Yapay Zeka: Gerçekleşmemiş Devrim!

Yapay zeka, çağımızın mantrasıdır. "Yapay zeka" ifadesi; teknoloji uzmanları, akademisyenler, gazeteciler ve risk sermayedarları tarafından popülerize edilmiş bir terimdir. Akademik alandan genel kullanıma geçen birçok teknik ifade gibi, "yapay zeka" terimi de sıklıkla yanlış anlaşılmaktadır. Fakat bu, halkın bilim insanlarını anlamaması gibi klasik bir yanlış anlaşılmadan ibaret değildir; çünkü "yapay zeka" konusunda aynı zamanda bilim insanlarının kafası da en az halkınki kadar karışık durumdadır. Ömrümüz içerisinde bize rakip olabilecek bir yapay zekanın ortaya çıkmak üzere olduğu, herkesi hem eğlendirmekte hem büyülemekte hem de korkutmaktadır. Ancak maalesef bu fikir, aynı zamanda, gerçekten önemli olan şeylere odaklanmamıza engel olmaktadır.

İçinde bulunduğumuz çağı anlatabilmek için, sizinle bir hikaye paylaşabilirim: Bu hikaye; insanlar, bilgisayarlar, veri ve ölüm-kalım meselesini içeren, ama silisyum çipler üzerine inşa edilecek yapay zeka fantezilerinden başka bir şeyi konu edinen bir hikaye...

Doğal Zeka vs. Yapay Zeka

Eşim, 14 yıl önce hamileyken, ultrason yaptırdık. Odada bir genetik bilimci vardı ve fetüsün kalbinin etrafında bazı beyaz noktalar olduğunu gösterdi. Bize şöyle dedi:

Bunlar, Down sendromunun işareti ve fetüsün kalbinde bu işaretler olduğu için Down Sendromu riskinin 20'de 1'e çıktığını söyleyebilirim.

Genetik bilimci, Down Sendromu'nun altında yatan genetik modifikasyona fetüsün gerçekten sahip olup olmadığını bir amniyosentez testiyle öğrenebileceğimizi söyledi. Fakat amniyosentez riskliydi; prosedür sırasında 300 fetüsten 1'i ölüyordu. Bir istatistikçi, olarak bu sayıların nasıl hesaplandığını araştırmaya karar verdim.

Yaptığım araştırma sonucu, kalsiyum birikimini yansıtan bu beyaz noktaların 10 yıl kadar önce Birleşik Krallık'ta gerçekten Down Sendromu'nun bir belirtisi olarak teşhis eden istatistiksel bir çalışmanın yapıldığını keşfettim. Ayrıca testimizde kullanılan görüntüleme makinesinin santimetrekareye düşen piksel sayısının, İngiltere'deki araştırmada kullanılan makineden birkaç yüz piksel daha fazla olduğunu da fark ettim. Bu nedenle, beyaz noktaların muhtemelen yanlış pozitif olduğunu, bunların bildiğimiz beyaz gürültü noktaları olduğunu düşündüğümü söylemek için genetik bilimciyle görüştüm. Bana şöyle dedi:

Ah, bu, birkaç yıl önce Down sendromu teşhislerinde bir artış görmeye başlama nedenimizi açıklıyor. Bu yeni makine, o zaman gelmişti.

Unsplash

Amniyosentez yapmadık ve karım, sağlıklı bir kız çocuğu dünyaya getirdi. Fakat bu olay, beni rahatsız etti. Özellikle de üstünkörü bir hesaplamadan sonra, Dünya'da binlerce insanın aynı teşhisi aynı gün aldığını, bunun üzerine amniyosentez yapmaya karar verdiklerini ve bu nedenle de birçok bebeğin gereksiz yere ölmüş olduğunu fark ettiğimde...

Bu durumun ortaya çıkardığı sorun, kişisel olarak gördüğüm tıbbi bakımla ilgili değildi; çeşitli yerlerde ve zamanlarda değişkenleri ve sonuçları ölçen, istatistiksel analizler yapan ve sonuçları yanlış şekilde kullanan bir tıbbi sistem ile ilgiliydi. Sorun, yalnızca veri analiziyle değil, aynı zamanda veri tabanı araştırmacılarının "köken" veya "menşe" dedikleri şeyle de ilgiliydi: Yani veriler nerede ortaya çıktı, verilerden hangi çıkarımlar yapıldı ve bu çıkarımlar, mevcut durumla ne kadar alakalı? Eğitimli bir insan, karşılaştığı her yeni vakada bunları belki çözebilir. Asıl mesele, bu kadar ayrıntılı insan gözetimine ihtiyaç duymadan bunu yapabilecek, yapay zekaya sahip ve evrensel bir tıbbi sistem tasarlamaktı.

