.png)
Bilim insanları, yaklaşık olarak 6 milyon yıl önce, homo sapiens'in ortak bir hominid atadan ayrılması ile, hesaplama ve algılama kapasitesinin önemli evrimsel dönüşümleri gerçekleştirmeye başlamış olduğu konusunda neredeyse hemfikirler (1). Bu dönüşüm, muhtemelen ortak bir amaca yönelim ve temsili düşünme kapasitesindeki bir artışla birlikte, "dil" adını verdiğimiz olgunun geliişimine ve bunun sonucunda da, "iyi", "kötü", "adil" gibi soyut fikirlerin ortaya çıkmasına yol açmış gözüküyor. Uygarlığın gelişme sürecinde, yaratıcılığının farkındalığına varması, insanda, kendine benzer makineler veya "otomat"ları üretme arzusunun körüklenmesine yol açmış olsa gerektir.
İlk erken dönem modern otomat fikirleri, tüm hayvanların bilinçsizce temel işlevleri yerine getiren makineler olduğunu iddia eden Fransız filozof René Descartes (1596-1650) tarafından ortaya atılmıştır (2). Makinelerin bazı insan hareketlerini ve davranışlarını taklit edebileceğini kabul etmesine rağmen, Descartes, bunun gerçek düşünce ve bilinç kapasitesi taşımak anlamanına gelemeyeceğini vurgulamıştır. Daha sonra "romantik çağda", Mary Shelley'nin (1797-1851) "Frankenstein" (1818) adlı çığır açan romanının, yapay zeka (YZ) ile ilgili bugünkü tartışmaların arkasındaki en önemli rollerden birini üstlendiği anlaşılmaktadır. Shelley'nin romanından kaynaklanan -genellikle bilim kurgu ağırıklı- edebiyat, insanlığa karşı kullanmak üzere bilince kavuşabilecek yapay bir "canavar" fikriyle, varoluşsal korkularımızı da açığa çıkarmış gibidir.
YZ'NİN ARKA PLANI
İkinci Dünya Savaşı'ndan sonra, bilim ve teknoloji alanında önemli ilerlemeler kaydedildi. Yapay sinir ağları (ANN-YSA) ve makina öğrenmesi algoritmaları, Warren McCulloch ve Walter Pitts'ın 1943 yılında yayımladığı "A Logical Calculus of Ideas Immanent in Nervous Activity - Sinir Sistemindeki İçsel Fikirlerin Mantıki Kalkülüsü" başlıklı çığır açan makaleleriyle gündeme geldi. Alan Turing 1950 yılında, "Computing Machinery and Intelligence - Hesaplama Makinleri ve Zeka" adlı bir makale yayımladığında, bir "hesap makinesini" insandan ayırt etmek üzere bir test yöntemi de önermesiyle, "düşünebilen makinelerin" insanları taklit edebilme olasılığı fikrini de tekrar ortaya atmış oldu. John McCarthy ve diğerleri, "yapay zeka" terimini ilk defa 1956 yılında Amerika Birleşik Devletleri'ndeki Dartmouth Konferansı'nda yeni bir araştırma alanı olarak tanımladılar. Bu, YZ tarihinde dönüm noktası olan önemli bir anı temsil ediyordu. O zamandan beri, tartışmalı olan "yapay zeka" terimi, uzmanlar ve halkın zihinlerinde oldukça geniş ve farklı bir algısal aralığı ifade eder oldu. Şüphesiz, kullanılan bu biyolojik terminoloji, insanların sadece kendilerine özgü olduğuna inanılan "zeka" ve "bilinç" gibi bazı yeteneklerini başka bir varlıkla paylaşmak zorunda kalacak olmaları düşüncesiyle travmatik bir hal almaya başladı.
Araştırmacılar YSA yöntemlerinin, desen / örüntü tanıma, konuşma ve görüntü işleme gibi yeteneklernii keşfedip, gelişen bilgisayar teknolojisinin de kapasitesi arttıkça YZ'nin de popülerliği ve uygulama alanı genişledi. 21. yüzyılın başından itibaren YZ alanı, Derin Öğrenme ve Konvolüsyonel Sinir Ağları (CNN), Tomaso Poggio gibi önde gelen isimlerin katkılarıyla çığır açan gelişmelere sahne oldu. Hâlen tanımı çok daha geniş olan "zekâ"yı yaratmaktan uzak olmakla birlikte, bazı "makina öğrenmesi" gibi konularda ciddi başarılar elde edildiği söylenebilir.
YAPAY SİNİR AĞI (YSA) NEDİR ?
