Yapay Zeka Nedir ve Nasıl Çalışır?

Yapay zekanın sıradan bir yazılımdan farkı nedir? Akıllı robotlar nasıl çalışıyor ve süper zeka insan zekasını nasıl aşıyor? Geçen yazıda insan bilincinin nasıl çalıştığını gördük. Şimdi de yapay zekanın insan beynini nasıl taklit ettiğine ve kendi başına nasıl öğrendiğine bakalım.

Yapay zekayı düşünmenin en iyi yolu yapabildiklerini insanların beceri ve yetileriyle karşılaştırmaktır. Sonuçta insanlar bildiğimiz en zeki canlılar ve yapay zeka da insan zekasını taklit ediyor. Aslında yapay zekayı sıradan bir yazılımdan ayırt etmenin en iyi yolu da bu: İnsan zekasını taklit eden yazılımlara yapay zeka diyoruz.

Ancak, sırayla gidecek olursak yapay zekanın (YZ) bilgisayar bilimleri içinde yer alan geniş bir araştırma alanı olduğunu belirtelim. YZ’nin amacı, insanlardan bağımsız olarak çalışan zeki sistemler yaratmaktır.

Yazılımlar ve yapay zeka

Şimdilik bunu yazılımlarla yapıyoruz. Ancak, gelecekte tıpkı insan beyninde olduğu gibi, doğrudan donanımla çalışan bir altyapıyla da başarabiliriz. Nitekim Ex Machina filmindeki androit AVA’nıın yazılımı yoktu. Bunun yerine, insan beynine benzeyen ve yarı organik malzemelerden üretilen “ıslak donanımı” vardı.

İlgili yazı: Gerçek Adem: ilk insan ne zaman yaşadı?

 

Yapay zeka neyi taklit ediyor?

Örneğin insanlar dil yardımıyla iletişim kuruyor ki YZ’de bunun karşılığı konuşma tanımasıdır. Ayrıca yapay zeka bunu genellikle istatistiksel olarak yaptığı için konuşma tanımasına da istatistiksel öğrenme diyoruz. Buna ek olarak insanlar belirli bir dilde yazıp okuyabiliyor. Bunu taklit etmek de NLP alanına giriyor, yani doğal dil işlemeye.

Tabii insanlar sadece bilişsel yetilerle sınırlı değiller. Örneğin dünyayı gözleriyle görüyor ve gördüklerini beyinde işleyerek anlamlandırıyorlar. Bu da bilgisayar görüşü alanına giriyor. Bilgisayarlar görsel veriyi simgesel olarak işlemek için bilgisayar görüşü kullanıyor. Ancak, son yıllarda bunu yapmak için derin öğrenme tekniği geliştirildi ama buna daha sonra geleceğim.

İlgili yazı: Kodlama İçin En Gerekli 16 Programlama Dili

 

Ortam ve nesne tanıma

İnsanlar içinde bulundukları ortamı gözleriyle görerek dünyayı zihinlerinde canlandırabiliyorlar. Shakespeare’in tüm dünya bir sahnedir sözü biraz da buradan geliyor olabilir. Bu alana doğrudan yapay zeka ile alakalı olmamakla birlikte görüntü işleme diyoruz.

Nihayetinde bilgisayar görüşü için görüntü işleme şart ve Facebook ile Amazon gibi başlıca e-ticaret siteleri bu tekniğin çok gelişmiş bir versiyonunu kullanıyor: Nesne tanıma.

Nesne tanıma özelliği sayesinde bir fotoğraftaki grubun anne, baba, çocuk ve kediden oluşan bir aile olduğunu anlayabiliyor; hangisinin kadın ve hangisinin erkek olduğunu fark ediyorlar. Boyunu ölçüyor, beden ölçülerini alıyor ve ne renk giydiklerini fark ediyorlar.

Ne giydiklerini anlayabildikleri gibi arkadaki ormanlık alanı da ayırt edebiliyorlar. Kısacası bilgisayar görüşü ve görüntü işleme, müşterilerin hangi ürünleri inceleyerek satın aldığını anlamakta da kullanılıyor. Bunun için kullanılan makine öğrenimi tekniklerine sonra geleceğiz.

