulan devasa veri hacmi bir insan araştırmacı grubunun bile kapasitesini aşabiliyor. Oysa makine öğrenimini kullanan AI uygulamaları bu verileri alıp hızla eyleme geçirilebilir bilgilere dönüştürebilir. Yapay Zeka kullanmanın birincil dezavantajı, AI programlamanın gerektirdiği büyük miktarda veriyi işlemenin pahalı olmasıdır.
Güçlü AI ve zayıf AI
AI, zayıf veya güçlü olarak kategorize edilebilir. Zayıf AI , belirli bir görevi tamamlamak için tasarlanmış ve eğitilmiş bir yapay zeka sistemidir. Apple’ın Siri’si gibi endüstriyel robotlar ve sanal kişisel asistanlar zayıf AI kullanır.
Yapay genel zeka (AGI) olarak da bilinen güçlü AI, insan beyninin bilişsel yeteneklerini kopyalayabilen bir programlamayı tanımlar. Güçlü bir AI sistemi, bilgiyi bir alandan diğerine uygulamak ve özerk bir çözüm bulmak için bulanık mantığı (fuzzy logic) kullanabilir. Teorik olarak, güçlü bir AI programı hem Turing testini hem de Çin oda testini geçebilmelidir.
Yapay Zekaya karşı Artırılmış Zeka
Bazı endüstri uzmanları, AI teriminin popüler kültürle çok yakından bağlantılı olduğuna inanıyor. Bu, insanların yapay zekanın genel olarak iş dünyasını ve yaşamı nasıl değiştireceği konusunda, olası olmayan beklentilere sahip olmasına neden oldu.
Bazı araştırmacılar ve pazarlamacılar, daha tarafsız bir çağrışıma sahip olan artırılmış zekanın, insanların yapay zeka uygulamalarının çoğunun zayıf olacağını ve sadece ürün ve hizmetleri iyileştireceğini anlamasına yardımcı olacağını umuyor .
Teknolojik tekillik (Singularity) kavramı – insan beyninin onu anlama yeteneğini ya da gerçekliğimizi nasıl şekillendirdiğini çok aşan yapay bir süper zeka tarafından yönetilen bir gelecek – bilimkurgu alanında kalıyor.
Yapay zekanın etik kullanımı
Yapay zeka araçları işletmeler için bir dizi yeni işlevsellik sunarken, AI kullanımı etik soruları da gündeme getiriyor, çünkü bir yapay zeka sistemi daha iyi ya da daha kötüsü öğrendiklerini pekiştirecek.
Bu düşünce biraz sorunlu olabilir, çünkü en gelişmiş yapay zeka araçlarının çoğunun temelini oluşturan makine öğrenimi algoritmaları, yalnızca eğitimde verildikleri veriler kadar akıllıdır. Bir insan, bir yapay zeka programını eğitmek için hangi verilerin kullanılacağını seçtiğinden, makine öğrenimi önyargısı potansiyeli gerçektir ve yakından izlenmelidir.
Makine öğrenimini gerçek dünyanın bir parçası olarak kullanmak isteyenlerin, üretim içi sistemlerin etiği yapay zeka eğitim süreçlerine dahil etmesi ve önyargıdan kaçınmaya çalışması gerekir. Bu, özellikle derin öğrenme ve üretken karşıt ağ (GAN) uygulamalarında doğası gereği açıklanamayan AI algoritmaları kullanılırken geçerlidir.
Açıklanabilirlik, katı düzenlemelere uygunluk gereksinimleri altında faaliyet gösteren sektörlerde yapay zeka kullanmanın önündeki potansiyel bir engeldir . Örneğin, ABD’deki bazı finans kurumları, kredi verme kararlarını açıklamalarını gerektiren düzenlemeler kapsamında faaliyet göstermektedir. Ancak, AI programlaması tarafından krediyi reddetme kararı verildiğinde, kararın nasıl alındığını açıklamak zor olabilir. Çünkü bu tür kararları almak için kullanılan AI araçları, binlerce değişken arasındaki ince korelasyonları ortaya çıkararak çalışır. Karar verme süreci açıklanamadığında, program kara kutu (black box) yapay zeka olarak adlandırılabilir.