Ben bir bilgisayar bilimcisiyim ve bilgisayar bilimini istatistikle harmanlayarak ve insan hizmetlerini göz önünde bulunduran, gezegen ölçeğinde çıkarım yapabilen ve karar alabilen sistemleri oluşturmak için gereken ilkelerin, bilgisayar bilimleri alanında aldığım eğitimimin hiçbir noktasında bana öğretilmediğini fark ettim. Sadece tıbbi alanda değil, aynı zamanda ticaret, ulaşım ve eğitim gibi alanlarda da ihtiyaç duyulacak olan bu tür ilkelerin geliştirilmesi, en azından bizi şaşırtabilecek düzeyde oyun oynayabilen ve şaşırtıcı motor becerilere sahip yapay zeka sistemleri oluşturmak kadar önemli olduğunu düşünüyorum.

Yakın bir zamanda "zeka" kavramını anlamayı başarsak da başaramasak da, insanların hayatını iyileştirecek şekilde bilgisayarları ve insanları bir araya getirme konusunda üstesinden gelmemiz gereken önemli zorluklar var. Bazıları bu zorluklarla mücadelenin, yapay zekanın yaratılmasına hizmet ettiğini düşünürken, diğerleri daha yavan ancak aynı derecede saygın bir şey olarak görüyor: Yeni bir mühendislik dalının yaratımı olarak... Tıpkı geçmiş dönemde inşaat mühendisliğinde ve kimya mühendisliğinde olduğu gibi, bu yeni disiplin de birkaç anahtar fikrin gücünü birleştirerek, insanlara yeni kaynaklar ve beceriler getirmeyi ve bunu güvenli bir şekilde yapmayı hedefliyor. Ancak, inşaat mühendisliği ve kimya mühendisliği, fizik ve kimya üzerine inşa edilirken; bu yeni mühendislik disiplini, önceki yüzyılın ortaya çıkardığı algoritma, veri, belirsizlik, hesaplama, çıkarım ve optimizasyon gibi fikirler üzerinde kurulacaktır. Dahası, yeni disiplinin odak noktasının çoğu, insanlar ve insanlarla ilgili veriler olacağından, gelişmesi için sosyal bilimler ve beşeri bilimlerden de perspektifler gerekecektir.

Yapı taşları genel olarak yerli yerinde olmakla birlikte, bu taşları bir araya getirme yolları henüz net olarak belirlenebilmiş değildir ve bu nedenle yapay zeka teknolojilerindeki yapı taşları, şu anda geçici yollarla bir araya getirilmektedir. Bu nedenle tıpkı insanlar, inşaat mühendisliği geliştirilmeden önce de binaları ve köprüleri bir şekilde inşa etmeyi başardıkları gibi; insanlar da makineleri, insanları ve çevreyi içeren toplumsal ölçekli, çıkarım yapabilen ve karar alabilen sistemler inşa etmeye devam edebilmektedir. Fakat tıpkı erken dönemde yapılmış binaların ve köprülerin bazen öngörülemeyen ve trajik şekillerde yerle bir olması gibi, bu yeni sistemlerin birçoğu da halihazırda ciddi kavramsal kusurları bünyesinde barındırıyor.

Ne yazık ki, bir sonraki ortaya çıkacak ciddi kusurun ne olacağını tahmin etmekte pek iyi değiliz. Eksik olan şey, analiz ve tasarım ilkelerine sahip bir mühendislik disiplini...

Günümüzde kamuoyu "yapay zeka" terimini entelektüel anlamda bir joker kartı gibi kullanıyor. Bu da gelişen teknolojinin kapsamı ve sonuçları hakkında akıl yürütmeyi zorlaştırıyor. Bu yüzden yapay zekanın hem yakın zamanda hem de tarihsel olarak neye atıfta bulunmak için kullanıldığını daha dikkatli bir şekilde ele alalım.

