Yapay Zekâ Iyi mi Boyut Atladı?
Aslen bundan 30 yıl kadar ilkin de yapay zekâ haberlere mevzu oluyordu. O yapay zekâya ne oldu? Bugünkü yapay zekâyla farkı neydi?
Yıl 1997. Tüplü televizyonların puslu renkleri, ekip elbiseli iki adamı satranç oynarken gösteriyor. Bu adamlardan biri satrancın o dönemki en büyük adı olan Kasparov. Öteki şahıs ise IBM’in yapay zekâ bilgisayarı Deep Blue’dan gelen komutları oynayan bir aracı. Dünyanın dört bir yanında bu maç haberlere mevzu oluyor zira ilk kez bir yapay zekâ, bir satranç ustasına kafa tutuyor.
Aradan birkaç yıl geçiyor, web yeni yeni yaygınlaşmaya evlere girmeye başlamış. Satranç bilen bilmeyen internetten satranç oynuyor ve hepimiz Chessmaster’da en zorda oyun açıp rakibinin hamlelerini Chessmaster’da yapıyor. Chessmaster’ın verdiği karşılıkları da insan rakiplerine karşı kullanıyorlar. Botman diye bir manyak bu yapay zekâ işini abartıp Counter-Strike oyununa botları ekliyor ve oyunu evlerde de internetsiz oynanabilir hâle getiriyor.
Yıl 2024. Bir üniversitede ders veren bir akademisyen, öğrencilerin ödevleri yapay zekâya yaptırmadıklarından güvenli olmak için yeni yöntemler bulmaya çalışıyor. Peki arada ne oldu da yalnız oyunlarda hamle meydana getiren ya da rahat tahminler geliştiren yapay zekâlar kendi başına ödev yapar, program yazar oldu?
Aslen yapay zekâ oldukça uzun süredir gündemde olan bir mevzu
1956 senesinde John McCarthy, periyodunun sayılı bilim insanlarını toplamış olduğu etkinliğe dikkat çekici bir isim buldu: Yapay Zekâ. Aslen bu isim bulunmadan ilkin, bilgisayar bilimci Arthur Samuel işten arta kalan zamanlarında dama oynayacak kimseyi bulamıyor diye bir program geliştirmiş ve ilk yapay zekâyı -adını bilmeden de olsa- bulmuştu.
Bu devrin bilgisayarları devasa olsalar da işlem kapasitesi olarak bugünün standartlarının oldukça peşinde cihazlardı. Bu da onlara garip bir özellik katıyordu: Yapay zekâ sizin benim benzer biçimde tahmin yapmak durumundaydı. Aynı anda oynanabilecek zibilyon tane hamleyi hesaplayamadığı için, o an en ideal görünen hamleyi yapıyordu.
Zaman içinde yapay zekâlar kendilerini geliştirebilmeye başladı. Yaptıkları hamle sonucunda oyun kaybettiklerinde ikinci en iyi alternatife yönelmeye başladılar. Bu da ortaya güçlendirilmiş öğrenme dediğimiz yöntemi çıkardı. Yalnız bu yöntemde yapay zekâ daha çok ya da daha iyi işlem yapmıyordu, yalnızca daha süratli işlem yapıyordu. Devamlı domates doğrarsanız iyi mi ezmeden domates kesebileceğinizi ve kendinizi kesmeden işlemi tamamlayabileceğinizi öğrenirsiniz sadece bu ergonomik, size “Al ananas doğra” dendiği vakit pek bir işe yaramaz. Eski yapay zekânın da bu şekilde bir problemi vardı. Bu yapay zekâya simgesel yapay zekâ adı veriliyordu.