İlgili yazı: İnternetinizi Uçuracak En İyi 10 Modem

 

Dünyayı algılamak

İnsanlar içinde bulundukları ortamı anlamak kadar bu ortamda rahatça, örneğin genellikle tökezlemeden veya sağa sola çarpmadan hareket edebiliyor. İlk bakışta aklımıza gelmese bile işte bu yeti robotik, yani robotbilim alanına giriyor.

Robotlar, insan hareketlerini taklit eden makinelerdir ve bunun için robotların zeki olmasına da gerek yok. Boston Dynamics’in Spot Mini robot köpeği veya Atlas robot atletini saymazsanız, otomotiv üretim hatlarında kullanılan robot kollar pek de zeki değildir.

Desen tanıma

İnsanlar aynı zamanda birbirine benzeyen nesneleri tanıyıp sınıflandırabiliyorlar. Örneğin, elmaları armutlar ve kırmızı topları mavi toplardan ayırt edebiliyor; hatta bu sayede harfleri sözcükleri, sözleri, anlamları anlayabiliyorlar. Filozof Platon’un yaklaşık 2500 yıl önce dediği gibi “benzer benzeri bilir” ve YZ’de buna desen tanıma diyoruz.

İlgili yazı: Bilinç Maddenin Yeni Bir Hali mi?

 

Süper zeka

Makineler desen tanımada insanlardan çok daha iyiler; çünkü 1) Daha çok veriyi daha kısa sürede toplayabiliyorlar. 2) Topladıkları veriyi çok boyutlu bir sanal matematik uzayında işleyebiliyorlar; yani bir konuya insanlardan çok daha farklı açılardan bakabiliyorlar.

Biz de insandan zeki yapay zeka (süperzeka) geliştirmeye en çok bu alanda yakınız: Riziko bilgi yarışması şampiyonu IBM Watson ve Google’ın dünya ile olimpiyat go şampiyonlarını yenen Alfa Go yazılımı derin öğrenme ile desen tanıma tekniği kullanıyor.

Dahası İnsan Bilinci Maddenin Fiziksel Bir Hali mi yazısında anlattığım gibi, insan bilincini türedi kavram olarak gören Ray Kurzweil ile modern nörologlar da insan beyninin, nöronlardan oluşan doğal desen tanıma birimleri kullandığını söylüyor.

Makine öğrenimi

Veriyi bu şekilde çok boyutlu olarak analiz eden ve insanlar yardımıyla ya da kendi başına öğrenen yapay zeka yazılımlarının yaptığı işe makine öğrenimi diyoruz. Şimdi hazır konu gelmişken biraz da insan beyninden söz edelim:

İlgili yazı: Düz Dünya Teorisini Çürüten 12 Kanıt

 

Network zekası

İnsan beyni nöronlardan (sinir hücreleri) oluşan organik bir ağdır ve yeni şeyleri bu altyapıyla oluşturduğu network zekasıyla öğreniyor. Öyle ki beynin yapısı ve işlevlerini bir şekilde taklit etmeyi, kopyalamayı, türetmeyi ve benzetmeyi başarırsak makinelere de bilişsel yetiler kazandırabiliriz.

İnsan gibi düşünebilen, insan kadar zeki olan robotlardan kast ettiğimiz budur. YZ’de buna yapay sinir ağları (neural networks, nöral ağlar) diyoruz. Yapay sinir ağları makine öğreniminin en karmaşık ve en derin öğrenme sistemidir. Bu yüzden bu tekniğe derin öğrenme diyoruz.

