METACONE: İnsandan Yapay Zekaya Dönüşüm

ÖZET

Bu çalışmada, insan beyni gibi öğrenme davranışı sergileyen insansı hislere sahip karar verme yetenekleri ile donatılacak 3. dalga yapay zekâ algoritmasının doğuşu anlatılmıştır. Çalışmada ''Her şey en küçük parçasının tekrarıdır.'' felsefesi ile beyin ve öğrenmemizi sağlayan hücrelerin en ilkel ve bilinen en küçük yapısı anlatılmış; akıl, bilgelik ve idrak etme süreçlerinin tarihsel gelişiminden bahsedilerek yapay zekâ ve evrelerinin gelişim süreçleri örneklendirilmiştir. Sadece kuralları öğreterek kendi başına küçük veriler ile öğrenebilen, görüntü, ses veya benzer sensörler ile eşleşerek öğrenme gerçekleştirebilen sayısal beyin yapısı ve bu yapıyı oluşturan algoritmanın doğuşu anlatılmıştır.

Anahtar kelimeler: Yapay zeka, algoritma, beyin, öğrenme.

1. GİRİŞ

Karar alıcı, yapısı gereği rahatı ve basit olanı seçer. Karar alıcı zorlu olanı ve riskli olanı seçiyorsa, kendi olma çabasının azmi ve kararlılığı içerisindedir. Bu şekilde değişim, belirsizlikler, sorunlar ve risk karışıklığından başka bir durum olmadığı söylenebilir. Risk, anlam bakımından stratejiktir. Riski karar alıcı aldığında, alınan kararlar ve bu kararların sonuçları avantajlara veya dezavantajlara evrilebilir. Fakat karar alıcının karar verme sürecinde aldığı veya alacağı risklerin yeni avantajlara yol açabilmesine, kararın alındığı ortamların değişikliğe açık ve devamlı yenilenebilen bir durumda değişimine bağlıdır.

Teknolojinin ilerlemesi ile donanımda meydana gelen değişiklikler sonucu ilk olarak elle çalışan makineler, elektriğin bulunması ile enerji tüketen motorlu makineler ve onları takip eden otomatik makineler yer almıştır. Genel olarak tek bir işlev veya belirli bir işlevi yerine getiren bu otomatik makineler geçtiğimiz son yıllarda yaşanan teknolojik değişimler ile birlikte birden farklı fonksiyonu yerine getiren makineler haline geliştirilmiş ve bu makinelere zekâ eklenmeye çalışılmış olup hâlâ bu çalışmalar devam etmektedir. (2)(Aysever, 2001)

Makinelerdeki değişime paralel olarak yazılım sistemlerinde de gelişmeler yaşanmıştır. İlk yazılım sistemleri basit aritmetik işlemleri yaparken ortaya çıkan verilerin depolanma ve transferi yapılmıştır. Gelişen teknoloji ile hızlı ve karmaşık yaşamımızı kolaylaştırmak için gelişen yazılımlardan ofis otomasyon yazılımları geliştirilmiştir. Ofis otomasyonlarından elde edilen veriler ile yönetim bilişim sistemleri ve karar destek sistemleri geliştirilmiştir. Aynı şekilde buna fabrikalardaki akıllı robot sistemleri gibi savunma sanayinde akıllı, insansız askeri araçlar örnek verilebilir. Oyun dünyasına gelindiğinde sayısal ikiz yapıların yer aldığı evrenler ve bu evrenlerde kendi kendine oyun oynayan sanal, akıllı oyuncular karşımıza çıkmaktadır.

Günümüzdeki makineler ve yazılımda gerçekleşen güncel yaklaşımlara bakıldığında elle kontrol sonrası, insan kontrolündeki makineler, geleneksel makineler ve daha sonra onları otomatik makineler takip etmiştir. Günümüzde otomatik makinelerden oluşan otomasyon sistemleri ile işletmelerde, fabrikalarda veya günlük yaşamımızda birçok kolaylık sağlanmaktadır. Bu sistemlerin hepsi belirli bir yazılım üzerine çalışmakta ve belirli işleri yapmaktadır. (5)(Fırat ve Fırat, 2017)

Teknolojideki bu değişimler toplumsal dönüşümü beraberinde getirmiştir.(*0)(Yalçınkaya, 2010). Toprak işleyen tarım toplumu tarım ağası tarafından, makineleşen sanayi toplumu patronlar tarafından yönetilmiş, enformasyonun gelişmesi ile dijital toplumu dijital yatırımcılar yönetmiştir. Günümüzde bilgi, inovasyon farkındalığı ve açlığı ile birlikte inovasyon toplumu yaratılmakta ve bu toplumu kimin yöneteceği sorgulanmaktadır. (7)(Özdemir, 2014)

Bilgi ve iletişim teknolojilerindeki hızlı gelişmeler ile geleceği tahmin ederek bilen sistemlerin gelişeceği, gelişen ve değişen toplumsal örgüt yapısının bununla birlikte değişime uğrayacağı, geleceğin akıllı örgütüne doğru gidilmektedir. (3)(Baştan, 2003) Bilim insanları arasında önde gelen Profesör Stephan Hawking'in insanlığın sonunu yapay zekânın getirebileceği uyarısında bulunması akıllarda farklı sorular oluşturmaktadır. (6)(Köroglu, 2017)

2. YAPAY ZEKA

Evrim Ağacı'ndan Mesaj

Neden Desteğe İhtiyacımız Var?

Aslında maddi destek istememizin nedeni çok basit: Çünkü Evrim Ağacı, bizim tek mesleğimiz, tek gelir kaynağımız. Birçoklarının aksine bizler, sosyal medyada gördüğünüz makale ve videolarımızı hobi olarak, mesleğimizden arta kalan zamanlarda yapmıyoruz. Dolayısıyla bu işi sürdürebilmek için gelir elde etmemiz gerekiyor.

