Yapay Zekâ gerektiği gibi “derin” düşünebiliyor mu?

Cem Say
Yapay Zekâ gerektiği gibi “derin” düşünebiliyor mu?

Yapay Zekâ’nın hızlanan ilerleyişinin yakın gelecekteki olumlu ve olumsuz etkileri tartışılıyor. Bu yazıda YZ çalışmalarının bugüne geliş öyküsünü kendi çerçevemden özetlemek isterim.

Eski moda YZ: Anlatarak öğretme

Çok uzun zaman önce, ta 20. yüzyılda, ben daha öğrenciyken Yapay Zekâ çalışmalarına hâkim olan yaklaşıma daha sonraları “eski moda YZ” adı takıldı. Eski moda YZ araştırmacıları, ki ben de onlardan biriydim, oturup çok uğraşırsak her bilişsel alanda insanlarla aşık atabilecek ayarda bir bilgisayar programını yazabileceğimize inanırdı. Eğer bir düşünsel sürecin işleyişini gerçekten anlarsanız, onu bir robota yaptırabilecek programı yazabilirsiniz. Sonuçta sadece o bilişsel etkinliğe sahip bir robot elde etmekle kalmazsınız, o robotun zihninin insanların okuyup anlayabileceği bir programlama dilinde yazılmış tam bir açıklamasını da ortaya koymuş olursunuz.


Bu yöntem bilgisayara ne yapacağını  (bilgisayarların ve mühendislerin okuyabildiği bir dilde) anlatmaktan ibaretti aslında. Ve yabana atılmayacak başarılara imza attı.  Satrançta dünya şampiyonunu yenen makine bu yaklaşıma göre programlandı mesela. “Ama o bilgisayar bunu kendisini programlayan insanlardan öğrendiyse o insanlar neden şampiyonu yenemediler peki?” demeyin. Onlar programladıkları makine kadar hızlı değildiler. Ama bilgisayara bildiği her şeyi onlar öğrettiler.

Yalnız bir sorun vardı: Bu yöntemle bilgisayarlara satranç oynamak gibi “zor” şeyleri öğretebiliyorduk ama örneğin kendisine gösterilen bir aile fotoğrafında kaç kişinin olduğunu söylemek gibi “kolay” işleri bir türlü yaptıramıyorduk.

Peki, ama neden?

Görüntüler dış dünyadan gözümüze (ya da kameramıza) vardıklarında, başlangıçta yan yana duran çeşitli renklerde binlerce küçük noktacıktan ibarettirler. Bu noktacık çorbasının neyin görüntüsü olduğunun anlaşılıp “babaannemin yeşil şapkası” gibi yüksek düzey kavramlarla eşleştirilmesi, gözlerden beyine uzanan karmaşık sinir ağında yapılan yoğun bir hesaplama sonucunda gerçekleşir.

Eski moda YZ’cılar için sorun şuydu ki, bu hesaplamayı yapan programı yazmayı beceremiyorduk. Bu, satranç programı yazmaktan çok daha zordu. “Şu, şu renkte noktalar şu, şu şekilde dizilmişse o babaannenin resmidir” türünden tarifler, aynı babaannenin birbirinden farklı açı, renk, yaş, boyut ve ifadede yüz binlerce muhtemel pozunu bir arada nasıl tanımlayabilirdi ki?

Satranç programını yazarken insan satranççıların beynini açıp içine bakmak gerekmemişti, ama nasıl becerdiğimizi bilmediğimiz bu tür gerçekten zor işler için doğadan kopya çekmemiz gerekti.

Sinir Ağları: Göstererek öğretme

Gördük ki beyindeki bilgiler sinir hücreleri arasındaki bağlantıların gücünün sayısal değerleri şeklinde saklanıyordu. Aynı anda etkinleşen hücreler arasındaki bağlantılar sıklığa bağlı olarak güçleniyor, bu nedenle bir süre sonra birbiriyle bu şekilde ilintilenmiş iki alandan biri etkinleştiğinde ötekini de uyandırıyordu. Kişinin bilgileri yüz milyar sinir hücresi arasındaki trilyonlarca bağlantıya dağılmış şekilde temsil ediliyor, bu dağıtık sistemin bileşen sayısının çokluğu nedeniyle birkaç nöronumuz öldüğünde sağ kalan bağlantılar sayesinde bildiklerimizi unutmuyor, babaannemizin de tek bir resmini değil, kısmı eşleşmelere de el veren çok genel kapsamlı bir tanımını aklımızda tutabiliyorduk.

Ama satrancın aksine bilinç düzeyinde olmayan bu işi nasıl yaptığımızı hiçbirimiz bilmiyor ve haliyle de programını yazamıyorduk. Beynimizdeki tüm bilgileri tutan bağlantıların güçlerini teker teker listelesek bile bunlar “babaanne”, “şapka”, “yeşil” filan gibi birkaç yüksek düzey kavram değil de milyonlarca sayı cinsinden olacağından okuyan insana bir anlayış kazandırmayacaktı.

