Garry Kasparov ile Yapay Zeka ve Otomasyon Üzerine

Yapay zekanın ve akıllı makinelerin insanları işsiz bırakacağı ve ekonomiyi kökünden sarsacağı senaryosu, aşağı yukarı elli senedir dinlediğimiz bir hikaye. Bu elli senenin önemli bir kısmı boyunca bu senaryo kimileri için bilimkurgu, kimileri içinse “oldu/olacak” şeklinde, pratikte görünür önemli bir karşılığı olmadan kaldı.

Eğer teknoloji haberlerini takip ediyorsanız, son birkaç yılda bu durumun biraz değişmeye başladığını fark etmişsinizdir. Özellikle 2012’den beri geliştirilen yeni yöntemler ve bunların son 10 senede toplanılan devasa boyuttaki veri ile bir araya getirilmesi, “gerçekten akıllı makineler” konseptini bilimkurgu olmaktan çıkarıp belki de ilk defa, ciddi bir meseleye dönüştürüyor. Peki, bu noktaya nasıl gelindi? 2012’den beri yaşanan gelişmelerin, geçen asrın gelişmelerinden farkı ne? Yoksa şu an konuya duyulan ilgi de, yapay zekanın popülerlik kazandığı daha önceki dönemlerde de olduğu gibi, şişirilmiş ve yakında sönecek bir heyecandan mı ibaret?

2019'un Ocak ayında (26-29 Ocak), bu sürecin gelişimini ve yukarıdaki soruların cevaplarını, beklenmedik bir isimden, bir satranç efsanesinden duyma şansına eriştik. İsviçre’deki Lozan Federal Teknoloji Enstitüsü’nde (EPFL) düzenlenen Uygulamalı Makine Öğrenimi Günleri’nin bir akşamı, Garry Kasparov ile Özel Bir Gece isimli etkinliğe ayrılmıştı.

Applied Machine Learning Days

Hafızaları tazeleyelim: Kasparov’un -bol bol bilet satacak popüler bir isim olmanın yanında- bu etkinlikte ne işi vardı? Evet, 1997’de IBM tarafından geliştirilen Deep Blue bilgisayarı tarafından alt edildi. Evet, bunu yaşayan ilk dünya satranç şampiyonuydu. Evet, bu olaydan sonra, satranç kariyeri bir daha eskisi gibi bir görkeme ulaşamamıştı. Peki bu hikayenin önemi nedir? Kasparov’un deneyimleri, satranç hakkındaki bilgisi, bize yapay zeka ve onun etkileyeceği bir gelecek hakkında kayda değer bir öngörü verebilir mi? Bu sorunun cevabı herkesin kendi takdirine kalmış. Biz, aşağıda, Kasparov’un konuşmasından öne çıkan temaları sizin için derlemeye ve kilit argümanlarını, kendi düşüncelerimizi de katarak sunmaya çalıştık.

İnsan-Makine Etkileşiminin "Altın Çağı"

Etkinlik akşamı gecikmeli bir şekilde sahneye çıkan Garry Kasparov, pek çok kişinin beklediğinden oldukça farklı bir insandı. Seyircilerin çoğu, karşısında ciddi, ağırbaşlı ve hafiften “inek” mizaçlı birini bekliyordu. Tabii bu normaldi, bizim onu tanıdığımız fotoğrafları çoğunlukla Deep Blue tarafından alt edilmeden önceki -zayıf ve genç olduğu- dönemdendi. Sahnedeki esprili ve karizmatik Kasparov, o günleri özlemle anıyordu.

Düzinelerce bilgisayar ile aynı anda oynayıp, hepsini alt edebildiğim günler... İnsan-makine etkileşiminin altın çağıydı. Makineler zayıftı ve benim saçlarım gürdü.

Bunu söylerken 1985’te Hamburg’da düzenlenen bir etkinlikten -o zamanın dünya şampiyonu olan Anatoly Karpov’u yenerek onun ünvanını devralmasından birkaç ay öncesinden- bahsediyordu. Bu etkinlikte Kasparov, otuz iki bilgisayar ile paralel olarak oynamış ve hepsini alt etmişti.

Bunda şaşılacak bir şey yoktu... Eğer hepsini alt edemeseydim, esas o zaman insanlar bunun bir şaka olduğunu zannedeceklerdi.

Hun on Chess

On iki sene sonra ise, Kasparov’u yenmek için Deep Blue adlı tek bir bilgisayar yeterli olacaktı.

Bir bilgisayarın Dünya Satranç Şampiyonunu ilk defa alt ettiği günün, en azından 2019’dan bakınca, pek bir önemi bulunmuyor. Kasparov yenildikten sonra robotlar dünyayı ele geçirmedi, ya da süperbilgisayarları şirketlerin başına atamaya başlamadık. Dürüst olmak gerekirse, o zamanın en etkileyici robotlarından biri olan ASIMO hala karton kutularla örtülmüş 12 yaşındaki bir çocuk gibi hareket ediyordu ve bilgisayarların insanlarla anlamlı diyaloglar kurmasına bile daha yıllar vardı.