Yapay Zeka Derken Kastedilen Nedir?

Bugün, özellikle kamusal alanda "yapay zeka" olarak adlandırılan şeylerin çoğu, aslında makina öğrenmesidir (veya "yapay öğrenme"dir). Son 50 yıldır kullanılan makina öğrenmesi; verileri işleyen, tahminlerde bulunan ve karar almaya yardımcı olan algoritmalar tasarlamak için istatistik, bilgisayar bilimi ve diğer birçok disiplinden fikirleri harmanlayan, algoritmik bir alandır.

Dünya üzerindeki etkisi açısından makine öğrenmesi, uzun zamandır önem taşımaktadır. Aslına bakarsanız makina öğrenmesinin büyük bir endüstriyel ilgi çekeceği, 1990'ların başlarında zaten belliydi ve yüzyılın başında Amazon gibi ileri görüşlü şirketler, zaten makina öğrenmesini iş akışlarında kullanmaya başlamışlardı ve sektörleri için kritik öneme sahip olan dolandırıcılık tespiti ve tedarik zinciri tahminiyle ilgili sorunlarını, bu teknolojiyi kullanarak çözüyorlardı. Bundan sonraki 20 yıl içinde, veri kümeleri ve bilgi işlem kaynakları hızla büyüdüğü için, makina öğrenmesinin çok kısa bir sürede sadece Amazon'a değil, kararların büyük ölçekli verilere bağlanabileceği herhangi bir şirkete de güç katacağı anlaşıldı. Bu sayede yeni iş modelleri ortaya çıkacaktı. Bu olguyu ifade etmek için ortaya çıkan "veri bilimi" ifadesi, hem makina öğrenmesi algoritmaları konusunda uzman olan kişilerin, ölçeklenebilir, sağlam makina öğrenmesi sistemleri oluşturmak için veri tabanı uzmanları ve dağıtık sistem uzmanlarıyla ortaklıklar kurma ihtiyacını yansıtıyor, hem de bu işbirliğinden doğan sistemlerin daha geniş olan sosyal ve çevresel boyutunu gösteriyor.

Fikirlerin ve teknoloji trendlerinin bu birleşimi, son birkaç yılda "yapay zeka" adı altında, bir marka değişikliğine gitti. Bu marka değişikliği, biraz daha yakından incelenmeyi hak ediyor.

Yapay Zeka Ne Demek?

Tarihsel olarak baktığımızda "Yapay Zeka" ifadesi, 1950'lerin sonlarında, yazılım ve donanımda insan seviyesinde zekaya sahip bir varlığı gerçekleştirmeye yönelik sahip olduğumuz yoğun arzuya atıfta bulunmak için icat edilmiş bir terimdir. Ben, bu terim yerine, bu "büyük amacı" ifade etmek için, yapay zekanın fiziksel olarak değilse de en azından zihinsel olarak bizden biri gibi görünmesi gerektiği fikrine vurgu yaparak, "insanı taklit eden yapay zeka" ifadesini kullanacağım.

İnsanı taklit eden bir yapay zeka inşa etme girişimi, o zamanlarda büyük ölçüde akademik bir girişimdi. Yöneylem araştırması, istatistik, örüntü tanıma, bilgi teorisi ve kontrol teorisi gibi ilgili akademik alanlar çoktan geliştirilmiş ve genellikle insan veya hayvan davranışından ilham almış olsa da, bu alanlar düşük seviyeli sinyallere ve kararlara odaklanmıştı. Örneğin bir sincabın içinde bulunduğu üç boyutlu yapı olan ormanı kavrayarak daldan dala atlayabilmesi, bu alanlar için ilham kaynağı olmuştur.

Yapay zekanınsa farklı bir şeye odaklanması gerekiyordu: insanların akıl yürütme ve düşünme konusundaki üst düzey veya bilişsel kapasitesine... Fakat aradan geçen 60 yıla rağmen, üst düzey akıl yürütme becerisine halen erişilebilmiş değildir. Şu anda "yapay zeka" olarak adlandırılan gelişmelerin çoğu, mühendislik alanlarındaki düşük seviyeli örüntü tanıma ve hareket kontrolü çalışmalarından gelmektedir. Aynı zamanda istatistik alanında da yapay zeka disiplini, verilerde örüntüler bulma, sağlam temelli tahminler yapma, hipotezleri test etme ve karar alma düzeyinde kalmaktadır.