“Yeni YZ”cılar problemi bilgisayara sinir ağlarının öğrenme sürecini taklit ettirerek çözdüler. Artık elde eskisinden çok fazla veri ve onu işleyecek çok daha hızlı bilgisayarlar vardı. İnsanlar durmadan resimlerini İnternet’e koyuyor, üstelik fotoğraftaki kişileri de etiketliyorlardı. Milyonlarca resim üzerinde “bunda insan yüzü var”, “bunda yok” diye çalıştırılan sinir ağı, eski moda YZ’cıların hayal bile edemeyeceği başarıyla resimlerde insanları tanımayı başarıyor, aynı mantıkla eğitilen ağlar konuşmaları yazıya dökmeyi, diller arası çeviri yapmayı öğreniyordu.

 

Kendi kendine öğrenme!

Bu yılın başlarında sembolik önemi olan bir aşama daha geçildi. Google DeepMind şirketince üretilen AlphaGo adlı program, satranç için kullanılan ve bilgisayarın “kaba kuvvet”inden yararlanan yöntemin işe yarayamayacağı kadar çok seçeneğe dallanan, bu yüzden de insanları yenecek bir makinenin uzak bir hayal olduğu sanılan Go oyununda dünya çapında bir oyuncuyu yenerek tarih yazdı.

AlphaGo maça “kendi kendine öğrenme” diye adlandırabileceğimiz bir teknikle hazırlanmıştı: Kendi sürümleriyle binlerce maç yapıp, kazanan programın bir şeyi daha doğru yaptığı fikrini esas alarak hamle tercihlerini bir dahaki sefere o sürümünkine biraz daha benzeyecek şekilde ayarlıyordu. Bu yöntemde bilgisayara önceden ne yapmasını söyleyen de yoktu, bir şey yaptıktan sonra ona “doğru” veya “yanlış” diyen de.

AlphaGo artık insanları geride bırakmıştı.

Mükemmel değil

Bu iş nereye gider? Kimi “yeni YZ”cılar sinir ağı tabanlı öğrenme modelleriyle insanların her bilişsel becerisini bilgisayarlara da kazandırabileceğimizi söylüyor. Ne de olsa insanların kafasındaki de bir sinir ağından ibaret. Belki haklıdırlar, ama bana en azından şimdiki sistemler yeterince derin düşünemiyor gibi geliyor.

İşte Google’ın ünlü çeviri uygulamasından dilerseniz hemen cep telefonunuz veya bilgisayarınızda deneyebileceğiniz iki örnek:

İngilizce “I am a policeman” (“Ben polisim”) cümlesinin Türkçeye çevirisi: “Ben polis değilim

Türkçe “Davutoğlu iklim değişikliğiyle mücadele edecek” cümlesinin İngilizceye çevirisi: “Obama to combat climate change” (“Obama iklim değişikliğiyle mücadele edecek”)

Daha gidecek çok yol var bence.

Türkiye’de Yapay Zekâ araştırmaları

Türkiye’deki Yapay Zekâ çalışmalarının bir özetini yapmaya çalışsam bile muhakkak eksiklerim olacaktır: Aydın Köksal’ın Hacettepe’deki Türkçe bilgisayarlı dilbilim çalışmalarıyla açılan yolda diğer araştırmacılarımız ilerliyor. Boğaziçi, ODTÜ ve Bilkent Türkçenin bilgisayarda işlenmesi konusunda gereken altyapıyı oluşturdular. Yapay öğrenme konusunda yoğun çalışılıyor.

Boğaziçi’nden Ethem Alpaydın’ın birçok yabancı dile çevrilen ve üniversitelerde okutulan önemli bir kitabı var. Yine Boğaziçi’nden Levent Akın ve öğrencilerinin eğittiği robotlarımızın Osaka'daki Robocup 2005 futbol yarışmasında Sony Dört Bacaklı Robot Ligi'nin kazandığı birinciliği unutmak mümkün değil.

Türk şirketleri Yapay Zekâ teknolojisine genelde e-ticaret çevresindeki işlerde, iş zekâsı olarak yoğunlaştı. Özellikle tavsiye motorları (“bunu alan şunu da aldı” gibi), ya da genel olarak müşterinin ne yapmak istediğini tahmin etmeye yönelik işlerde YZ tekniklerinin kullanıldığını görüyoruz.

Cem Say / sayster@gmail.com


Cem Say

1987'den beri Boğaziçi Üniversitesi Bilgisayar Mühendisliği Bölümü'nde çalışıyor. Çalışmaları Yapay Zeka ve Kuramsal Bilgisayar Bilimi üzerine. Sahte dijital deliller üzerine incelemeleri var. Bilimkurgu, uzay yolculuğu, seçim hileleri ve başka bir çok konuya da meraklı.