Devrimler dünyamızı değiştiriyor. Doğanın kendi ritmindeki işleyişi devam ederken, insan kaynaklı teknolojik gelişmeler çok yönlü etkileriyle öngörülemez bir geleceğe doğru "ilerleme!" mizi sürdürüyor.
Son yıllarda günlük hayatımıza giren "Yapay Zeka" kavramı, yaşamın tüm alanlarındaki işlevsel etkileriyle dikkat çekiyor. Konu düşünürlerin, sosyologların ve bilim insanlarının yoğun tartışmalarına neden oluyor. Okuma Atlası'nda, felsefe ve sanat alanında sonuçları olan bu gelişmeleri, giriş seviyesinde vererek, merak duyanlar için biriktirmeye gayret ediyorum.
Buradaki sayfayı hazırlarken ilk defa Gemini'den yararlandım. Ayrıca bazı kaynak kitaplardan da alıntı yaparak, ileri okumalar için giriş metni oluşturmaya çalıştım. (Aslında kendi merak ettiklerimin tetiklediği düşünce serüvenini paylaşmış oluyorum.)
B.Berksan
Yapay zekanın bilimsel kökenleri 1940'lara kadar uzanmakla
birlikte, makine zekası fikri çok daha eski, antik mitolojiye dayanan köklere
sahiptir. Bu erken dönemdeki önemli katkılardan biri, Alan Turing'in 1942'de
İkinci Dünya Savaşı sırasında Alman iletişimini kırmada büyük rol oynayan Bombe
makinesi üzerindeki çalışmalarıdır. Bu, makinelerin karmaşık problem çözme
yeteneklerinin ilk göstergelerinden biriydi.
Turing, 1950 tarihli "Computing Machinery and Intelligence" (Bilgisayar Makineleri ve Zeka) adlı makalesiyle YZ için kavramsal bir zemin oluşturmuştur. Bu makalede, bir makinenin insana benzer zeki davranışlar sergileme yeteneğini değerlendirmek için "Turing Testi"ni tanıtmıştır.
https://www.verloop.io/blog/the-timeline-of-artificial-intelligence-from-the-1940s/
Turing testi budur: Dış görünüşten etkilenmememiz için saf zekayı yalnız bırakan bir ortamda insanla makineyi yarıştırır. (İlginç şekilde, günümüzde robotları giderek daha başarılı şekilde insana benzetebiliyoruz, ama ben de Turing gibi işin özünün bu olmadığı kanısındayım). Her konu konuşulabilir ve bilgisayar tümünde insan düzeyinde performans göstermelidir. Turing makalesinde, saç şeklinden edebiyat tartışmalarına uzanan örnekler vermiştir. Bu kadar geniş bir yelpazede, hem de kendisi de zeki bir insan olan sorgucuyu kandırabilmek için zeki, tüm o soruları yanıtlamak için de düşünmek gerekir! Eğer bu ölçütü kabul etmiyorsanız hattın öbür ucundaki varlığın düşündüğüne ikna olmanız için daha ne yapalım?
Turing testi çok yüksek bir
çıtadır. Henüz doğal dili ve içinde yaşadığımız dünyayı insanlar kadar iyi
anlayan bir bilgisayar yapamadık ve (şov için yapılan birkaç dakikalık
"test"lere sokulan kimi lafazan programları saymazsak) daha Turing
testini geçebilen bir makine ortada yok. Ama güzel bir hedef, değil mi?
McCarthy, zekâ için gereken dünya bilgisinin Frege ve Russell'ın sunduğu mantık diliyle temsil edildiği, bir yargıdan diğerine mantıksal çıkarımlarla ilerleyen programlara zekice işler yaptırılabileceğini görmüştü. Her düşünce işini bir tür teorem ispatı olarak gören bu "mantıkçı" yaklaşımı esas alan birçok proje yürüttü.
İlk yıllardaki iyimserlik, yerini "yapay zeka
kışı" denen umutsuzluk ve "fonsuzluk" dönemlerinin ilkine
bıraktı. Bu arada zeki makinelerde insan beynindeki sinir hücrelerinin
yapılanmalarından esinlenilmesini öneren "bağlantıcılar" ile mimarisi
nasıl olursa olsun bir bilgisayarın her bilişsel işi yapabileceğini, bu yüzden
beyni taklide gerek olmadığını, yüksek seviyede kavramları temsil eden
simgelerin işlenmesinin yeteceğini söyleyen "eski moda YZ'ciler" (Simgeciler) arasında Minsky'nin de karıştığı bir çekişme gereksiz zaman kaybına yol açtı.
