Yazları ve Kışları ile Yapay Zekâ

Günümüze dek yapay zekâ defalarca hayatımıza girdi, hayatımızdan çıktı, hayatımıza girdi, hayatımızdan çıktı… Bir süre “aha yapay zekâ geliyor” diye heyecanlanıp sonra uzun bir süre adını duymadık. Şu günlerde araç otomasyonu, robotik gibi alanlarda hareketlilik devam ediyor, pek çok insan veri bilimi ve yapay zekâ alanlarına yönelik kariyer değişimleri gerçekleştiriyor. Peki bu kararlar ne kadar doğru, bu yapay zekâ furyası ne zamana kadar sürecek? Bu zamana kadar neler oldu? İŞTE O BİLGİLER!

Daha önce “yapay zekâ ” isminin nasıl konduğuna ve kısaca başlangıç tarihçesine “Neymiş Lan Bu Yapay Öğrenme?” yazısında kısaca değinmiştim. Bu yazı ise, günümüze kadar yapay zekânın neden defalarca hayatımıza girip çıktığını ve hayatımızdan tekrar çıkıp çıkmayacağını anlatmaya yönelik olacak daha çok. Bu girme-çıkma döngüsüne “Yapay Zekâ’nın Yazları ve Kışları” deniyor. Tahmin edebileceğiniz üzere, yaz süresince yapay zekânın yükselişi söz konusuyken zaman geçtikçe yapay zekâ çalışmaları hep bir duvara toslamış ve genellikle kısa süren kış dönemlerine girmiş.

Yapay Zekâ’nın İlk Yazı (1956-1974)

İlk yaz döneminin başlangıcı, ilk yazımda da değindiğim 1956 Dartmouth Çalıştayı’na tekabül ediyor. “Yapay Zekâ” teriminin ilk çıkış noktası da olan bu çalıştayda, o zamanlar yeni kurulmakta olan yapay zekâ alanının önde gelen on bilim insanı toplanıyor ve iki aylık bir çalıştay gerçekleştiriyorlar. 

1956 Dartmouth Çalıştayı’ndan bir kare. Soldan sağa üst sıra: Nathaniel Rochester, Marvin Minsky, John McCarthy; alt sıra: Oliver Gordon Selfridge, Ray Solomonoff, Trenchard More, Claude Shannon [1].

Bu çalıştayın amacı, o zamanlar “yapay zekâ” üst başlığı altında tanımlanan yedi problemden en az birine bir çözüm getirmekti [2]. Her ne kadar konferans bu açıdan başarısız olmuş olsa da, yapay zekâ alanının temelini atmak ve bu alanın ilk yazını başlatmak açısından başarılı ve verimli oldu. 1956 Dartmouth Çalıştayı’nı takip eden 17 yıl boyunca inanılmaz gelişmeler gerçekleşti. MIT, Stanford, Carnegie-Mellon, Edinburgh gibi köklü üniversitelerin yapay zekâ çalışmalarına devasa boyutlu finansal yatırımlar yapıldı ve bu sayede bilgisayarlar karmaşık cebir problemlerini çözebilmeye, geometri teoremlerini kanıtlamaya, İngilizce gramerini anlamaya ve konuşmaya başladılar. Bu ilk yapay zekâ yazında gerçekleştirilen gelişmelerden bazı örnekleri şu şekilde listeleyebiliriz: 

  • Yapay öğrenmenin öncülerinden Ray Solomonoff, yapay zekânın matematiksel teorisinin temelini atmış, 
  • Thomas Evans geometri problemlerini çözebilen ANALOGY’yi programlamış,
  • Unimation, General Motors otomobil fabrikasında çalışacak ilk endüstriyel robot Unimate’i yapmış,
  • Joseph Weizenbaum, herhangi bir konuda İngilizce muhabbet edebilen ELIZA’yı yaratmış,
  • Ross Quillian ve Jaime Carbonell anlamsal programlamanın temelini atmış,
  • Edward Feigenbaum ve Julian Feldman yapay zekâ alanındaki ilk makaleleri bir araya getirmiş [3].
Feigenbaum ve Feldman tarafından gerçekleştirilen yapay zekâ makaleleri derlemesi [6].

