Algoritmaların olgunlaşması, verinin artması ve işlemcilerde hesaplama gücünün ucuzlaması ile yapay zeka gündemimize hızlıca girmeye başladı. Seksenlerde benzer bir dalga, yazılım algoritmaları ve transistor bazlı entegre devrelerin hesaplama gücü ile kesişince kişisel bilgisayar evresini bütün dünyada gerçekleştirmişti. Yapay zekayı da bilgisayar ve internet gibi dünyayı düzleyen, bir nevi eşitleyen ve otomasyon ile insanın halihazırda yaptığı rutin ve tekrarlanabilen işleri makinelere devir etmesine sağlayacak güçlü bir dalga olarak görebiliriz. Her geçen gün tahminler yenilense de yapay zeka ile yıllık ortalama 10 trilyon dolar değer artışı bütün dünyada beklenmektedir.1 Yapay zekanın hangi sektörleri ne kadar etkileyeceğini kestirebilmek için önce yapay olmayan zeka nedir ona bakmamız gerekiyor. Zeka, insanın en ayırt edici özelliği olarak bizi diğer canlılardan ayıran yegane özelliğimiz. “Zekayı, yapay bir ortamda teknoloji ve bilgisayarları kullanarak ne ölçekte gerçekleştirebiliriz?” günümüzün sorusudur. Teknoloji de aslında insanın zekasıyla parmaklarını kullanma yeteneğinin birleşmesinin ürünüdür. Hayatta kalma ve çevresini değiştirme dürtüsüyle geliştirdiğimiz bir bilim dalıdır. 

YAPAY ZEKA, BİR ZEKA MODÜLÜNÜN DİZAYN EDİLMESİDİR

İnsan zekası, belli hiyerarşi içinde çalışır. Bu katmansal yapı insanın belli desenleri (pattern) anlayabilmesini sağlar. Bunları bir sembol ile eşleştirebilme yeteneği vardır ve o sembol ile mantıksal çıkarımlar yapar. Bu desenlere fikir ve bu fikirlerin birbirine bağlanarak oluşturduğu yapılara bilgi diyoruz. Bu minvalde konuşabilmek, konuşulanları yazıya sembolleştirerek dökebilmek ve bilgiyi bir başkasına aktarabilmek insanın en önemli zeka özelliği olarak ortaya çıkmaktadır.2 Zeka bununda ötesinde mantıksal çıkarım yapabilme, sorun çözme, uyum sağlama, etkileşim kurma ve öğrenme yeteneğidir. Bunları zihinsel fonksiyonlar olan algılama, hafızayı kullanabilme, dikkat etme, konuşma ve planlama gibi araçlarla gerçekleştirir. Yargılar, sezgisi ve empatisi vardır, ahlaki normları etkileşimini belirler ve yaratıcılığı ile ilerler. İnsanlar zekasıyla geçmiş deneyimlerinden öğrenir, yeni durumlara adapte olur, fikirleri soyutlaştırarak konuşabilir ve bilgisini çevresini değiştirmek için kullanır. Yapay zeka ise bir zeka modülünün dizayn edilmesidir. Bu yapay modülün donanım kapasitesini gerçek zekaya kıyaslamamız gerekir. Örneğin insan beyni bir basket topunun altıda biri kadardır ve saniyede 1 milyon trilyon-adet işlem yapar. Bir basketbol sahası büyüklüğünde bilgisayarlar ise saniyede 93 bin trilyon-adet işlem yapabilir.3 Büyüklük açısından bakıldığında makinelerin işlemci kapasitesi her ne kadar yetişmese de tek bir fonksiyona yönlendirilirse insanın önüne geçebilir. Hesaplama gücünün daha da hızlanarak ucuzlayacağı da bilindiğinden yapay zeka hesaplama kapasitesi bakımında yeterli hale gelmiştir.  Öğrenme için gerekli olan bilginin çokluğu da kişisel bilgisayar ve internet evresiyle hızlanmış insanlar ve makinalar her sene geçmişten o seneye kadar yaratılan veri kadar veri üretir hale gelmiştir. 

AMERİKA KITASININ KEŞFİ GİBİ…

Geriye algoritmaların yeterliliği kalmıştır. Algoritmalar ise her ne kadar 1800’lü yıllarda gezegenlerin yörüngeleri için kullanılan istatistiksel metotlar temelli olsa da 1956 yılında Profesör Frank Rosenblatt’ın ortaya attığı perceptron (algılayıcı) günümüz yapay zekasının temeli olmuştur. Gelen verileri bir ağırlık ile çarparak ‘evet’ veya ‘hayır’ kararını veren bir mekanizma ile karar verme matematiksel olarak kurgulanmıştır. O yıllarda da makinelerin insanlığın yerine geçeceği gibi haberler gündemi meşgul etmiş fakat seksenlere kadar sönük bir dalga olmaktan ileriye gidememiştir. Örneğin; The New Yorker bu buluştan bir bilgisayar embriyosu olarak coşkuyla bahsetmiş,  konuşabileceğini, görebileceğini, yazabileceğini, kendini çoğaltabileceğini, var oluşunun farkında olabileceğini yazabilmiş.4 Seksenlerle beraber tekrar canlanarak yapay sinir ağları olarak tekrar gündeme gelmiş ve geldiği gibi tekrar gündemden düşmüştür. 2010 yılı ile beraber verinin artması ve hesaplama gücünün ucuzlamasıyla makine öğrenme ve derin öğrenme olarak gündemimize tekrar girmiştir. Artık sonuç, alıcı ve kitlelere yayılarak değer yaratacak bir açılımın zamanı geldiği herkes tarafından görülmektedir. Bunu Amerika kıtasının keşfine benzetebiliriz. Kristof Kolomb öncesinde Amerika’yı keşfedenler sadece ayak bastılar ama Kristof Kolomb ile keşfin arkası Avrupalılar tarafından getirildi. Çünkü o zamanın Avrupası’nda İstanbul’un fethi ile ekonomik ve siyasi düzen hazırdı ve buna ihtiyaç vardı. Keşfedilmesinin getirisi ile dünyanın ekonomik büyüklüğü değişti ve çağ atlandı. Aynı zıplamayı yapay zeka ile beklemeliyiz. 