Her gün yeni ve daha gelişmiş yöntemler ekleniyor olsa da, YZ'nin arkasındaki temel yapay sinir ağı algoritması (YSA), özünde, sonsuz küçükler hesabına (yani kalkülüs) dayanan, ileri beslemeli (feed forward) geri doğrulamalı (backpropagation) yönteminden başka bir şey değildir. Yani kısaca, elinizde pek çok parametreden oluşan bir girdi setine karşılık gelen tanımlanmış bir sonuç kümesi vardır. Bu girdi seti, araya eklenilen "gizli" katmanlar ve düğüm noktaları ile sonuç kümesine bağlanır. Algoritma, girdi seti, gizli katman ve sonuç kümesi arasındaki ilişkileri önce rasgele ağırlıklar atayarak sonuç kümesine bağlar. Elde edilen hesap sonucu, etiketlenmiş ve onaylanmış olan sonuç kümesi ile karşılaştırılırak her olası yolun ağırlıkları minimum hatayı verecek şekilde -türev yolu ile- düzeltilir ve işlem yeniden başlar. Hesaplanan sonuç ile etiteklenen sonuç kümesi arasındaki hata istenen düzeyde azaldığında ardışık çözüm sona erer. Artık elimizde, girdileri sonuca bağlayan "öğretilmiş" en iyi ağrılıklar vardır, ve gelecekte sadece girdileri kullanarak sonuçları öngörebilmemiz sağlanmış olur. Aşağıdaki şekilde her girdinin, sonuca gizli katmanlar üzerinden bağlanışı gösterilmiştir. Her çizgi için atanan bir ağırlık bulunur.
 |
| YSA Algoritması (İleri Beslemeli ve Geri Kazanımlı) - Wikipedia |
Sonuç olarak, sinir ağlarının özü, hata azaltma algoritması olmaktan başka bir şey değildir ve etiketlenmiş sonuçların (çıktılar) en baskın nedenlerini (girdileri) belirlemek için revize edilmiş ağırlıkların belirlenmesidir. Arada kullanılan gizli katmanlar ve düğüm oktalarının sayısı arttıkça öğrenme aktivitesi "derinleşir" (deep learning) ve insan eliyle takip edilemez boyuta gelebilir. Bu nedenle girdiler ve çıktılar arasındaki bu çok katmanlı alan bir tür "gri kutu"ya dönüşür. Hakkında bir şey bilmediğimizi kabul ettiğimiz bir "kara kutu" terimi yerine, özellikle bilgi sahibi olduğumuz "gri kutu" terimini kullanıyorum.
YZ'DEKİ ATILIMLAR
Derin Öğrenmenin fikir babalarından Tomaso Poggio'nun, YSA'yı geliştirmek için öncelikle "beynin nasıl çalıştığının" anlaşılmasına vurgu yaparak (3) aslında YZ ile bilişsel bilim (cognitive science) arasındaki köprüyü kurduğu kabul edilebilir. İnsan bilişinin prensipleri, yapay akıllı sistemlerin gelişimini yönlendirmek için ilham kaynağı olmuştur. Ona göre, "yapay zeka" problemi, genel görelilik kadar önemli bir bilimsel problem olmakla birlikte, çoğu zaman, bir sistemin tam anlamıyla anlaşılmasına da gerek yoktur; kuşların uçma mekanizmasını mükemmel bir şekilde anlamadan da uçan makineler üretebilirsiniz.
Biyolojik Benzerlik:
McCulloch ve Pitts, 1943 yılında yayınladıkları makalede, YSA'lar ile insan sinir sistemi arasındaki benzerliklere ve sinir hücrelerinin davranışına ilişkin koşutluğa dikkat çekmişlerdi. Daha sonra, Rebecca Saxe gibi diğer araştırmacıların çalışmalarıyla, beynin frontal korteksi ve modüler işlevsel yapısının önemi keşfedilmiştir. Özellikle görme, motor fonksiyonlar ve hatta etik ile ilgili beyin bölgeleri üzerinde yapılan uyarımların, yapay sinir ağlarına benzer davranan bir nöral ağ sistemini harekete geçirdiği saptanmıştır. İnsan görüşü üzerindeki çalışmalarıyla, Poggio, bilgisayarlı görüntü işleme algoritmaları ve modelleri geliştirmek için ilham almıştır (3). Hareket yoluyla desen tanıma (değişmeyen arka plan önünde hareket eden cisim), nesnelerin yalıtımını ve tanımlanmasını sağlayan bir mekanizma olarak, bebeklerin hareketleri takip ederek öğrenmeye başlamasıyla benzerlik göstermekle beraber, biyolojik öğrenmenin açıkça belirli bir dikkate ya da ihtimama dayandığını da ifade etmek gerekir. Bu da yapay sinir ağlarından farklılık gösteren önemli bir özellik olarak karşımıza çıkar.