Derin öğrenmeyi Capsule Network ve Datarobot yazılarında detaylarıyla anlattım. Ancak, insanların gözüne bir şey kaçınca yaptığı otomatik gözünü kırpma hareketi gibi reflekslerin düşünceler ve bilinçli hareketlerden daha hızlı olması gibi, derin öğrenmenin de en hızlı makine öğrenimi yöntemi olduğunu söyleyebiliriz. En azından çok büyük miktarda veriyi olabildiğince çabuk işleme açısından…

İlgili yazı: Renk Körlüğünü Düzelten Gözlük EnChroma

 

En derin öğrenme

Bu bağlamda birden fazla derin öğrenme tekniği olduğunu belirtelim. Bunlar insan beyninin yeni şeyler öğrenme yetisini farklı şekillerde taklit eden farklı derin öğrenme türleridir. Hatta içlerinde aldığı kararları nasıl ve neye göre aldığını söyleyen, böylece hem hukuki hem de mali sorumluluk taşıyabilen derin öğrenme teknikleri bile var (ayrıca yazacağım).

Örneğin görselleri soldan sağa veya yukarıdan aşağıya tarayarak, yani hiyerarşik olarak analiz eden yapay sinir ağlarına evrişimli nöral ağlar (CNN) diyoruz. Bu derin öğrenme tekniği Latin alfabesinde yazıları soldan sağa okuyarak anlamayı taklit edebiliyor. CNN, bir fotoğraftaki yetişkinleri çocuklardan ayırmak veya yüz tanımakta kullanılabiliyor.

İlgili yazı: AIDS’e Kesin Çare

 

Anılar ve yaşantılar

İnsanlar geçmişi, örneğin dün akşam ne yediklerini hatırlayabiliyorlar. Biz de yapay zeka alanında geçmişi sınırlı olarak hatırlayabilen bir yapay sinir ağı sistemi kurabiliriz. Buna da tekrarlayan nöral ağ diyoruz (RNN).

Bunun dışında bir de türetken hasım algoritma nöral ağı var (GAN). Örneğin bir yapay zeka yazılımına gerçek fotoğraftan ayırt edilemeyen resimler çizme görevi veriyorsunuz. Diğerine de bilgisayar grafiklerini gerçek resimlerden ayırma hedefini. Zeki sohbet botları gibi birbiriyle iletişim kuran bu iki yazılım aralarında rekabet ediyor. Sonunda çok gerçekçi insan yüzleri çizmeyi öğreniyor.

Kısacası yapay zeka iki şekilde çalışıyor: Sembolik olarak (görsel tanıma) ve veri tabanlı olarak (makine öğrenimi, desen tanıma vb.). Robot bilimi ve görüntü tanıma sembolik öğrenme kapsamına giriyor. İstatistiksel öğrenme (IBM Watson) ve derin öğrenme ile birlikte makine öğrenimi ise veri tabanlı bilgi-işlem kapsamına giriyor.

İlgili yazı: 14 Yaşında Kendini Donduran Kız

 

Peki ya desen tanıma?

Desen tanıma hem sembolik bilgi-işlemi (resim tanıma), hem de veri tabanlı bilgi-işlemi kullanıyor (Örneğin çizgilerden harfleri tanıma, resimdeki nesneleri tanıma, yüz tanıma, harfler arasındaki bağıntıları tanıyarak sözcüklerle cümleleri okuma, hatta çağrışımlı-kavramsal düşünme bu alana giriyor).

İnsan beyni özünde desenleri tanıyor; çağrışımlı, bağlamsal, kavramsal ve sembolik düşünüyor. Böylece yaratıcılık, esinlenme, sezgisel düşünme gibi yetilerden yararlanarak kurumsal dinler, felsefi görüşler, devletler gibi sistemik yapılar kuruyor. Buna ek olarak sanat ve edebiyat gibi tematik yapılarla uğraşıyor.

Ancak YZ’de bunu yapmak zor

Nitekim makine öğrenimi söz konusu olduğunda yapay zekayı büyük veriyle, çok büyük veriyle beslemek zorundayız. Örneğin, IBM Watson’ın kanser araştırmalarında doktorlara dolaylı önerilerde bulunabilmek için milyonlarca sayfalık hasta kaydı ve araştırma makalesi okuması gerekiyor.