Yapay Zeka bileşenleri
AI etrafındaki hype etkisi arttıkça, satıcılar ürün ve hizmetlerinin yapay zekayı nasıl kullandığını tanıtmak için çabalıyor. Genellikle yapay zeka olarak adlandırdıkları şey, makine öğrenimi gibi yapay zekanın bir bileşeni aslında. Yapay zeka ve makine öğrenimi algoritmalarını yazmak ve eğitmek için özel bir donanım ve yazılım temeli gerektirir. Hiçbir programlama dili AI ile eşanlamlı değildir, ancak Python, R ve Java dahil olmak üzere birkaçı bu konuda yaygın kullanılanlardır.
Hizmet olarak AI (AIaaS)
AI için donanım, yazılım ve personel maliyetleri pahalı olabileceğinden, birçok satıcı standart tekliflerine AI bileşenlerini dahil ediyor veya bir hizmet olarak yapay zeka ( AIaaS ) platformlarına erişim sağlıyor . AIaaS, bireylerin ve şirketlerin, bir taahhütte bulunmadan önce çeşitli iş amaçları için AI ile deney yapmasına ve birden çok platformu örneklemesine olanak tanır.
Amazon AI, IBM Watson Assistant, Microsoft Bilişsel Hizmetler, Google AI gibi hizmetler bu alanda popülerdir.
Yapay zekanın türleri
Michigan Eyalet Üniversitesi’nden Arend Hintze’nin 2016 tarihli makalesinde yapay zekanın, günümüzde geniş kullanımda olan göreve özgü akıllı sistemlerden başlayarak ve duyarlı sistemlere doğru ilerleyerek, bazıları henüz var olmayan dört türe ayrılabileceğini açıkladı.
Reaktif makineler
Bu AI sistemlerinin hafızası yoktur ve göreve özeldir. 1990’larda Garry Kasparov’u yenen IBM satranç programı Deep Blue buna bir örnektir. Deep Blue satranç tahtasındaki taşları tanımlayabilir ve tahminlerde bulunabilir, ancak hafızası olmadığı için geçmiş deneyimleri gelecekteki deneyimleri bilgilendirmek için kullanamaz.
Sınırlı hafıza
Bu AI sistemleri bir hafızaya sahiptir, bu nedenle gelecekteki kararları bilgilendirmek için geçmiş deneyimleri kullanabilirler. Kendi kendine gidebilen otonom taşıtlardaki bazı karar verme işlevleri bu şekilde tasarlanmıştır.
Zihin teorisi
Zihin teorisi aslında bir psikoloji terimidir. Yapay zekaya uygulandığında, sistemin duyguları anlayacak sosyal zekaya sahip olacağı anlamına gelir. Bu tür bir yapay zeka, insan niyetlerini anlayabilecekı ve yapay zeka sistemlerinin insanlı ekiplerin ayrılmaz üyeleri haline gelmesi için gerekli bir beceri olan davranış tahminleri yapabilecektir.
Öz farkındalık (Bilinç)
Bu kategoride, AI sistemlerinin kendilerine bilinç veren bir benlik hissi vardır. Özbilinçli makineler kendi mevcut durumlarını anlar. Bu tür bir yapay zeka henüz mevcut değil.
Bilişsel Bilişim (Cognitive Computing) ve yapay zeka (AI)
Bu iki terim bazen birbirinin yerine kullanılabilir, ancak, yapay zeka, insan zekasının bir simülasyon olarak makinelerdeki haline atfen kullanılan bir isimdir. Yapay Zeka ürünleri süreçleri öğrenirler ve çevrede bilgilere tepki verirler.
Bilişsel Bilişim ise insan düşünce süreçlerini taklit eden ve artıran ya da geliştiren ürün ve hizmetlere referans olarak kullanılır.
