Yapay Zeka Dediğimiz Her Şey Aslında Yapay Zeka Değildir
Ağustos 1955’te bir grup bilim insanı New Hampshire’daki Dartmouth College’da bir yaz çalıştayına ev sahipliği yapmak üzere 13.500 ABD doları tutarında bir fon talebinde bulundu. Keşfetmeyi önerdikleri alan yapay zeka (AI) idi.
Fon talebi mütevazı olsa da, araştırmacıların varsayımı mütevazı değildi: “Öğrenmenin her yönü ya da zekanın diğer herhangi bir özelliği prensipte o kadar kesin bir şekilde tanımlanabilir ki bir makine bunu simüle edebilir”.
Bu mütevazı başlangıçtan bu yana, filmler ve medya YZ’yi romantikleştirdi ya da kötü adam olarak gösterdi. Yine de çoğu insan için YZ, bilinçli bir yaşam deneyiminin parçası değil, bir tartışma konusu olarak kaldı.
YZ hayatımıza girdi
Geçen ayın sonlarında, ChatGPT şeklindeki yapay zeka, bilim kurgu spekülasyonlarından ve araştırma laboratuvarlarından kurtulup halkın masaüstü bilgisayarlarına ve telefonlarına girdi.
“Üretken yapay zeka” olarak bilinen bu sistem, zekice ifade edilmiş bir soruyla birdenbire bir makale üretebiliyor, bir yemek tarifi ve alışveriş listesi oluşturabiliyor ya da Elvis Presley tarzında bir şiir yaratabiliyor.
ChatGPT, üretken YZ’nin başarılı olduğu bir yılın en dramatik katılımcısı olsa da, benzer sistemler, sanat yarışmalarını bile kazanan canlı görüntüler oluşturmak için kullanılan metinden görüntüye istemlerle yeni içerik oluşturmak için daha da geniş bir potansiyel göstermiştir.
YZ henüz yaşayan bir bilince ya da bilimkurgu film ve romanlarında popüler olan bir zihin teorisine sahip olmayabilir, ancak en azından yapay zeka sistemlerinin yapabileceğini düşündüğümüz şeyleri bozmaya yaklaşıyor.
Bu sistemlerle yakından çalışan araştırmacılar, Google’ın büyük dil modeli (LLM) LaMDA örneğinde olduğu gibi, bilinçlilik beklentisi altında bayıldılar. LLM, doğal dili işlemek ve üretmek üzere eğitilmiş bir modeldir.
Üretken YZ aynı zamanda intihal, model oluşturmak için kullanılan orijinal içeriğin istismarı, bilgi manipülasyonu etiği ve güvenin kötüye kullanılması ve hatta “programlamanın sonu” hakkında endişeler yaratmıştır.
Tüm bunların merkezinde, Dartmouth yaz çalıştayından bu yana aciliyeti giderek artan bir soru var: YZ insan zekasından farklı mıdır?
‘YZ’ aslında ne anlama geliyor?
Bir sistemin YZ olarak nitelendirilebilmesi için belli bir düzeyde öğrenme ve uyum sağlama becerisi göstermesi gerekir. Bu nedenle karar verme sistemleri, otomasyon ve istatistikler YZ değildir.
YZ genel olarak iki kategoride tanımlanır: yapay dar zeka (ANI) ve yapay genel zeka (AGI). Bugüne kadar, AGI mevcut değildir.
Genel bir YZ yaratmanın en önemli zorluğu, dünyayı tüm bilgi birikimiyle tutarlı ve faydalı bir şekilde modellemektir. Bu en hafif tabirle büyük bir girişimdir.
Bugün YZ olarak bildiğimiz şeylerin çoğu, belirli bir sistemin belirli bir sorunu ele aldığı dar bir zekaya sahiptir. İnsan zekasının aksine, bu tür dar YZ zekası yalnızca eğitildiği alanda etkilidir: örneğin dolandırıcılık tespiti, yüz tanıma veya sosyal öneriler.
Ancak AGI, insanlar gibi işlev görecektir. Şimdilik, bunu başarmaya çalışmanın en kayda değer örneği, büyük miktarda veri üzerinde eğitilmiş sinir ağları ve “derin öğrenme” kullanımıdır.
Sinir ağları insan beyninin çalışma şeklinden esinlenmiştir. Eğitim verileri üzerinde hesaplamalar yapan çoğu makine öğrenimi modelinin aksine, sinir ağları her bir veri noktasını birbirine bağlı bir ağ üzerinden tek tek besleyerek ve her seferinde parametreleri ayarlayarak çalışır.
