Suni Zekâ Iyi mi Boyut Atladı?

Yıl 1997. Tüplü televizyonların puslu renkleri, ekip elbiseli iki adamı satranç oynarken gösteriyor. Bu adamlardan biri satrancın o dönemki en büyük adı olan Kasparov. Öteki şahıs ise IBM’in suni zekâ bilgisayarı Deep Blue’dan gelen komutları oynayan bir aracı. Dünyanın dört bir yanında bu maç haberlere mevzu oluyor zira ilk kez bir suni zekâ, bir satranç ustasına kafa tutuyor.

Aradan birkaç yıl geçiyor, web yeni yeni yaygınlaşmaya evlere girmeye başlamış. Satranç bilen bilmeyen internetten satranç oynuyor ve hepimiz Chessmaster’da en zorda oyun açıp rakibinin hamlelerini Chessmaster’da yapıyor. Chessmaster’ın verdiği karşılıkları da insan rakiplerine karşı kullanıyorlar. Botman diye bir manyak bu suni zekâ işini abartıp Counter-Strike oyununa botları ekliyor ve oyunu evlerde de internetsiz oynanabilir hâle getiriyor.

Yıl 2024. Bir üniversitede ders veren bir akademisyen, öğrencilerin ödevleri suni zekâya yaptırmadıklarından güvenilir olmak için yeni yöntemler bulmaya çalışıyor. Peki arada ne oldu da bir tek oyunlarda hamle icra eden ya da kolay tahminler geliştiren suni zekâlar kendi başına ödev yapar, program yazar oldu?

Aslına bakarsak suni zekâ oldukça uzun süreden beri gündemde olan bir mevzu

1956 senesinde John McCarthy, periyodunun sayılı bilim insanlarını toplamış olduğu etkinliğe dikkat çekici bir isim buldu: Suni Zekâ. Aslına bakarsak bu isim bulunmadan ilkin, bilgisayar bilimci Arthur Samuel işten arta kalan zamanlarında dama oynayacak kimseyi bulamıyor diye bir program geliştirmiş ve ilk suni zekâyı -adını bilmeden de olsa- bulmuştu.

Bu devrin bilgisayarları devasa olsalar da işlem kapasitesi olarak bugünün standartlarının oldukça peşinde cihazlardı. Bu da onlara garip bir özellik katıyordu: Suni zekâ sizin benim şeklinde tahmin yapmak durumundaydı. Aynı anda oynanabilecek zibilyon tane hamleyi hesaplayamadığı için, o an en ideal görünen hamleyi yapıyordu.

Zaman içinde suni zekâlar kendilerini geliştirebilmeye başladı. Yaptıkları hamle sonucunda oyun kaybettiklerinde ikinci en iyi alternatife yönelmeye başladılar. Bu da ortaya güçlendirilmiş öğrenme dediğimiz yöntemi çıkardı. Yalnız bu yöntemde suni zekâ daha çok ya da daha iyi işlem yapmıyordu, yalnızca daha süratli işlem yapıyordu. Devamlı domates doğrarsanız iyi mi ezmeden domates kesebileceğinizi ve kendinizi kesmeden işlemi tamamlayabileceğinizi öğrenirsiniz sadece bu ergonomik, size “Al ananas doğra” dendiği vakit pek bir işe yaramaz. Eski suni zekânın da bu şekilde bir problemi vardı. Bu suni zekâya simgesel suni zekâ adı veriliyordu.

Suni zekâ oldukça popüler oldu sadece devam edemedi: “Suni zekâ kışı” geldi

Suni zekânın eski versiyonunda ufak bir problem vardı: mucitler. Eski modeller tasarlanırken insanların her problemi mantıkla çözdüğü varsayılırken, suni zekânın da Aristo mantığı seviyesinde “Filler uçar, Mehmet de fildir o vakit Mehmet de uçar.” seviyesinde düşünmesi kafi görülüyordu. İnsanlar {hiç de} o şekilde mantıklı canlılar olmadıkları için suni zekâ ihtiyaçlara yanıt veremiyordu. Firmalar bilim kurgu filmlerindeki robotlara benzer sistemler vaat ediyor fakat başaramıyordu.

Bu uyumsuzluk ve anlayış sorunları sebebiyle, 70’ler ve 80’lerde büyük patlama icra eden suni zekâ emek harcamaları 1987-1993 içinde neredeyse durdu ve bu döneme “suni zekâ kışı” adı verildi. Demokrasinin beşiği bulunduğunu söyleyen ülkenin “kovboy” olarak görmüş olduğu aktörü devletin başına geçirdiği bir dönemde insanların tamamen mantıkla kabul eden ve ona nazaran kodlar çalıştıran bir makineyi sevmemesi normaldi.

Sonrasında nöral ağlar geldi

Nöral ağlar, milyonlarca koda haiz ağır ve tek bir iş icra eden suni zekâların yerini almak suretiyle geldi. Bu suni zekâ modelleri “gerçek anlamda düşünebilen” ilk suni zekâ olarak değerlendirildi. Aslına bakarsak suni zekâ emek harcamaları zamanı süresince olan bu sistem, ilkin 1986 senesinde meşhur backpropagation adlı yazı ile tekrardan gündeme geldi. Siteleri robot olmadığımıza ikna etmek için gidip kedi köpek resimlerine tıklamamız gerekmesinin temelinde de bu yazı içeriyor. Suni zekâ, en kolay hâliyle görselleri katmanlara ayırıp katman değerleriyle görselleri ya da verileri sınıflandırıyor. Ek olarak daha optimize emek harcama ve eğitim sağlıyor.

Bu nöral ağ atılımının peşinden da 2012 senesinde AlexNet geldi. Derin öğrenme ve nöral ağlar ile ilgili çığır açan bu makalede, araştırmanın başyazarı Alex Krizhevsky’den dolayı AlexNet terimi ortaya atılmış olsa da çalışmada imzası bulunan adlardan biri de Ilya Sutskever, hani şu OpenAI’ın kavga dövüş ayrılan kurucusu ve eski yöneticisi. Bu yazı, çokça veri ve çokça hesaplama gücü ile derin öğrenmenin iyi mi kullanılabileceğini göstererek yeni dönemin temellerini atmış oldu.

Bu zamanda daha karmaşık hesaplamalar icra eden, daha akıllı, değişik amaçlarla görevlendirilebilen suni zekâ araçları ortaya çıkmaya başlarken makine öğrenmesi, büyük dil modelleri şeklinde kavramlar da popüler olmaya başladı. Genel olarak insanlarla daha benzer tepkiler veren ve insanları gerçek anlamda anlamaya yaklaşan suni zekâların ilkel örneklerini de burada gördük.

Suni zekâ gerçek anlamda boyut atlamış oldu

Eski suni zekâ yaklaşımında iki boyutlu bir düzlem üstünde, kodlara nazaran bağlantılar kuruluyor ve oldukça kısıtlı bir alanda, bilgiyi değişik alana aktaramadan işlem yapılıyordu. Yeni yaklaşımda ise oldukça fazla data aynı anda göz önüne alınıyor ve değişik alanlarda elde edilmiş beceriler de öteki medyalara aktarılıyor. Kısaca kağıt üstünde oklar çizen suni zekâ artık üç boyutlu bir yapıyla ve her parçası bir beyin şeklinde aktiflenerek çalışıyor.

Kaynaklar: Miller, George A., Ars Technica, NeurIPS, Tabelau