AI teknolojisi örnekleri
Yapay zeka, çeşitli farklı teknoloji türlerine dahil edilmiştir. İşte altı örnek:
Otomasyon
Otomasyon araçları, AI teknolojileriyle eşleştirildiğinde gerçekleştirilen görevlerin hacmini ve türlerini genişletebilir. Örneğin robotik süreç otomasyonu (RPA) bunun iyi bir örneğidir. Makine öğrenimi ve yeni ortaya çıkan AI araçları birleştirildiğinde, RPA, kurumsal işlerin daha büyük bölümlerini otomatikleştirebilir ve RPA botlarının yapay zekadan bilgi aktarmasını ve süreç değişikliklerine yanıt vermesini sağlar.
Makine öğrenimi
Bu, bir bilgisayarı programlama olmadan çalıştırma bilimidir. Derin öğrenme, çok basit bir ifadeyle tahmine dayalı analitiğin otomasyonu olarak düşünülebilecek makine öğreniminin bir alt kümesidir.
Üç tür makine öğrenimi algoritması vardır:
Denetimli öğrenme
Veri setleri, modellerin tespit edilebilmesi ve yeni veri setlerinin etiketlenmesinde kullanılabilmesi için etiketlenir.
Denetimsiz öğrenme
Veri kümeleri etiketlenmez ve benzerliklere veya farklılıklara göre sıralanır.
Pekiştirmeli öğrenme
Veri kümeleri etiketlenmez, ancak bir eylem veya birkaç eylem gerçekleştirdikten sonra, AI sistemine geri bildirim verilir.
Makine görüşü (computer vision)
Bu teknoloji bir makineye görme yeteneği verir. Makine görüşü, bir kamera, analogdan dijitale dönüştürme ve dijital sinyal işleme kullanarak görsel bilgileri yakalar ve analiz eder. Genellikle insan görüşüyle karşılaştırılır, ancak makine görüşü biyolojiye bağlı değildir ve örneğin duvarların arkasını görecek şekilde programlanabilir. İmza tanımlamadan tıbbi görüntü analizine kadar bir dizi uygulamada kullanılır. Makine tabanlı görüntü işlemeye odaklanan bilgisayar görüşü, genellikle makine görüşü ile birleştirilir.
Doğal dil işleme (NLP)
Bu, insan dilinin bir bilgisayar programı tarafından işlenmesidir. NLP’nin en eski ve en bilinen örneklerinden biri, bir e-postanın konu satırına ve metnine bakan ve önemsiz olup olmadığına karar veren spam filtresidir.
NLP’ye yönelik mevcut yaklaşımlar, makine öğrenimine dayanmaktadır. NLP görevleri arasında metin çevirisi, duygu analizi ve konuşma tanıma bulunur.
Robotik
Bu aslında bir mühendislik alanı haline gelmiştir ve robotların tasarımı ile üretimine odaklanır. Robotlar genellikle insanların tutarlı bir şekilde gerçekleştirmesi veya gerçekleştirmesi zor olan görevleri yerine getirmek için kullanılır. Örneğin robotlar, araba üretimi için montaj hatlarında veya NASA tarafından uzayda büyük nesneleri hareket ettirmek için kullanılır. Araştırmacılar ayrıca sosyal ortamlarda etkileşime girebilen robotlar oluşturmak için makine öğrenimini kullanıyor.
Otonom araçlar
Otonom araçlar, belirli bir şeritte kalarak ve yayalar gibi beklenmedik engellerden kaçınırken bir araca pilotluk yapmak için otomatikleştirilmiş beceri oluşturmak için bilgisayarla görme, görüntü tanıma ve derin öğrenmenin bir kombinasyonunu kullanır.
