Yapay Zekanın Michael Jordan'ı: Önünüze Gelen Her Şeye Yapay Zeka Demeyi Bırakın!
Yapay zeka sistemleri; mantıklama, gerçek dünya bilgisi ve sosyal etkileşim gerektiren görevlerin birçoğunda insanların yerini almanın yanına bile yanaşabilecek düzeyde değiller. Yapay zeka ve makina öğrenmesi alanında en önde gelen bilim insanlarından olan ve aynı zamanda Berkeley'deki Kaliforniya Üniversitesi Elektrik Mühendisliği ve Bilgisayar Bilimleri ile İstatistik Bölümü'nde profesör oolan Michael I. Jordan'ın söylediğine göre, yapay zekanın düşük seviyeli örüntü tanımlama becerileri konusunda insan düzeyinde bir beceri sergiledikleri doğrudur; ancak bilişsel seviyede yaptıkları tek şey, yalnızca insan zekasını taklit etmektir; derinlemesine ve yaratıcı bir şekilde etraflarıyla etkileşime geçemezler.
Jordan, yapay zeka alanında yakın geçmişte elde edilen büyük kazanımların altında yatan sebep olan makina öğrenmesinin tek amacının (hatta en çok arzulanan amacının) insan düşüncesini taklit etmek olmadığını da söylüyor. Bunun yerine makina öğrenmesi, insan zekasını pekiştirecek ve tamamlayacak bir araç görevi görmektedir. Bunu da, devasa büyüklükteki veri setlerini didik didik tarayarak başarmaktadır; tıpkı arama motorlarının Web sitelerini organize ederek insan bilgisini tamamlaması ve pekiştirmesi gibi. Ayrıca makina öğrenmesi; birden fazla veri setinde bulunan bilgiyi bir araya getirerek, bunlar içindeki örüntüleri bularak ve yeni aksiyon yönleri belirleyerek insanlara sağlık hizmetleri, ticaret ve taşımacılık alanlarında da yeni hizmet alanları yaratabilir. Jordan, şöyle diyor:
İnsanlar teknoloji trendlerinden söz ederken yapay zekanın anlamı konusunda kafa karışıklığı olduğunu gösteriyorlar. İnsanların söylediklerini dinleyecek olursanız, zeki bir şekilde düşünen bilgisayarlarımız olduğunu ve bunlar sayesinde ilerlediğimizi ve bunların insanlarla rekabet halinde olduğunu sanabilirsiniz. Böyle bir teknolojimiz yok; ama insanlar sanki varmış gibi konuşuyorlar.
Micheal I. Jordan Kimdir?
Jordan, ikisi arasındaki farkı en iyi bilen kişilerden biri. IEEE üyelerinden olan Jordan, makina öğrenmesi konusunda Dünya'nın lider otoritelerinden biri konumunda. 2016 yılında Jordan, Science dergisinde yayınlanan bir programatik analizde yeryüzündeki en etkili bilgisayar bilimci seçilmişti.[1] Jordan, önceden belirlenmiş etiketlere ihtiyaç duymadan veri içerisinde yapılar bulabilen denetimsiz makina öğrenmesi sahasını, birbiriyle ilişkisiz algoritmalar bütününden çıkararak entelektüel olarak tutarlı bir araştırma sahasına dönüştürmede rol aldı.[2] Denetimsiz öğrenme, yapay zekanın eğitileceği veriyi etiketlememizi sağlayacak, yerleşik bir teorinin bulunmadığı alanlarda önemli bilimsel uygulamalara sahiptir.