Bu biraz enteresan, çünkü tarih boyunca satranç, insan aklının ve yaratıcılığının en ileri noktalarından biri olarak görüldü. Bilgisayar biliminin “kurucu babaları” olan Alan Turing, Alfred Binet, Claude Shannon, Norbert Weiner gibi biliminsanları da bu düşünceyi paylaşıyorlardı. Bu isimler, satrancı makine zekası için çok önemli, hatta belki de belirleyici bir test olarak görüyorlardı. Hatta Alfred Binet, satranç oyuncularının beyinlerini inceleyerek insan zekasının sırlarını çözebileceğini düşünecek kadar ileri gitmişti. Onlar için, ne zaman bir makine satrançta bir insanı yenebilirse, o zaman insanlar ile aynı seviyede bir zekadan söz edilebilirdi.

Bilim insanlarının o günlerin bilgisi ve öngörüsüyle böyle düşünmeleri anlaşılabilir. Söz gelimi, Claude Shannon’un hesabına göre, satrançta on üzeri kırk altı farklı hamle bulunuyordu. Bu kadar fazla olasılığa sahip olan bir oyunu, bir makinenin, tüm olasılıkların tüm sonuçlarını tek tek hesaplayarak (bir başka deyişle, “kaba kuvvet” kullanarak) oynamasının mümkün olmadığını düşündüler. Shannon, bilgisayarları bu özelliklerine göre ikiye ayırmıştı: Kaba kuvvet kullanan, sadece basit algoritmalara ve hesaplama kapasitesine dayanan (pratik) bilgisayarlara Tip A bilgisayarlar; beyin gibi çalışan, mantıksal olarak insan gibi düşünen (hipotetik) bilgisayarlara Tip B bilgisayarlar demişti. Satrançta insanı alt edecek bilgisayar Tip B olmalı, zeki olmalı, insanın düşünme tarzını taklit etmeliydi.

The Atlantic

Yarım yüzyıl sonra, bilgisayar biliminin heyecanla beklediği o an geldi. Kasparov ile IBM’in bilgisayarı Deep Blue, 11 Mayıs 1997 günü karşı karşıya geldiler. Kasparov, “sadece tarihsel doğruluk sebebiyle,” bu maçın rövanş maçı olduğunu ve ilk oyunu kendisinin kazandığını vurguluyor. Aynı zamanda, maçın bazı açılardan sıkıntı olduğunu iddia ediyor.

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

En önemli sorun, Deep Blue’nun birkaç defa çökmüş olması. Bilgisayarı yeniden başlattığınızda eski durumu döndürmeniz mümkün değil. Makinenin kendi oyununu oynadığından tamamen emin olmak için, kesintisiz bir hamleler dizisine sahip olmanız lazım.

Bunun yanında, kendi hataları olduğunu da inkar etmiyor.

Rahattım, maçı ciddiye almıyordum, iyi hazırlanmamıştım. IBM araştırmacılarının [1996’da Kasparov’un galibiyetiyle sonuçlanan ilk maçtan sonra] bu kadar kayda değer iyileştirmelerle gelmelerini beklemiyordum.

Maçın sonucunu artık tarihi bir olay olarak hepimiz biliyoruz: Altı oyunun ikisi Deep Blue’nun, biri Kasparov’un galibiyetiyle sonuçlandı, diğerleri berabere bitti. Böylece, Deep Blue bir Dünya Satranç Şampiyonunu yenen ilk makine olmayı başardı.

Peki bilgisayar biliminin yukarıda bahsettiğimiz kurucuları haklı ise neden 2019’da, satrançta dünya şampiyonunun alt edilmesinden yirmi yıl sonra bile, zeki makinelerin zihinsel becerileri hala bu kadar kısıtlı? Bu, 1950’lerde konu ile ilgili ortaya atılan düşüncelerde -özellikle Shannon’ın Tip A/B bilgisayarlar üzerine düşüncelerinde- yanılgılar olduğunu göstermektedir. Öncelikle, Kasparov’u yenen Deep Blue, Shannon’ın beklediği gibi, insan gibi düşünen bir Tip B bilgisayar değildi. Tam tersine, doğrudan kaba kuvvet kullanıyordu. Deep Blue, oyundaki durumları ve yapılabilecek muhtemel hamleleri, bir ağaç olarak ifade edip, alfa-beta budaması adlı görece basit bir arama algoritması ile yapılabilecek en optimum hamleleri yapıyordu. Diğer bilgisayarlardan en büyük farkı, özel bir amaçla üretilmesi ve onlardan çok daha fazla hesaplama gücüne sahip olmasıydı. Bunun yarattığı avantajı görebilirsiniz: Bilgisayarın ne kadar fazla hafızası ya da işlem gücü varsa, o kadar çok sayıda hamleyi dikkate almak, ağaçta o kadar derine gitmek (bir başka deyişle oyunda o kadar ilerisini görmek) mümkün olacaktır.

“İşte buydu,” diye dalga geçiyor Kasparov, Deep Blue ile arasındaki maçın uyandırdığı yankıyı hatırlarken. "Yapay zekanın şafağı! Alan Turing’in, Claude Shannon’ın, Norbert Weiner’in, tüm kurucu babaların hayalini kurduğu an! Ve... Bu yapay zeka değildi. Aptaldı. Olsa olsa çalar saatiniz kadar zekiydi. Sadece daha büyük ve daha pahalıydı, ama zeki değildi. Zeki olması da gerekmiyordu. Tek yapması gereken, insandan daha az hata yapmaktı."