Yapay Zekanın tarihi
Eski Yunan’da robot düşüncesi
Zeka ile donatılmış cansız nesneler kavramı eski zamanlardan beri var olmuştur. Yunan tanrısı Hephaestus, efsanelerde robot benzeri hizmetkarları altından dövdüğü şeklinde tasvir edilmiştir. Eski Mısır’daki mühendisler, rahipler tarafından canlandırılan tanrı heykelleri inşa ettiler. Yüzyıllar boyunca Aristo’dan René Descartes’e ve 13. yüzyıl İspanyol ilahiyatçısı Ramon Llull Thomas Bayes’e kadar, birçok düşünür, genel bilgi gösterimi, semboller gibi insan düşünce süreçleri tanımlamak için kullanılan araçlarla yapay zeka kavramların temellerini atmıştır.
Bilgisayarlar ve sinir ağları birbirine yakın tarihte bulundu
19. Yüzyıl’ın sonu ve 20. Yüzyıl’ın ilk yarısında modern bilgisayarın ortaya çıkışına sebebiyet verecek temel çalışmalar yapıldı. 1836’da Cambridge Üniversitesi matematikçisi Charles Babbage ve Lovelace Kontesi Augusta Ada Byron, programlanabilir bir makine için ilk tasarımı icat etti. 1940’larda Princeton matematikçisi John Von Neumann, program depolayabilen bilgisayar için mimariyi tasarladı, yani bir bilgisayarın programı ve işlediği verilerin bilgisayarın belleğinde tutulabileceği fikri uygulandı. Warren McCulloch ve Walter Pitts ise sinir ağlarının (neural network) temelini attı.
Turing etkisi
Modern bilgisayarların ortaya çıkmasıyla, bilim insanları makine zekası hakkındaki fikirlerini test edebildiler. Bir bilgisayarın zekaya sahip olup olmadığını belirlemenin bir yöntemi, 1950’de İngiliz matematikçi ve II.Dünya Savaşı’nda Nazi kodlarını kırmayı sağlayan matematikçi Alan Turing tarafından tasarlandı.
Yapay Zeka teriminin kaşiflerinin katıldığı konferans
Modern AI alanının temeli, 1956’da Dartmouth College’daki bir yaz konferansında atıldı. ABD’nin savunma araştırma ajansı DARPA tarafından desteklenen konferansa, yapay zeka terimini icat etmekle tanınan yapay zeka öncüleri Marvin Minsky, Oliver Selfridge ve John McCarthy’nin de aralarında bulunduğu alandaki 10 uzman katıldı. Ayrıca bilgisayar bilimcisi Allen Newell ve bazı matematiksel teoremleri kanıtlayabilen ve ilk yapay zeka programı olarak anılan çığır açan Logic Theorist’i hazırlayan ekonomist, siyaset bilimci ve bilişsel psikolog Herbert A.Simon da katıldı.
Devlet ve endüstri desteği ile geçen 20 altın yıl
Dartmouth College konferansının ardından, yeni ortaya çıkan yapay zeka alanındaki uzmanlar, insan beynine eşdeğer insan yapımı bir zekanın çok yakında yapılabileceğini öngörerek hükümet ve endüstriden önemli destekler aldılar. Gerçekten de, yaklaşık 20 yıllık iyi bir finansmanla gerçekleştirilen temel araştırmalar, yapay zekada önemli ilerlemeler sağladı.
Örneğin, 1950’lerin sonlarında, Newell ve Simon, karmaşık problemleri çözmekte yetersiz kalan ancak temellerini atan Genel Problem Çözücü (GPS) algoritmasını yayınladı. McCarthy, bugün hala kullanılan bir AI programlama dili olan Lisp’i geliştirdi. 1960’ların ortalarında MIT Profesörü Joseph Weizenbaum, bugünün sohbet robotlarının temelini oluşturan erken bir doğal dil işleme programı olan ELIZA’yı geliştirdi.
Hedefe ulaşmak zorlaşınca, destekler kayboldu
Ancak, yapay genel zekanın başarısının, bilgisayar işleme ve hafızadaki sınırlamalar ve problemin karmaşıklığı tarafından güçleştiği de anlaşıldı. Hükümet ve şirketler, AI araştırmalarına verdikleri destekleri geri çektiler, bu da 1974’ten 1980’e kadar süren ve ilk “Yapay Zeka Kışı” olarak bilinen bir nadas dönemine yol açtı.