Bunda elbette ki hiçbir sakınca yok; kimin, ne şartlar altında yayın yapmayı seçtiği büyük oranda bir tercih meselesi. Ne var ki biz, eğer ana mesleklerimizi icra edecek olursak (yani kendi mesleğimiz doğrultusunda bir iş sahibi olursak) Evrim Ağacı'na zaman ayıramayacağımızı, ayakta tutamayacağımızı biliyoruz. Çünkü az sonra detaylarını vereceğimiz üzere, Evrim Ağacı sosyal medyada denk geldiğiniz makale ve videolardan çok daha büyük, kapsamlı ve aşırı zaman alan bir bilim platformu projesi. Bu nedenle bizler, meslek olarak Evrim Ağacı'nı seçtik.

Eğer hem Evrim Ağacı'ndan hayatımızı idame ettirecek, mesleklerimizi bırakmayı en azından kısmen meşrulaştıracak ve mantıklı kılacak kadar bir gelir kaynağı elde edemezsek, mecburen Evrim Ağacı'nı bırakıp, kendi mesleklerimize döneceğiz. Ama bunu istemiyoruz ve bu nedenle didiniyoruz.

Destek Ol

Yapay zekâyı insan zekâsının belirli özelliklerini bilgisayara kazandırmaya çalışan algoritmalar geliştiren bir bilim dalı olarak tanımlayabiliriz. Problemlere akıllı davranışlar sergileyerek çözüm üretebilen yapay zekâ sistemlerinin geliştirilmesi hedeflenmiştir. İlk kez yapay zekâ terimini ortaya atan bilim adamı John McCarthy’e göre yapay zekâ; bilgisayar programlarını zekileştiren bilim ve mühendislik dalıdır.

Edward Fredkin (MIT’den Bilgisayar Uzmanı) BBC röportajında yapay zekâya ilişkin şu ifadeleri kullanmaktadır: “Geçmişte üç önemli olay olmuştur: Birincisi kâinatın oluşması, ikincisi yaşamın başlangıcının oluşması, üçüncüsü ise yapay zekanın ortaya çıkmasıdır.” (1)(Akt. Acar, 2007)

Yapay zekâyı anlayabilmek için önce bilgisayar ile insan beyni arasındaki benzerlikler ve farklılıklar anlaşılmalıdır: İnsan beyni ortalama bir buçuk kilogram kütlesindedir ve 65 yıllık bir yaşamda, saniyede 500 ile 800 birimlik veriyi hafızasında tutup, işleyip, yeniden programlama özelliğine sahiptir. Bu, yaklaşık olarak dakikada 3,600, saatte 2,160,000 günde 51,840,000 bitlik bilgi demektir. Beyin üzerine araştırmalar yapan bir bilim adamı olarak Dr. V. Grey Walter'in çalışmaları incelendiğinde, ''İnsan beynine benzeyen bir bilgisayar veya makinenin yapılabilmesi için 300 trilyon dolardan fazla para gerekmektedir.'' sonucuna ulaşılır. Günümüz teknolojisinde bu şekilde çalışan bir makine için 1 trilyon watt’dan fazla elektrik enerjisine ihtiyaç duyulacağını söylemektedir. Hayatımız süresince tüm duyu organlarımızla elektrik sinyalleri ile bilgi alırız, bilgi göndeririz ve bu bilgileri saklarız. Ayrıca zekâ kavramının ne kadarının ölçülebildiği ve ne anlama geldiği hakkında fikir birliği sağlanamamıştır. Kullanılan ifadelerin ortak düşüncesi olarak zekâyı, beynin bilgiyi alıp, doğru ve hızlı analiz etmesi olarak tarif edebiliriz. Şuur, ruh, bilinçaltı gibi açık uçlu ve soyut ifade olması nedeni ile zekânın genel bir anlatımı yapılamamıştır. Zekâ kavramı ise; sebep sonuç ilişkisi oluşturma, bilgiyi anlayabilme, bilgiyi işleyebilme ve bilgiden bilgi türetebilme yeteneği ile ölçülür. Zeki davranışın; öğrenme, izleme, problem çözme, muhakeme etme, planlama, karar verme, kontrol etme, teşhis etme gibi işlemleri yapması beklenmektedir.

2.1. Evrenin oluşumu

Yunan düşünce felsefesinde önemli yere sahip olan Hesiodos’un 'Theogonia' adlı eseri evrenin oluşumu üzerine ipuçları vermektedir. En önemlisi evreni meydana getiren olgulardan biri olan Khaos, Hesiodos’a göre “Her şeyin başı Khaos’tur.” (*1)(Akderin, 2014). Yunancada “Chaos” kelimesinden türemiş bir kelime “açılmak, esnemek, yarılmak” ya da “bir şeyi doğurmak üzere esneyip açılmak'tır.'' (4)(Dürüşken, 2014) “Khaos kelime olarak, 'uçurum, esneyen yarık, açıklık, boşluk' anlamlarına gelir ve her şeyin dünya sistemine bilinmez bir uçurumdan ya da boşluktan fırlamış olduğunu ifade eder.” (*2)( (Werner, 2011).

Khaos, bir şeyi doğurmak üzere esneyip açılan uçurum, önce Gaia’yı oluşturur. Gaia, her varlığın ölümsüz evi olarak ortaya çıktığı, büyük alana sahip Toprak Ana'dır. Toprak Ana, yeryüzüdür. Kendisi biçimsiz ve esneyen boşluk olan Khaos, karmaşık ve düzensiz halinden yeryüzünü ayırır ve evren böylece oluşmaya başlar. Gaia’dan sonra üçüncü ana öğe olan Eros’u yaratır. Eros, Yunancada “sevgi, aşk” anlamlarına gelir. Hesiodos’un kullandığı karşılığı tam olarak “arzu ”dur. (*3) (Erhat, 2014)

Gaia, Eros ile yani Eros’un arzusu ile kendiliğinden Ouranos’u doğurur. ''Yıldızlı gökyüzü'' anlamına gelen Ouranos, Gaia’nın her yandan sarıp sarmalayacak, kendisini kaplayacak şekilde kendi içinden doğduğu gökyüzüdür. Böylelikle Khaos’tan olan Gaia ve Eros’un oluşumuyla doğurulan Ouranos’la Kosmos’un oluşumu tam anlamıyla gerçekleşmeye başlar.

