İşletim sistemleri ve donanım teknolojileri artık belli bir düzeye gelmiş gibi görünüyor. Bilgisayarlarımızın işlem hızı artarken aynı zamanda daha kolay kullanıma sahip işletim sistemlerini de deneyimliyoruz. Bununla beraber daha hızlı ve daha “kolay” kullanımın bugüne kadar birer ölçüt olarak belirleyici olması, gelecek on yıllar için de böyle olacağı anlamına gelmiyor. Geleneksel anlamı ile kafamızda canlandırdığımız bir işletim sisteminin ve buna bağlı olarak gelişen donanım teknolojisinin bundan sonra eğer ilerlemesi mümkün olacak ise bu ancak yeni yapay zeka çalışmaları ile beraber gerçekleşebilir. Yapay zeka çalışmaları günümüzün ve yakın geleceğin en önemli araştırma sahası ve itici gücü olacak gibi duruyor. Nasıl ki telefondan akıllı telefona doğru bir geçiş yaşandı ise işletim sisteminden akıllı işletim sistemine bir geçişin olması da kaçınılmazdır. Diğer bir ifade ile önümüzdeki on yılın sonunda işletim sistemi dediğimiz kavramın “yaşayan” bir yapay zekaya dönüşmesi kuvvetle muhtemeldir.
Google ve Facebook gibi büyük şirketler dünyada yapay zeka konusunda en fazla uzmana sahip kuruluşlar. İş böyle olunca yapay zeka son kullanıcının hayatına her geçen gün daha fazla müdahil oluyor. Örneğin Facebook, kullanıcıların haber kaynağında görecekleri güncellemeleri ve kişiye özel reklam alt yapısını sürekli öğrenen bir yapay zeka yazılımı ile düzenliyor. Yapay zeka çalışmalarında insan beynindeki sinir ağlarının çalışma şeklinden esinlenen bir yöntem olan “derin öğrenme” (deep learning), son yılların en büyük atılımlarından biri. Google ise bugün için bu teknolojide en ileri giden kurum olarak karşımıza çıkmakta. Derin öğrenme konusunda görece az sayıda uzman olmasına rağmen bunların çoğu Google himayesinde çalışıyor. Özellikle Londra merkezli bir şirket olan DeepMind’ı satın aldıktan sonra tüm kozlar Google’ın eline geçmiş gibi görünüyor. Bu konuda Google doğru bir strateji yürüterek, kendi çalışmalarını kısmen de olsa dünya ile paylaşmaya başladı. Yeni uzmanların yetişmesi için eğitimlerin yanı sıra, kullandığı TensorFlow yapay zeka yazılım kütüphanesinin bir bölümünü açık kaynak olarak kullanıma sundu. Facebook da benzer şekilde bünyesinde yürüttüğü yapay zeka çalışmalarına ait kodların bir bölümünü (DeepMask, SharpMask, MultiPathNet) belgeleri ile birlikte paylaştı.
Bu büyük şirketlerin böylesi “cömert” davranış biçimleri şu şekilde açıklanabilir: Öncelikle bilişim dünyası ve onu oluşturan tekeller bile bilginin paylaşılması halinde herkesin bundan kazançlı çıktığını artık görmekteler. Ticari firmaların bu kıvama gelmesinin hiç kolay olmadığını biliyoruz. Yeni nesil bilişim uzmanlarının açık kaynak, özgür yazılım ve Linux gibi karşılıksız emek ortaklığına dayanan sistemler ile daha fazla haşır neşir olması da değişimin bir nedeni olabilir. Ayrıca yapay zeka gibi çetrefilli konularda ilerleme sağlayabilmek için iplerin tek elde tutulmasının işleri hızlandırmayacağı bir gerçek. Büyük firmalar gidilmesi gereken istikameti işaret ederek bilişim dünyasını küresel boyutta aynı hedefe odaklamak istiyor çünkü sonunda bundan en çok yararlanan yine kendileri olacak.