Kasparov, yirminci yüzyılın ortasında bilgisayar bilimi henüz emeklerken, bilim insanlarının satrancın zorluğunu bu kadar abartmasını; şu anda elimizde olan terabaytlarca hafıza ve hesaplama gücünü beklememelerine bağlıyor. Shannon ve diğerleri, bugün Moore Yasası olarak bildiğimiz, bir çipte birim alana düşen hesaplama gücünün her sene ikiye katlandığı gerçeğinden bihaberdiler. Kasparov şöyle söylüyor:

Kurucu babalar, bu dahiler, çok temel bir yanılgıya düştüler. Makinelerin, satrançta üstün gelmeleri için, insan düşünce tarzını taklit etmeleri gerektiğini düşündüler. Hataları burada: Makineler, insanlarla aynı algoritmayı izlemeden de belli becerilerde onlardan daha başarılı olabilirler.

Bu, teknolojinin tarihinde ilk defa gördüğümüz bir şey de değil.

Uçaklar kanatlarını çırpmadan ama yeryüzündeki her kuştan daha hızlı uçabiliyor. Tekerlek diye bir şeyin doğada karşılığı bile yok... Biz insanlar, makinelerin mükemmel olmalarını bekliyoruz. Bunu beklememeliyiz, çünkü doğada mükemmel diye bir şey yoktur. Makinelerin tek yapmaları gereken, daha iyi olmak.

Şunun farkına vardık ki, bir makinenin Go’da, pokerde, StarCraft’ta, DOTA’da, satrançta insandan daha başarılı olması için mükemmel olması gerekmiyor. İnsanlardan daha az hata yapması yeterli. Biz insanız, en iyilerimiz bile hata yapar. Makineler, nihayetinde bizden daha az hata yaparak bizim önümüze geçebilirler, geçecekler. Bu, makine oyunu ‘çözdüğü’ için olmayacak. Çünkü makinenin, ne yaptığını anlaması gerekmiyor. Önemli olan tek şey, sonuçlar.

Garry Kasparov, bu cümleleri ile sadece satrancı değil, aynı zamanda insan zekasını da çıkarıldığı doğa-üstü seviyeden indirerek; tartışmayı dünyevi bir düzeye çekiyor. Bunun yanında, bizim de Evrim Ağacı’nda sıklıkla vurguladığımız bir noktaya parmak basıyor: Bizler, insan zekasının biricik ve özel olduğuna inanmayı çok seviyoruz; çünkü bildiğimiz kadarı ile, bütün evrende doğayı bu kadar başarılı bir şekilde kontrol altına alabilen, evrenin işleyişi hakkında bu düzeyde bir anlayışa sahip olan, tüm gezegene yayılan karmaşık ve birleşik bir toplum oluşturabilen tek varlık biziz. Bütün bunları sağlayan özelliklerimizin başında da problem çözme yeteneklerimiz geliyor. Ancak bazen unutuyoruz ki problem çözme becerilerimiz, tıpkı diğer pek çok psikolojik mekanizmamız gibi, türümüzün evrimsel süreçte karşılaştığı sorunların üstesinden gelmesini sağlayan adaptasyonlardır. Bu adaptasyonlar, insan türünün evrimsel tarihine göre şekillenmiş mekanizmalardır. Problem çözme mekanizmalarımızın benzersiz ve eşsiz olduğunu (ya da olmaları gerektiğini) söyleyemeyiz; beynimizin tam olarak nasıl çalıştığını anlamadan önce pek çok problemi başarıyla çözebilen bilgisayar programları yazabilmemiz de bunun kanıtı. İnsanın satranç oynaması, ya da kutuları büyükten küçüğe sıralaması, ya da belli görevleri en hızlı tamamlanacak şekilde belli kişilere dağıtması... Bizim bu problemleri çözme yöntemimiz, onların çözülebilecekleri binlerce yoldan sadece biri.

İnsan zekasının en önemli yetilerinden birisi -özellikle günümüzdeki bilgisayar teknolojisine kıyasla- daha önce hiç karşılaşmadığı durumlara başarıyla uyum sağlayabilmesidir. (Atalarımızın evrimsel süreçte muhtemelen her gün yeni, beklenmedik bir durumla karşılaştığını varsayarsak, böyle esnek bir bilgi işleme mekanizmasının evrimleşmiş olması şaşırtıcı sayılmaz, değil mi?) Satranç oynayabilmemizin sebebi de aslında bu. Beynimizde, satranç oynamamızı sağlayan özelleşmiş bir mekanizma yok. Satranç, evrimsel süreçte karşımıza çıkan, çözmek üzere adaptasyonlar geliştirdiğimiz problemlerden biri değil, ama yine de insanlar bu kadar karmaşık bir oyunu öğrenip oynayabiliyorlar.