Kosmos, kosmeo fiilinden türemiş “düzenlemek, ayarlamak, çeki düzen vermek” anlamına gelmektedir. Yunan düşüncesinde Kosmos, “uyum, biçimlilik, güzellik, anlaşılabilirlik ve açıklanabilirlik” anlamlarına gelmektedir.

2.2. Yaşamın Başlaması ve Evrim

En ilkel ve en gelişmiş omurgalıları yöneten beynin gelişimi 600 milyon yıllıktır. Aklın evrimi ve insanın evrimini anlamak için canlılardaki sinir sisteminin evrimine onun içinde omurgalı hayvanların evrimine bakılmalıdır. Şekil-1 Tek hücrelilerde euglena’da ya da paramecium veya ameobea’da hissetmeye duyarlı hücreler bir tür sinir hücresi gibi davranışlar sergiler.

wikipedia

Canlılar; omurgalı ve omurgasızlar olarak iki temel gruba ayrılır. Omurgasızlarda sinir sistemi bulunmamaktadır. Dokunma ve ışık gibi uyarıcılara duyarlı basit sinir hücrelerine sahiptir. Örneğin bildiğimiz midyeler içinde bulunan bivalvia diğer adıyla iki kabuklular sınıfının üyelerinde uyarılmaya karşın sinir hücrelerinin kas sistemini harekete geçirerek açık olan kabuklarını kapatırlar. Şekil-2’deki gibi Omurgalı sınıfında ise evrim sırasına göre sinir sistemine sahip balıklardan memelilere uzanan canlılar bulunur. Bu canlıların arasında beyni en gelişmiş, en karmaşık canlının ise insan beyni olduğu görülmektedir.

Memeli beynini basit olarak tanımak gerekir ise:

Temporal lob: Duymanın yeridir.

Agora Bilim Pazarı

MİKROELEKTRONİK DEVRELER (SEDRA / SMITH)

Devamını Göster

₺1,633.00

Satın Al Tüm Ürünler

Serebrum: Belleklerimizi tutar ve dış dünyadan aldığımız değişik sinyalleri kontrol eder.

Beyin kökü: Bütün görevlerin gönderildiği yerdir.

Serebellum: Kaslarımızla ilgili, örneğin koşma gibi hareketlerin yeridir.

Ossipital lob: Görüntüsel işler burada incelenebilir.

Frontal lob: Konuşma kontrolü bu bölümledir.

Parietal lob: Dokunma ve his merkezimizdir.

Pons: Kalp ve solunum fonksiyonlarının yeridir. (8)(Sakınç, 2015).

wikipedia

Ama günümüzde modern çağ ile birlikte sanal akıllar, yüksek hızlı kaybolmayan kayıt sistemleri, insan beyninin evrimini nasıl etkileyeceği günümüzün merak edilen sorularından biridir. İnsandan, dijital zekâlara ve dijital-insanlara evrim olması ile insanların dönüşümünün kaçınılmazlığını ortaya koymaktadır.

2.2.1. Epifiz bezi

Omurgalılarda memeli canlılardaki sinir sistemi, beyin gelişimi ve zekânın oluşumu ile yakından ilgilidir. Ara beyin veya ön beynin bir kısmını oluşturan Epithalamus; biyolojik saat ve zaman kavramının ayarlandığı, hormon salınımı ve duyguların yönetildiği beyin bölgesidir.

Bu bölgede yer alan epifiz bezi, bütün memelilerde beynin ortasında gömülü şekilde bulunur. Epifiz bezi; ortamdaki ışık sayesinde üretilen, periyodik olan sinirsel değişimleri hormonal bilgiye dönüştüren hassas bir biyolojik saat, bu saatlerde organizmadaki hücresel yapılar, zaman ölçümü yapılarıdır. (Richards & Gumz 2012). Birçok çeşitli bilimsel araştırmalar sonucunda, artık epifiz bezinin dördüncü bir nöroendokrin dönüştürücüsü olduğu belirlenmiştir.Yani epifiz bezi, sinirden hormonsal bir çıkışa çeviren bezdir (Wurtman & Julius, 1965). Güneş doğunca epifiz bezinin üretimi durur, karanlıkta ise salgıladığı melatonin üretilmeye başlanmaktadır. Karanlık arttıkça salgılanması çoğalır.

Bazı kültürlerde ve Sümerlilerde olduğu gibi epifiz bezi çam kozalağı şeklinde sembolize edilmiştir. Hindu Tanrı heykelleri genellikle ileri doğru bir çam kozalağı uzatırlar. Hristiyan papalar, topuzu çam kozalağı olan âsâlar kullanmışlardır. Masonlukta da aynı şekilde epifiz bezinin kozalak ile sembolleştirildiği görülmektedir.

2.3. Nöron ve Beyin Bilimsel Çalışmalar

Camillo Golgi adlı İtalyan Doktor, mikroskop ile beyin dokusunu incelerken kendisi tarafından hazırlanmış boyayı beyin dokusu üzerine dökerek, aksonları, dallanmış dendritleri ve nöron hücrelerini, rahatlıkla görülebilir hâle getirmiştir. (1909) Bunu günümüzde en yüksek teknolojiyi kullanarak Henry Markam, Blue Brain Projesini başlatarak yapmakta ve insan ve hayvan beyinlerinin tüm kesitlerini süper bilgisayarlara yerleştirerek Şekil-3 deki gibi gerçek bir insan beynini birebir simule etmeye çalışmaktadır. Bunu yaparken de bir nörona elektriksel uyarı ileterek kalsiyum konsantrasyonunu artırıp, aslında ölü beyinin tüm sinirlerini, bağlantılarını inceleyerek dijital ikizini çıkarmaya çalışmıştır.

BluebrainProject

Blue Brain dünyanın ilk sanal beynine verilen isimdir. Bu, insan beyni olarak işlev görebilen bir makine anlamına gelir. Düşünebilen, tepki verebilen, karar verebilen ve her şeyi hafızasında tutabilen yapay bir beyin yaratma hedefi vardır. Bugüne kadar solucan ve fare üzerinde benzer çalışmalar yapılmıştır.

