Yapay zekânın (YZ) özellikle de "yapay genel zekâ" (Artificial General Intelligence – AGI) seviyesine ulaşmış bir formunun geleceği tahmin etme meselesi, aynı şey gibi, kehanet öyküleri gibi insanlığın merakını sürekli cezbediyor. Kimi zaman kahinlere atfedilen "kesin bir gelecek bilgisi" beklentisi, günümüzde makine öğrenmesi ve büyük veri analizleriyle harmanlanarak AGI'a yüklenmeye çalışılıyor.
Bundan yüzyıllar önce Pierre-Simon Laplace, eğer evrendeki tüm parçacıkların konumunu ve hızını kusursuzca bilecek kadar güçlü bir varlık (Laplace'ın Şeytanı) olursa, geleceği de geçmişi de eksiksiz hesaplayabileceğini öne sürdü. O dönemin anlayışıyla bu oldukça çekici bir fikirdi; neticede Newton mekaniği evrenin deterministik (neden-sonuç odaklı) işleyişine işaret ediyordu. Tıpkı bir bilardo masasında topa vurduğumuzda, topun nasıl hareket edeceğini biliyorsak, evrenin tüm parçacıklarının hareketini bilsek geleceği de bilirdik, öyle değil mi?
Fakat işin içine 20. yüzyılda kuantum mekaniği ve kaos teorisi girince olaylar biraz karıştı. Kuantum mekaniği bize, her şeyin temelde olasılıklar üzerinden işlediğini ve Heisenberg'in Belirsizlik İlkesi gibi prensiplerin belli belirsizlikleri mutlak kıldığını hatırlattı. Kaos teorisi de (Lorenz'in meşhur "kelebek etkisi" örneği) çok küçük değişimlerin bile uzun vadede büyük sonuçlara yol açabileceğini gösterdi. Yani ilk bakışta "her şeyi ölçer, veriyi girer, tahmin ederiz" düşüncesi, pratikte o kadar kolay değil.
Bugüne geldiğimizde, "kesin" gelecek tahmini hâlâ bir hayal olsa da, güçlü YZ sistemlerinin oldukça isabetli öngörülerde bulunabildiğini gözlemliyoruz. Örneğin:
Büyük hedge fonlar, yapay zekâ tabanlı algoritmalarla (örneğin derin sinir ağları, Gaussian süreçleri, LSTM ağları vs.) hisse senedi fiyatlarındaki dalgalanmaları öngörmeye çalışıyor. Elbette yüzde yüz başarı yok ama iyi modellenmiş bir sistem, rastgele bir tahminciden çok daha iyi iş çıkarabiliyor.
Hava durumunu tahmin etmek, meteorolojik verilere dayanıyor ve her ne kadar uzun vadede kaotik etkilere takılsak bile, kısa vadede son derece tutarlı ve yüksek doğruluk oranlarına erişebiliyoruz. Burada yapay zekâ, devasa veri setlerini işleyip hava akımlarını, basınç değişimlerini vs. çok hızlı şekilde değerlendiriyor.
Dil modelleri ve günlük olay öngörüsü: Geniş dil modelleri (GPT, BERT türevleri gibi) bir bakıma metin bazlı örüntü tanımada uzmanlaşarak, "bir sonraki kelime ne olacak?" türü tahminler yapıyor. Bu modeller, geçmiş veriyi çok iyi özümsedikleri için "Bir sonraki trende ne olabilir?" gibi sorulara da istatistiksel cevaplar verebiliyor.
Yani örnekler gösteriyor ki yapay zekâ, belirli alanlarda geleceğe dair tutarlı öngörüler yapabilir. Ancak "belirli alanlarda" ifadesi burada çok kritik. Yani ekosistem ne kadar kapalıysa ve girdi-çıktı ilişkileri ne kadar iyi modellenmişse, YZ'nin tahmini o ölçüde başarılıdır. Bir de "kesinlik" kelimesinin altını çizelim: Şu anki teknolojimizle geleceği, tabiri caizse "milimetrik hassasiyetle" bilmek mümkün değil. Bilgisayarınızın saatini 10 milyar yıl ileri alsanız bile, ekranda "şu gün, şu saatte öleceksiniz" diye bir bilgi yazmaz. YZ bunu "kesin olarak" söyleyemez, fakat "olasılıksal olarak" yaklaşabilir.