O zaman, bir insan ile bir makinenin satrancı oynama stilleri arasındaki fark nedir? Deep Blue’nun satrancı nasıl oynadığından bahsetmiştik: IBM’in bilgisayarı, olasılıkların ve hamlelerin bir “ağacını” çıkarıyor, bu ağaçta mümkün olduğunca geniş ve derin bir tarama yapıyor ve en uygun hamleyi seçiyor. Burada, ağaçta taranan milyonlarca hamleden bahsediyoruz. Büyük usta olmayan, ayda-yılda bir satranç oynayan normal bir insan ise 4-5 hamleden ötesini nadiren görmeye çalışır. Kararlarının pek çoğunu sezgi ile tecrübenin karışımı ile verir: “Veziri korumaya çalış, şahı açıkta bırakma, mümkünse kendi kalenle rakibin atını takas etme, baştan piyonları ilerletedur ki oyunun sonlarında işine yarasınlar, ama yalnız da bırakma çünkü piyonlar kolay lokma olabilecek taşlar, rakibin böyle bir açılış yapıyorsa şunu yaparsan açılışını bozabilirsin...” Eğer görece sofistike bir stratejiyi uyguluyorsak dahi, bu stratejiyi hamle hamle planlamaktan çok, adım adım gerçekleştirmeye çalışırız. Satrançta her duruma yapılabilecek yüzlerce hamleden ve her hamleye rakibin verebileceği yüzlerce cevaptan oluşan devasa durum uzayında yolumuzu bulmak için tek seçeneğimiz budur. Daha tecrübeli oyuncular bundan fazlasını yapabilse de, bir büyük usta bile ileriyi görme konusunda Deep Blue’nun performansına yaklaşamaz.

İşte bu yüzden Kasparov, Deep Blue’ya karşı kaybettiği rövanş maçının pek çok açıdan tartışmalı olduğunu düşünmesine rağmen, nihayetinde bunun hiçbir önemi olmadığını şu sözlerle ifade ediyor:

Sonuç değişiyor mu? Hayır. İnsan-makine mücadelesinin sonucu zaten belliydi.

Eğer Kasparov 1997’deki rövanş maçını kaybetmeseydi, 1998’de bir başka maçı kaybedecekti. Ya da 1999’da. Ya da 2005’te, 2015’te... Sonuçta, daha önce de dediği gibi, hesaplama gücündeki artış sayesinde makinelerin herhangi bir oyunda ya da herhangi bir görevde insanlardan daha başarılı olması kaçınılmazdır.

Agora Bilim Pazarı

Yapı Dinamiği Teori ve Deprem Mühendisliği Uygulamalar

• Boyut: 16 ,5 x 24,5
• Sayfa Sayısı: 944
• Basım: 4
• ISBN No: 9781234567897

Devamını Göster

₺780.00

Satın Al Tüm Ürünler

• Dış Sitelerde Paylaş

“Satrançtaki bu döngüyü her yerde görüyoruz. Makineler için zorlu görünen bir göreve bakıyorsunuz, ve diyorsunuz ki: ‘Bu imkansız.’ İlk başta makineler gülünecek derecede beceriksiz oluyorlar. Sonra, insan ile makinenin kapışabileceği bir fırsat penceresi oluyor, çok küçük bir pencere. Bu noktadan sonra ise makineler sonsuza kadar insanlardan daha iyi olacaktır.”

Applied Machine Learning Days (EPFL)

Yapay Öğrenme

Deep Blue’nun Kasparov’u yendiği 1997 yılı ile günümüzün yapay zeka programlarının en büyük farkı: Veri. 2012 senesinden sonra, yapay zekanın kollarından biri olan Yapay Öğrenme (Makine Öğrenimi – İngilizce’de Machine Learning) disiplini büyük bir dönüşüm geçirdi. Son altı-yedi yıldır duyduğumuz gelişmelerin pek çoğunun arkasında, bilgisayar biliminin ilk günlerinde ortaya atılan, “antik” denebilecek kadar eski bir fikrin, yapay sinir ağlarının olduğunu söyleyebiliriz.

Pek çok Yapay Öğrenme tekniğinin arkasında basit bir mantık yatar: Bilgisayara girdi olarak örnekler gösterilir, (örneğin, elma ve armut resimleri) bu örneklere vermesi gereken çıktılar belirtilir, (elmalara “elma” de, armutlara “armut” de) ve ardından belli bir optimizasyon yöntemi ile programın girdiler ile istenilen çıktılar arasındaki bağlantıyı bulması, yani “eğitimi” sağlanır. Bu disiplinin tarihinin çoğu boyunca yapay sinir ağları, iyi bir fikir olmalarına rağmen, pratik bir yöntem olarak görülmedi: Karmaşıklıklarından dolayı eğitilmeleri çok uzun sürüyordu ve buldukları bağlantılar genellenebilirlikten uzak, kendilerine sunulan örneklerle sınırlı oluyordu.

Günümüzde ise yapay sinir ağlarının bu dezavantajları çoğunlukla giderilmiş durumda: Standart kişisel bilgisayarlar bile büyük sinir ağlarını kabul edilebilir sürelerde eğitebilecek kadar hızlı bir donanıma sahip. Ama belki de daha önemlisi, araştırmacılar ve şirketler yirmi-otuz sene önce olduğundan çok daha fazla veri toplama imkanına sahipler. (Doğru bildiniz: İnternet ve sosyal medya aracılığıyla.) Daha fazla veri de, eğitim sırasında daha fazla çeşitlilik ve daha genellenebilir sonuçlar demek.