1980’lerde, derin öğrenme teknikleri ve endüstrinin Edward Feigenbaum’un uzman sistemlerini benimsemesi üzerine yapılan araştırmalar, yeni bir yapay zeka coşkusu dalgasını ateşledi, bunu ancak hükümet finansmanı ve endüstri desteğinin bir başka çöküşü izledi. İkinci yapay zeka kışı 1990’ların ortalarına kadar sürdü.
İşlemcilerin gelişmesi, eski ateşi yeniden yaktı
Hesaplama gücündeki artışlar ve veri patlaması, 1990’ların sonlarında günümüze kadar gelen bir yapay zeka rönesansını ateşledi. Yapay zekaya son dönüş, doğal dil işleme, bilgisayar görüşü, robotik, makine öğrenimi, derin öğrenme ve daha pek çok alanda atılımlara yol açtı.
Dahası, AI hayatımızda giderek daha somut hale geliyor, otomobillere güç veriyor, hastalıkları teşhis ediyor ve popüler kültürdeki rolünü de pekiştiriyor. 1997’de IBM’in Deep Blue bilgisayarı, Rus satranç büyük ustası Garry Kasparov’u yendi ve bir dünya satranç şampiyonunu yenen ilk bilgisayar programı oldu.
Bundan 14 yıl sonra IBM’in Watson adlı bilgisayarı, Jeopardy! oyun programında iki eski şampiyonu yenerek sükse yaptı. Daha yakın zamanda ise 18 kez World Go şampiyonu olan Lee Sedol’un Google DeepMind’ın AlphaGo yapay zekası tarafından uğradığı tarihi yenilgisi Go topluluğunu hayrete düşürdü ve akıllı makinelerin geliştirilmesinde önemli bir kilometre taşı oldu.
Yapay Zeka uygulamaları
Yapay zekanın yer aldığı sektörler ve pazarlar aslında çok sayıda, ancak bunları aşağıdaki gibi özetlemek mümkün.
Sağlık
Bu alanda en önemli konular, hastaları iyileştirmek ve maliyetleri düşürmek. Sağlık şirketleri, insanlardan daha iyi ve daha hızlı teşhisler yapmak için makine öğreniminden faydalanıyorlar. En iyi bilinen sağlık teknolojilerinden biri IBM Watson’dır. Doğal dili anlar ve kendisine sorulan sorulara cevap verebilir. Sistem, bir hipotez oluşturmak için hasta verilerini ve diğer mevcut veri kaynaklarını araştırır ve bu hipotez, bir güven puanlama şemasıyla sunulur.
Diğer yapay zeka uygulamaları, hastaların tıbbi bilgileri bulmasına, randevu programlamasına, faturalama sürecini anlamasına ve diğer idari işlemleri tamamlamasına yardımcı olmak için çevrimiçi sanal sağlık asistanları ve sohbet robotlarını kullanıyorlar.
Son günlerde yaşadığımız COVID-19 gibi pandemileri tahmin etmek, onlarla savaşmak ve onları anlamak için de bir dizi AI teknolojisi kullanılıyor.
İş dünyasında yapay zeka
Makine öğrenimi algoritmaları, müşterilere nasıl daha iyi hizmet verilebileceğine ilişkin bilgileri ortaya çıkarmak için analitik ve müşteri ilişkileri yönetimi (CRM) platformlarına entegre ediliyor. Müşterilere anında hizmet vermek için web sitelerine sohbet robotları ekleniyor. İş dünyasında otomasyon, akademisyenler ve BT analistleri arasında da sıkça konuşuluyor.
Eğitim
Yapay zeka, not vermeyi otomatik hale getirerek eğitimcilere zaman kazandırabilir. Öğrencileri değerlendirmek ve kendi hızlarında onlara yardımcı olarak işleri kolaylaştırabilir. AI kullanan sanal öğretmenler, öğrencilere müfredatı anlatabilir ya da sınav yapabilirler. Öğrencilerin nerede ve nasıl öğrendiklerini değiştirebilir, hatta belki bazı öğretmenlerin yerini bile alabilir.