Jordan'ın sahaya yaptığı katkılar, ona birçok ödül getirdi. Örneğin 2021 yılında, Amerikan Matematik Cemiyeti tarafından 3 yılda bir verilen Ulf Grenander Ödülü'ne, Stokastik Teori ve Modelleme alanında layık görüldü.[3] Ondan bir önceki sene de makina öğrenmesi ve veri bilimine yaptığı katkılar dolayısıyla IEEE John von Neumann Madalyası'na layık görülmüştü.[4]
Geçtiğimiz yıllarda Jordan, bilim insanları, mühendisler ve diğer kişilerin makina öğrenmesini tam olarak anlayabilmesi için bir göreve başladı. Ona göre makina öğrenmesindeki gelişmeler, yeni bir mühendislik dalının doğumunu yansıtıyor. 1900'lü yıllarının başında kimya ve akışkanlar mekaniği sahalarından kimya mühendisliğinin doğumu gibi; bilgisayar bilimi, istatistik ve kontrol teorisi alanındaki onlarca yıldır süregelen çalışmalar, makina öğrenmesini doğurmaktadır. Dahası, Jordan'a göre makina öğrenmesi sahası, insanlarla teknoloji arasındaki etkileşime odaklanan ve insan-merkezli olan ilk mühendislik sahasıdır. Şöyle diyor:
Yapay zeka ve süperzeka konusundaki bilimkurgu tartışmaları eğlenceli olsa da, bunlar tamamen dikkat dağıtıcıdır. Eldeki gerçek probleme yeterince odaklanamamaktayız. Bu problem, gezegen boyutunda olan ve makina öğrenmesi temelli bir sistem inşa etmektir. Bu sistemin insanlara değer katması gerekir, eşitsizlikleri arttırması değil!
Harekete Katılmak...
1960'ların çocuğu olan Jordan, zihnimizin nasıl çalıştığına yönelik felsefi ve kültürel perspektiflere her zaman ilgi duydu. İngiliz mantıkçı Bertrand Russell'ın otobiyografisini okuduktan sonra, psikoloji ve istatistik alanında çalışma konusunda heveslendi.[5] Russell, insan düşüncesini mantıksal ve matematiksel bir süreç olarak görüyordu. Jordan, şöyle anlatıyor:
Düşünceyi mantıksal bir süreç olarak görmek ve bilgisayarların mantığın yazılım ve donanım alanında uygulamalarından doğduğunu fark etmek, zihinle beyin arasındaki paraleli görmemi sağladı. Felsefe, zihinle ilgili muğlak tartışmalardan çıkıp, daha somut, daha algoritmik, daha mantıklı bir şeye dönüşebilir gibi geldi. Beni çeken buydu.
Jordan, Baton Rouge'daki Louisiana Eyalet Üniversitesi'nde psikoloji okudu ve 1978 yılında bu sahada lisans diplomasını aldı. 1980 yılında Tempe'deki Arizona Eyalet Üniversitesi'nden matematik yüksek lisansını, 1985'te ise San Diego'daki Kaliforniya Üniversitesi'nden bilişsel bilimler sahasında doktorasını aldı.
Jordan üniversiteye ilk başladığında, makina öğrenmesi diye bir saha yoktu. O mezun olurken, bu saha daha yeni yeni doğuyordu. Şöyle anlatıyor:
Makina öğrenmesi ilgimi çekiyordu. Daha o zamandan, öğrenmeyi anlamak için gereken daha derin prensiplerin istatistik, bilgi teorisi ve kontrol teorisinde yattığını düşünüyordum; dolayısıyla kendimi bir makina öğrenmesi araştırmacısı olarak yaftalamadım. Ama nihayetinde makina öğrenmesi fikrini kucakladım, çünkü bu sahada çalışan ilginç insanlar vardı ve sahada yaratıcı işler üretiliyordu.
2003 yılında Jordan ve öğrencileri, gizli Dirichlet paylaştırması adı verilen, dokümanlar ve diğer veri koleksiyonları içerisinde denetlenmeyen bir biçimde öğrenmeye yönelik olasılıkçı bir çerçeve geliştirdiler.[6] Bu teknik, gizli temaları tespit etmede ve dokümanları kategorilere ayrıştırmada kullanılan en popüler modelleme yöntemlerinden biri haline geldi.