İlgili yazı: Laboratuarda Mini Neandertal Beyni Üretiyorlar

 

Reklam ve pazarlama

En basitinden, elinizde satış ve reklamlar arasındaki ilişkiyi gösteren milyonlarca veri noktası varsa bunların kalıbını çıkararak bir desen (bağıntılar) saptayabilirsiniz. Bir bilgisayar da yapay zeka yardımıyla bu deseni öğrenirse öğrendiklerinden yola çıkarak satışların artacağı yönünde öngörülerde bulunabilir.

Bunu insanlar da yapıyor; ancak bizler en fazla üç boyutta düşünebiliyoruz. Makineler ise konuyu daha fazla boyutta analiz edebiliyor. Bu yüzden hiç fark etmediğimiz detay ve bağıntıları ortaya çıkarıyor.

Örneğin, bir fabrikada üretimi yavaşlatan asıl kök sebebi saptayabiliyor. Oysa bu tür kök sebepler genellikle insanların gözünden kaçıyor. Sonuçta yapay zeka insanların asla yapamayacağı öngörülerde bulunuyor. Süper zeka desen tanıma tekniği ile işte bu şekilde ortaya çıkıyor.

Yapay zeka ile ne yapacağız?

Makine öğrenimi tekniklerini kullanarak iki şey yapabiliriz: Sınıflandırma ve öngörülerde bulunma. En basitinden, müşterilerinizin yaşını öğrenerek onları genç ve yaşlı müşteriler olarak ikiye ayırabilirsiniz. Bu sınıflandırmadır. Öte yandan, büyük veri kullanarak pek yakında rakibinizin müşterisi olup olmayacaklarını da anlayabilirsiniz. Bu da öngörülerde bulunmadır (insight, içgörü dediğimiz şey).

İlgili yazı: Beyin Programlayan Holografik Aygıt

 

Üçüncü göz

Yapay zeka için kullanılan öğrenme algoritmalarını başka bir şekilde de düşünebiliriz: Bir algoritmayı aynı zamanda yanıtı içeren bir veri kümesiyle eğitirseniz buna güdümlü öğrenme diyoruz; yani insanların yardımıyla öğrenen yapay zeka. Örneğin, YZ’nin arkadaşlarınızı ismen tanımasını istiyorsanız onları tek tek bilgisayara tanıtmanız gerekir.

Buna karşın, yapay zekanın büyük veriyi kendi başına analiz ederek desen tanımasını sağlarsanız bu da güdümsüz öğrenme olur. Mesela teleskopla evrendeki yıldızların fotoğrafını çekip bunu yapay zekaya verebilir ve resimlerdeki yıldızların rengine bakarak kırmızı devlerle sarı cüceleri saymasını söyleyebilirsiniz.

İlgili yazı: Beyin Formülü: İnsan Beynini Çalıştıran Yazılım Bulundu

 

Deneme yanılma

Bir bilgisayara hedef verir ve o hedefe deneme yanılma yöntemiyle ulaşmasını söylerseniz bu pekiştirmeli öğrenmedir. Atlas robotun atletler gibi takla atmayı öğrenmesi için bu yöntem de kullanılıyor.

Böylece

Yapay zekanın ne olduğunu, yapay zeka ile sıradan yazılımlar arasındaki farkı ve yapay zekanın, insan beyninin desen tanıma ile öğrenme gibi en temel özelliklerini nasıl taklit ettiğini gördük. Peki süper zeka gelince insanları yok edecek mi?

Onu da Robotlaşma ve İşsizlik ve Bilimkurgudaki En Şeytani 20 Süper Zeka yazılarında okuyabilirsiniz. Yoksa asıl insanlar mı robot oluyor diyerek endüstri 4.0’daki giyilebilir robotlara da göz atabilirsiniz. Hepinize iyi tatiller.

Süper zeka insanlığın son icadı

¹Deep Generative Modelling and Imputation of Incomplete Data (pdf)
²Finding the needle in high-dimensional haystack: A tutorial on canonical correlation analysis (pdf)
³Prior Networks for Detection of Adversarial Attacks
⁴Anomaly detection with Wasserstein GAN (pdf)