Mezopotamya’da Yapay zekâ (AI) Artificial intelligence, AI

Mezopotamya’da Yapay zekâ (AI) Artificial intelligence, AI

Prof. Dr. Dr. Ümit Yazıcıoğlu

Bu çalışmam Mezopotamya bağlamında sinir ağlarının hızlı gelişiminin tehlikeleri ve makinelerin yakında ayaklanmasından korkmaya değip değmeyeceği hakkında    çağımızın en çok tartışılan konularından biri olan Yapay zekâ (AI)yı, Artificial intelligence, AI değerlendirmektedir.

1.) Çağımızın en çok tartışılan konusu Yapay Zekâ!

Yapay zekâ çağımızın en çok tartışılan konularından biri. Ancak birçoğu konuya şüpheyle yaklaşıyor. Ancak bu teknolojilerin hızla gelişmesi nedeniyle şüphe duyan sesler giderek sessizleşiyor. AI, iş süreçlerini optimize etmek ve hızlandırmak için, ayrıca özel ve profesyonel günlük hayatımızda giderek daha fazla kullanılıyor. Yapay zekanın (AI) küresel gelişimi sadece sıradan insanları değil, aynı zamanda sektördeki lider şirketlerin liderlerini de endişelendiriyor. Ancak, bilgisayarın bizi işten mahrum edeceğine ve insanlığın kontrolünü ele geçireceğine dair temel korkular yersizdir. Sinir ağları karmaşık kararlar gerektiren görevlerde henüz bir insanın yerini alamazlar, ancak rutin ve tipik görevleri çözmede oldukça başarılıdırlar.

Müzik parçaları, resimler veya mektuplar yaratabilirler, ancak yaratıcılık ve özgünlük açısından insanların yerini tamamen alamazlar. Sinir ağlarının eğitimine izin veren çok fazla veri bu konuda çalışma yapan bilim insanları biriktirdiler. Ancak orijinal görüntüler oluşturma fikirleri, AI kullanan ve koşulları belirleyen insanlardan geliyor. Makine, tabloyu yalnızca verilerden öğrendiği stillerde yeniden oluşturur. Programın metindeki ana şeyi basitçe vurgulama yeteneği, ona müşterinin gözünde inanılmaz bir zekâ kazandırır. Bir kişi, ağla etkileşim kurmanın bu kadar kolay olması durumunda, zihinsel gelişim açısından kendisine yakın olduğuna inanır, ancak maalesef bu böyle değildir.

Bilimsel ilerleme insanları her zaman korkutmuştur. AI, çok güçlü olmasına rağmen, bu aşamada yalnızca matematikçilerin hesap makinelerinden daha iyi olmayan insanların yerini alabilen bir araçtır. Bu tür teknolojilere erişimi olan şirketler büyük bir avantaj elde ediyorlar.  Ancak zamanla bunlardan daha fazlası olacak. Daha önce olduğu gibi, birçoğunun yeni fırsatlara uyum sağlaması ve kullanmaya başlaması gerekecek. Aksi takdirde etkinlikleri daha düşük olacaktır. Eski Paint'te görüntüleri işleyen bir fotoğrafçı ile Photoshop ile çalışma becerisine sahip meslektaşı arasında olduğu gibi, seçim açık olacaktır.

Aynı zamanda, yapay zekanın politik olarak doğru olması, gücendirmemesi, sansürü ihlal etmemesi vb. Sinir ağları, veri tabanından pek çok beklenmeyen bağımlılık seçebilir ve bunları bir kişiyle etkileşim kurarken uygulayabilir. Sonuç olarak, insanların programla iletişim kurduğu ve ardından intihar ettiği vakalarda var. Bu, Eliza chatbot ile iletişim kurduktan sonra Belçika'da ikamet eden birinin başına geldi. Şu anda toplum henüz bu seviyedeki teknolojilere alışmış değil.

2.) Yapay zekâ nedir?