…
Japonya Uluslararası Ticaret ve Sanayi Bakanlığı'nın 1981'de
insanlarla konuşabilecek, resimleri yorumlayabilecek ve çeviri yapabilecek
programlar üretilmesini hedefleyen Beşinci Kuşak Bilgisayar Projesi'ne 850
milyon ABD doları kaynak ayırdığını açıklamasıyla mevsim yine değişti. Japon
ekonomik mucizesini kopyalamak isteyen Batı ülkeleri yine yapay zekaya yatırıma
başladı. O zamanın en çarpıcı YZ ürünü, belli bir alandaki çok miktarda
bilginin insan uzmanlardan elde edilen bilgiyle kodlanıp genellikle Lisp
makineleriyle mantık yürütülerek o alandaki soruları cevaplamak için
kullanılması esasına dayanan "uzman sistemler" di. (Uzman
sistemler, belli konularda bilgi parçalan üzerinde uzun mantık zincirleri
kurarak yeni sonuçlara varan programlardır)
..
Son YZ kışından (1984-1990) çıkışın esas sebebi bilgisayarların sürekli hızlanıp ucuzlayarak birkaç paralı kurumdaki soğutulmuş merkezlerden çıkıp dünyanın her köşesinde evlere ve insanların ceplerinde sokaklara yayılması oldu. Dünyayı saran ağ, inanılması güç şekilde insanlara harika hizmetleri bedavaya sunan Google gibi şirketlere, bu hizmetleri kullanan insanların bedavaya ağa yükledikleri bilgiler de çalışmak için dev veri kümeleri gerektiren yapay öğrenme sistemlerinin nihayet kanatlanmasına yol açtı. Hayranlık verici görüntü tanıma, yol tarifi, tıbbi destek, müşteriye göre ürün önerme ve (eskisine göre çok iyi) doğal dil işleme programları geliştirildi
Simgesel yöntemin hiç şansının olmadığı örüntü tanıma
görevlerini büyük başarıyla gerçekleştiren, bozuk girdilere doğal şekilde dayanıklı,
uzmanlarının da insanın tüm yönleriyle geçilmesi iddiasını hiç dile getirmediği
sinir ağları gibi yeni yapay öğrenme yöntemlerinin yükselmesiyle ilk
perde kapandı, yeni bir dönem başladı.
…
Evrim gerçeğinin keşfi, sadece yaşam bilimlerini tutarlı bir
omurgaya sahip kılmakla kalmadı. Doğanın bedenler ve zihinleri geliştirirken
kullandığı "tasarım" yönteminin bu olduğunun anlaşılması,
mühendisleri de etkiledi. Bilgisayar programlarının da evrimin temel "daha
uygun olanın hayatta kalması" yaklaşımıyla geliştirilebileceği fikri,
"evrimsel programlama" adı verilen yaklaşımı doğurdu.
…
İlk iş, programlama dilinizin komutlarının rasgele art arda dizilmesiyle oluşmuş çok sayıda "atmasyon" program üretin. Bunlara "birinci kuşak programlar" deyin. Elbette ki bunlardan herhangi birinin sizin probleminizi çözen program olma ihtimali yok denecek derecede küçük olacaktır. Ama henüz ilk kuşaktayız! Şimdi bu kuşaktaki programların her birini yukarıda sözünü ettiğim başarım ölçme yazılımıyla sınayın. Rasgele üretildiklerinden başarımlarının çok düşük olmasını bekleriz elbet, ama yine de birbirlerinden farklı olduklarından belki birkaç tanesi diğerlerinden daha yüksek puan alacaktır sınama yazılımınızdan. İşte hedefinize daha yakın olan bu programlar "hayatta kalacak" ve bir sonraki kuşağı oluşturacaklar.
Teker teker bu "daha güçlü" programlar üzerinde küçük değişiklikler ("mutasyonlar") yaparak da yeni bireyler elde edebilirsiniz. Ve şimdi de bu kuşaktaki programları çalıştırıp sınayın, düşük puanlıları eleyip yüksek puanlıların soylarını sürdürün. Bakın, maksimum başarım puanının kuşaktan kuşağa azalmayacağı garantili bir döngüye girdiniz! Tüm bu süreç otomatiğe bağlanabiliyor ve birçok kuşak sonra gerçekten yüksek başarımlı programlar elde edilebiliyor. Çözümü nihayet başarabilen o son programı kim yazdı? Hiç kimse. Evrildi o.
..
Yapay sinir ağları art arda dizilmiş katmanlar
şeklinde tasarlanır. Her katmanın çıktısı, sırada kendisini izleyen katmanın
girdisidir. İlk katman girdi katmanı, sonuncusu da çıktı katmanıdır.
..
Uzun süre akademik çevrelerin gündeminde olan, ama bir türlü gerçek uygulamalarda göz dolduracak performansa erişemeyen bir yapay öğrenme yöntemi olarak kalan yapay sinir ağları, 21. yüzyılın başlarında uçuşa geçip yapay zekanın en çarpıcı başarılarında rol aldı: Ses sinyali olarak verilen konuşmaları metne dönüştürme, resimler de farklı cisimleri ve yüzleri tanıma, dilden dile çeviri, insanüstü seviyede oyun oynama ve daha birçok alanda uzmanları bile şaşırtan performanslarıyla günlük hayatı değiştirmeye başladı. Bu nasıl oldu?