Jordan'ın şu anki projeleri, ekonomi sahasından aldığı fikirleri, geçmişte geliştirdiği bilgisayar bilimleri ve istatistik yöntemleriyle harmanlıyor. Ona göre öğrenen sistemlerin amacı kararlar almak veya insanların karar alma süreçlerine yardım etmektir. Burada kritik nokta, karar alanların nadiren çevrelerinden izole (yalıtık) olduğudur. Diğer karar alıcılarla etkileşime geçerler ve bunların hepsinin farklı ihtiyaçları ve değerleri olabilir. Bu şekilde yaşanan toplam etkileşim, ekonomik prensipler tarafından yönetilebilir. Jordan, şu anki araştırmasını şöyle anlatıyor:
Öğrenen tarafların gerçek dünya deneylerinden yola çıkarak tercihlerini öğrendikleri, öğrenecekleri veriyi toplarken keşif ile istismarı bir arada kullanan ve öğrenenlere belirli türden verileri toplamak ve belirli biçimlerde koordine olmuş kararlar vermek konusunda teşvikler veren piyasa mekanizmalarının öğrenme sürecini yapılandırabileceği bir araştırma programı geliştiriyoruz. Bu tür bir araştırmanın katkısı, gerçek dünyada çalışan sistemler yaratmak olacaktır. Bu sistemler, üreticiler ve tüketicileri sosyal iyilik haline değer veren öğrenme-temelli pazarlarda bir araya getirecektir.
Yapay Zekayı Netleştirmek
2019 yılında Jordan, Harvard Data Science Review dergisinde Yapay Zeka: Gerçekleşmemiş Devrim başlıklı bir yazı yayınladı.[7] Bu makalede Jordan, yapay zeka teriminin sadece halk tarafından değil, aynı zamanda teknologlar tarafından da yanlış anlaşıldığını açıklıyor. 1950'li yıllarda bu terim ilk defa geliştirildiğinde, o zamanki insanlar insan-seviyesinde zekaya sahip hesap makinaları üretmeyi hayal ediyorlardı. Bu hayal halen geçerli; ancak son birkaç on yıldır gidişat, bu hayalden biraz farklı yönde ilerliyor. Bilgisayarlar insan zekası düzeyine ulaşmış değil; ancak yine de insan zekasını tamamlayacak ve pekiştirecek niteliğe sahip oldular.
Evrim Ağacı'nın çalışmalarına Kreosus, Patreon veya YouTube üzerinden maddi destekte bulunarak hem Türkiye'de bilim anlatıcılığının gelişmesine katkı sağlayabilirsiniz, hem de site ve uygulamamızı reklamsız olarak deneyimleyebilirsiniz. Reklamsız deneyim, sitemizin/uygulamamızın çeşitli kısımlarda gösterilen Google reklamlarını ve destek çağrılarını görmediğiniz, %100 reklamsız ve çok daha temiz bir site deneyimi sunmaktadır.
KreosusKreosus'ta her 10₺'lik destek, 1 aylık reklamsız deneyime karşılık geliyor. Bu sayede, tek seferlik destekçilerimiz de, aylık destekçilerimiz de toplam destekleriyle doğru orantılı bir süre boyunca reklamsız deneyim elde edebiliyorlar.
Kreosus destekçilerimizin reklamsız deneyimi, destek olmaya başladıkları anda devreye girmektedir ve ek bir işleme gerek yoktur.
PatreonPatreon destekçilerimiz, destek miktarından bağımsız olarak, Evrim Ağacı'na destek oldukları süre boyunca reklamsız deneyime erişmeyi sürdürebiliyorlar.
Patreon destekçilerimizin Patreon ile ilişkili e-posta hesapları, Evrim Ağacı'ndaki üyelik e-postaları ile birebir aynı olmalıdır. Patreon destekçilerimizin reklamsız deneyiminin devreye girmesi 24 saat alabilmektedir.
YouTubeYouTube destekçilerimizin hepsi otomatik olarak reklamsız deneyime şimdilik erişemiyorlar ve şu anda, YouTube üzerinden her destek seviyesine reklamsız deneyim ayrıcalığını sunamamaktayız. YouTube Destek Sistemi üzerinde sunulan farklı seviyelerin açıklamalarını okuyarak, hangi ayrıcalıklara erişebileceğinizi öğrenebilirsiniz.
Eğer seçtiğiniz seviye reklamsız deneyim ayrıcalığı sunuyorsa, destek olduktan sonra YouTube tarafından gösterilecek olan bağlantıdaki formu doldurarak reklamsız deneyime erişebilirsiniz. YouTube destekçilerimizin reklamsız deneyiminin devreye girmesi, formu doldurduktan sonra 24-72 saat alabilmektedir.