Yapay Zekâ’nın İlk Kışı (1974-1980)

Bu ilk gelişmelerden yola çıkan bilim insanları, düşünebilen ilk makineyi 1985’e kadar yaratabileceklerine inanmışlar ama gelin görün ki işler hiç de bekledikleri gibi olmamış. O yıllarda ABD Savunma Bakanlığı’na bağlı Savunmaya Dair Gelişmiş Araştırma Projeleri Ajansı (Defense Advanced Research Projects Agency – DARPA) tarafından yapay zekâ araştırmalarına ayrılan milyonlarca dolarlık bütçe, Senatör Mike Mansfield’ın 1969 yılında yayımladığı raporun DARPA projelerinin tamamen askeri odaklı olması gerektiğini dile getirmesi üzerine kesildi [3]. 

DARPA bütçesinin kesilmesinin yanı sıra, 1973 yılında İngiliz Bilimsel Araştırma Konseyi için hazırlanan Lighthill Raporu, bilim insanlarının verdiği sözlerin fazlasıyla büyük, gerçekleştirdikleri gelişmelerin ise bu sözlere kıyasla oldukça küçük olduğunu dile getirdi. Raporun yazarı (sonradan şövalyelik unvanı kazanan, akustik ve akışkanlar dinamiği alanlarında başarılı bir uygulamalı matematikçi olan) James Lighthill, raporun kalbinde ve sorunun kökeninde birleşimsel patlama (combinatorial explosion) probleminin çözülememesinin yattığına inanıyordu. Burada bahsi geçen birleşimsel patlamayı Dartmouth Çalıştayı’nda yer alan biliminsanlarından Shannon kısaca şu şekilde açıklıyor: Bir satranç oyununda ilk hamle 20 küsür farklı şekilde yapılabiliyor iken, ikinci hamle 400 küsür farklı şekilde gerçekleştirilebiliyor. Beşinci hamleye gelindiğinde 4.865.609 farklı hamle mümkün hâle geliyor. Böylece birleşimsel patlama ortaya çıkıyor [4]. O yıllarda yapay zekâ problemlerinin çoğunun çözümü olasılıksal çıkarımlara dayandığından, olasılıklar ne kadar artarsa bilgisayar tarafından çözümü o kadar zorlaşıyordu. Gelin görün ki bu noktada sorun, bir yere kadar bilim insanlarından çok, bilgisayarların yapabileceklerinden kaynaklanıyordu. O yıllarda bir bilgisayarın hafızasında tutabileceği kelime sayısı yirmi (sayıyla 20) adetten ibaretti.

Yapay Zekâ’nın İkinci Yazı (1981-1987)

1980’lere kadar insan gibi düşünebilen bir genel/evrensel yapay zekâ yaratmaya yönelik olan yapay zekâ çalışmaları, 80’lerle birlikte yön değiştirdi. Bu kadar genel ve insansı bir yapay zekâ oluşturmaya çalışmak yerine daha küçük problemlere mantıksal çözümler getirebilen “uzman sistemler” ortaya çıktı. Uzman sistemler kurum ve şirketlerin gerçek dünya problemlerini çözebilen, genel yapay zekâ çözümlerine kıyasla çok daha küçük ölçekli ve dolayısıyla makul çözümlerdi. Bu sayede yapay zekâ çalışmaları özel kurumlar tarafından desteklenmeye, böylece yeniden bütçe elde etmeye başladı. Şirketlerin ilgisi sayesinde, yapay zekâ alanının hâlâ en büyük konferanslarından biri olan ve 1980’de başlayan AAAI (American Association of Artificial Intelligence) konferansına yoğun katılımlar gerçekleşmeye başladı.