2.4. Yapay Zekanın Ortaya Çıkışı

Turing “Makineler düşünebilir mi?” makalesinde, düşüncenin ve makinenin terimsel olarak kararlaştırılmasını belirtir. “Düşünmek” sözcüğünün yerine eş değer başka bir soru ile adlandırarak “Imitation Game” oyununu ortaya koyar. (Topal, 2017)

1951 yılında ortaya attığı “İmitasyon (Taklit) Oyunu” isimli test, Alan Turing’in makine düşünmesinin ne olduğunu ortaya koymasını sağlamıştır. İlk versiyonunda bu oyun, makine zekasını içermiyordu. 2 farklı odada bulunan kişinin 3. bir odada bulunan kişiye birisinin kendisini kandırması bir diğerinin de onu ikna etmesini istemektedir. Sonraki versiyonlarında kandırılmasını istenilen kişi yerine bilgisayar geçerek onun insan mı bilgisayar mı olduğunun anlaşılıp anlaşılamamasını bulmaktadır. Bu şekilde yapay zeka ile ilgili birçok problemlerin temelini teşkil ederek doğal düşünme yöntemlerinin geliştirilmesinde faydası olmuştur.

2.4.1. Yapay Zeka Temeli ve Tarihi

Yapay zekanın amacı 3 ana başlık altında toplamak istenirse:

• Bilgisayarları daha zeki forma sokmak,

• Zekayı anlamak,

• Bilgisayarları fayda sağlayacakları hale getirmek.

İnsan veya hayvanların birçok davranışı zekâsını veya akıllı davranış tanımını ortaya koymaktadır. Bunlara örnek olarak:

• Geçmiş ve daha önceki deneyimlerden öğrenme ve anlama

• Karmaşık ve ters durumlardan anlam çıkarmak

• Anlık olarak hızlı bir cevap verebilme becerisi

• Sorunlara çözüm bulmada karşılaştırabilme yeteneği

• Veriyi anlamlandırabilme ve kullanabilme

• Farklı durumların üstesinden gelebilme

maddeleri verilebilir.

Yapay zekâ temeli veya tarihçesi farklı biçimlerde, değişik dönemlere göre sınıflandırılabilir.

Tarih Öncesi Dönem: Binlerce yıl öncesinde yapay insan yaratmaya Yunan mitolojisinde rüzgarın yaratıcısı Daedelus’un teşebbüs etmesi örnek gösterilebilir. Fakat yapay zeka için önemli dönüm noktası olarak 1884 yılı örnek gösterilebilir. Mekanik makineler üzerinde deneyler yapan Charles Babbage bu makinelerin insan kadar zeki davranış gösteremeyecini ortaya koymuştur. Fakat 1950 yılında bilgisayarların satranç oynayabileceğini Shannon adındaki bilim adamı ortaya atmıştır.

Doğuş: Birleşik Devletler Dartmouth'da düzenlenen, bilim adamlarının bir araya geldiği 1956’daki konferansta, yapay zekâ doğmuştur. Bu konferansta A. NewellJ., McCarthy, M. Minsky, H. Simon ve C. Shannon bilgisayar programlarını yapay zekâyı oluşturma ihtimalini araştırma önerisinde bulunmuşlardır. Böylelikle 'Artificial Intelligence' terimi kullanılmıştır.

Yapay zekâ programlarının ilki (Satranç programı, mantık teorileri programı, Logic Theorist; her iki teori de Simon ve Newell teorileridir.) ve LISP (yapay zekayı programlama dili) bu süreçte oluşturulmuştur.

İnsanlık tarihinde 'zeki makineler'le ilgili bilgiler eskiye dayanmaktadır. Bilimsel bir planda otomatlar üzerindeki teorik ve pratik gelişmeler, diğer yandan yapay zekanın ilk temellerini matematiksel çalışmalar ve mantık çalışmaları oluşturmuştur.

İlklerden Babbage’in (1842 deki “Analitik" Makinesi) A. Turing’in (1936 daki Evrensel Makinesi) beynin elde edilen verileri anlamlandırmasında sibernetikten (Wiener) bahsedilmektedir.

Yapay zekânın doğuşundaki asıl etmenlerden biri ise bilgisayarın ortaya çıkışıdır. Bu şekilde bilgisayarları zekâ ile birleştirebilir miyiz düşüncesi ele alınarak çalışmalar yürütüldü ve Alan Turing bilgisayarların zeki olup olmadığının karar verilmesini ortaya koyan bir test oluşturdu.

Dartmouth Konferansı, yapay zekâ hakkında yeni bir dönemin başlangıcı olarak da adlandırılabilir. Dartmouth Koleji tarafından düzenlenen bu konferansta yapay zekâdan (AI) ilk kez bahsedildi ve yapay zekânın öncüleri olarak da bu konferansa katılanlar, kabul gördü.

Bu dönemdeki önemli başarılardan biri olarak benzer geometrik şekillerin ayırt edilmesinde kullanılan bir yazılım gösterilebilir. Bu dönemdeki başarılı sonuçlar akıllı bilgisayarların oluşturulabilmesi hakkında çok erken ve gerçekçi olmayan bir beklenti döneminin de başlangıcını oluşturmuştur.

Karanlık Dönem (1965-1970): Bu süreçteki donanımsal ve yazılımsal yetersizliklerin çok az olması ve bu şekilde yazılım üretilmesi, böyle bir dönemi ortaya çıkarmıştır. Bir önceki süreçte oluşturulan aceleci tutum ve aşırı iyimserlik, konuyla ilgili bilim adamlarını akıllı bilgisayarlar üretmenin çok basit bir işlem olduğuna inandırdı. Sonuç olarak bilgisayar uzmanları filozof türünde bir mekanizma geliştirmek için uğraştılar ve sadece dataları yükleyerek zeki bilgisayarlar yapabilmeyi amaçladılar. Bu dönem, bu nedenlerden dolayı karanlık bekleme dönemi özelliği taşır.

Rönesans Dönemi (1970-1975): Bu süreçte özellikle hastalık teşhisi gibi yazılımları geliştirilerek, halen günümüzde heyecan uyandıran sonuçlarını ortaya koymaya çalışan heyecanlı ve uzun bir maceranın temellerini oluşturdular.