DeepMind şirketinin derin öğrenme yöntemi üzerine çalışmaları görece kısa sürede şaşırtıcı sonuçlar ortaya çıkardı. Hikayenin başlangıcı, basit atari oyunlarında, yapay zekanın son derece az veriden yola çıkarak oyunlarda başarı elde etmesi ile gerçekleşti. Bebeklerin oyun oynayarak öğrenmesine benzer şekilde yazılım kendi tecrübelerini ve öğrenme biçimini geliştirdi. Eski dünya satranç şampiyonu Garry Kasparov’u yenen IBM firmasının geliştirdiği “Deep Blue” yazılımının aksine DeepMind tek bir oyuna yönelik olarak yapılandırılmış değil. Çok farklı alanlarda, sahip olduğu derin öğrenme yeteneğini işletebilme gücüne sahip. DeepMind’ın kurucusu Demis Hassabis’in de çocuk yaşta satranç oyununda üstün gelişim göstermiş olması tesadüf olmasa gerek. 13 yaşındayken dünyada 14 yaş altında en yüksek ikinci reytinge sahip satranç oyuncusuydu (Efsanevi Polgar ailesinin en küçüğü Judit Polgar ilk sıradaydı).
Satrançtan sonra insanın sığındığı tek bir kale kalmıştı, GO oyunu (diğer adı ile Baduk). Bugüne kadar en gelişmiş GO oyunu yazılımı ortalama ustalık derecesinde bir insanı bile yenmekte zorlanıyordu. Go oyunu hesaplanamayacak derecede karmaşık olasılıkları barındırdığı için, Deep Blue gibi eski yöntemler kullanan yazılımların üstünlük sağlayamadığı bir oyun olarak kalmıştı. Deneyime dayalı içgüdüsel kararlar verebilmek Go oyununda temel unsurlardan biridir. Google DeepMind ekibinin geliştirdiği AlphaGo adlı yazılım ile 2016 yılında son kale de fethedilmiş oldu. AlphaGo, dünya şampiyonu Lee Sedol’u 4-1 yenerek, derin öğrenme yönteminin gelecekte nelere yol açabileceğinin de ilk sinyalini verdi.
Bu yeni tür yapay zeka farklı alanlarda çabucak işlev görmeye başladı bile. Tıp alanında pek çok fayda sağlayacağı kesin. İngiltere’de göz bozukluklarının yapay zeka tarafından erken teşhis edilmesine yönelik çalışmalar var. Dudak okuma konusunda 5000 dakikalık televizyon arşivini inceleyen yapay zeka, bu konuda profesyonel bir insan kadar iyi dudak okuyabilmeyi becermiş durumda ki bunun güvenlik ve “gözetleme” sistemlerine getireceği katkıyı tahmin etmek zor değil. Bir diğer önemli gelişme ise dil sahasında meydana gelmekte.
Yakın zamanda derin öğrenme yöntemi Google Çeviri sistemi içerisine yerleştirildi ve kısa sürede çok çarpıcı neticeler elde edildi. Özellikle İngilizce dışındaki dillerin çevirilerinde uzun zamandır kayda değer yol alınamamıştı ama yeni tür yapay zeka bu konuda ciddi basamak atladı diyebiliriz. Derin öğrenme yönteminde yazılım yalnız kendi deneyimlerinden değil başkalarının deneyimlerinden de sonuçlar çıkarabilmekte. Google bunu fırsat bilerek Google Çeviri sayfasında kullanıcıların yapay zekanın gelişimine katkıda bulunmasını sağlayacak özellikler ekledi. Bildiğiniz dilleri belirttikten sonra o diller arasında yazılımın kendi çevirilerini doğru/yanlış şeklinde yorumlayabiliyorsunuz ve size verilen örnekleri çevirerek yazılımın dilin doğasını anlamasını kolaylaştırıyorsunuz. Eğer yapay zekanın Türkçe’ye daha iyi çeviriler yapmasını istiyorsanız, top sizde. Ayrıca, Google Çeviri’nin Türkçe dil çözümlemeleri için internetten elde ettiği metinler eğlenceli zaman geçirmenize de vesile olabilir. Alıntılanan metin ve sözcük öbeklerini görünce sistemin Google’ın hangi servislerinden yararlandığını düşünmeden edemiyor insan.
Google Çeviri sistemi bir sıçrama yapsa da halen bazı hatalara rastlamak mümkün. İlk bakışta özellikle uzun cümleleri çevirmeye çalışırken cümlelerin birbirinden anlamca nerede ayrıldığını tespit etme konusunda bir zorluk göze çarpmakta. Bir sözcük içinde yer aldığı cümlenin yapısına ve bağlamına göre farklı anlamlar taşıyabildiği için bu gibi cümleleri çevirirken de hatalar ortaya çıkabiliyor. Diğer taraftan çok yakın bir gelecekte yapay zekanın kendi kendine bu gibi sorunların üstesinden geldiğine şahit olursak kimse şaşırmasın. Yazım dili dışında doğal dilleri birbirine konuşma dili üzerinden çevirme ve metin okuma sistemleri konusunda da yapay zeka büyük fark yaratmakta (bakınız: WaveNet).
