Yapay zekâ nedir?

Yapay zekâ fikri nasıl doğdu?

Makinelerin düşünüp düşünemeyeceği sorusu, elektronik bilgisayarların ortaya çıkmasıyla bilimsel bir tartışma konusuna dönüştü. İngiliz matematikçi Alan Turing (1912–1954), 1950’de Mind dergisinde yayımlanan “Computing Machinery and Intelligence” adlı makalesinde bu soruyu farklı bir biçimde sordu. “Makineler düşünebilir mi?” sorusunun tanımlanması zor olduğunu belirterek yerine bir “taklit oyunu” önerdi: Yazışma yoluyla soru soran bir kişi, karşısındakinin insan mı makine mi olduğunu ayırt edemiyorsa ne sonuç çıkarılmalıdır? Bu düşünce deneyi sonradan “Turing testi” olarak anıldı.

“Yapay zekâ” terimi nerede ortaya çıktı?

Terim, John McCarthy’nin Marvin Minsky, Nathaniel Rochester ve bilgi kuramının kurucusu sayılan Shannon ile birlikte 1955’te hazırladığı bir öneride kullanıldı. Öneri, 1956 yazında ABD’deki Dartmouth Koleji’nde yapılacak bir çalışma toplantısı içindi. Önerinin temel varsayımı, öğrenmenin ve zekânın her yönünün, bir makinenin taklit edebileceği kadar kesin biçimde tarif edilebileceğiydi. 1956 Dartmouth toplantısı, yapay zekânın bağımsız bir araştırma alanı olarak doğuşu kabul edilir.

Yapay zekâ tarihinde hangi dönemler yaşandı?

Alanın tarihi, büyük beklentilerle hayal kırıklıklarının birbirini izlediği dalgalar hâlinde ilerledi.

İlk yıllarda araştırmacılar büyük bir iyimserlik içindeydi. 1958’de Frank Rosenblatt, beyindeki sinir hücrelerinden esinlenen ve örneklerden öğrenebilen “perseptron” modelini tanıttı. 1966’da Joseph Weizenbaum’un geliştirdiği ELIZA programı, kullanıcının cümlelerini basit kalıplarla yeniden sorarak bir terapistle konuşuyormuş izlenimi yarattı; program aslında söylenenleri anlamıyordu. Bu örnekler, bir sistemin akıllı görünmesi ile gerçekten anlaması arasındaki farkı tartışmaya açtı.

1980’lerin uzman sistemleri, belirli bir alandaki uzman bilgisini “eğer şu durum varsa şunu yap” biçimindeki yüzlerce kurala dönüştürüyordu. Bu sistemler bazı alanlarda yararlı oldu; ancak kuralları yazmak ve güncel tutmak pahalıydı, beklenmeyen durumlarda da başarısız oluyorlardı. Bu sınırlılıklar, kurallar yerine verilerden öğrenen yöntemlere ilgiyi artırdı.

Hangi olaylar dönüm noktası sayılır?

• Mayıs 1997: IBM’in Deep Blue bilgisayarı, dünya satranç şampiyonu Garri Kasparov’u standart turnuva koşullarında altı oyunluk bir maçta yendi. Deep Blue, saniyede yaklaşık 200 milyon pozisyonu değerlendirebiliyordu; başarısı büyük ölçüde kaba hesaplama gücüne dayanıyordu.
• Mart 2016: DeepMind’ın geliştirdiği AlphaGo, Seul’de oynanan beş oyunluk maçta Go ustası Lee Sedol’u 4–1 yendi. Go’daki olası hamle sayısı satranca göre çok daha fazla olduğundan bu başarı, öğrenmeye dayalı yöntemlerin gücünü gösterdi.
• 2020’ler: Çok büyük metin kümeleriyle eğitilen dil modelleri, metin üretme ve çeviri gibi işlerde geniş kullanım alanı buldu.

Bu iki olay arasındaki fark, alanın nasıl değiştiğini de gösterir. Deep Blue’nun satranç bilgisi büyük ölçüde uzmanların tasarladığı değerlendirme kurallarına ve çok hızlı arama yeteneğine dayanıyordu. AlphaGo ise sinir ağlarını kullanarak çok sayıda oyundan ve kendi kendine oynadığı maçlardan öğrendi. Bu geçiş, kural yazmaktan veriden öğrenmeye doğru yaşanan genel eğilimin bir yansımasıdır.

Makine öğrenmesi ve derin öğrenme nedir?

Klasik programlamada insan, bilgisayara ne yapacağını adım adım kurallarla anlatır. Makine öğrenmesinde ise sistem, çok sayıda örnekten kalıpları kendisi çıkarır. Örneğin binlerce etiketli fotoğraf görerek kedi ile köpeği ayırt etmeyi öğrenebilir.

Derin öğrenme, makine öğrenmesinin bir alt dalıdır. Beyindeki sinir hücrelerinden esinlenen, çok katmanlı “yapay sinir ağları” kullanır. Bu ağlar görüntü tanıma, konuşmayı yazıya çevirme ve dil işleme gibi alanlarda 2010’lardan itibaren büyük ilerleme sağladı. Bu ilerlemenin arkasında daha fazla veri, daha güçlü çipler ve geliştirilmiş algoritmalar vardır.

Yapay zekâ bugün arama motorlarında, çeviri araçlarında, sesli asistanlarda, görüntü tanıma sistemlerinde ve öneri listelerinde kullanılmaktadır. Bu yaygınlık beraberinde yeni sorular da getirdi: Kişisel verilerin korunması, kararların şeffaflığı, telif hakları ve iş gücü üzerindeki etkiler, farklı ülkelerde yasal düzenlemelerin ve kamuoyu tartışmalarının konusu oldu. Bu tartışmalar, teknolojinin nasıl geliştirileceği kadar nasıl kullanılacağının da önemli olduğunu gösteriyor.

Sık yapılan yanılgılar

Bilim kurgu filmlerinin etkisiyle yapay zekâ çoğu zaman insan gibi düşünen ve bilinçli makinelerle özdeşleştirilir. Bugünkü yapay zekâ sistemlerinin büyük çoğunluğu “dar” yapay zekâ olarak adlandırılır: Belirli bir görevde çok başarılı olabilirler, ancak bu başarıyı her alana taşıyamazlar. Bir diğer yanılgı, yapay zekânın yeni bir kavram olduğudur; alanın kökleri 1950’lere uzanır ve bugünkü gelişmeler yetmiş yılı aşkın birikimin ürünüdür. Ayrıca yapay zekâ sistemleri eğitildikleri verilerdeki hataları ve önyargıları da öğrenebilir; bu nedenle ürettikleri sonuçların doğrulanması önemlidir.