Ortaklık Dönemi (1975-1980): Rönesans sürecinin hemen sonrasındaki bu süreçte yapay zekâ araştırıcıları, psikoloji, dil vb. farklı bilim dallarından da yararlanabileceklerini gördüler.

70’li yılar ana dilin anlaşılması, robot bilimi konuları, bilginin temsili gibi konularda yapay zekânın temelinin ortaya konulması ile yapay zekâda büyük bir başarı elde edilmiştir.

80'lerde kritik pratik çalışmalar ve sanayileşmiş ülkelerin buna paralel olarak, önemli bölümünde yüksek hedefleri olan çalışmalar tarafından araştırmaya yönelik çabalarda ciddi bir artış ile, ekonomik hayata yapay zekânın girişi ile uygulamalar çoğalır.

90’larda yapay zekâ temasıyla, zekâ ile özdeşleşmiş satranç ile duyulmaya başladı ve IBM firmasının geliştirdiği DeepBlue yazılımı, 1997 yılında dünya şampiyonu Garry Kasparov’u yendi.

2000’ler ile birlikte yapay zekâ sanatsal faaliyetlerde dâhi bulunmaya başlamış bilgisayarlara resim dahi çizdirilebilmeye başlanmıştır. Günümüzde artık her alana sirâyet etmiş olmak ile birlikte çok daha kaliteli sonuçlar aldığımız yapay zekâ uygulamaları bulunmaktadır.

2016’da ise DeepMind’in AlphaGo programı, 4. hamleden sonra olasılığı 14,5 trilyonun üzerinde olan bir oyun olan Go oyununda Lee Sodol’u yani dünya şampiyonunu yenmiştir.

2020’lerde şu anda bulunduğumuz bu girişimcilik sürecinin en önemli özelliği olarak yapay zekânın laboratuvar dışına çıkartılarak, günümüz dünyasının ihtiyaçlarına, isteklerine uygun bir şekilde uyarlama girişimleri bulunmaktadır. Birçok kütüphane ve metodun geniş kitlelere yayılması ile birlikte çok geniş kullanım alanlarının ortaya çıktığı görülmektedir.

2.4.2. Yapay Zekâ Teknolojileri

Yapay zekâyı 3 ana başlık altına toplamaya çalışırsak; ilk dalga 2000’lere kadar olan daha kısıtlı işlemciler ile yapılabilecek, daha kısıtlı bellek alanları kullanılarak daha uzun sürelere yayılmış eğitim süreçleri ile ve ilkel algoritmalar ile ilk yapay zeka sürecini genelleyebiliriz. Aslında olan internetin, bilgisayarın, teknolojinin yaygınlaşması ve bilginin yayılmasıydı ve bunu hayatın akışı içerisinde şu anda olanları fark edemediğimiz gibi fark etmek kolay değildi.

2000'li yıllarla bilgisayar teknolojileri yaygınlaşmaya ve gelişmeye devam etti. Bu gelişmeler ile daha fazla belleğe, daha yüksek işlem güçlerine ulaşmak artık kolay hâle geldi. Bu sayede yapay zeka algoritmaları, normal algoritmalardan sıyrılarak kendini ispatlamaya başladı. Bu süreçte birçok farklı yapay zekâ modelleri ortaya çıktı. Bu yapay zekâlar verilerden beslendiği için de günümüzde big data avcılığı başladı. Big datanız ve modeliniz ne kadar iyi ise başarınız model sonuçları bakımından o kadar artmaya başlar ve hatta insan ile kıyasladığımızda çok daha hızlı ve doğru şekilde sonuçları aktarır. Örneğin birçok benzer kedinin resimleri verilip eğitimler yapılarak bundan sonra yeni kedi resimleri gösterildiğinde kediye benzerliği oranında sonuçlara yüksek doğrulukta ulaşılabilmektedir. Peki bir kediyi neden eğittiğini, bu sonuca nasıl ulaştığını açıklayabilmekte veya sorgulayabilmekte mi? Anlam ve bağlam yapabilmekte midir? Yeni ortama adapte olabilecekler mi, insanlar olmadan kendilerini geliştirebilecekler mi? Yapay zekâ modelleri insan beyni ile aynı çalışıyor dememiz çok zor ancak bir bölümü benzer şekilde çalışıyor diyebiliriz. İşte 3. dalga bu şekilde sorgulayanlar tarafından hayat bulacak. Şekil 4’te yapay zekâ hareketleri gösterilmiştir. Birinci dalga yapay zekâ, klasik programlama ve çevresel birimlerden gelen girdilere göre çıktıların alınmasıdır. İkinci dalga yapay zekâya, zeki optimizasyon ve yapay zekâ algoritmalarının geliştirilmesi, derin öğrenme veya makine öğrenmesi örnek gösterilebilirken üçüncü dalga yapay zeka ise karar çıktısı üreten insansı düşünme ve çıkarım kâbiliyeti olan süper zeki algoritmalar olarak nitelendirilir.

Metacone

Yapay zekâ makine öğrenmesini hatta onun bir alt dalı olan derin öğrenmeyi içerir. Aralarında belirli farklar bulunur. Derin olmayan yani klasik 1. dalga makine öğrenmesi, insan müdahalelerine daha bağımlı öğrenme yöntemiydi. Uzmanlar, genellikle öğrenmek için farkları anlamaya yönelik özellik hiyerarşisi ile daha fazla yapılandırılmış veri gerektiren datalar arasındaki farkları anlamlandırmaktadır. Derin öğrenme ise bilinen etiketli veri kümelerinden faydalanarak, insan müdahalesini gerektirmeden, makine öğrenmesinin bir alt dalıdır. Derin öğrenme ve yapay zeka arasındaki farklar Tablo-1 deki gibi gösterilmiştir: (Microsoft)(AI);

Tablo 1 Derin Öğrenme ile Makine Öğrenmesi Arasındaki Farklar

Derin Öğrenme çok sayıda katmana sahip sinir ağlarını kullanır. Bunlar; FFNN, RNN, CNN, GAN vs.