Kısacası, günümüzde makinelerin insanlar tarafından yapılan pek çok beceride hızla daha iyi performans sergilemesinin altında yatan temel faktör, elimizin altında onları eğitmek için kullanılabilecek çok büyük bir veri yığınının olması. Yapay Öğrenme yöntemlerinin, Deep Blue’nun ağaç taramasına kıyasla daha insan-benzeri olduğu söylenebilir.

Ama bu, Garry Kasparov’u etkilemeye yetmiyor:

Bugün kullandıklarımız hala Tip A makineler. Yine çoğunlukla kaba kuvvet kullanıyorlar – ‘optimizasyon’ adı altında. Bu makineler, insan tarafından yaratılan veriyi kullanarak daha başarılı oluyorlar. Ama insanların görmeyi bekledikleri, çok daha büyük bir dönüşüm. Sanırım, AlphaGo ile de bu dönüşümün ilk işaretlerini görmeye başlıyoruz.

Kasparov’un bahsettiği AlphaGo’yu birkaç sene öncesinin haberlerinden hatırlayabilirsiniz: Google’ın altındaki DeepMind şirketi tarafından geliştirilen bu Go programı, 2016’da efsane Go oyuncusu Lee Sedol’u mağlup ederek büyük yankı uyandırmış; bu olay Deep Blue’nun Kasparov’u yenmesine benzetilmişti. Kasparov, DeepMind’ın çalışma alanı olarak Go’yu seçmesinin sebebini şu şekilde açıklıyor:

Go, satrançtan çok daha karmaşık bir oyun. Daha ilk hamleden itibaren çok daha fazla seçeneğiniz var. Satrançta işe yarayan görece basit algoritmalar Go’da işe yaramıyor.

AlphaGo, bunun yerine, Yapay Öğrenme yöntemlerini kullanıyordu. Program, insan oyuncuların oynadığı oyunların kayıtlarından oluşan, yaklaşık 30 milyon hamlelik bir veri tabanı ile eğitilmişti. Kasparov şöyle söylüyor:

AlphaGo, 2016’da dünyanın en iyi ve en iyi ikinci Go oyuncularını alt etti. Gerçekten tarihi bir zaferdi.

AlphaGo’nun Lee Sedol’ü yenmesi, halk arasında Deep Blue’nun Garry Kasparov’u yenmesi kadar ses getirmedi belki, ama aslında teknoloji tarihi açısından çok daha önemli bir olaydı. Deep Blue’nun zaferinin altında fazla bir etkileyiciliği olmayan basit arama yöntemleri yatarken, Go’nun karmaşıklığından dolayı AlphaGo böyle numaraları kullanamazdı. Go’da bir dünya şampiyonunun makineye yenilmesi, Kasparov’un da dediği gibi, bir şeylerin değiştiğine işaret ediyordu.

Ama AlphaGo’nun hikayesi burada bitmiyor:

AlphaGo, insan Go oyuncularının oyunları ile eğitilmişti. Maçtan sonra, DeepMind ekibinin aklına bir fikir geldi: ‘Neden insan müdahalesi olmadan kendi kendini geliştirebilen bir program yapmıyoruz? Aynı algoritma, aynı yöntem kullanılsın, ancak makine sadece kuralları bilsin. Geri kalan her şeyi kendisi öğrensin.’

Ve bu fikri test etmek için yeni bir program geliştirildi. Şirketin AlphaGo Zero adını verdiği bu program, insanların oynadığı oyunları izleyerek Go’yu öğrenmek yerine, kendi kendine karşı milyonlarca oyun oynadı. Programa Go’nun kuralları haricinde hiçbir ön bilgi verilmedi. Makine, kendi kendine oynadığı oyunlarla bir veritabanı yaratarak, eğitimini bu veritabanından gerçekleştirdi. Sonra, AlphaGo Zero ile AlphaGo karşı karşıya geldi. Sonuç: 100 oyunun 100’ünü de AlphaGo Zero kazadı. Kasparov’un deyimiyle, AlphaGo Zero, AlphaGo’yu parçaladı.

Bu gerçekten şaşırtıcıydı: Fark ettik ki, insan verisi, on yıllardır topladığımız bütün bilgiler, aslında bizi kısıtlıyor olabilir.

Inverse

Bunun arkasından DeepMind, AlphaGo Zero’nun satranç versiyonunu denemeye karar verdi. AlphaZero adlı bu program, tıpkı Go versiyonu gibi, kendi kendine karşı milyonlarca oyun oynayarak satrancı öğrendi. AlphaZero, dört buçuk saatte, kendi kendine karşı altmış milyon oyun oynadı.

AlphaZero’nun ilk oyunları çok anlamsızdı. Ama sonra kendi verisini oluşturmaya devam etti ve kendi satranç algoritmasını geliştirdi. Eğitimi bitince, AlphaZero’yu, [günümüzdeki en iyi satranç programlarından olan] Stockfish’in karşısına koydular. 100 maçın 28’ini AlphaZero kazandı, geri kalan 72’sinde berabere kaldılar. Stockfish bir oyun bile alamadı. Ancak esas ilginç olan, AlphaZero’nun bu oyunları nasıl oynadığıydı.