Pixabay

Nitekim, David Rumelhart'ın 1980'lerin başında yeniden keşfettiği ve şu andaki sözde "yapay zeka devrimi"nin çekirdeği kabul edilen ünlü geri yayılım algoritması (İng: "backpropagation"), ilk olarak 1950'lerde ve 1960'larda kontrol teorisi alanında ortaya çıkmıştır. Bu algoritmanın ilk uygulamalarından biri, Apollo araçlarının Ay'a doğru ilerlerken ihtiyaç duydukları itme gücünü optimize etmekti.

1960'lardan beri bu sahada çok ilerleme kaydedildi; ancak bu ilerlemenin, insanı taklit eden yapay zeka arayışından gelmediği söylenebilir. Aksine bu atılımlar, Apollo uzay araçları örneğinde olduğu gibi, genellikle üstü örtülü bir şekilde, spesifik mühendislik problemlerini çözme çabası sayesinde mümkün oldu. Halk tarafından fark edilmese de yapay zeka alanındaki asıl başarılar; belge erişimi, metin sınıflandırması, dolandırıcılık tespiti, öneri sistemleri, kişiselleştirilmiş arama, sosyal ağ analizi, planlama, teşhis ve A / B testi gibi alanlarda araştırma ve sistem oluşturma gibi sahalarda yaşanmıştır. Bu gelişmeler Google, Netflix, Facebook ve Amazon gibi şirketlere güç katmıştır.

Eğer isterseniz tüm bunlardan basitçe "yapay zeka" olarak bahsedebilirsiniz ve gerçekten de birçok insanın "yapay zeka" derken kastettiği şey bu. Bu tür bir etiketleme, unvanları birdebire "yapay zeka araştırmacısı"na dönüşen optimizasyon veya istatistik uzmanları için bir sürpriz olabilir; fakat etiketleri bir kenara bırakırsak, daha büyük sorun şudur: Bu tek, kötü tanımlanmış kısaltmanın kullanılması, bu sahadaki entelektüel ve ticari sorunların net bir şekilde anlaşılmasını engellemektedir.

Son 20 yıl hem endüstride hem de akademide, insanı taklit eden yapay zekayı tamamlayacak bir parça olan "Zeka Artırımı" (İng: "Intelligence Augmentation") alanında büyük ilerlemeler kaydedildi. Burada hesaplamalar ve veriler, insan zekasını ve yaratıcılığını artıran hizmetler oluşturmak için kullanılmaktadır. Bir arama motoru da insan hafızasını ve genel bilgisini artırdığı/pekiştirdiği için, bu tür uygulamalar da zeka artırımı alanındaki başarılara örnek olarak gösterilebilir. Veya çeviriler, insanların iletişim kurmasını kolaylaştırdığı için, çeviri alanındaki atılımlar zeka artırımına örnek olabilir. Bilgisayarlarca üretilen resimler ve sesler de sanatçılara geniş bir palet sunarak yaratıcılığı arttırdığı için zeka artırımına bir örnek olarak gösterilebilir. Bu tür hizmetler makul bir şekilde üst düzey muhakeme kabiliyeti ve düşünce içerebilecek olsa da, şu anda bu tür bir niteliğe sahip değillerdir; çoğunlukla insanların yararlanabileceği kalıpları tespit eden, çeşitli şekillerde dizgi eşleştiren ve sayısal işlemler yapan algoritmalardan ibarettirler.

pixabay

Bu yazının okurlarının son bir terime daha tahammül edeceğini umarak, insanların yaşadığı çevreyi daha destekleyici, ilginç ve güvenli kılan bir hesaplama, veri ve fiziksel varlıklar ağını tarif etmekte kullanılan "Akıllı Altyapı" (İng: "Intelligent Infrastructure") disiplinini ele alalım. Bu tür bir altyapı; bireyler ve toplumlar üzerinde köklü etkilere sahip olan ulaşım, tıp, ticaret ve finans gibi alanlarda yavaş yavaş görülmeye başlıyor. Bu sahanın yükselişi, bazen "Nesnelerin İnterneti" ile ilgili konuşmalarda ortaya çıkar. Ancak bu araştırma sahası, genellikle çevremizle ilgili gerçekleri keşfetmek için veri akışını analiz edebilecek ve "şeylerin", insanlarla, sadece bitlerden çok daha yüksek bir soyutlama düzeyinde etkileşime girmesine izin verecek sistemlerin inşa edilmesi ile ilişkili çok daha büyük zorluklara değil, yalnızca "şeyler" denen nesneleri internet ağına ulaştırma ile ilgilidir.