FFNN, en basit sinir ağı türüdür. Bilgiler ağda giriş katmanından başlayarak çıkış katmanına sadece tek yönde iletilir. Her katman bir dizi nörondan oluşur ve tüm nöronlara tamamen bağlanır. Son katman ise tahminleri temsil eder.

RNN, yinelenen sinir ağı türüdür. RNN ağı katmanın çıktısını kaydeder ve giriş katmanına geri besleyerek sonucu tahmin edebilmeye çalışır.

CNN, kıvrımlı sinir ağı 3 boyutta düzenlenir. Bunlar; Yükseklik, genişlik ve derinliktir. Belli katmandaki nöronlar bir sonraki başka katmandaki nöronların hepsine değil belli bir bölgesine bağlanır. Derinlik süresince belirlenmiş tek bir olasılık puanı alarak çıkışı oluşturur.

GAN, Üretken saldırgan ağlar, resimler, videolar gibi gerçeğe yakın içerikler oluşturmak için eğitilen üretken modeldir. Ayrımcı ve oluşturucu diye adlandırılan iki farklı ağdan oluşmaktadır. Her ağ birlikte eğitilir. Eğitim süresince, gerçek verilere benzer yeni yapay veriler oluşturmak için rastgele kirlilik oluşturulur. Ayırıcı, çıkışını oluşturucudan giriş olarak alır ve oluşturulmuş verinin sahte mi ya da gerçek mi olduğunu belirtmek için gerçek verileri kullanmaktadır. Birbirleri ile rekabet ederek her ağ farklılaşır. Oluşturucu, gerçek içerikten ayırt edilemeyen yapay içerik oluşturmaya çalışır ve ayrımcı girişleri doğru bir şekilde gerçek veya yapay olarak sınıflandırmaya çalışır.

2015’li yıllardan sonra yeni devrimsel gelişmeler olmaktadır. GPT-3, DALL-E, gibi apiler ile yapay zekanın geleceği hakkında ipuçları vermektedir. (14)(Baker) Pekiştirmeli öğrenme ile karmaşık cisimlerin hareketini fiziksel temelli görevlerinde çok başarılı bir şekilde ilerleme kaydedildiği görülmektedir.

3. Yapay Zekada 3. Dalga

Dünya yapay zekâ ile dijital insanları tasarlamaya başlamaktadır. Soul Machines Human OS 2.0 işletim sistemini çıkararak yapay zekânın gerçek insanlarla etkileşimlerinden yeni şeyler öğrenmesini sağlayan bir ‘Otonom Animasyon Platformu’ oluşturmuş ve cevapları belli süzgeçlerden geçirerek dijital yapay zeka yapmaya çalışmaktadır. Asıl ilginç olan proje ise Baby X projesi’dir . Bu proje ile bebek tepkilerini vererek yapay zekâ ile birleştirip eğitilmesini sağlamaktadır. Karar mekanizması beynin bilinen yapısına çok benzer şekilde belli karar aşamalarından geçmektedir.

Baby X’i kullanırken

• Biyolojiden Esinlenilmiş Bilişsel Mimariler

• Sinirbilim

• Bilişsel bilim

• Gelişim Psikolojisi

• Bilişsel Dilbilim

• Duyuşsal Hesaplama

Birlikte, BabyX'in insan dünyasına bir köprü oluşturarak, ölçekli etkileşimler ve tepkiler sağlamak için beynin çeşitli modellerinin tezahür ettirmesini ve uygulamasını sağlamaktadır.

Baby X’in yüz ifadesi, bir beyin durumunu veya insan düşüncelerini yansıtır. Yüz davranışı, bilişsel, duygusal ve fizyolojik birçok faktörden etkilenir ve sonuç olarak BabyX, daha önce animasyon simülasyonunda ve geleneksel CGI'da denendiğinden çok daha fazla, son derece ayrıntılı, bütünsel ve biyolojik temelli bir yaklaşım sunar.Şekil-5 de örnek bir çalışma yapısı gösterilmiştir.

SoulMachines

Washington Üniversitesinden bilgisayar bilimcileri ve psikologları ile birlikte yürüttüğü Şekil-6 daki çalışma ile robotların tıpkı çocuklar gibi , keşif aracılığıyla bilgileri toplayarak, çocuğun veya bebeğin izleyerek o işin nasıl yapılacağını belirleyebilmesini göstermişlerdir. Çocukların öğrendiği, çevresini izleyerek öğrenebilen robotlar yapma yolundaki adımların başlangıcı olarak görülebilir.Örneğin kıyafetlerini katlamayı, bulaşıkları yıkamayı veya benzeri işleri robotlara veya benzeri sistemlere sadece göstermeniz yeterli olabilecektir. Bunun için robotların eylemleri anlamlandırabilmesine ve kendi başına yapabilmesine ihtiyacımız bulunmaktadır.

Başlangıçta ilk hedef olarak anlamak ve basit davranışları taklit etmeyi amaçlamıştır. İleride bu modellerin geliştirilerek daha karmaşık ve özel görevleri öğrenebilmesine yardımcı olacaktır. Meltzoff’a göre “Bebekler başkalarını izleyerek, çok iyi gözlemler yaparak ve oyunlar oynayarak öğreniyorlar. Neden robotları da bu şekilde öğrenebilecek gibi tasarlamayalım ki?

3.1. Kaos

Kaos Teorisi: “doğal olarak hesaplanamayan” sistemlerin bir sonraki adımını tahmin edebilme bilimi olarak adlandırılır ve anlamı gereği bile içinde karmaşıklık içerir. Bir kaos olarak; örneğin meteorolojinin hava durumu tahmininden ve asteroitlerin yörüngelerinin hesaplanması gibi çeşitli doğal sistemlerin karışık işleyişine açılan farklı bir durumdan, basitçe düzenlenmiş yapıları çıkarım sağlayan matematik içeren bir araç kümesidir.

Edward Lorenz (matematikçi), 1960’lı yıllarda, MIT’de meteorolog olarak çalışırken, sistemin başlangıç koşullarındaki çok ufak farklılıklar sistemin sonuçlarında öngörülemez ve önemli farklılıkların olduğu sonuçlar doğuracağını göstermiştir. Bu şekilde konveksiyonel sistemler de (hava tahmini, meteoroloji) kaotikliği bulmuştur. (12)(Çağrı)

Lorenz örnek olarak havanın ısı değişimini belirlemek için, birinci dereceden üç farklı diferansiyel denklemden oluşan hesapları ortaya koymuştur.