Diğer PlatformlarBu 3 platform haricinde destek olan destekçilerimize ne yazık ki reklamsız deneyim ayrıcalığını sunamamaktayız. Destekleriniz sayesinde sistemlerimizi geliştirmeyi sürdürüyoruz ve umuyoruz bu ayrıcalıkları zamanla genişletebileceğiz.
Giriş yapmayı unutmayın!Reklamsız deneyim için, maddi desteğiniz ile ilişkilendirilmiş olan Evrim Ağacı hesabınıza üye girişi yapmanız gerekmektedir. Giriş yapmadığınız takdirde reklamları görmeye devam edeceksinizdir.
Dahası, prensip olarak insanların da başarabildiği düşük seviyeli örüntü tespit etme kapasitesi konusunda kusursuzluğa eriştiler; ama bu başarı, büyük bir maliyetle geldi. Örneğin, makina öğrenmesi temelli sistemler devasa ölçekli finansal işlemlerde sahtekarlığı tespit edebiliyorlar ve bu sayede elektronik ticarete hız katıyorlar. Modellemede, tedarik zincirlerinin kontrolünde ve sağlık hizmetlerinde temel bir role sahipler. Ayrıca sigorta çalışanlarına, doktorlara, eğitimcilere ve film yapımcılarına yardım ediyorlar.
Yapay Zeka Teknolojisi adı verilen bu sahadaki tüm gelişmelere rağmen, bu teknolojilerin altında yatan sistemlerde üst seviye mantıklama veya düşünce diyebileceğimiz hiçbir şey bulunmuyor. Bu sistemler, insanların yapabildiği gibi semantik temsiller veya çıkarımlar yapamıyorlar. Uzun dönem hedefleri formüle edip, bunların peşinden gidemiyorlar. Şöyle anlatıyor:
Öngörülebilir bir gelecek boyunca, bilgisayarların gerçek dünyadaki problemlere yönelik soyut mantıklama yeteneği konusunda insanlarla eşit bir düzeye gelmesi mümkün değil. En acil sorunlarımızı çözmek için, insanlarla bilgisayarlar arasında iyi düşünülmüş etkileşimler yaratmamız lazım. Büyük ölçekli sistemlerin zeki davranışlarının; o sistemi oluşturan parçalar arasındaki etkileşimlerden doğduğu kadar, o parçaların tekil zekasından da doğduğunu anlamamız gerekiyor.
Ayrıca Jordan, teknolojiyi geliştirirken insan mutluluğunun ikincil planda kalmaması gerektiğini düşünüyor:
Tarihsel olarak yepyeni bir şey yaratmak için gerçek bir fırsata sahibiz: İnsan-merkezli bir mühendislik disiplini yaratabiliriz!
Jordan'a göre bu, toplum politikalarında ve akademik araştırmalarda mühendisliğin rolüne yönelik yeni tartışmaları alevlendirmeyi de içeriyor. Ona göre, halk arasında sosyal bilimlerden söz etmek çekiciyken, sosyal mühendislikten söz etmek itici geliyor. Benzer şekilde, genom bilimi kulağa havalı gelirken, genetik mühendislik itici gelmektedir. Şöyle diyor:
Bana kalırsa "mühendislik" teriminin entelektüel camiadaki rolünü yok ettik. İnsanlar vizyoner araştırmalardan söz ederken "mühendislik" yerine "bilim" sözcüğünü tercih ediyorlar. Özellikle de "mühendislik işte" gibi laflar işleri daha da bozuyor.
Bana kalırsa bilimin insan türü için yaptığıh harika şeyleri düşünmek önemli. Bunların büyük bir kısmı aslında inşaat mühendisliği, elektrik mühendisliği, kimya mühendisliği ve diğer mühendislik sahalarının başarısı. Mühendislik, insan mutluluğuna en doğrudan ve en temelden etki eden bilim sahası.
Tüm Reklamları Kapat
Jordan, günümüzde bilimsel bilgi akışının da aksadığını söylüyor ve IEEE Access gibi açık erişimli dergilerin daha önemli hale geldiğini söylüyor:
Bana kalırsa ticari yayın firmaları, artık etkisiz olan ve bilgi akışını kısıtlayan bir iş modeli inşa ettiler.