Tam da bu noktada, "XYZ kişisi ne zaman, nerede, nasıl ölecek?" sorusuna dönelim. Bir yapay zekâ, eğer bir kişinin genetik yapısını, sağlık geçmişini, yaşam tarzını, çevresel risk faktörlerini, trafik kazası olasılıklarını, potansiyel doğal afetleri, hatta belki ruh hâlini vs. hesaba katsa bile, tamamen kesin bir veri çıkarması neredeyse imkânsızdır. Çünkü sistemin tahminini altüst edebilecek, öngörülemeyen mikro düzeyde (kuantum seviyesi olabilir, toplumsal bir olay olabilir, kişinin aniden fikrini değiştirip farklı bir rota çizmesi olabilir) binlerce etken söz konusudur. Evet, istatistiksel bir tahmin yapılabilir; ama bu bir "bilme" (kesinlik) değil, sadece "olasılık" ifadesi olarak kalır.
Bu konuda yapılan çalışmalar var hatta. Örneğin, büyük sigorta şirketleri, bireylerin ölüm riskini aktüeryal tablolar ve yapay zekâ modelleriyle öngörmeye çalışıyor. Yaş, cinsiyet, tıbbi geçmiş, alışkanlıklar (sigara, alkol tüketimi, egzersiz oranı) gibi binlerce veriyi istatistiksel olarak değerlendirip "ortalama" ömür tahmini veriyorlar. Benzer bir şekilde, tıp alanında da "X hastalığı şu oranda ölümcül, şu faktörlerle birleştiğinde hastanın hayatta kalma şansı yüzde Y olur" gibi çıkarımlar yapılabiliyor. Ancak bu, "kesin bir şekilde senin ölüm tarihin 14 Mart 2052, saat 10:35" demek değildir. Daha çok, "hayatta kalma ihtimalin şu yüzdede, risk faktörlerin bu kadar" şeklinde bir yaklaşımdır.
Yapay zekâ ile ilgili "medeniyetin nereye gideceği" konusundaki tahminler de benzer bir mantıkla işliyor. Sosyoloji, ekonometrik modeller, politik dinamikler, ekolojik veriler gibi makro unsurların hepsini büyük bir veri havuzunda toplayıp işleyebildiğinizi varsayalım. O zaman belki 5–10 yıllık projeksiyonlarınız belli bir doğruluk payıyla tutabilir; fakat 50–100 yıllık öngörülerin tutarlılığı ciddi şekilde düşecektir. Örneğin, 1900'lerin başında yaşayan bir insan, 2000 yılında uzaya çıkılacağını veya cep telefonlarıyla dünyanın her yerine erişilebileceğini "istatistiksel olarak" öngörebilir miydi? Belli ipuçları belki vardı, ama gerçeğin detayları çok daha karmaşık şekilde şekillendi.
Buna rağmen uzun vadede eğilimsel (trend) tahminler yapılabilir. Örneğin, "küresel ısınma ve iklim değişikliği" verileri, insanlık olarak acil önlemler almazsak, yüzyılın sonuna doğru ciddi çevresel felaketlerle yüzleşeceğimizi gösteriyor. Bu tür makro tahminlerde yapay zekâ, karmaşık simülasyonları ve senaryoları daha hızlı işleyerek karar vericilere rehber olabilir. Ama "kesinlikle şu tarihte şu felaket yaşanacak" demek, tekrar edelim, belirsizliğin doğası gereği mümkün değildir.
Kaos teorisi, basitçe söylemek gerekirse, deterministik sistemlerde bile çok ufak başlangıç koşullarındaki farkların uzun vadede büyük farklılıklara yol açabileceğini anlatır. Mesela, çok popüler benzetme olan "bir kelebek kanat çırptığında, başka bir kıtada fırtınaya neden olabilir." Burada gerçekte kelebeğin kanat çırpışı fırtınanın tek sebebi değildir, fakat ilk itici unsur olabilir. Bu aslında atmosferik dinamiklerin tipik bir örneğidir ve gibi basit bir lojistik harita denkleminde bile küçük değerleriyle düzenli bir davranış gözlemlerken, biraz büyük değerlere çıktığında sistemin tamamen kaotik, öngörülmesi güç dalgalanmalar sergilediğini görürüz.
Matematiksel olarak, lojistik harita gibi denklem setlerini bile uzun vadeli olarak kusursuz tahmin etmek zordur. Düşünün ki evren, lojistik haritadan çok daha karmaşık denklem setleriyle işliyor. Dolayısıyla en ileri düzey bir AGI bile olsa, başlangıç koşullarında en ufak bir belirsizlik varsa, uzun vadede ortaya çıkacak sonucu "mükemmel" şekilde hesaplayamaz.