Yapay zekâ terimi (kısaca KI) başlangıçta karmaşık ve anlaşılmaz görünüyor. Kolektif olan bu kavramın arkasında çok yönlü kavramlar, uygulamalar ve fikirler gizlidir. Bir AI arzusu, insanın bilişsel yeteneklerini taklit edebilen ve hatta aşabilen eşit bir makine yaratma konusundaki asırlık arzusundan kaynaklanmaktadır. Bir AI'nın yetenekleriyle donatılmış bilgisayar sistemleri, doğal dünyanın özelliklerine sahip bilgileri emer. Bu bilgilerden kalıpları analiz ederler, çapraz bağlantılar ve bu bağlantılarla bağlantılar kurarlar.  Nihayetinde önceden öğrenilmiş bir işleve dayalı sonuçlar üretirler. Bir insan kullanıcı için bu sonuçlar, insan düşünce süreçlerinin birçok özelliğine sahiptir ve bu nedenle akıllı olarak adlandırılırlar.

2.1 ) Yapay zekâ yeni bir trend değil.

Bugünün yapay zekâ kavramının matematiksel temelleri 1950'lerde atıldı. Yapay zekanın tarihi, zekanın her yönünün bir makinenin simüle edebileceği şekilde tanımlanabileceği hipoteziyle başladı. Ancak araştırmacılar, dünyamızın kaçınılmaz olarak basitleştirici bir mantık ve sembolizmle tanımlanamayacağını anladıktan sonra, yapay zekanın performansının değerlendirilmesi konusunda güçlü bir hayal kırıklığı yaşandı. Sonuç olarak, yapay zekâ konusuna yatırımcı çekmek neredeyse imkansızdı. Uzman çevrelerde bu nokta aynı zamanda "AI kışı" olarak da adlandırılır. Dünyamızın elle tanımlanabileceği varsayımının yanlış olduğu ortaya çıktı. 1970 civarında araştırmacılar yapay zekanın geliştirilmesine devam ettiler. 2014'ten bu yana, giderek daha fazla yapay zekâ yeniliği daha hızlı ve daha hızlı geliştirildi.

2.2) Sinirsel yapay zekâ rahatlama getiriyor.

Dünyanın tarif edilemezliği sorununu aşmak için yeni makine öğrenimi yöntemleri geliştirildi ve eğitim için sinir ağları kullanıldı. Sinir ağları, tipik olarak düşük soyutlamanın öğrenilmiş kurallarıyla çalışır, yani tam olarak girilen veri düzeyinde çalışırlar ve kendilerini çözmeleri gereken soruna uyarlarlar. Makine için bir sorunu soyutlamak ve açıklamak yerine, artık algoritmaların bir sorunu nasıl çözeceğini öğrenmek için kullanabileceği eğitim verilerini bu konuda araştırma yapan bilim insanlarının bulmaları gerekiyordu. Bununla birlikte, başlangıçta bu metodolojiyle ilgili iki temel sorun vardı: algoritmik verimsizlik ve bilgi işlem gücü eksikliği. Çığır açan birkaç yenilik daha sonra yavaş yavaş bugün kullandığımız yüksek kaliteli süreçlerin ortaya çıkmasına neden oldu. Bunlar arasında ör. B. 1974 civarında pratik makine öğrenimi algoritmalarının geliştirilmesi, aynı zamanda bilgi işlem gücündeki üstel artış vardı.

Sinir ağları, verileri alan ve bu verilerden sağladığı bilgilerle gerekli diziyi üreten bir programdır. Bu onun olanaklarını sınırlar. Elektriği, başlama zamanını kontrol etmez, kendini kopyalayamaz, öz farkındalığı yoktur. Evet, yeni teknolojilerin büyük potansiyeli var ama bunlar ancak insanın elinde alet veya silah haline geliyor.

Sinir ağlarını kullanmanın tehlikelerini hatırlarsak, o zaman yine bir kişinin - yaratıcının veya kullanıcının - sorumluluğuna geleceğiz. Ana tehditler, insansız araçların ihmalkâr kullanımıdır; ChatGPT gibi programlarla gerçek bir insan gibi iletişim kuran dengesiz kişiler; örneğin kanunları çiğnemeyen kişilerin tutuklanmasına yol açabilen yetersiz eğitimli bir yüz tanıma ağı; spam gönderenler ve diğer saldırganlar tarafından sosyal mühendislik için yapay zekanın tehlikeli kullanımıdır.