Kompozisoynellik ve Teorik Analiz:
Derin öğrenme ve CNN'ler üzerine yaptığı araştırmalar sayesinde Poggio, çoklu gizli katman içeren yapay ağların daha güçlü olduğunu göstermiştir. Açıkçası "fonksiyonların fonksiyonlardan oluşan yapılar altında yapılandığı" kompozisyonel bir şekilde çalışan işlevlerin, beyin işlevlerine benzer bir şekilde daha iyi sonuçlar verdiği görülmüştür. Yüz tanıma için kullanılan sinir ağı tersine çevrildiğinde (giriş olarak yüz deseni yerine çıktı olarak ele alındığında), yapay yüzlerin oluşturulması da mümkün olmuştur. Bu teknolojiler bugün YZ sanatı olarak da karşımıza çıkmaktadır.
İstatistikte, amaç, veriyi belirli parametrelere sahip bir modele uydurmaktır, ancak YSA'larda, veriden daha fazla parametre (yapay ağlardaki ağırlıklar) olduğu halde ve uyumlu bir örüntü bulunabilir. Benzer şekilde, doğrusal denklemlerin çözümlerine dayanan regresyon modelleri, değişkenlerden daha fazla denklem olduğunda sonsuz çözümlere yol açar. Bununla birlikte, YSA'lar, gizli katman sayısı artırıldığında daha iyi çözümlere yakınsayabiliyor. Açıkçası, gizli katmanların arttırıldığı derin öğrenme ağları hala bir tür "gri kutu" davranışı sergiliyorlar.
Etik:
Nöroloji alanında etik kurallar bulunmakla birlikte ve sinir ağları için etkin bir etik kurallar seti tanımlanmış değildir; burada İsaac Asimov'un üç (daha sonra dört) robot yasası hatırlanabilir. Etik davranabilen makinelerin tasarımı üzerinde çalışmalar devam etmekte, ancak bu konu kültürden kültüre büyük farklılık gösterebilmektedir. Örneğin, otonom bir araç farklı etik beklentilere göre programlanmalıdır, bu da diğer çalışmalarda (4) gösterildiği gibi araçların kullanılacağı ülkeden ülkeye farklı olabilir. Daha önceki bir yazımızda (Etik Makinesi) konuya değinmiştik.
YZ'DEN BEKLENTİLER VE LİMİTLER
Son yıllarda, ses, karakter veya yüz tanıma gibi yapay sinir ağı algoritmaları, bazen konfor seviyemizi arttırırken bazen de kişisel alanımızı ihlal ederek önemli roller oynamaya başladı. Tıbbi teşhis,ulaşım ve trafik yönetimi, otonom araçlar ve hatta hukuki görüş üretimi gibi uygulamalar giderek popülerlik ve kullanıcı güveni kazanırken, kimi zaman da kişisel verilerin korunması açısından önemli riskler oluşturuyor. .
Poggio'nun daha önce belirttiği gibi, sinir ağlarının ciddi bir sınırlayıcısı, eğitim algoritmasının temel bir unsuru olan etiketleme yani çıktıların tanımlanması sorunudur. Eğitim seti, ancak nitelikli bir süreç izlenerek etiketlenmiş (tanımlanmış) çıktılarla bir değer ifade eder. Bu da şimdilik insan katkısı olmadan mümkün değildir. Bu öğrenme süreci bebeklerin öğrenme sürecinden oldukça farklıdır; bebekler milyonlarca görüntüden öğrenme yapmazlar, tahminen içlerinde bir örüntü tanıma algoritması ile doğarlar. Ancak, Platon'un "tümeller" sorununa kadar gidebilecek bu konuyu tartışmamız makalenin amacını aşar.
YAPAY ZEKA'NIN VAROLUŞSAL TEHDİT OLARAK DEĞERLENDİRİLMESİ
1997'de satranç dünya şampiyonu Gary Kasparov'un IBM'in Deep Blue'suna karşı yenilmesinden bu yana, yapay zeka tabanlı sistemlerin potansiyel riskleri hakkında çeşitli bilimsel çevrelerde birçok tartışma yapılmıştır. Açıkçası, bu fikirlerin arkasındaki araştırmacıların çoğu, yapay zekaya dayanan algoritmaların kapasitesini aşan tahminlerde bulunmaktadır; zira insanoğlunun "zeka"yı her zaman bilinçle ilişkilendirme eğilimi vardır. Sonuçta, sinir ağlarının özü, yukarıda aktardığımız gibi, tanımlanmış (etiketlenmiş) sonuçların (çıktıların), en baskın nedenlerini (girdilerini) bulmak için üretilmiş kalkülüs tabanlı bir hata azaltma algoritması oluşudur. İleri besleme, çarpma ve toplama işleminden; geri kazanım ise ilave olarak basit türev almaktan ibarettir. Öğrenen makinelerinin bilinç kazanmasını ve sonunda insan medeniyetini sona erdirmesini beklemek, Shelley'in canavarını beklemekten farksızdır. Bu beklentinin ardındaki argüman, bilincinin anlayamadığımız nöronların faaliyetlerinden oluştuğu varsayımı gibi, YSA'nın da "gizli" katmanlarında ve düğümlerinde tekrarlanabilir olabileceğine dönük şüphedir.