GÜNÜMÜZDE ÜÇ ÖĞRENME METODU GELİŞTİ

Bu süreç içinde zekanın sadece ve sadece öğrenme kısmı yapay olarak kurulabilmiştir ve bu öğrenmenin de sadece ve sadece rutine binmiş desenleri ortaya çıkarılması insan zekasına yaraşır ve bazı noktalarda geçer hale gelebilmiştir. Ayrıca insanın aklına gelmeyecek desenlerin birikmiş büyük veriyi kullanarak çıkarılır hale gelebilmesi de insanın rutin fonksiyonlarını otomasyona bindirmenin ötesinde üssel bir katma değer sağlamak için önemlidir. Örneğin, bugün bir doktor rutin bir şekilde on dakikada bir teşhis koyabiliyorsa yapay zeka sistemi o süre içinde milyonlarca teşhis koyabilir. Ya da insanın aklına bile gelmeyecek desenler sayısız doktor verilerini inceleyerek çıkarılabilir. 
Algoritmaların nasıl kurgulandıkları da önemli... İnsan zekasının çalışma prensibini birebir kopyalamak yerine daha çok kaba kuvvet bir hesaplama gücü kullanılıyor. İnsan beyni karbon temelli analog bir yapı ve ihtimaller üzerine bina edilmiş bir şekilde karar verirken dijital bazlı yapı sadece ‘evet’-‘hayır’ kararı ile çalışıyor. Bu kısıtlamalar ile günümüzde sadece üç öğrenme metodu gelişti. İlki, geçmiş verilerin öğrenmek için kullanılarak sonraki veriler için karar mekanizmasının tesis edildiği (supervised learning) yöntemdir. İkincisi gelen veri ile anında öğrenmenin (unsupervised learning) yapıldığı yöntemdir. Sonuncusu ise hata yaparak öğrenme (reinforcement learning) yöntemidir. Kullanım alanlarına göre yöntem seçilmektedir. Örneğin yeni Google, sürücüsüz araçlar için imitasyon öğrenme (imitation learning) metodunu yayınladı. 

İNSAN-MAKİNE ORTAKLAŞA YAŞAYACAĞIMIZ BİR DÜNYA BİZİ BEKLİYOR

Bununda ötesinde perceptron algoritması zaman içinde geliştirildi.5 İlk olarak birkaç gizli katman ile derin öğrenmenin temelleri atıldı. Seksenlerde geri-yayılım6 metoduyla girdinin çarpıldığı ağırlıklar her yeni sonuç ile güncellenir hale geldi. Doksanlarda verileri kategorilere ayırarak profilleme yapabilmek için eksenlerin oynandığı destek vektör makineleri7  icat edildi. Ses ve dil gibi zamansal birbirlerine bağlı veriler için hafıza etmeni doksanların sonunda eklendi ve özyinelemeli sinir ağları8 geliştirildi. Bunu ilk olarak Google’da sözlük ve çevirim yapan uygulamalarda gördük. Örneğin eBay’de otomatik dil çevirisi yapay zeka temelli yapılarak sınırlar arası ticareti yüzde 37 artırılmış.9 Daha sonra bir resmin birbirine ilintili taraflarını çıkarım yaparken kullanmak üzere iki binli yıllarla konvolüsyonel sinir ağları10 geliştirildi. Görüntüdeki objelerin tanınmasıyla uygulama alanları çeşitlendi. Algoritmalar kullanım alanlarına göre ilerletilmektedir. İleride karbon temelli bir yapay zeka kurgulanır ve makineler insan zekasını tam anlamıyla kopyalar mı herkesin beklentisidir. Ama son 40 yılda insan beyninin bir milimetrelik kıvrımındaki 302 nöronun ve 8000 sinapsın yapısı ancak çıkarılabildi. Tahmini 86 milyar nöron ve 150 trilyon sinapsımız var. Bunun yerine  insan-makine ortaklaşa yaşayacağımız bir dünya bizi bekliyor. Çünkü insanların güçlü olduğu yerlerde makineler güçsüz, makinelerin güçlü olduğu yerlerde insanlar zayıf.11

Kaynak
1.https://www.mckinsey.com/business-functions/mckinsey-analytics/
2.How to Create a Mind, Ray Kurzweil
3.https://www.educba.com/artificial-intelligence-vs-human-intelligence/
4.https://www.newyorker.com/magazine/1958/12/06/rival-2
5.http://dergipark.gov.tr/download/article-file/394923
6.Backpropagation
7.Support Vector Machine
8.Recurrent Neural Network
9.http://mitsloan.mit.edu/ideas-made-to-matter/how-machine-learning-can-break-down-language-and-trade-barriers
10.Convolutional Neural Network
11.Bknz. Geleceği Keşfedenler, Walter Isaacson