Örneğin anekdotuma dönersek, hayatlarımızı, insan vücudunun içinde ve etrafında konumlandırılmış cihazlarla doktorlar arasında veri akışı ve veri analizi akışı kuran, böylece insan zekasına teşhis koyma ve bakım sağlama gibi konularda yardımcı olabilecek örgütlü bir tıbbi sistemde yaşadığımızı hayal edebiliriz. Bu sistem; vücuttaki hücrelerden, DNA'dan, kan testlerinden, çevreden, popülasyon genetiğinden ve ilaçlar ile tedavileri içeren geniş bilimsel literatürden gelen bilgileri birleştirir. Tıpkı şu anda tıbbi test prosedürünün, bir grup insan (veya hayvan) üzerinde deneylerin yapılmasına, başka insanların bakımını sağlamak için izin verilmesi gibi, bu sistem de sadece tek bir hastaya ve bir doktora değil, tüm insanlar arasındaki ilişkiye odaklanacaktır. Mevcut bankacılık sisteminin finans ve ödeme alanındaki bu tür zorluklara odaklanma şekli gibi; bilginin, kaynağın ve güvenilirlik kavramlarının korunmasına yardımcı olacaktır. Böyle bir sistemde ortaya çıkabilecek pek çok gizlilik, sorumluluk ve güvenlik sorunları öngörülebilse de bu endişeler oyunu durduran sorunlar olarak değil, üstesinden gelinmesi gereken zorluklar olarak görülmelidir.

Agora Bilim Pazarı

Sapiens: Grafik Tarih 2

Tüm dünyada milyonlarla buluşan Sapiens’in yazarı Yuval Noah Harari, insanlık tarihini geniş bir okur kitlesinin zevkle okuyacağı yepyeni bir formatta sunuyor.

Dört ciltlik serinin ikinci cildi Uygarlığın Sütunları, avcı-toplayıcı Sapiens’in daha fazla güvence ve üretkenlik peşinde koşarken yerleşik düzene nasıl geçtiğini ve tohumunu ektiği ilk buğdayla birlikte kendisini sonu gelmez çatışmalar, salgınlar ve eşitsizlikler döngüsüne nasıl mahkûm ettiğini anlatıyor. Serinin ilk kitabında tanıştığımız kahramanlar bu kez tarihteki en köklü adımlardan Tarım Devrimi’nin etkilerini eğlenceli hikâyelerle gözler önüne seriyor.

Elindekinden daha fazlasına sahip olmak isteyen ilk yerleşimciler, evcilleştirdikleri ilk bitki ve hayvanlarla, kendilerine ayırdıkları ilk toprak parçasıyla, inandıkları ilk din ve koydukları ilk toplumsal kurallarla fark etmeden dünya tarihini şekillendiren en büyük kısırdöngüleri yaratıyor.

İnsanlık tarihinin dönüm noktalarını farklı disiplinlerin penceresinden son derece keyifli bir üslupla anlatan Harari bu kitapta, medeniyetlerin kuruluşunda kilit rol oynayan ama bir yandan da ırklar ve cinsiyetler arasındaki eşitsizlikleri körükleyen kurmaca hikâyelerin, mantıkdışı toplumsal hiyerarşilerin ve hayali düzenlerin foyasını meydana çıkarıyor.

Devamını Göster

₺360.00

Satın Al Tüm Ürünler

• Dış Sitelerde Paylaş

"Yapay Zeka" İçin, "İnsanı Taklit Eden Yapay Zeka" Şart mı?

Şimdi kritik bir konuya geldik: Klasik insan taklit eden yapay zekanın üzerinde çalışmak, bu daha büyük zorluklara odaklanmanın en iyi yolu mu yoksa tek yolu mu?