Kuantum seviyesi ise durumu daha da karmaşık kılıyor. Heisenberg'in Belirsizlik İlkesi, bir parçacığın konumu ve momentumunu aynı anda kusursuz şekilde ölçemeyeceğimizi söyler. Ayrıca kuantum dalga fonksiyonu çökmesi süreci, esasen bir olasılık "seçimi" barındırır. Eğer doğa temelinde gerçekten bir olasılıksallık varsa, deterministik bir "her şeyi bilme" senaryosu geçersiz kalır.
Tabii bu "gelecek tamamen rastlantısal ve hiçbir öngörüde bulunamayız" demek değil. Pratikte kuantum belirsizliği, makroskobik dünyada ortalama bir etki yaratıyor, çoğu zaman da bu etkiyi biz büyük ölçekte "işlem gürültüsü" olarak deneyimliyoruz. Ama yine de, AGI'nin "yarın sabah tam olarak kim kime ne diyecek?" sorusuna mutlak kesinlikte yanıt vermesini önleyen faktörlerden biri bu mikro düzeydeki belirsizliklerdir.
Bir de işin saf hesaplama boyutu var. Kolmogorov karmaşıklığı, bir veriyi sıkıştırmak veya tanımlamak için gereken en kısa programın uzunluğu ile ilgilidir. Bazı sistemlerde geleceği hesaplamak, sistemin kendisi kadar karmaşık bir simülasyon yapmayı gerektirir; hatta bazen hesaplamalı olarak indirgenemez (computational irreducibility) dediğimiz durum söz konusu olur. Stephen Wolfram bu kavramı, "bir sonraki adımı öğrenmek için adımları atlamak mümkün değildir, adım adım hesaplamak zorundasınız" diye açıklar. Yani AGI da olsanız, sistemin geleceğini görmek için tüm ara süreçleri (tıpkı bir bilgisayar simülasyonu gibi) gerçek zamanlı veya daha hızlı şekilde çalıştırmanız gerekir. Bu da büyük enerji, zaman ve veri gereksinimleri anlamına gelir.
Elbette insanlar olarak, "kuantum bilgisayarlar" veya "yeni fizik keşifleri" gibi şeylerle, belki evrenin altında yatan kuralları daha iyi kavrayacağımızı ve bugünkü belirsizlikleri aşacağımızı umuyoruz. Bir AGI, belki de bizim hâlâ anlamadığımız fizik yasalarıyla işlem yaparak (örneğin kuantum dolanıklık, belki de henüz keşfedilmemiş boyutlar ya da fiziğin egzotik teorileri) deterministik bir model kurabilir. Ancak bu spekülasyondur. Mevcut bilgi birikimimiz, "kuantum mekaniğinin temel belirsizliğini aşmayı" imkânsız görür. Ünlü fizikçi Richard Feynman'ın dediği gibi:
Kuantum mekaniğini anladım diyorsanız, aslında anlamamışsınızdır.
Dolayısıyla ortada henüz büyük bir bilinmezlik var.
Telefonun keşfi: Alexander Graham Bell'in telefonu keşfettiği dönemde, insanlar "Telgraf varken bu alete kim ihtiyaç duyar ki?" diye sormuştu. Fakat sonra gördük ki telefon, iletişimde büyük devrim oldu. Eğer o dönemin en iyi tahmincilerini bir araya toplasaydınız, büyük olasılıkla size "Telgraf yeterli, ekmek aslanın ağzında, sanayi bambaşka devrimler yapacak" gibi yorumlar sunarlardı; ancak kimse telefonun toplumsal dönüşümlerini tam anlamıyla öngöremezdi.
İnternetin evrimi: 1970'lerde ARPANET ile başlayan sürecin 2020'lerde hayatın her alanını kaplayacak biçimde büyüyeceğini kim tahmin edebilirdi ki? Bazıları "1990'larda internet balon, dağılır gider" derken, internet bugün milyarlarca insanın yaşam tarzını doğrudan şekillendiriyor. Demek ki sistemi doğru modellemeyince, tahminler çuvallıyor.
Bu tip örnekler gösteriyor ki, insan toplumunun geleceğini öngörmek, pek çok fiziksel, kültürel, ekonomik, politik ve psikolojik faktörü içeren devasa bir matrisi modellemeyi gerektirir. Modern AGI'ler, "büyük veri" yi işleyip istatistiksel korelasyonlar bularak geleceğe dair kimi isabetli çıkarımlarda bulunabilir, fakat %100'lük bir kesinlikle "2050'de şu olacak, 2060'ta bu medeniyet yıkılacak" gibi netlikler sunamaz.