Dx /dt=-a*x+a*y

Dy /dt=b*x-y -z*x

Dz /dt=-c*z+x*y

Biyolog olan (11) (Robert May), 1975’ lerde ise Kaos Kuramı’nın biyoloji için de var olabileceğini göstermiştir. Bir sistemdeki belirli koşullar altında biyolojik popülasyonun zamana göre sayısını incelediğinde kaotikliğin nasıl meydana geldiğini belirlemiştir. Bu çalışmalar, iterasyon grafikleriyle ve lojistik denklemlerle açıklanmıştır.

İşte bu girdilerdeki en ufak değişiklikler bizi birbirimizden ayıran özellikleri oluşturmaktadır. Bu şekilde bireylerin girdilerine kaos denklemini uygulayarak, çok benzer eğitimlerden, çok farklı sonuçlar çıkarmaktadır. Bu da bize çeşitliliği sağlamaktadır.

3.2. Evrim

Evrimsel algoritma, biyolojik evrimden esinlenerek mutasyon, Evrimsel algoritma, biyolojik evrimden esinlenerek mutasyon, genetik, üreme, doğal seçilime ve rekombinasyon benzer şekilde iyi ve güçlü olanın hayatta kaldığı mekanizmaları kullanır. Optimizasyon problemlerinin benzer çözümleri bir popülasyondaki bireyleri karakterize eder ve seçilim değeri fonksiyonları sonuçların içinde "yaşadığı" ortamı belirler (13)(Chen).

Evrimin dezavantajı, milyonlarca denemenin yapılması ve sürenin çok uzun sürmesi, evrimi pratiğe dökerken bazı problemler ortaya çıkarmaktadır. Fakat insan gelene kadar evrimi neden işletelim ki? bizim bu noktadan sonra insanın üstüne ekleyecek bir evrimi işletmemiz gerekir. Yani bir noktaya kadar evrimi hazır oluşturarak önden yüklemeli bir evrim oluşturmaktayız.

Ayrıca yüzlerce birey oluşturarak her bir bireyin kendine has özelliklerinin olmasını sağlayarak, eleme mekanizmasını kullanarak evrim teorisini yapay zekâda uygulamaya başladık. Kalıtım sağlayarak istenildiğinde önden yüklemeli olarak belli özelliklerin sağlanması mümkün olabilmektedir.

3.3. Metacone (MTCN)

Metacone kaosu, evrimi ve genetiği yapay zekâya uygulayarak, bunu oyunlaştırarak dijital bir beyin yapma hedefindedir. Aslında insan beyni şu an ki yazılımlardan çok daha iyi algılama kapasitesine sahip değil, ayrıca hiçbir yazılım kadar devamlılığı sağlayamaz. Kusurları ve eksiklikleri olan bir yapıdır. Ama şu anki hiçbir yapay zeka yazılımı da insani değerleri taşıyamamaktadır.

Örneğin bir insanı plaka okumak için aylarca gişe başına koyamazsınız; insan olmasından kaynaklı ihtiyaçları bulunmaktadır. Ama bir bilgisayar yıllarca ara vermeden çalışabilir. Bir insan yüksek çözünürlüklü milyonlarca fotoğraftan küçük ayrıntıların farkına her zaman varamaz, yorulur veya göz hassasiyeti, fotoğrafı büyütmeden belli piksellerin altında algılayamaz, göz kapasitesinin belli sınırları vardır. Bu nedenle insan hataya açıktır ve eksiklikleri mevcuttur. Biz de bu konsept ile hataya açık, kapasitesi sınırlı bir beyin tasarlıyoruz.

Makalede daha önce bahsettiğimiz gibi gerçek bir beyin tasarlamak için süper bilgisayarlara ihtiyaç vardır. Fakat gerçek beyni, gerçekte olduğu şekilde çalışmasının gerek olmadığını düşünüyoruz. Yazılım teknikleri ile bir beynin bağlanma sayısını, bağlılığını tıpkı o beynin çalıştığı gibi programlamak, beyinden çok daha efektif bir şekilde hatta çok daha az veri ile aynı görevi yaptırabiliriz. Ayrıca gerçek beyinde mekanik bağlantılar, elektriksel iletim ile yapılmaktadır. Fakat bu gerçek bağlantılara yazılımda gerek yoktur. Çok daha kolay bir şekilde ve çok daha gecikme olmadan nöronun impuls için gerekli 2ms gecikme tepkisini oluşturmaya gerek yoktur. Zamansal durumları çok daha farklı bir şekilde oluşturabiliriz. Ayrıca bir sonraki kanalda yüzlerce nöron üzerinden geçme süresi de düşünüldüğünde, yazılım teknikleri ile ve çoklu işlemcilerin yetenekleri sayesinde çok hızlı tepki süreleri verebilmektedir.

Blockchain gibi benzer dünya çapında ağlar oluşturarak dünya boyutundaki bir beynin neler yapabileceği insanlığı heyecanlandıracaktır. MTCN altyapısını bağımsız bilgisayarların birbirleri ile çalışabilmesini sağlayarak Metacone 3. dalga yapay zekâya odaklanarak etiketli yüksek sayıda eğitim verisi ile model oluşturmak yerine, bir çocuğun hatta bebeğin nasıl öğrendiğine daha benzer bir yöntem ile kendi algoritmaları sayesinde öğrenme yeteneğine sahip olmaya odaklanacaktır. Yalnızca büyük veri kümelerine bağlılığı minimize etmekle kalmayarak, yanlış eğitim verisi sorunlarını da giderecektir. Bilgisayar teknolojilerinin gelişimi bu alanda yeni gelişmeler için ortam sağlayacak ve Metacone' nun gelişimine önemli faydaları olacaktır.

metacone

Metacone bir yapay zekâya, hiçbir dil yüklemeden bir bebeğin herhangi bir dilde anne demeyi öğrenmesi gibi konuşmayı öğretmeyi sağlayarak, hatta Şekil-7 deki gibi matematiksel olarak çok kısıtlı veri ile aynı ilk okuldaki bir çocuğun öğrenme eğrisi ile öğretebilmiştir. Tüm bunları yaparken yapay zekâ algoritmalarını amaç olarak değil araç olarak kullanmıştır. Kendi algoritmamızı geliştirerek Süper zekâya giden yolda 3. dalga hareketini başlatmak istemektedir.