Biz, kuvvetli satranç programlarının tüm hamlelerini dikkatlice hesaplamalarını, tüm olasılıkları gözden geçirmelerini, temkinli ve hiçbir şeyi şansa bırakmadan oynamalarını; böyle bir oyunun da oldukça sıkıcı ve yavaş olmasını bekleriz.

AlphaZero, bu beklentilerimizi tamamen boşa çıkararak bambaşka bir şekilde oynadı. Fedakarlıklarla dolu, çok agresif bir oyun sergiledi... Tabii, bu cümleyi kurarken psikolojik bir yanılgıya düşüyorum: Bir makine agresif oynamaz, bir makine fedakarlık yapmaz, makineler bu kavramları bilmez! Sadece olasılıklara bakar. AlphaZero ne yaptı biliyor musunuz? Kendisi için altmış milyon oyunluk bir veritabanı oluşturdu, sonra oyundaki karmaşık bağlantıları görmeye başladı: Hamleler, taşların önemi, kazanma ihtimali, değer... Farkına vardı ki, (insanların deyişi ile) fedakarlıklar yaparak, nihayetinde daha fazla değer kazanabilirdi. Bakın, bu makineler için karşılaştırması çok güç bir şey. Ama AlphaZero yine de bunları görmeyi başardı.

Daha ilginci ise şuydu:

Oyunun kayıtlarına baktığınızda görüyorsunuz ki, AlphaZero, Stockfish’e kıyasla ortalama bir – bir buçuk hamle ilerisini görerek oynuyordu. Stockfish ileriyi görmek için saniyede altı milyon pozisyonu inceliyordu... AlphaZero ise sadece altmış bin pozisyona bakıyordu. Buna rağmen, Stockfish’in öngörüsünü aşmayı başardı.

Kasparov, bu gelişmelerin sadece oyunlarla sınırlı kalmadığının da altını çiziyor ve örnek olarak, otonom araçları veriyor:

Geçtiğimiz mayısta Tesla’nın verdiği bir iş ilanı, video oyunu ve sanal gerçeklik tasarımcıları arıyordu. Gördüğünüz gibi, Tesla da aynı yolu izliyor. Sanal olarak, araçların karşılaşabileceği mümkün olduğunca fazla durumu simüle etmeye çalışıyorlar.

Çünkü neden olmasın: Trafiği öğrenmek için, otonom araçların dolandığı sanal bir şehirden daha iyi bir ortam olabilir mi?

Kasparov’a göre bütün bunlar – Deep Blue’dan AlphaZero’ya, ya da AlphaGo’dan AlphaGo Zero’ya geçişimiz, ya da Tesla’nın aklındaki yeni eğitim yöntemleri – yeni bir şeyler gördüğümüze işaret ediyor: “Yapay zeka dönüşümünün başlangıcını yaşıyoruz.”

The Telegraph

Kasparov’un Fikri

Peki bu durumda, insanları ne bekliyor? Kendimizle özdeşleştirdiğimiz ve bugüne kadar makinelerin yapamayacağını düşündüğümüz beceriler yavaş yavaş onların eline geçtikçe ne olacak? Optimistlerin en sık söylediği, insanların makinelerle çalışmaya devam edeceğidir: İnsan ile makinelerin becerileri farklıdır, bu yüzden bir görevde birbirlerini tamamlayıcı olacaklardır, öyle değil mi? Anlaşılan bu düşünce, satranç bağlamında Kasparov için de ilk akıla gelen şeydi.

[Deep Blue ile yapılan maçtan sonra] moralim bozulmuştu. Ama sonra düşündüm ki, madem onlarla mücadele edemiyoruz, neden onlara katılmıyoruz? İnsanın yaratıcılığını ve sezgisini, makinelerin kaba kuvveti ile birleştirelim. İki tarafın da en iyi yönleri! İşte bu şekilde, yeni bir konsept aklıma geldi: İnsan ve makine, insan ve makineye karşı. Teorik olarak mükemmel bir oyun olması lazımdı, değil mi?

Öyle olmadı. Kasparov’un bu yeni fikri ile oynanan oyunlarda görüldü ki, en iyi performansı sergileyenler, en iyi satranç oyuncuları ve en iyi makineler değildi: 

Sorun şu ki, bugünün en iyi satranç programı ile bugünün en iyi satranç oyuncusu arasındaki fark, Usain Bolt ile Ferrari arasındaki fark gibi.

Bu, acı bir gerçeği yüzümüze vuruyor:

Makinenin kararlarının, varsayımlarının çoğuna itiraz etmemeniz gerekiyor.

Yani, dünya şampiyonu olsanız dahi, telefonunuzdaki satranç uygulamasının yanında yeteneğinizin hiçbir anlamı olmayacak. Kasparov’un satranç için gözlemlediği bu gerçek, yavaş yavaş mevcut olan tüm beceriler için geçerli olacak.

Bizler -yani mesleklerinin en tepesinde olan insanlar- makinelerin bizden daha başarılı olduklarını kabul edemiyoruz. Gururumuz el vermiyor. Makinelere bırakmamız gereken konularda mücadele etmeye devam ediyoruz.