Ağ üzerinden daha fazla veri beslendikçe, parametreler stabilize olur; nihai sonuç, daha sonra yeni veriler üzerinde istenen çıktıyı üretebilen “eğitilmiş” sinir ağıdır – örneğin, bir görüntünün bir kedi mi yoksa bir köpek mi içerdiğini tanır.
Günümüzde yapay zeka alanındaki önemli sıçrama, büyük bulut bilişim altyapılarının yetenekleri sayesinde her çalışmada çok sayıda parametreyi yeniden ayarlayarak büyük sinir ağlarını eğitebilme şeklimizdeki teknolojik gelişmelerden kaynaklanmaktadır. Örneğin, GPT-3 (ChatGPT’ye güç veren yapay zeka sistemi) 175 milyar parametreye sahip büyük bir sinir ağıdır.
YZ’nin çalışması için neye ihtiyacı var?
YZ’nin başarılı olabilmesi için üç şeye ihtiyacı vardır.
İlk olarak, yüksek kaliteli, tarafsız verilere ve çok sayıda veriye ihtiyacı vardır. Sinir ağları inşa eden araştırmacılar, toplum dijitalleştikçe ortaya çıkan büyük veri setlerini kullanıyor.
İnsan programcıları desteklemek için kullanılan Co-Pilot, verilerini GitHub’da paylaşılan milyarlarca satır koddan alıyor. ChatGPT ve diğer büyük dil modelleri, çevrimiçi olarak depolanan milyarlarca web sitesini ve metin belgesini kullanır.
Stable Diffusion, DALLE-2 ve Midjourney gibi metinden görüntüye araçlar, LAION-5B gibi veri setlerinden görüntü-metin çiftlerini kullanır. Hayatımızı daha fazla dijitalleştirdikçe ve onlara simüle edilmiş veriler veya Minecraft gibi oyun ortamlarından elde edilen veriler gibi alternatif veri kaynakları sağladıkça, YZ modelleri karmaşıklık ve etki açısından gelişmeye devam edecektir.
Yapay zekanın etkili bir eğitim için hesaplama altyapısına da ihtiyacı vardır. Bilgisayarlar daha güçlü hale geldikçe, şu anda yoğun çaba ve büyük ölçekli hesaplama gerektiren modeller, yakın gelecekte yerel olarak ele alınabilir. Örneğin Stable Diffusion, bulut ortamları yerine yerel bilgisayarlarda çalıştırılabilir.
Yapay zeka için üçüncü ihtiyaç, geliştirilmiş modeller ve algoritmalardır. Veri güdümlü sistemler, bir zamanlar insan bilişinin alanı olduğu düşünülen her alanda hızlı ilerleme kaydetmeye devam ediyor.
Ancak, çevremizdeki dünya sürekli değiştiğinden, YZ sistemlerinin yeni veriler kullanılarak sürekli olarak yeniden eğitilmesi gerekmektedir. Bu önemli adım atılmazsa, YZ sistemleri gerçekte yanlış olan veya eğitildiklerinden bu yana ortaya çıkan yeni bilgileri dikkate almayan yanıtlar üretecektir.
Yapay zekaya yönelik tek yaklaşım sinir ağları değildir. Yapay zeka araştırmalarında öne çıkan bir diğer kamp da sembolik yapay zekadır – devasa veri setlerini sindirmek yerine, insanların belirli olguların içsel sembolik temsillerini oluşturma sürecine benzer kurallara ve bilgiye dayanır.
Ancak güç dengesi son on yılda büyük ölçüde veri odaklı yaklaşımlara doğru yöneldi ve modern derin öğrenmenin “kurucu babaları” yakın zamanda bilgisayar bilimlerinde Nobel Ödülü’ne eşdeğer olan Turing Ödülü’ne layık görüldü.
Veri, hesaplama ve algoritmalar yapay zekanın geleceğinin temelini oluşturuyor. Tüm göstergeler, öngörülebilir gelecekte her üç kategoride de hızlı ilerleme kaydedileceği yönündedir.
Bu yazı Astrafizik.com tarafından Türkçeye aktarılmış olup yazının aslı sciencealert.com sitesine aittir, orijinaline mümkün olduğunca sadık kalmak koşuluyla dilimize çevirilmis olsa da editoryal tarafından katkılarda bulunulmuştur. Bu sebeple Astrafizik.com içerik izinlerine tabidir. Astrafizik.com referans gösterilmek koşuluyla 3. tarafların kullanımına izin verilmiştir.