MTCN günümüz yapay zeka teknolojilerinden birçok bakımdan ayrılmaktadır. Referanslama yeteneği, rastgelelilik, eğiticinin öğretme karakteristiği, düşünerek kendini geliştirme, duygusal zekânın gelişerek yüksek sezgisellik özelliği ve diğer yapay zekâların sonuçlarının girdi olarak girilebilmesi en büyük ayırt edici özelliğidir. Bu sistem, sürekli gelişen bir sistemdir.

Tablo 2 Makine Öğrenmesi, Derin Öğrenme ve MTCN farkları

4. Sonuç

3. dalga yapay zekâ, dijital insan yaratmak ise insanın nasıl bu sürece geldiği incelenmelidir. Evrim ve kaos bu konuların dışında olamaz. Bir çocuğun doğduğu andaki temel özellikleri incelendiğinde çocuğun doğuştan gelen evrimsel yetenekleri, çeşitliliği, kaotikliliği göz ardı edilmemesi gerekmektedir. Yapay zekâdaki eksiklik bu içgüdüsel olarak gelen özelliklerin oluşturulamamış olmasıdır. Bu nedenle bazı özelliklerin ya evrimsel olarak oluşmasını bekleyeceğiz ya da başta yükleyeceğiz. Bu konuda yaptığımız çalışmalar METACONE ismi ile uygulamanın bu alanda yeni bir devrin başlangıcı olduğunu düşünüyoruz. Klasik yapay zekâları kontrol edecek üst algoritma ile evrimi ve kaosu birleştirerek bir bebek gibi öğrenebilen big dataya ihtiyaç duymayan, anlık öğrenebilen etrafındakilerin ne olduğu çıkarımını yapabilen bir tür Genel/Süper zekâ inşa etmekteyiz.

5. KAYNAK

1-) Acar, E. (2006) Ölümlülük, Ölümsüzlük ve Yapay Zeka. İstanbul: Alt kitap.

2-) Aysever, R. L., 2001, Makine ve Zeka, Tübitak Bilim ve Teknik Dergisi, Haziran, s.62-67.

3-) Baştan, S., 2003, Yapay Zeka, Yeni İletişim Teknolojileri ve Örgütsel Değişim: Akıllı Örgüte Doğru, Yönetim ve Ekonomi: Celal Bayar Üniversitesi İktisadi ve İdari Bilimler Fakültesi Dergisi, 10 (1), 187-203.

4-) Çiğdem Dürüşken, 2014 Antikçağ Felsefesi: Homeros’tan Augustinus’a Bir Düşünce Serüveni, Ed. Begüm Çiçekçi, İstanbul, Alfa Basım Yayın, s. 19.

5-) Fırat, S. Ü. ve Fırat, O. Z., 2017, Sanayi 4.0 Devrimi Üzerine Karşılaştırmalı Bir İnceleme: Kavramlar, Küresel Gelişmeler ve Türkiye, Toprak İşveren Dergisi (114), s.10-23.

6-) Köroglu, Y., 2017, Yapay Zeka’nın Teorik ve Pratik Sınırları.

7-) Özdemir, Ş., 2014, Sanayi Devriminin Bilim Tarihi Üzerindeki Etkisi: Bilim ve Teknoloji İç İçe.

8-) Sakınç, M. 2015, "Beynin ve aklın evrimi." Bilim ve Gelecek Dergisi, s32-s37.

9-) Beyin ve Bilinç Evrimi, T. Erhan Coşan, Beyin Farkındalığı Özel Sayısı/ Brain Awarene.

10-) Jonathan Borwein (Jon), Michael Rose, Explainer: what is Chaos Theory? https://theconversation.com/explainer-what-is-chaos-theory-10620

11-) Bishop, Robert, "Chaos", The Stanford Encyclopedia of Philosophy (Spring 2017 Edition), Edward N. Zalta (ed.), URL = .

12-) Çağrı Mert Bakırcı, Evrim ağacı https://evrimagaci.org/kaos-teorisi-nedir-dogadaki-kaostan-soz-ederken-neyi-kastediyoruz-8198

13-) AutoML-Zero: Evolving Machine Learning Algorithms From Scratch Esteban Real*1 Chen Liang*1 David R. So1 Quoc V. Le1

14-) EMERGENT TOOL USE FROM MULTI-AGENT AUTOCURRICULA Published as a conference paper at ICLR 2020 Bowen Baker∗ OpenAI / Ingmar Kanitscheider∗ OpenAI / Todor Markov∗ OpenAI / Yi Wu∗ OpenAI / Glenn Powell∗ OpenAI / Bob McGrew∗ OpenAI / Igor Mordatch∗† Google Brain

15-) (Jennifer Langston)(Çeviren Mert Özel) -https://evrimagaci.org/insan-bebeklerinden-ilham-alan-algoritmalar-robotlarin-ogrenme-becerilerine-guc-katiyor-4803 -https://www.washington.edu/news/2015/12/01/uw-roboticists-learn-to-teach-robots-from-babies/

(*0) Yalçınkaya, Y., 2010, Bilginin farkındalık ve farklılığında organizasyonların gelecek alanı: İnovasyon, Türk Kütüphaneciliği, 24 (3), s.373-403.

(*1) Hesiodos: İşler ve Günler – Tanrıların Doğuşu, Çev. Furkan Akderin,

İstanbul, Say Yayınları, 2014

(*2) Jaeger, Werner: İlk Yunan Filozoflarında Tanrı Düşüncesi, Çev. Güneş Ayas,

İstanbul, İthaki Yayınları, 2011

(*3) Erhat, Azra: Mitoloji Sözlüğü, İstanbul, Remzi Kitabevi, Yirmi İkinci

Basım, Ekim 2014