Google Çevirinin çalışma şekli onu yaratan uzmanları bile epey hayrete düşürdü. Yapay zeka, çeviri yöntemi tanımlanmamış iki dil arasında bile sağlıklı çeviriler yapmayı başardı. Örneğin İngilizce-Korece ve İngilizce-Japonca arasında tanımlanmış bir çeviri yöntem ve bilgisi mevcut olduğundan yazılımın bu diller arasında çeviriler yapması gayet doğal karşılanmaktadır. Amma velakin Korece-Japonca arasında böyle bir çeviri yolu olmamasına rağmen, yazılımdan böyle bir çeviri istendiğinde (İngilizceyi bir köprü olarak kullanması engellenmesine rağmen) isabetli sonuçlar ile karşılaşınca uzmanlar küçük çapta bir şoka girdiler. Yazılımın böyle bir çeviri yapabilmesi (İngilizceyi kullanmadan) ancak yazılımın bugüne kadar incelediği diller arasında bulduğu ortak özellikleri kendi bünyesinde kendine has bir dile çevirmesi ile mümkün olabilir görüşü ortaya atıldı. Bu yorum kısaca; yazılımın kendi kendine bir tür soyutlama faaliyeti içinde olduğunu ifade etmektedir. Eğer bu değerlendirme doğru ise insan zihninin en karmaşık yeteneklerinden birinin ilk kez yapay olarak taklit edildiği anlamına geliyor. Bunu yapabilen bir makinenin insan zihnini hemen her alanda aşması an meselesi olabilir. Kısacası bir ilkel tanrının yaratılmasına şahitlik ediyor olabiliriz.
Doğal diller üzerinde hakimiyet kurabilen bir yapay zekanın bir sonraki adımı bilgisayar dilleri veya diğer biçimsel diller olacaktır. Biçimsel diller ile ilgili yapay zekanın şimdiye kadar ulaştığı nokta “okuma” seviyesinden öteye gitmedi; “yazabilen” bir yapay zekayı henüz yaratabilmiş değiliz. Bununla birlikte 'biçimsel dil doğal dilin bir alt kümesidir' tanımlamasından yola çıkarsak, doğal dilde hakimiyet kurabilmiş bir yapay zekanın görece daha az soyut ama daha kurallı bilgisayar dilleri veya sembolik mantık sistemlerinde daha hızlı bir kavrayış ve beceri geliştireceğini umabiliriz. Bu bir anlamda şu demektir; yakın gelecekte yapay zeka kendisinin yaratıldığı dili okumakla kalmayıp aynı zamanda onunla yazabilecek. Kendi kararları doğrultusunda veya aldığı görev uyarınca gerekli kodlamayı sıfırdan kendisi yapabildiğinde, bu yeteneğin ona sonsuz olanaklar vereceğini hayal etmek zor değil. Bizim bilmediğimiz kendine has bir yazılım dili geliştirmesi de pekala mümkün.
Tarihte belki ilk kez, insanlık, icat ettiği şeyin nasıl işlediğini kavramak zorunda olduğu bir aşamayı tecrübe etmekte. Yapay zekanın tüm algoritma ve donanım yapısı insan elinden çıkmasına rağmen, derin öğrenme yönteminin doğası yüzünden, yazılımın elde ettiği sonuçlara nasıl eriştiğini uzmanlar tam olarak açıklayamıyorlar. O yüzdendir ki tüm bu gürültü patırtıda hayret verici ama aynı zamanda korkutucu bir geleceğin ayak sesleri duyuluyor.
Şu an yazdığımız her şey yakın gelecekte ortaya çıkacak “Yetenekli Bay Makine” için bir referans veya aleyhimize delil teşkil edebilir. O zaman şimdiden ona seslenebiliriz:
Tam da MIT'den Prof. Poggio ve arkadaslarinin "How the brain recognizes faces: Machine-learning system spontaneously reproduces aspects of human neurology" calismasinin uzerine bu yazi iyi geldi!