Yapay zekâ oldukça popüler oldu sadece devam edemedi: “Yapay zekâ kışı” geldi
Yapay zekânın eski versiyonunda ufak bir problem vardı: mucitler. Eski modeller tasarlanırken insanların her problemi mantıkla çözdüğü varsayılırken, yapay zekânın da Aristo mantığı seviyesinde “Filler uçar, Mehmet de fildir o vakit Mehmet de uçar.” seviyesinde düşünmesi kafi görülüyordu. İnsanlar {hiç de} o şekilde mantıklı canlılar olmadıkları için yapay zekâ ihtiyaçlara yanıt veremiyordu. Firmalar bilim kurgu filmlerindeki robotlara benzer sistemler vaat ediyor fakat başaramıyordu.
Bu uyumsuzluk ve anlayış sorunları sebebiyle, 70’ler ve 80’lerde büyük patlama meydana getiren yapay zekâ emekleri 1987-1993 içinde neredeyse durdu ve bu döneme “yapay zekâ kışı” adı verildi. Demokrasinin beşiği bulunduğunu söyleyen ülkenin “kovboy” olarak görmüş olduğu aktörü devletin başına geçirdiği bir dönemde insanların tamamen mantıkla kabul eden ve ona gore kodlar çalıştıran bir makineyi sevmemesi normaldi.
Sonrasında nöral ağlar geldi
Nöral ağlar, milyonlarca koda haiz ağır ve tek bir iş meydana getiren yapay zekâların yerini almak suretiyle geldi. Bu yapay zekâ modelleri “gerçek anlamda düşünebilen” ilk yapay zekâ olarak değerlendirildi. Aslen yapay zekâ emekleri zamanı süresince olan bu sistem, ilkin 1986 senesinde meşhur backpropagation adlı yazı ile tekrardan gündeme geldi. Siteleri robot olmadığımıza ikna etmek için gidip kedi köpek resimlerine tıklamamız gerekmesinin temelinde de bu yazı yer ediniyor. Yapay zekâ, en rahat hâliyle görselleri katmanlara ayırıp katman değerleriyle görselleri ya da verileri sınıflandırıyor. Ek olarak daha optimize emek verme ve eğitim sağlıyor.
Bu nöral ağ atılımının arkasından da 2012 senesinde AlexNet geldi. Derin öğrenme ve nöral ağlar ile ilgili çığır açan bu makalede, araştırmanın başyazarı Alex Krizhevsky’den dolayı AlexNet terimi ortaya atılmış olsa da çalışmada imzası bulunan adlardan biri de Ilya Sutskever, hani şu OpenAI’ın kavga dövüş ayrılan kurucusu ve eski yöneticisi. Bu yazı, çokça veri ve çokça hesaplama gücü ile derin öğrenmenin iyi mi kullanılabileceğini göstererek yeni dönemin temellerini atmış oldu.
Bu zamanda daha karmaşık hesaplamalar meydana getiren, daha parlak zeka, değişik amaçlarla görevlendirilebilen yapay zekâ araçları ortaya çıkmaya başlarken makine öğrenmesi, büyük dil modelleri benzer biçimde kavramlar da popüler olmaya başladı. Genel olarak insanlarla daha benzer tepkiler veren ve insanları gerçek anlamda anlamaya yaklaşan yapay zekâların ilkel örneklerini de burada gördük.
Yapay zekâ gerçek anlamda boyut atlamış oldu
Eski yapay zekâ yaklaşımında iki boyutlu bir düzlem üstünde, kodlara gore bağlantılar kuruluyor ve oldukça kısıtlı bir alanda, bilgiyi değişik alana aktaramadan işlem yapılıyordu. Yeni yaklaşımda ise oldukça fazla data aynı anda göz önüne alınıyor ve değişik alanlarda elde edilmiş beceriler de öteki medyalara aktarılıyor. Doğrusu kağıt üstünde oklar çizen yapay zekâ artık üç boyutlu bir yapıyla ve her parçası bir beyin benzer biçimde aktiflenerek çalışıyor.
Kaynaklar: Miller, George A., Ars Technica, NeurIPS, Tabelau
