Makine muhakemesi, makine öğrenmenin hatalarını giderebilecek mi?
Yapay zeka yazılımları genel olarak iki ana kategoride ele alınabilir: İstatistik YZ ve Sembolik YZ. Başlangıçta Sembolik YZ alanı güçlüyken özellikle son on senede teknolojideki gelişme ve ucuzlama İstatistik YZ’nin büyük bir hızla ilerleme kaydetmesini olanaklı kıldı. İstatistik YZ’nin popüler kültürdeki ismi daha janjanlı: “Makine Öğrenme”.
Sembolik YZ kategorisinde geliştirilen yapay zeka yazılımları bilgiyi mantıksal sembollerle ele alıp, kural tabanlı sistemler olarak geliştirilmişken makine öğrenme temelli YZ modelleri “veriye dayalıdır”. Veriye dayalı modeli “gelenek” olgusu ile irtibatlandırmak olası. Geleneksel bir toplumda birey, öteden beri süregelmekte olan toplumsal kurallar-değerler vs. her ne ise ona bağlı kalarak yaşamını sürdürür. Bunları değiştirmek konusunda çok az inisiyatifi vardır. Mecburiyetten ya da iyi niyetle ortaya çıkmış istisnai durumlar zaman içinde gelenekte kendisine yer bulabilir ve bu da geleneğin yavaş yavaş dönüşmesini sağlayabilir. Dolayısıyla geleneksel bir toplumda bir norm olarak kabul görmüş, ancak daha nesnel bir açıdan bakıldığında eleştirilecek bir olgu (örneğin yalan söylemek) bir “yüzleşme” anında sorun yaratabilir.
Makine öğrenme modeliyle geliştirilmiş yapay zekaları kullanırken de benzer yüzleşmeler yaşanmakta. Hem de her an milyonlarca kere. Sohbet botlarına soru soran bir kişi aslında gerçekleşmiş veri kümeleriyle beslenmiş “geleneksel bir toplum” ile karşı karşıya! Eğer irdelediği konu hakkında bilgi sahibi ise o yapay zekanın ne denli “önyargılı” veri kümeleri ile geliştirilmiş “tutucu” bir model olduğunu anlayabiliyor. Ama bilgi sahibi değilse, yapay zekadan gelecek cevabı doğru olarak kabul etme eğilimdeyse (ya da buna mecbursa) tam doğru olmayan bir yöne doğru yönlenmekte olduğunu fark bile edemiyor! Yapay zekayı çalıştığı şirketin kendisine sunduğu bir imkan olarak kullanan ve şirket için kararlar almakta olan birey, o yapay zekanın önyargılı olup olmadığını umursamaz bile!
Makine öğrenme modellerinin veriye dayalı olması, çeşitli lojistik sebeplerden dolayı verinin kaynağından çıktığı gibi kullanılması, modellerin önyargıdan temizlenmesini neredeyse olanaksız kılıyor! Daha da ilginci bu alandaki temizlik çalışmaları zaman zaman eleştiriye bile maruz kalabiliyor! Bir ülke, bir kurum ya da bir kişi barıştan yana olmadığı halde veri kümelerinde barışçı olarak mimlenmişse o veri kümeleriyle beslenen hiçbir yapay zeka onun savaşçı olduğunu söylemeyecektir!
Son dönemde bu iki kategorideki yapay zeka modellerini harmanlayıp sembolik yapay zekanın ikinci kuşak yenilikçi yapıları üzerinde çalışmalar da yapılmaya başladı. Sembolik yapay zekanın bu ikinci evresine de sükseli bir isim bulundu: Makine Muhakemesi (“machine reasoning”). Bu evrede aslında İstatistik YZ ile klasik Sembolik YZ bir araya geliyor. Modelin bir aşamasında makine öğrenme imkanları kullanılırken bir evresinde makine muhakeme yapısı devreye giriyor. Bu hibrit modeller müstakil çözümler olarak sunulabiliyor. Makine öğrenme “gelenekçi toplum” modelinin bir tür izdüşümü ise makine muhakeme için ne denilebilir? Platon’dan beri filozofların tanımlamaya çalıştığı “ideal toplum” mu? Sufilerin deyimiyle “allahın ahlakıyla ahlaklanmak” mı? Nirvana’ya ulaşmak mı? Sürekli devinim talep eden kapitalist sanayi toplumu bu “ideal toplum”u hazmedebilir mi?
Tanol Türkoğlu / tanolturkoglu@gmail.com
*Bu yazı HBT Dergi 494. sayıda yayınlanmıştır.