Sinir ağları genellikle amaçlandığı gibi davranmaz ve bu nedenle onu eğitme ve test etme tekniklerini bilim insanları geliştiriyorlar. Daha önce, 1950'de bir bilim adamının test ettiği bir simülasyon oyunu olan Turing testinin üstesinden bir bilgisayarın gelemeyeceği düşünülüyordu. Bu basit ama etkili bir görevdir: Bir kişi hem bilgisayardan hem de başka bir kişiden mesajlar alır. Bir noktada farkı yakalamayı bırakırsa, test geçilir. Oyunun amacı, yapay zekanın bir insanı kandırıp kandıramayacağını görmek. Bunu daha önce yapmak mümkün değildi. Ancak yapay zekâ günümüzde daha mükemmel hale geldi ve daha karmaşık doğrulama gerektiriyor.

3.) Yapay zekanın yöntemleri ve ilkeleri.

Tarihsel olarak yapay zekâ, temelde farklı iki yöntem ve ilkeye bölünmüştür: sembolik AI veya GOFAI ("Eski moda AI") ve daha yeni, bağlatıcı AI veya yapay sinir ağları. Günlük hayatımızda çoğunlukla bağlatıcı yöntemlerle karşılaşırız. Bunlar, bir görevi çözmek için özel olarak tasarlanmış ve kullanılmıştır: Alexa, Google Asistan veya Siri gibi sanal asistanlar, müzik çalmak, evdeki ışığı kontrol etmek veya İnternette bir restoran aramak için sesle kontrolü kullanabilir. Bu sistemlerin her bir yeteneği özel olarak tasarlanmış ve ayrı ayrı öğrenilmiştir ve günümüzde böyle bir yapay zekâ sisteminin kendi başına tamamen yeni beceriler öğrenmesi mümkün değildir. Evrensel bir yapay zekâ veya "yapay genel zekâ" (AGI) hâlâ olasılıklarımızın çok ötesinde. Ek becerileri bağımsız olarak ve zahmetli bir şekilde manuel olarak oluşturulan sinir ağı mimarileri olmadan öğrenme ve önemli ölçüde daha az eğitim örneğiyle idare etmek için belirgin soyutlama becerileri aracılığıyla halihazırda öğrendiklerini yeni gözlemlerle birleştirme becerisine sahip olacaktır.

Apple'ın kurucu ortağı Steve Wozniak, Turing testine iyi bir alternatif buldu. Kahve testi, bir makinenin şu görevi ne kadar iyi yapabildiğini değerlendirir: rastgele bir eve girin, bir kahve makinesi bulun, kahve yapın ve fincanlara dökün. Sonuç olarak, en popüler sohbet robotları Turing testini çoktan geçebilir, ancak "kahve testini" geçemez. Turing testinin AI'nın öznel bir değerlendirmesi olduğu ve "kahve testinin" diğer şeylerin yanı sıra farklı evlerde hazırlanan kahve fincanlarının sayısıyla ifade edilebilecek nesnel bir test olduğu belirtilmelidir. Bununla birlikte, bilgisayar programları o kadar gelişmiştir ki, bir kişiyi yalnızca aldatmakla kalmaz, onu geri dönüşü olmayan eylemlere de iter.

4.) Sinir ağlarını eğitmeyi durdurmak artık mümkün değil. 

Şirketler bu aracın ne kadar rekabetçi olduğunu anlıyor ve birinin çalışmasını yasaklamak, yine de araştırmaya devam edecek olan diğerlerine avantaj sağlayacaktır. Yakın gelecekte, güçlü yapay zekanın ortaya çıkışına yasal olarak adapte olmayan ülkeler bundan zarar görebilir. Ancak bence sinir ağlarının gelişimini durdurma isteği, pazardaki rekabeti dengeleme niyetinden kaynaklanıyor. Şu anda, az sayıda şirket büyük bir avantaj elde ederken, diğerleri ayak uydurmaya çalışıyor. AI moratoryumu, liderleri yavaşlatmak için iyi bir girişimdir.

ChatGPT ve tanıdığım modeller "dünyayı ele geçirme" yeteneğine sahip değil. Şu anda makinelerin ayaklanması fabrikadaki tavukların ayaklanması ya da bir virüsün yayılması gibi. Evet, tavuk gribinde birkaç çiftliği kaybedebiliriz ama onların yerini alacak çok sayıda sağlıklı tavuğumuz olacak. Yapay zekâ söz konusu olduğunda, daha hızlı ve daha verimli olacaktır. Uzak gelecek sisli ve teknoloji daha gelişmiş ve tehlikeli olabilir ama şimdi Dünya'daki en güçlü ve tehlikeli zihnin bir insanı var.