…
Facebook, Google gibi devler neden size resimlerinizi ve
yazılarınızı koymanız için sınırsız bellek hediye ediyor? Çünkü onlara
makinelerinin dünyanın nasıl göründüğünü ve insan dillerinin düzenini öğrenmesi
için ihtiyaçları var! Bu "büyük veri" denizi sayesinde önceki kuşağın
araştırmacılarının hayal edemeyeceği büyüklükte sinir ağları, devasa veri
kümeleriyle eğitildi ve yapay zeka birçok örüntü tanıma işinde insan düzeyine
vardı, hatta geçti.
|
Kavramsal ve matematiksel açıdan bakıldığında makine öğrenimi
özü itibarıyla bir simülasyondur. Makine öğrenimi sistemlerini tasarlayanlar
veri yoğunluklu bir sorunu ele alırlar ve eğer bu sorunun makine öğrenimiyle
çözülmesi mümkünse onu 'iyi tanımlanmış' bir sorun addederler. Yani bir
fonksiyonun, gerçek dünyadaki veya gerçek bir sistem deki bir davranışı
simüle edebileceğini varsayarlar. Gerçek sistemin verilerde gözlenebilir bir
çıktıyla sonuçlanan gizli bir örüntüye sahip olduğu varsayılır. Buradaki
görev doğru dan gerçek gizli örüntüyü ortaya çıkarmak değildir -çünkü bunun
için veriden fazlasının anlaşılabilmesi gerekir- örün tünün verilerdeki 'ayak
izlerini' çözümleyerek onu simüle etmektir. Bu önemli bir ayrımdır. Anlamsal
rol etiketleme olarak bilinen bir başka dil işleme görevini ele alalım.
Burada öğrenme algoritmasını tasarlayanlar tümcelerin anlamlarını ortaya
koymak için kim, kime, neyi ve ne zaman gibi sıradan sorulara yanıt ararlar.
Öğrenme algoritmasının görevi örnek tümceleri girdi olarak kullanıp tümcede
ifade bulan anlam rollerini tespit ederek böyle soruları yanıtlamaya
yarayacak bir etiketler kümesi sunmaktır. … Ama gerçek dünya ile öğrenilen simülasyon arasındaki uçurum
büyüdükçe makine öğreniminin taklitten ibaret doğası da ayyuka çıkıyor. J.L. |
|
Yapay zekâ ve yardımcı sistemler, dünyaya erişim
noktasında temel bilgilerden yoksundur. Bu sistemler, hiçbir zaman çevreleriyle
ilgilenmek zorunda olmamıştır. İhtiyaçları olan her şey, herhangi bir çaba
harcamadan önlerine sunulmuştur. Ya program dizileri üzerinden çalışarak
(bilişselcilik) ya da olasılıkları değerlendirerek (bağlantıcılık) karar
verirler. "Şeyleri" temsil eden kod kalıplarının atamasını
yaparlar. Olasılıklar değerlendirilirken sapmalar başarıyla en aza
indirgenir. Böylece ortaya çıkan sapmalar adım adım elenerek istenen hedefe
uygun bir optimizasyon fonksiyonu kullanılmış olur. Bu yöntem, üretken yapay zekâ
tarafından kullanılan ve "bağlantıcılık" bölümünde açıklandığı gibi
karmaşık ve çok katmanlı bir mimariye dayanan sinir ağları için geçerlidir.
Böyle bir yaklaşımın insan zekâsı için yeterli olup olmadığı tartışmalıdır. Yapay Zeka’nın Kısa Tarihi, Michael Wildenhein, Düşbaz Kitaplar, 2025 |
🔎Doğruluğuyla değil, ambalajıyla meşrulaşan bilgi
50 Soruda Yapay Zekâ, CemSay, 7 Renk Basım Yayım ve Filmcilik Ltd. Şti., 2018
Kaynaklar:
Yapay Zeka’nın Kısa Tarihi, Michael Wildenhein, Düşbaz Kitaplar, 2025
Yapay Zekâ Miti-Bilgisayarlar Neden Bizim Gibi Düşünemez,
Erik J. Larson, Fol Yayıncılık, 2023
50 Soruda Yapay Zekâ, CemSay, 7 Renk Basım Yayım ve Filmcilik Ltd. Şti., 2018
Yapay Zeka Çağı, Byron Reese, Say yayınları, 2018
https://news.cornell.edu/stxories/2019/09/professors-perceptron-paved-way-ai-60-years-too-soon
Hiç yorum yok:
Yorum Gönder