Bilinç genel itibari ile, öz-farkındalık konusundaki öznel deneyimdir; "biyolojik" evrimsel bir sürecin bir unsuru olup, bir türün diğerlerine karşı rekabet avantajı sağlayarak sınırlı hayati kaynakları kendi yararına kullanmasını sağlar. Yapay zeka yönetimindeki makinelerle aynı kaynaklara ihtiyaç duymadığımız sürece, çıkar çatışması olabilecek herhangi bir alan olmayabilir. Bu tür korkunun kökeni, yapay zekaya, terimden kayanklı olarak insansı statü fonksiyonları atfederek, insanın karanlık bilinçaltı düşüncelerini dışarıya yansıtılmasıdır. Yapay zekadan, John Searle'ün Çin Odası anolojisindeki (6) "çok" yetenekli bir operatörden daha fazla bir amaç güdecek şekilde hareket etmesini beklemek için hiçbir nesnel neden yoktur. Deep Blue'nun Kasparov'u yendiğinde ne kadar zevk aldığını (eğer aldıysa) kimse ölçemedi! Bildiğim kadarıyla, hiçbir satranç bilgisayarı umutsuz bir oyundan da pes ederek çekilmedi. Tehdit oluşturmak -tanım gereği- amaç güden bilinçli bir motivasyonun yan ürünüdür ve kalkülüsün sonsuz küçükler hesabının bu sonucu üretmesi beklenmez. John Searle'ün haklı olarak belirttiği gibi, epistemolojik olarak objektif bir temelde çalışan bir sistemden (AI) ontolojik olarak öznel bir bilinç geliştirmesini bekleyemeyiz (7).
Yapay zeka, barut, nükleer silahlar veya baskı makinesi kadar güçlü bir araçtır. Suçlamalar (varsa) araçları değil, bu araçları kullanan "elleri" hedeflemelidir. Tomaso Poggio ve diğerlerinin "yarın yerine bugünden endişelenin" uyarısı, araçla değil, araç yapıcısı veya kullanıcısıyla ilgili olmalıdır.
SONUÇ
Görünen o ki, yeni bir Homo Sapiens devrimine tanık oluyoruz. Bu devrim, Bilişim Devrimi olarak adlandırılabilir. Öncülü olan, Neolitik ve Endüstri devrimlerine benzer şekilde, bu devrimin de üretim araçlarımızı ve yaşam biçimimizi değiştirmesi beklenir. Bu son devrimi, entelektüel ve bilimsel keşiflerin yapıldığı, refahın adil bir şekilde dağıtıldığı bir devrime ya da propaganda ve dezinformasyonla birlikte gizlilik ve özgürlüğün ihlal alanına dönüştürmek insanlığın elindedir.
Konu ile ilgili getirilmesi beklenen (ve bazen arzu edilen) yasaklamaların, onbeşinci yüzyılda matbaaya getirilen yasaktan farkı yoktur. O gün kimi toplumlar arasında açılmış olan uçurum, bugün bile kapanmaktan uzaktır.
Ender Şenkaya
Haziran, 2023
Kaynaklar:
1. Hauser, Marc D., Chomsky, Noam and Fitch, W. Tecumseh. The Faculty of Language: What Is It, Who Has It, and How Did It Evolve? Science. 22 Kasım 2002, ss. 1569-1579.
2. Descartes, Rene. Yöntem Üzerine Konuşma (Discourse de la methode). [çev.] Murat Erşen. Ankara: Say, 2015.
3. Poggio, Tomaso. Brains, Minds and Machines. [interv.] Lex Fridman. 1 19, 2019.
4. Hao, Karen. Should a self-driving car kill the baby or the grandma? Depends on where you’re from. MIT Technology Review. [Çevrimiçi] 24 Ekim 2018. https://www.technologyreview.com/s/612341/a-global-ethics-study-aims-to-help-ai-solve-the-self-driving-trolley-problem/.
5. Dennett, Daniel C. From Bacteria to Bach- The Evolution of Minds. s.l.: Penguin, 2018.
6. Searle, John.Minds, brains, and programs. 3, 1980, Behavioral and Brain Sciences, Cilt 3, ss. 417-424.
7. Searle, John. Conciousness in AI. [interv.] Talks Google. 12 4, 2015.