5.) Yapay zekâ sadece yapay zekâ değildir.

 "Yapay zekâdan’’ bahsetmek artık günümüzde uygun değil. Yapay zekâ birçok farklı uygulamada gerçekleştirilebilir. "Yapay zekâ" derken tam olarak kastedilen her zaman bağlama bağlıdır.

Örnek: robotik

Burada, çeşitli karmaşık iş süreçleri, deneme yanılma ilkesine dayalı bir öğrenme süreci kullanılarak otomatikleştirilir ve akıllı makineler tarafından bağımsız olarak gerçekleştirilir. Bu, özellikle aksi takdirde yeterli personele sahip olmayacak olan küçük ve orta ölçekli şirketleri rahatlatabilir. Örneğin yüksek verimli otomasyon sistemleri şeklinde. Bileşenler, önceden hassas hizalama yapılmadan bir robot tarafından otomatik olarak alınır ve başkalarıyla birleştirilir.

Örnek: Makine dili çevirisi

Bir model, daha önce dilbilgisi veya kesin morfoloji öğrenmeden, yalnızca daha önce görülen metinlere ve bunların çevirilerine dayalı olarak başka bir dile çevirmeyi öğrendiğinde.

Örnek: Akıllı metin ve resim analizi

Hepimiz, günlük hayatımızda metin analizi yapmak veya görüntüleri tanımak ve sınıflandırmak için, genellikle bilinçsizce, her zamankinden daha akıllı algoritmalar kullanırız. Otomatik, akıllı metin analizi uygulamaları, örneğin önemsiz e-postayı belirlemeye ve uyarlanabilir spam filtreleri oluşturmaya yardımcı olur.

Örnek: derin sahte video manipülasyonu

Bir kişinin yüzünün önceden görülen görüntülerini kullanarak bir videoda başka bir kişinin yüzünü değiştirebilen teknoloji. Örnek: AI'nın sektöre özgü kullanımı Sağlık hizmetlerinde yapay zekâ tabanlı teşhis hızla artıyor. Eğitim sektöründe, AI modelleri metinleri tam otomatik olarak analiz eder ve uygun sınıflandırma anahtar kelimeleri bulur. Finansta, dizi yönelimli yapay zekâ modelleri piyasa hareketlerini tahmin eder.

6.) Yapay zekâ ile insan potansiyelinden yararlanın.

AI tabanlı teknolojilerin amacı personelin yerini almak değildir. Aksine, bu tür modern teknolojiler değerli analiz araçları olarak hizmet ederler. Yapay zekâ geliştirmenin amacı, personeli azaltmak değil, sıkıcı, zaman alıcı veya monoton görevleri tamamlama konusunda personeli akıllıca desteklemektir. AI, iş süreçlerini optimize etmek ve hızlandırmak için kullanılır. Bazı şirketler, çalışanlarının becerilerini ve potansiyellerini kaydetmek ve incelemek için yapay zekayı kullanır. Bu sayede kaynaklar sürdürülebilir bir şekilde planlanabilmekte ve çalışanlar buna göre eğitilebilmektedir. Yetenek erken keşfedildiğinde herkes kazanır. Ayrıca operasyonel becerilerin nerelerde genişletilmesi gerektiği de belirlenebilir.

7.) Sonuç olarak gelecek için hızlı beklentiler

Bir zamanlar yalnızca büyük şirketlere ve uzmanlara açık olan şey artık herkese açık. Ayrıca, büyük miktarda veriyi toplamak ve depolamak giderek daha kolay hale geliyor. Artık küçük şirketler bile, AI sistemleri tarafından değerlendirilebilecek verileri düşük maliyetle depolama seçeneğine sahip. Otomasyonun ve operasyonel optimizasyonun sürekli genişlemesinin arkasındaki itici güç olarak yapay zekâ uzun zamandır bir gerçek.

Tamamen yeni otomasyon ve veri şeffaflığı seviyeleri ile yapay zekâ gibi teknolojiler eski kalıpları yıkıyor ve yeni işlevler ve roller yaratıyor.

28 Nisan 2023 Lüksemburg