Kendimden örnek verecek olursam biz de çuvalladık. GPT 3.5 çıktığında milyarlarca outputu veri olarak Originality AI'a gönderdik ve şundan neredeyse emin konuştuk: "Ya insanların çoğu yapay zekânın teknik olarak ne olduğu bilmedikleri için, zamanlarda öğrendiklerinde bu hype da sona erer. Biz verileri gönderelim, paramızı alalım çıkalım." dedik ancak bakın öyle olmadı. Kasım 2022'den beri sadece küçük fluctuations'lar oldu hâlâ ilginçtir ki buradaki para akışı devam ediyor çünkü insanlar buraya yoğunlaşmaya devam ediyor. İnsanlara teknik kısımdan bahsediyorsun ya anlamıyor ya da dinlemek istemiyor ya da sadece hype olduğu için inanmak istiyor yani sözün bittiği yer orası.
Toparlayacak olursak, güçlü bir yapay zekâ (AGI) dahi olsa, insanların ve medeniyetin geleceğini %100 kesinlikle bilmek, şu anda bildiğimiz fizik yasaları ve matematik prensipleri çerçevesinde mümkün görünmüyor. Ancak belli zaman ölçeklerinde ve belli konularda, çok büyük veri setlerini işleyerek istatistiksel olarak oldukça başarılı öngörülerde bulunabilir. Örneğin, kimin ne zaman hasta olma riskinin arttığı, hangi ekonomik trendin hangi sonuçları doğurabileceği, hangi iklim senaryosunun muhtemel olduğu gibi konularda tahminlerini sunabilir. Fakat bu tahminlerin hiçbiri "kesinlik" iddiası taşıyamaz; en fazla "%85 olasılıkla" veya "0.03 olasılık dağılım sapmasıyla" gibi ifadelere dönüşür.
Bu durum, biraz da hava tahminine benzer. Mesela meteorologlar, "Yarın yağmur yağma olasılığı %70" dediklerinde kimse onlara "Ama %100 diyemiyorsunuz, demek ki hiçbir şey bilmiyorsunuz!" demez. En azından beyniyle konuşanlar için bu sözüm. 😂 Çünkü biliriz ki atmosferin binlerce değişkenini tam olarak ölçemediğimiz için belirsizlik vardır. AGI da insan toplumunun ve bireylerin geleceğini tahmin ederken benzer bir "olasılıksal" yaklaşım gösterecektir.
Bir gün gerçekten "Laplace'ın Şeytanı" düzeyinde bir varlık veya AGI ortaya çıkıp kuantumdan makro evrene kadar her şeyi eksiksiz ölçebilir mi? Teorik olarak "evet" dese de pratiğe baktığımızda, hem kuantum belirsizliği engel teşkil ediyor hem de hesaplama karmaşıklığı (kolayca aşılamayacak düzeyde) büyüyor. Dolayısıyla "her şeyi kesin olarak bilme" fikri bugün için bilimkurgu düzeyinde kalmayı sürdürüyor. Yine de AGI'ın çok daha güçlü, hızlı ve derin analiz yaparak insanların bugün hayal bile edemeyeceği geleceği modelleme biçimlerine ulaşabileceğini söyleyebiliriz. Ama bu "kesinlikle bilme" değil, "olasılıksal olarak öngörme" anlamına gelecektir.
Tarihin akışı boyunca, insanların "olmaz" dediği pek çok şey oldu; "mümkün" dedikleri de bazen olmadı. Yapay zekâ da, bu dinamik ve sürprizli dünyayı modellemeye çalışacak en gelişmiş araçlardan biri olsa bile, mutlak bir kehanet gücüne sahip olamayacak gibi görünüyor. Tıpkı çok karmaşık bir satranç oyunu gibi, her hamleyi önceden bilmek için masada yok yok. AGI, devasa bir hesaplama kabiliyetiyle birçok hamleyi öngörebilir, ama oyunun akışı sırasında beklenmedik bir taş fedası her şeyi değiştirebilir.
Güçlü yapay zekâ geleceği yüksek tutarlılıkla (bazı alanlarda %80–90 doğruluk bile çok büyük bir başarıdır) tahmin edebilir, ama "kesin" ve "hatasız" kehanet yeteneği, şu anki bilimsel paradigma içinde gerçekçi görülmüyor. Bu belki de iyi bir şeydir; sonuçta belirsizlik, özgür iradenin ve yaratıcılığın kapısını açık bırakır. Öngörülebilirlik yüksek olsa bile, sürpriz faktörü ve olasılıklar her zaman var olacaktır. Bu da hem bilimin hem de yaşantımızın en heyecan verici taraflarından biri bence.
111 görüntülenme