1984 yılı AAAI konferansından bir görüntü [5]

Bu ilginin medya desteğini de arkasına alması ile beraber, yapay zekânın ikinci yazı perçinlendi. Business Week dergisi 1984 yılında “Yapay Zekâ: İşte Geldi” kapağı ile yayımlandı. Şirketlerin ağzından “İnsandan daha iyi bir beyin ürettik!”, “İnsan bilgi ve tecrübesini bilgisayarda programlamak mümkün!”, “Yapay zekâ sonunda erişkin hâle geldi!” gibi iddialı cümleler dökülmeye başladı. Bunun üzerine aynı yılın AAAI konferansında gerçekleşen bir panelde bilim insanları, “Hacı insanlarda yine çok yersiz bi’ beklenti oluşmaya başladı bak, sonra ‘hani verdiğiniz sözler’ diye bize yüklenecekler,” diyerekten bütçelerinin yeniden kesileceğine yönelik kaygılarını dile getirdiler [5]. Peki ne mi oldu? Tabii ki bütçeleri yeniden kesildi.

Yapay Zekâ’nın İkinci Kışı (1988-2011)

1987-2015 yılları arası The New York Times gazetesinde yayımlanan yapay zekâ konulu makalelerin yüzdesini gösteren grafik. Mavi çizgi toplam makale yüzdesini, yeşil çizgi olumlu makale yüzdesini, sarı çizgi ise olumsuz makale yüzdesini gösteriyor. [7]

Ne var ki, 2011 yılına dek süren bu kış, tamamen verimsiz geçmemiş. Yapay zekâ alanında bu dönemde gerçekleştirilen çalışmaların bir özeti şu şekilde:

  • 1997 yılında Deep Blue isimli yapay zekâ, Garry Kasparov’u satranç oyununda yendi,
  • Mars yüzeyi için tasarlanan Nomad robotu, Mars yüzeyine çok benzediği düşünülen Atacama Çölü’nde 200 km yol katetti,
  • 90’ların sonunda Kismet isimli robot, yüz ifadelerini taklit edebilmeyi başardı,
  • 2005 yılında Stanford Üniversitesi’nin geliştirdiği Stanley isimli otonom araç DARPA’nın araç yarışını kazandı [3].

Yapay Zekâ’nın Üçüncü Yazı (2012-… )

2012 yılında Google X Labs’ın, 16.000 işlemci kullanılarak eğitilen ilk derin öğrenme modeli, kedi içeren görselleri kedi içermeyenlerden ayırt etmeyi başardı. Genel yapay zekâ konusunda atılan ilk adım ve uzman sistemlerin çözemediği görsel işleme problemlerini çözebilen ilk sistem olan bu model, yapay zekânın üçüncü yazını başlattı. 16.000 işlemciye erişimin kolay olmadığı aşikâr; ancak günümüzde artık neredeyse her bilgisayarda bulunan grafik işlemciler (yahut ekran kartları) pek çok küçük işlemci içerdiğinden, bilim insanları standart işlemciler yerine grafik işlemcilerden yararlanarak karmaşık modelleri eğitmeye başladı. Böylece yapay zekâ üçüncü yazında olağanüstü başarılar elde etti. Bunlardan birkaçı şöyle:

  • 2015 yılında ImageNet yarışmasında bir görsel işleme sistemi ilk kez insan başarısını aştı,
  • 2016 yılında AlphaGo modeli, Go oyununda dünya birincisi Lee Sodol’u yenmeyi başardı,
  • 2018’de Google’a ait Waymo, otonom taksileri Arizona sokaklarına saldı [8],

Günümüzde yapay zekâ modellerinin erişebileceği veri miktarının inanılmaz boyutlara ulaşması ve Moore Yasası dolayısıyla sürekli gelişen bilgisayar bileşenleri sayesinde yapay zekâ modelleri son derece güçlü bir hâle geldi. IBM Watson, film fragmanları oluşturabiliyor. YouTube, Netflix gibi her gün kullandığımız video servisleri, pek çok alışveriş sitesi, Spotify gibi müzik servisleri tercihlerimizi anlayıp bize gerçekten seveceğimiz öneriler sunabiliyor. Yani yapay zekâ hayatımıza derinlemesine girmiş durumda. 