Makine öğreniminin en çok haberi yapılan son başarı öykülerinden bir kısmı, aslında insanı taklit eden yapay zekayla ilgili alanlarda olmuştur. Belki de bunun gibi alanlarda daha fazla ilerleme beklemeliyiz.

Yapay Genel Zekadan Çok ama Çok Uzaktayız!

Bu konuda, iki noktaya değinmeliyiz. Gazeteleri okuyorsanız sanıyor olabileceğinizin aksine, insanı taklit eden yapay zekadaki başarı aslında oldukça sınırlıdır; henüz insanı taklit eden yapay zeka hedeflerini gerçekleştirebileceğimiz noktadan çok uzaktayız. İnsanları taklit eden yapay zeka konusunda sınırlı da olsa ilerleme kaydetmenin heyecanı (ve korkusu), diğer mühendislik alanlarında mevcut olmayan aşırı coşku ve medya ilgisine yol açmıştır.

Yeterlilik Argümanı

İkincisi ve daha da önemlisi, bu alanlardaki başarı, zeka artırımı ve akıllı altyapı sahalarındaki önemli problemleri çözmek için ne yeterlidir ne de gereklidir. Yeterlilik tarafında, sürücüsüz arabaları düşünün. Kendi kendini süren araç teknolojisinin gerçekleştirilebilmesi için, insanların becerileriyle (veya beceri eksiklikleriyle) neredeyse hiçbir ilgisi olmayan bir dizi mühendislik sorununun çözülmesi gerekmektedir. Genel ulaşım sistemi (ki bu bir akıllı altyapı sistemidir), son derece dikkatsiz olan insan sürücülerden ziyade, günümüzde mevcut olan hava trafik kontrol sistemine çok daha fazla benzeyecektir. Tabii ki bu sistem, mevcut hava trafik kontrol sisteminden, özellikle büyük miktarlarda veri kullanma ve ayrıntılı kararları bildirmek için kullanılacak olan ayarlanabilir istatistiksel modelleme açısından çok daha karmaşık olacaktır. İşte tam da bu zorlukların üzerine gitmeliyiz, dikkatimizi asıl zorluklardan uzaklaştıran "insanı taklit eden yapay zekaya" değil.

Gereklilik Argümanı

Gereklilik argümanına gelince... Bazıları insanı taklit eden yapay zekayı yaratma amacının zeka artırımı ve akıllı altyapı yaratma amacını da kapsadığını söylüyor, çünkü insanı taklit eden bir yapay zeka sistemi, yalnızca yapay zekanın Turing testiyle ilgili sorunlarda da gördüğümüz klasik problemlerini değil, aynı zamanda zeka artırımı ve akıllı altyapı problemlerini çözmek için de elimizdeki en iyi kozdur. Böyle bir argümanın, çok az tarihsel dayanağı vardır. İnşaat mühendisliği, yapay bir marangoz veya duvarcı yaratmayı öngörerek mi gelişti? Daha da tartışmalı bir şekilde ifade edecek olursam: Amacımız, kimya fabrikaları inşa etmek olsaydı, önce bir kimya fabrikası inşa edeceğini düşünen yapay bir kimyager mi yaratmalıydık?

Neden "İnsan Zekası"?

Bununla ilgili başka bir argüman da insan zekasının bildiğimiz tek zeka türü olduğu ve bu nedenle ilk adım olarak onu taklit etmeyi hedeflememiz gerektiğidir. Bununla birlikte, dürüst olacak olursak, insanlar bazı akıl yürütme türlerinde çok da iyi değillerdir. Hatalarımız, önyargılarımız ve sınırlamalarımız vardır. Üstelik eleştirel bakacak olursak, bizler modern akıllı altyapı sistemlerinin karşılaşacağı geniş ölçekli kararları alabilmek için ya da akıllı altyapı bağlamında ortaya çıkacak belirsizlik türleriyle başa çıkabilecek biçimde evrimleşmedik.

Bir yapay zeka sisteminin sadece insan zekasını taklit etmekle kalmayıp aynı zamanda onu düzelteceğini ve keyfi büyük problemlerle ölçekleneceği tartışılabilir. Elbette, dönemimiz bilimkurgu dönemidir ve bu tür spekülatif argümanlar, kurgu ortamında keyifli tartışmaları doğururken, ortaya çıkmaya başlayan eleştirel zeka artırımı ve akıllı altyapı problemleri karşısında bilimkurgu, ileriye dönük temel stratejimizi oluşturmamalıdır. Zeka artırımı ve akıllı altyapı sorunlarını, bu sorunlar çözülmeyi hak ettiği için çözmeliyiz; bu sorunların çözümünü, insanı taklit eden bir yapay zeka araştırma programının bir sonucu olarak görmemeliyiz.

