Yapay Zekâ Nasıl Boyut Atladı?

Sene ÖZETİ| 1997. Tüplü televizyonların puslu renkleri, takım elbiseli iki adamı satranç oynarken gösteriyor. Bu adamlardan biri satrancın o dönemki en büyük ismi olan Kasparov. Diğer kişi ise IBM'in yapay zekâ bilgisayarı Deep Blue'dan gelen komutları oynayan bir aracı. Dünyanın dört bir yanında bu maç haberlere konu oluyor zira ilk kez bir yapay zekâ, bir satranç ustasına kafa tutuyor. 

Aradan birkaç sene geçiyor, internet yeni yeni yaygınlaşmaya evlere girmeye başlamış. Satranç bilen bilmeyen internetten satranç oynuyor ve herkes 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. 

Sene 2024. Bir üniversitede ders veren bir akademisyen, öğrencilerin ödevleri yapay zekâya yaptırmadıklarından emin olmak için yeni yöntemler bulmaya çalışıyor. Peki arada ne oldu da sadece oyunlarda hamle yapan ya da basit tahminler geliştiren yapay zekâlar kendi başına ödev yapar, program yazar oldu? 

Aslında yapay zekâ çok uzun zamandır gündemde olan bir konu

1956 yılında John McCarthy, döneminin sayılı bilim insanlarını topladığı etkinliğe dikkat çekici bir isim buldu: Yapay Zekâ. Aslında bu isim bulunmadan önce, 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 dönemin bilgisayarları devasa olsalar da işlem kapasitesi olarak bugünün standartlarının çok gerisinde cihazlardı. Bu da onlara ilginç bir özellik katıyordu: Yapay zekâ sizin benim gibi tahmin yapmak durumundaydı. Aynı anda oynanabilecek zibilyon tane hamleyi hesaplayamadığı için, o an en ideal görünen hamleyi yapıyordu. 

Zamanla 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 fazla ya da daha iyi işlem yapmıyordu, yalnızca daha hızlı işlem yapıyordu. Sürekli domates doğrarsanız nasıl ezmeden domates kesebileceğinizi ve kendinizi kesmeden işlemi tamamlayabileceğinizi öğrenirsiniz ancak bu pratik, size "Al ananas doğra" dendiği zaman pek bir işe yaramaz. Eski yapay zekânın da böyle bir sorunu vardı. Bu yapay zekâya simgesel yapay zekâ adı veriliyordu.

Yapay zekâ çok popüler oldu ancak devam edemedi: "Yapay zekâ kışı" geldi

Yapay zekânın eski versiyonunda küçük bir sorun vardı: mucitler. Eski modeller tasarlanırken insanların her sorunu mantıkla çözdüğü varsayılırken, yapay zekânın da Aristo mantığı seviyesinde "Filler uçar, Mehmet de fildir o zaman Mehmet de uçar." seviyesinde düşünmesi yeterli görülüyordu. İnsanlar hiç de öyle mantıklı canlılar olmadıkları için yapay zekâ ihtiyaçlara cevap veremiyordu. Firmalar bilim kurgu filmlerindeki robotlara benzer sistemler vaat ediyor ama başaramıyordu. 

Bu uyumsuzluk ve anlayış sorunları nedeniyle, 70'ler ve 80'lerde büyük patlama yapan yapay zekâ çalışmaları 1987-1993 arasında neredeyse durdu ve bu döneme "yapay zekâ kışı" adı verildi. Demokrasinin beşiği olduğunu söyleyen ülkenin "kovboy" olarak gördüğü aktörü devletin başına geçirdiği bir dönemde insanların tamamen mantıkla karar veren ve ona göre kodlar çalıştıran bir makineyi sevmemesi normaldi. 

Sonrasında nöral ağlar geldi

Nöral ağlar, milyonlarca koda sahip ağır ve tek bir iş yapan yapay zekâların yerini almak üzere geldi. Bu yapay zekâ modelleri "gerçek anlamda düşünebilen" ilk yapay zekâ olarak değerlendirildi. Aslında yapay zekâ çalışmaları tarihi boyunca olan bu sistem, önce 1986 yılında meşhur backpropagation adlı makale ile yeniden gündeme geldi. Siteleri robot olmadığımıza ikna etmek için gidip kedi köpek resimlerine tıklamamız gerekmesinin temelinde de bu makale yer alıyor. Yapay zekâ, en basit hâliyle görselleri katmanlara ayırıp katman değerleriyle görselleri ya da verileri sınıflandırıyor. Ayrıca daha optimize çalışma ve eğitim sağlıyor. 

Bu nöral ağ atılımının ardından da 2012 yılında AlexNet geldi. Derin öğrenme ve nöral ağlar ile ilgili çığır açan bu makalede, araştırmanın başyazarı Alex Krizhevsky'den dolayı AlexNet kavramı ortaya atılmış olsa da çalışmada imzası bulunan isimlerden biri de Ilya Sutskever, hani şu OpenAI'ın kavga dövüş ayrılan kurucusu ve eski yöneticisi. Bu makale, çokça veri ve çokça hesaplama gücü ile derin öğrenmenin nasıl kullanılabileceğini göstererek yeni çağın temellerini atmış oldu. 

Bu dönemde daha karmaşık hesaplamalar yapan, daha zeki, farklı amaçlarla görevlendirilebilen yapay zekâ araçları ortaya çıkmaya başlarken makine öğrenmesi, büyük dil modelleri gibi kavramlar da popüler olmaya başladı. Genel anlamda 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 üzerinde, kodlara göre bağlantılar kuruluyor ve çok kısıtlı bir alanda, bilgiyi farklı alana aktaramadan işlem yapılıyordu. Yeni yaklaşımda ise çok fazla bilgi aynı anda göz önüne alınıyor ve farklı alanlarda elde edilen beceriler de diğer medyalara aktarılıyor. Yani kağıt üzerinde oklar çizen yapay zekâ artık üç boyutlu bir yapıyla ve her parçası bir beyin gibi aktiflenerek çalışıyor.