Şu andaki yapay zekâ modellerinin durumunu anlamak için geçen ay yeni bir sürümü yayımlanan, OpenAI’a ait GPT-2 modeline bir bakalım. GPT-2’ye bir metin veriliyor ve verilen metnin devamını yazması isteniyor (mecburen çevireceğim ama inanın kendi dilinde daha da acayip!):

Girdi: Şaşırtıcı bir bulgu sonucu, bilim insanları And Dağları’nda uzak, daha önce incelenmemiş bir vadide bir tek boynuzlu at sürüsü keşfetti. Araştırmacılar için daha da şaşırtıcı olan kısım, tek boynuzlu atların İngilizce’yi mükemmel konuştuğu gerçeğiydi.

GPT-2’nin oluşturduğu metin devamı: … Bilim insanları, bu ilginç yaratıkları incelerken yaratıkların tam anlamıyla düzgün İngilizce konuştuklarını keşfetti. Pérez, “Mesela, ortak bir ‘dil’ geliştirdiklerini, buna ağız veya lehçe diyebileceğimizi görebiliyoruz,” şeklinde konuştu. Dr. Pérez, tek boynuzlu atların aslen, hayvanların Güney Amerika’nın o bölgesinde şu an yaşayan insanlardan önce orada yaşamış kayıp bir insan ırkının soyundan olabileceklerine inanılan Arjantin’den köken aldıklarına inanıyor [9].

Öte yandan yapay zekânın 1950’lerden bu yana insanlarda bir korku oluşturduğu ve bu korkunun beyhude olmadığı da bir gerçek. Yüz tanıma teknolojisinin aşırı derecede ilerlemesi dolayısıyla insanlar sürekli takip edildiklerini ve özel alanlarının kalmadığını düşünüyor. İnternet sitelerinde sunulan reklamlar da açıkça özel alanlarımızın ele geçirildiğinin bir göstergesi. Telefonunuzun yakınında bir üründen bahsettikten kısa süre sonra o ürüne dair reklamları görmeye başlamanız artık işten bile değil. Otonom silahlar geliştiriliyor ve Deep Fake gibi teknolojilerle insanların yüzleri değiştirilebiliyor. 

Yapay Zekâ’nın Üçüncü Kışı (?)

Peki bütün bu olumsuz gelişmeler yapay zekânın üçüncü kışını getirecek mi? Yoksa yapay zekâ artık hayatımızın kalıcı bir parçası hâline gelecek ve yapay zekâ bilimcileri ihtiyaç duydukları araştırma bütçesine sürekli erişebilecekler mi? Geriye dönüp baktığımızda yapay zekâ kışlarının her ikisinin de yüksek beklentiler ve teknolojinin yapay zekâ araştırmalarının devam edebilmesi için yeterli düzeyde olmamasından kaynaklandığını gözlemleyebiliyoruz. O dönemlerde dahi yapay zekânın insanlar için korkutucu bir alan olduğu aşikâr; ancak yapay zekânın geçici sonunu getiren, hiçbir zaman insanlardaki bu korku olmamış. Yapay zekâ kışının gerçekleşip gerçekleşmeyeceğini anlamak için bu biliminsanlarının verdiği sözleri ve bunları yerine getirip getiremeyeceklerini göz önünde bulundurmamız gerekir. Örneğin pek çok makale, otonom araçlar için çok erken olduğunu ve beklentiyi karşılayamayacaklarını söylüyor fakat otomotiv sektörü otonom araçlar üzerinde çalışmaya devam ediyor. Otonom araçlar yarın elimizde olmayabilir ancak hiçbir otomotiv şirketi de bunun sözünü vermiyor ve şu ana kadar beklentiyi hiç karşılayamadıklarını söyleyemeyiz. 