Problem Dağlarını Aşmak

Akıllı altyapı sistemlerindeki, yapay zekanın ana teması olmayan algoritmik ve altyapısal sorunları saptamak zor değildir. Akıllı altyapı sistemleri, hızla değişen ve küresel olarak tutarsız olma olasılığı yüksek olan, dağıtılmış bilgi havuzlarını yönetme becerisine ihtiyaç duyar. Bu tür sistemler; zaman-sınırlı ve dağıtılmış kararlar alırken, bazı bireyler hakkında çok fazla ve çoğu insan hakkında çok az veri bulunan "uzun kuyruk olgusu" ile de başa çıkabilmelidir. Bu sistemlerin; idari ve rekabetçi sınırların ötesinde, veri paylaşımının zorluklarını çözmesi gerekir. Son ve özellikle önemli olan bir diğer konu, akıllı altyapı sistemleri; "teşvik tedbirleri" ve "fiyatlandırma" gibi ekonomik fikirleri, insanları birbirine ve onların değer verdikleri eşyalara bağlayan istatiksel ve sayısal altyapıya getirmelidir.

Bu tür akıllı altyapı sistemi yalnızca bir hizmet sağlayıcı olarak değil, aynı zamanda yeni bir pazar yaratımı olarak da görülebilir. Veri analizinin üreticileri ve tüketicileri birbirine bağlayacağı bu tür pazarların ortaya çıkması için feryat eden; müzik, edebiyat ve gazetecilik gibi alanlar var. Ve tüm bunlar, gelişmekte olan sosyal etik ve hukuki normlara uygun yapılmalıdır.

Klasik Sorunlar

Tabii klasik "insan taklit eden yapay zeka sorunları" da büyük ilgi görmeye devam ediyor. Ancak, günümüzdeki veri toplama yoluyla yapılan yapay zeka araştırmalarının odak noktası, derin öğrenme altyapıları kullanımı ve dar bir şekilde tanımlanmış ve açıklayıcı ilkeleri bulunmayan insan becerilerini taklit edebildiğinin gösterilmesidir. Bu durum, klasik yapay zeka konularında karşılaşılan büyük problemlere yeterince ilgi gösterilmemesine sebep olmaktadır. Bu problemler arasında; dil işlemeyi gerektiren sistemlere anlam ve mantık getirmek, çıkarım yapma ve nedenselliği temsil etme ihtiyacı, belirsizliğin hesaplama yoluyla izlenebilir temsillerini geliştirme ve uzun vadeli hedefleri formüle edebilen ve sürdürebilen sistemler geliştirme ihtiyacı sayılabilir. Bunlar, insanı taklit eden yapay zeka yaratmanın klasik hedefleridir; ancak yapay zeka devrimiyle ilgili bu mevcut kargaşada, bu hedeflerin henüz çözülmediklerini unutmak kolaydır.

Ayrıca zeka artırımı da oldukça önemli olmaya devam edecektir; çünkü öngörülebilir bir gelecekte bilgisayarlar, hala gerçek dünya durumları hakkında soyut bir şekilde akıl yürütme yeteneklerinde insanlara yaklaşamayacaklardır. En acil sorunlarımızı çözmek için, insanlar ve bilgisayarların iyi düşünülmüş etkileşimlerine ihtiyacımız vardır. Ve bilgisayarların insan yaratıcılığının yerini almasını değil (artık bu ne demekse...), insan yaratıcılığının yeni seviyelerini tetiklemesini arzulamalıyız.

Yeni Bir Mühendislik Disiplini!