Jordan'ın makalelerinin büyük bir kısmına IEEE Xplore Dijital Kütüphanesi üzerinden erişebilirsiniz.
İçeriklerimizin bilimsel gerçekleri doğru bir şekilde yansıtması için en üst düzey çabayı gösteriyoruz. Gözünüze doğru gelmeyen bir şey varsa, mümkünse güvenilir kaynaklarınızla birlikte bize ulaşın!
Bu içeriğimizle ilgili bir sorunuz mu var? Buraya tıklayarak sorabilirsiniz.
Soru & Cevap Platformuna Git- 27
- 6
- 4
- 3
- 1
- 0
- 0
- 0
- 0
- 0
- 0
- 0
- Türev İçerik Kaynağı: IEEE Spectrum | Arşiv Bağlantısı
- ^ J. Bohannon. Who’s The Michael Jordan Of Computer Science? New Tool Ranks Researchers' Influence. (20 Nisan 2016). Alındığı Tarih: 13 Nisan 2021. Alındığı Yer: Science | Arşiv Bağlantısı
- ^ ETHW. Michael I. Jordan. Alındığı Tarih: 13 Nisan 2021. Alındığı Yer: ETHW | Arşiv Bağlantısı
- ^ American Mathematical Society. Ulf Grenander Prize In Stochastic Theory And Modeling. Alındığı Tarih: 13 Nisan 2021. Alındığı Yer: American Mathematical Society | Arşiv Bağlantısı
- ^ IEEETV. Honors 2020: Michael I. Jordan Wins The Ieee John Von Neumann Medal. (15 Mayıs 2020). Alındığı Tarih: 13 Nisan 2021. Alındığı Yer: IEEETV | Arşiv Bağlantısı
- ^ B. Russell. (2000). The Autobiography Of Bertrand Russell. ISBN: 9780415228626. Yayınevi: Routledge.
- ^ D. M. Blei, et al. (2003). Latent Dirichlet Allocation. The Journal of Machine Learning Research. | Arşiv Bağlantısı
- ^ M. I. Jordan. (2019). Artificial Intelligence—The Revolution Hasn’t Happened Yet. Harvard Data Science Review. doi: 10.1162/99608f92.f06c6e61. | Arşiv Bağlantısı
Evrim Ağacı'na her ay sadece 1 kahve ısmarlayarak destek olmak ister misiniz?
Şu iki siteden birini kullanarak şimdi destek olabilirsiniz:
kreosus.com/evrimagaci | patreon.com/evrimagaci
Çıktı Bilgisi: Bu sayfa, Evrim Ağacı yazdırma aracı kullanılarak 03/12/2024 17:28:20 tarihinde oluşturulmuştur. Evrim Ağacı'ndaki içeriklerin tamamı, birden fazla editör tarafından, durmaksızın elden geçirilmekte, güncellenmekte ve geliştirilmektedir. Dolayısıyla bu çıktının alındığı tarihten sonra yapılan güncellemeleri görmek ve bu içeriğin en güncel halini okumak için lütfen şu adrese gidiniz: https://evrimagaci.org/s/10355
İçerik Kullanım İzinleri: Evrim Ağacı'ndaki yazılı içerikler orijinallerine hiçbir şekilde dokunulmadığı müddetçe izin alınmaksızın paylaşılabilir, kopyalanabilir, yapıştırılabilir, çoğaltılabilir, basılabilir, dağıtılabilir, yayılabilir, alıntılanabilir. Ancak bu içeriklerin hiçbiri izin alınmaksızın değiştirilemez ve değiştirilmiş halleri Evrim Ağacı'na aitmiş gibi sunulamaz. Benzer şekilde, içeriklerin hiçbiri, söz konusu içeriğin açıkça belirtilmiş yazarlarından ve Evrim Ağacı'ndan başkasına aitmiş gibi sunulamaz. Bu sayfa izin alınmaksızın düzenlenemez, Evrim Ağacı logosu, yazar/editör bilgileri ve içeriğin diğer kısımları izin alınmaksızın değiştirilemez veya kaldırılamaz.