Bir önceki kısımda bahsi geçen GPT-2’nin yeni kardeşi GPT-3, bize inanılmaz şeyler vadetmekte. GPT-3, artık kendisine İngilizce tarif edilen herhangi bir şeyi yerine getirebiliyor. Örneğin, bir doktorun hastalarına teşhis koymasına yardımcı olabiliyor, bağlamlara ve cümlelere bakarak Asperger Sendromlulara insanları anlama konusunda yardımcı olabiliyor, Zindanlar ve Ejderhalar oynayabiliyor, GIFler üretebiliyor, yasal metinleri anlaşılır (!) hâle getirebiliyor, kurumsal şirket yöneticileriyle nasıl konuşmamız gerektiği konusunda bizi yönlendirebiliyor, sizin yerinize, sizin üslubunuzla e-posta gönderebiliyor, bilgisayar kodunu insan diline, insan dilini bilgisayar koduna çevirebiliyor ve yapay zekâ modelleri yaratabiliyor [10]. Kısaca, GPT-3’ün, günümüzde genel yapay zekâya en yakın şey olduğunu ve 1956 Dartmouth Çalıştayı için belirlenen problem tanımlarının çoğuna cevap verebildiğini, dolayısıyla en başta verilen sözleri yerine getirme yolunda atılan adımların gitgide büyüdüğünü söyleyebiliriz. Belki de üçüncü bir yapay zekâ kışı hiç olmayacak ve eski bir Google AI çalışanı olan Samim Winiger’in dediği gibi, 10-20 yıl sonra şu an “yapay zekâ” ve “makine öğrenmesi” adını koyduğumuz kavramlar artık hesaplamanın farklı bir türü olarak anılmaya başlayacak [11].

Kaynaklar

[1] “Who’s That Kid Laughing with High Socks in the Middle of Summer” – Patrick Meyer https://medium.com/swlh/whos-that-kid-laughing-with-high-socks-in-the-middle-of-summer-7801a34feeef
[2] “A Proposal for the Dartmouth Summer Research Project on Artificial Intelligence” – J. McCarthy et al. http://www-formal.stanford.edu/jmc/history/dartmouth.pdf
[3] “A Short History of Artificial Intelligence” – Emilia Bratum https://qualitance.com/blog/short-history-artificial-intelligence/
[4] “History of the First AI Winter” – Sebastian Schuchmann https://towardsdatascience.com/history-of-the-first-ai-winter-6f8c2186f80b
[5] “History of the Second AI Winter” – Sebastian Schuchmann https://towardsdatascience.com/history-of-the-second-ai-winter-406f18789d45
[6] Computers & Thought, 20 Research Reports, Product, Amazon https://www.amazon.com/Computers-Thought-20-Research-Reports/dp/B001CW19XM
[7] Long-Term Trends in the Public Perception of Artificial Intelligence – Ethan Fast; Eric Horvitz https://arxiv.org/abs/1609.04904
[8] So, is an AI Winter Really Coming This Time? – Brendan Dixon https://mindmatters.ai/2020/01/so-is-an-ai-winter-really-coming-this-time/
[9] The Third AI Summer: AAAI Robert S. Engelmore Memorial Lecture – Prof. Henry Kautz https://www.cs.rochester.edu/u/kautz/talks/Kautz%20Engelmore%20Lecture.pdf
[10] Top 10 Experiments with GPT-3 – The Ponicode Selection – Alexandre Savigny https://blog.ponicode.com/2020/08/05/top-10-experiments-with-gpt-3-the-ponicode-selection/
[11] Researchers: Are we on the cusp of an ‘AI winter’?  – Sam Shead https://www.bbc.com/news/technology-51064369

The following two tabs change content below.

Miles Dyson

Bir gün eski T-800’e ait sinir ağı modülünü buldu ve dünyayı değiştirdi. SkyNet yüzünden dünyanın sonu geldi, insanlar ve makineler arası savaş başladı. Yok yok daha değil, daha var; ama gün gelecek yapacak bunu. Robotikçi bu arkadaş, web sitemizi de bu yaptı. Bi’ problem varsa buna konuşun.

Bir cevap yazın

E-posta hesabınız yayımlanmayacak. Gerekli alanlar * ile işaretlenmişlerdir

This site uses Akismet to reduce spam. Learn how your comment data is processed.