Görünüşe göre, o sırada gelişmekte olan araştırma gündemini, o zamanlar MIT'nin eski bir profesörü Norbert Wiener'inkinden ayırmak için, Dartmouth'da profesör olduğu ve yakında MIT'de bir pozisyon alacak olan John McCarthy, "yapay zeka" terimini icat eden kişiydi. Wiener, kendi akıllı sistemler vizyonuna atıfta bulunmak için "sibernetik" terimini icat etmişti. Bu vizyon; operasyon araştırmaları, istatistik, örüntü tanıma, bilgi teorisi ve kontrol teorisiyle yakından ilgili bir vizyondu. McCarthy ise akıllı sistemleri, mantığa dayandırdı. Ama işler, ilginç bir şekilde tersine döndü: Günümüzde Wiener’in entelektüel gündemi, McCarthy’nin terminolojisinin bayrağı altında hakim konuma geldi. (Elbette günümüzdeki bu durum sadece geçicidir; çünkü Yapay Zeka alanında, diğer birçok sahadan daha sık gidişat değişimi yaşanır).

McCarthy ve Wiener'in tarihsel perspektiflerinin ötesinde, yapay zeka hakkındaki mevcut halka açık diyaloğun, bizi tüm kapsamıyla yapay zekanın, zeka artırımı ve akıllı altyapının sunduğu zorluklar ve fırsatlara karşı kör etme riski taşıdığını anlamamız gerekiyor.

Bu kapsam, bilimkurgu rüyalarının veya insanüstü kabusların gerçekleşmesi hakkında olmasından çok, insanların, günümüzde, var olan teknolojiyi anlama ve şekillendirme ihtiyacının her zamankinden daha çok olmasıyla ilgilidir. Dahası, bu anlayış ve biçimlendirme sürecinde, yalnızca teknolojik olarak uyum sağlayanlar arasındaki diyaloğa değil, yaşamın her kesiminden çeşitli seslere ihtiyaç vardır. Dar bir şekilde insani taklit eden yapay zekaya odaklanmak, geniş bir ses yelpazesinin duyulmasını engeller.

Endüstri, birçok gelişmeyi yönlendirecek olsa da akademi, yalnızca en yenilikçi teknik fikirlerin bazılarını sağlamada değil, aynı zamanda hesaplama ve istatistiksel disiplinlerden araştırmacıları, katkıları ve bakış açıları son derece gerekli olan sosyal bilimler, bilişsel bilimler ve beşeri bilimlerden diğer araştırmacılarla bir araya getirmede de önemli bir rol oynayacaktır.

Öte yandan, toplumumuz yeni türden eserler inşa etmeyi hedeflerken, ilerleme kaydetmek için beşeri bilimler ve bilimler gerekli olsa da, benzeri görülmemiş büyüklükte ve kapsamda bir mühendislik çabasından başka bir şeyden bahsediyormuş gibi de davranmamalıyız. Bu eserler, iddia edildiği gibi çalışacak şekilde yapılmalıdır. Tıbbi tedaviler, ulaşım seçenekleri ve ticari fırsatlar konusunda bize yardımcı olacak sistemler inşa edip bu sistemlerin gerçekten çalışmadığını, insanların hayatı ve mutluluğu ile ilgili zararı olan hatalar yaptıklarını sonradan fark etmek istemeyiz. Daha önce de vurguladığım gibi, veri ve öğrenme odaklı alanları kapsayacak, ortaya henüz çıkmamış bir mühendislik disiplini vardır. Bu alanlar ne kadar heyecan verici görünse de, henüz bir mühendislik disiplini oluşturdukları söylenemez.

Yeni bir mühendislik dalının oluşumuna tanık olduğumuz gerçeğini benimsemeliyiz. Akademi dünyası ve benzeri yerlerde mühendislik disiplini; soğuk ve duygusuz makineler anlamına gelebilir ve insanlaın kontrolü kaybetmesi anlamına da gelebilir; ancak mühendislik disiplini, biz onun ne olmasını istiyorsak, o olabilir. Yaşadığımız çağda, tarihsel olarak yeni bir şey tasarlamak gibi gerçek bir fırsata sahibiz: İnsan merkezli bir mühendislik disiplini. Ortaya çıkan bu yeni disipline bir isim vermemek için direneceğim, ancak "yapay zeka" kısaltması, ileride de vekâleten isimlendirme görevi görmeye devam edecekse, insanları bu vekil terimin gerçek sınırlamalarının farkında olmaya çağırıyorum. Kapsamımızı genişletelim, aldatmacayı hafifletelim ve önümüzdeki ciddi zorlukların farkına varalım.