Bütün bu tartışmadan, gelecek konusunda iyimser olmak için pek bir sebep olmadığı sonucu çıkarılabilir. Birinci sanayi devriminden günümüze kadar, tarımda ya da endüstride pek çok işin makineler tarafından “yok edildiğini” gördük. Bu işlerin hemen hepsi fiziksel kuvvet, dayanıklılık ve isabetlilik gerektirmekteydi ve makineler de bu konularda eskiden beri insanlardan daha başarılılar. Günümüzde ise makinelerin artık sadece kendileriyle özdeşleştirilen bu “mekanik” işleri değil; daha karmaşık zihinsel beceriler gerektiren, bugüne kadar hep insanlarla özdeşleştirilmiş olan, beyaz-yaka sınıfına giren işleri de tehdit ettiklerini görüyoruz. Eskiden beri becerebildikleri mavi-yaka işler ile birlikte düşünüldüğünde, yakın gelecekte dünya üzerinde mevcut olan hemen hemen tüm mesleklerin makineler tarafından yapılabileceği sonucu çıkıyor. Bu durumda, iyimser fütüristlerin favori argümanı olan “Sanayi Devrimi’nde de pek çok iş yok edildi ancak yerine yenileri geldi” tesellisi ne kadar geçerli olacak? Yakın gelecekte makinelerin bakımını makineler yapınca, makineleri bilgisayar programları tasarlamaya başlayınca, makineleri üreten şirketleri bilgisayarlar yönetmeye başlayınca, insanlar hangi yeni iş sahalarına yönelebilecek? 

Resim bir açıdan böyle görünüyor. Ancak öbür taraftan, “makinelerin becerebildiği işler” yelpazesinin bu kadar genişlemesi, bizi, bu işleri yeniden tanımlamaya zorluyor. Bugüne kadar kullandığımız “tekrara dayalı, fiziksel kuvvet ya da yüksek hesaplama gücü gerektiren işler” tanımı geçerliliğini kaybetti belki; ama hala insan gibi düşünebilen, genelleyebilen, sezgisel öngörülerde bulunabilen, gerçek anlamda akıl yürütebilen bir bilgisayarı görmüyor olmamız, makinelerin becerilerinin sınırlarının hala tanımlanabilir olduğuna işaret etmektedir.

Kasparov, bu tanımın temelinde “sorular” olduğunu düşünüyor.

Bütün bu gelişmeler, eğer doğru bakmayı bilirsek, bize yeni bir bakış açısı sunmaktadır. Satranç, Go, DOTA, Starcraft... Makinelerin insanlardan daha başarılı olabildikleri bu oyunlara bakarsanız, hepsi hedefleri iyi tanımlanmış, kapalı sistemler.

Bilgisayarlar için belki de en önemli sorun problemin tanımlanmasıdır. Yazılımcı problemi matematiksel terimlere döküp bilgisayara uygun bir şekilde tanımladıktan sonra, bilgisayarın bu problemi çözmesi için gereken tek şey uygun bir çözüm yönteminin (örneğin optimizasyon algoritmasının) seçilmesidir. Video oyunları, masaüstü oyunları, beyaz yaka işler... Bütün bu çerçevelerde elde edilmek istenen nihai sonuç, kolaylıkla matematiksel ifadelere dökülebilir.

Makineler, hedeflerin rahatlıkla tanımlanabildiği bu çerçevelerde insanlardan daha iyi işler çıkarabilir. İnsan yardımı olmasa bile.

Peki bilgisayarlar, bu iyi tanımlanmış kapalı çerçevelerin ötesine geçebilecekler mi? Bir gün muhtemelen evet, ancak bunun yakın gelecekte gerçekleşeceğini düşünmek için herhangi bir neden bulunmamaktadır.

"[Picasso’dan alıntı:] ‘Bilgisayarlar kullanışsızdır, size sadece cevapları verirler’. Bir sanatçı olarak Picasso, soruların başlangıç, cevapların ise sonuç olduğunu biliyordu." Bilim insanlarının, sanatçıların, şirket yöneticilerinin, politikacıların, liderlerin verdikleri her kararda, başladıkları her çalışmada çıkış noktaları sorulardır.

Bilgisayarlar soru sorabilirler mi? Tabii ki sorabilirler. Ancak hangi sorunun kayda değer olduğunu, hangi sorunun bir fark yaratabileceğini bilmezler.

Kasparov’un kastettiği şu: Makineler bilimsel bir deneyin verilerini insanlardan daha iyi analiz edebilecek duruma gelebilirler belki; ancak bir araştırmada hangi verinin analiz edilmesi gerektiğini ya da verideki hangi anormalliğin üzerine daha fazla araştırma yapmaya değer olduğunu öngörmeyi yakın gelecekte başaramayacaklardır. Veya, belki şirketlerin finansal yönetimini günümüzün CEO’larından daha başarılı bir şekilde sürdürebilecekler, ancak örneğin Facebook’un dünya devi olmasını sağlayan “İnternetin geleceği ne olacak?” sorusunu sormaktan aciz olacaklardır. Kasparov’un vurguladığı, makinelerin günümüzde ellerindeki, içinde belirsizlik olmayan verinin ötesine bakabilmeleri için daima insanların zihinsel liderliğine ihtiyaçları olacağıdır. Tabii ki daha uzak gelecekte bu ihtiyaçlarının da ortadan kalkmaması için bir sebep yok, ama bahsettiğimiz kadar uzak bir zaman diliminde insan-makine etkileşiminin nasıl bir form alacağını zaten kestirememekteyiz.