Finans
Intuit Mint veya TurboTax gibi kişisel finans uygulamalarında kullanılan yapay zeka, bazı finans kurumlarının yerini alabiliyor. Bu tür uygulamalar kişisel verileri topluyor ve finansal tavsiye veriyor. IBM Watson gibi platformlar, bunu emlak süreçlerine de uyguluyorlar. Günümüzde yapay zeka yazılımları, Wall Street’i kullanarak yatırım yapabiliyorlar.
Hukuk
Hukukta genellikle insanlar için zor olabilen belge inceleme süreci yapay zeka tarafından yapılabiliyor. Hukuk sektörünün yoğun emek gerektiren süreçlerini otomatikleştirmeye yardımcı olmak için AI kullanmak, zamandan tasarruf sağlıyor ve müşteri hizmetlerini iyileştiriyor. Hukuk firmaları, verileri tanımlamak ve sonuçları tahmin etmek için makine öğrenimini, belgelerden bilgileri sınıflandırmak ve çıkarmak için bilgisayar görüşünü ve bilgi taleplerini yorumlamak için doğal dil işlemeyi kullanıyor.
Üretim / Sanayi
Sanayide, robotları iş akışına dahil etmek şu anki en yaygın uygulamalardan biri. Örneğin, bir zamanlar tek bir iş yapmak için programlanan ve insan işçilerden ayrılmış olan endüstriyel robotlar, giderek daha fazla cobot (cooperation robot) işlevi görüyor.
İnsanlarla işbirliği yapan ve depolarda, fabrika katlarında işin daha fazla bölümünün sorumluluğunu üstlenen daha küçük, çok görevli robotlar ve diğer çalışma alanları yaygınlaşıyor.
Bankacılık
Bankalar, müşterilerini hizmetlerden ve tekliflerden haberdar etmek ve insan müdahalesi gerektirmeyen işlemleri idare etmek için sohbet robotlarını başarıyla kullanıyor. Yapay zeka sanal asistanları, bankacılık düzenlemelerine uyum maliyetlerini azaltıyor ve süreçleri hızlandırıyor. Bankalar, krediler için karar verme süreçlerini iyileştirmek, kredi limitleri belirlemek ve yatırım fırsatlarını belirlemek için de yapay zeka kullanıyor.
Ulaşım ve taşımacılık
Yapay zeka teknolojileri, otonom araçları çalıştırmadaki temel rolüne ek olarak, trafiği yönetmek, uçuş gecikmelerini tahmin etmek ve okyanus taşımacılığını daha güvenli ve verimli hale getirmek için ulaşımda kullanılıyor.
Güvenlik
Yapay zeka ve makine öğrenimi, güvenlik şirketlerinin tekliflerini farklılaştırmak için kullandıkları moda sözcükler listesinin başında geliyor. Ancak bu havalı sözcükler, gerçekten de uygulanabilir durumda. Siber güvenlikte yapay zeka ve makine öğrenimi, saldırıları, kötü amaçlı yazılımları ve diğer tehditleri tanımlayarak güvenlik ekiplerine değer katıyor.
Şirketler, anormallikleri tespit etmek ve tehditlere dönüşebilecek şüpheli etkinlikleri belirlemek için güvenlik bilgileri ve olay yönetimi (SIEM) yazılımlarında ve ilgili alanlarda makine öğrenimini kullanıyorlar. Yapay zeka, verileri analiz ederek, bilinen kötü amaçlı kodlarla benzerlikleri belirlemek için mantığı kullanıyor. Böylece insan çalışanlardan çok daha erken, yeni saldırılara karşı uyarılar sağlayabiliyorlar.
Sonuç olarak, AI destekli güvenlik teknolojileri hem yanlış pozitiflerin sayısını önemli ölçüde düşürüyor hem de işletmeler zarar görmeden önce gerçek tehditlere karşı koyabilmek için zaman kazanıyor.