Yakın vadede pek çok iş yok olacak, doğru. Ama uygarlığın tarihinde hep böyle olmuştur. İki yüz sene önce nüfusun çoğu tarımda çalışıyordu, yüz yıl önce ise imalatta. Günümüzdeki durumdan tek farkı, yapay zekanın şu anda ilk defa beyaz-yaka işleri tehdit etmesi.

Doğal olarak bu beyaz-yaka işlere, sağlık sektörü, altyapı işleri, yönetim, eğitim, hukuk gibi toplumun hayat standartlarını doğrudan etkileyen pek çok sektör de girmektedir. Kasparov konuyla ilgili şöyle diyor:

İnsanlar, iyi maaş getiren pek çok işin tehlikede olduğunu söylüyor, örneğin radyologlarınkiler gibi. Bu doğru. Ama aynı zamanda, yapay zeka bu süreçleri daha ucuz ve daha hızlı yapacak. Evet, belki Amerika’da yüzlerce, binlerce işi kaybedeceğiz. Ancak bu sayede Afrika'da ve Asya’da yüzbinlerce hayat kurtulacak. Bir tarafta hayatlar, öbür tarafta işler.

Kasparov, beyaz-yaka işlerde makineleşmenin getireceği olumsuz etkileri -hatta ekonomik yıkımı- görmezden gelmiyor, ancak “uygarlık olarak nerede olduğumuzu anlamak için, büyük resmi görmeye çalışmamız gerektiğini” söylüyor.

Stuff You Missed in History Class

Ekonomik Yıkım

Kasparov’un kendi satranç kariyerindeki Deep Blue tecrübesinden ve bu tecrübeyi diğer mesleklere yansıtmasından çıkan düşünceleri şu şekilde özetlenebilir: Makineler insanlar ile özdeşleştirilen meslekleri ele geçirmeye başladılar ve bu süreç devam edecek, ancak ne olursa olsun kısa vadede iyi tanımlanmış dar çerçevelerin ötesine geçmeyi başaramayacaklar. Becerileri, şöyle veya böyle yaratıcılık gerektirmeyen, sorgulama gerektirmeyen, tekrar eden işlerle sınırlı kalacak – bu işler zihinsel açıdan karmaşık olsa bile. Bu yüzden Kasparov, insanlar için her zaman yer olacağını belirtiyor: Makinelerden bekleyebileceğimiz tek şey, insanların onlar için tanımladığımız çerçeve içinde en iyi sonuçları vermeleri. Onlardan yaptıkları şeyi anlamalarını, açıklamalarını, kendi kendilerine çerçeveler belirlemelerini, işlerini sorgulamalarını beklemek, en azından yakın gelecekte anlamsız olacaktır.

Ancak bunlar, gelişmiş ülkeleri bekleyen ekonomik yıkımdan korkmamız gerekmediği anlamına gelmemektedir. Kasparov’un bahsettiği, 2016’da ABD’de yapılan bir araştırma, ortalama üzeri bir yaratıcılık gerektiren işlerin oranının sadece %4 olduğunu gösteriyor. (Kasparov konuşmasında herhangi bir referans vermedi, ancak şu yazıdaki araştırmadan bahsettiğini tahmin ediyoruz.)

Maalesef ki nesilleri; tekrarlayan, monoton işleri yapmaları için yetiştirdik. Ama bu işler ölüme mahkum, onlar gitti. Onları kurtarmak için yapılabilecek bir şey yok. Önemli olan süreci yavaşlatmak değil, hızlandırmak. Buradan doğacak ızdırabı belki erteleyebiliriz, ancak bunu yapmak yeni işlerin, yeni karlar getirecek yeni endüstrilerin, yeni fikirlerin üretimini yavaşlatacaktır.

Bir açıdan bakıldığında, Kasparov’un söylediklerinin çok küçük bir kısmı kişisel deneyimin ötesine dayanmaktadır. Öte yandan, bu kişisel deneyim otomasyon teknolojilerinin getireceklerinin öngörülmesinde gerçekten önemli bir kaynaktır. Kasparov’un satranç bağlamında içinden geçtiği sürecin benzerini, bugünün beyaz yakalı çalışanlarının önemli bir kısmının yakın gelecekte yaşayacağı öngörülmektedir. Kim bilir belki de bu satranç ustasının tavsiyelerine kulak vermek ve onları politikalarımıza bugünden entegre etmek, otomasyonun olumsuz toplumsal etkilerinden kaçmakta bize yardımcı olabilir.

Yazarın Notu: Kasparov’un konuşmasından alıntılanan cümlelerin bazıları, yazılı anlatıma uygunluğu ve okunabilirliği sağlamak amacıyla yeniden düzenlenmiş; bu yeniden düzenleme sırasında anlamın değişmemesine özen gösterilmiştir.

doi: 10.47023/ea.bilim.7631