Gelişen teknoloji ve işlemci gücüyle akıllı sistemlerin kullanımının hızla arttığı günümüzde yapay zekâ, telekomünikasyondan havacılığa, tıptan savunma sektörüne kadar pek çok alanda yaygın olarak kullanılmaktadır.

2030 yılına kadar yapay zekânın, küresel ekonomiye 15.7 trilyon dolar katkıda bulunacağı ve ülke ekonomilerini ortalama %26 oranında büyüteceği beklenmektedir. Gelişmiş ülkeler, bu muazzam pazarda paylarını muhafaza etmek ve daha da genişletebilmek için üniversiteler, araştırma merkezleri, teknoloji lideri şirketler ve girişimler aracılığıyla yapay zekâ teknolojileri konusunda çalışmalar yapmaktadır. Peki, nedir bu yapay zekâ?

En genel tanımıyla yapay zekâ, bir bilgisayarın veya bilgisayar kontrolündeki bir robotun, çeşitli faaliyetleri zeki canlılara benzer şekilde yerine getirme kabiliyetidir. Yapay zekâ 3 alt başlıkta incelenebilir;

  • Dar Kapsamlı Yapay Zekâ (Artificial Narrow Intelligence)
  • Genel Yapay Zekâ - İnsan Düzeyi Yapay Zekâ (Artificial General Intelligence)
  • Süper Yapay Zekâ - İnsan Ötesi Yapay Zekâ (Artificial Super Intelligence)

Yapay Zekâda Birinci Dalga

Yaklaşık 70 yıl önce yapay zekânın vizyonu, insan gibi düşünebilen, öğrenebilen ve akıl yürüten makineler inşa etmekti.

Araştırmacılar, insanın genel bilişsel yeteneklerine yakın bir yere ulaşamadıklarında, odak noktalarını çok özel, dar ‘zekâ’ problemlerini çözmeye yöneltti - Ve bu güne kadar yapay zekâ neredeyse tamamen bu şekilde uygulandı. İlk yapay zekâ sistemleri, “sorunu bul-çöz-çözümü kodla- uygula” yöntemiyle geliştirilmişti. Bu sistemler geleneksel programlamanın kullanıldığı ve çoğunluğu kural tabanlı yaklaşımların yer aldığı, emek yoğun sistemlerdi. Uygulama alanları ve gelişimleri kısıtlıydı. Eski usul bu yaklaşıma GOFAI (Good Old-Fashioned AI), yani “Güzel, Nostaljik Yapay Zekâ” dendi ve bu dönem “Birinci Dalga” ismi verilerek geride bırakıldı.

Yapay zekâ araştırmacıları, birinci dalga yapay zekâ sistemlerin gelişimlerinin kısıtlı olduğunu fark ettikten sonra, tekrar insan gibi düşünen sistemlere yöneldiler ve insanların nöron yapısını temel alarak yapay sinir ağı yaklaşımını geliştirdiler.

Yapay sinir ağı algoritmaları insandaki öğrenme işleyişinden hareketle geliştirildi. Biyolojik sinir sisteminde bulunan nöronların birbirleri ile ilişki kurması gibi yapay sinir ağı sistemlerinde de nöron şeklinde tanımlanan yapılar birbirleri ile bağlantılı olacak şekilde modellendiler. Buradaki amaç, insanda olduğu gibi yapay zekâya da öğrenme, hafızaya alma ve veriler arasındaki ilişkiyi ortaya çıkarma gibi yeteneklerin kazandırılmasıydı.

Hız Kesmeden İkinci Dalga

Bahsedilen çalışmalarla başlayan ve özellikle, 2010’lu yıllarda teknoloji ve işlemci gücünde gerçekleşen gelişmelerle çok katmanlı yapay sinir ağlarının geliştirilmesine izin veren derin öğrenme yaklaşımıyla hızlanan bu döneme “ikinci dalga” denildi.

Üçüncü Dalga yapay zekâ sistemleri, özellikle bağlamsal adaptasyon yeteneklerinde dramatik iyileştirmeler içerecektir.

İkinci dalgada, derin öğrenme kullanılarak geliştirilen dar kapsamlı yapay zekâ uygulamaları; belirli, iyi tanımlanmış görevlerde ürettikleri başarılı sonuçlarla hayatın her alanında yer almaktadır. Bunların içinde en popüler olan sürücüsüz otomobiller, birden fazla dar kapsamlı yapay zekâ çözümünün birlikte kullanılmasından oluşmaktadır. Algı, karar verme ve kontrol olarak 3 ana başlıkta incelenebilecek yetenekleri, belirlenmiş işler için özelleştirilmiş çözümlere sahiptir. Ama örneğin sürücüsüz otomobilin, sürüş kararlarını belirleyen, bir nevi beyni olan karar verme uygulamasının alınıp doğrudan bir minibüse uygulanması ile aynı sonuçlar alınamaz. Buna karşın otomobil kullanmayı bilen bir kişi, minibüsün direksiyonuna geçtikten kısa bir süre sonra minibüsü aktif olarak kullanabilecektir. Bunun nedeni, insan zekâsının soyutlamada çok iyi olması, çözümleri kolayca genelleştirebilmesi ve benzer ama farklı sorunlara bu çözümleri uygulayabilir olmasıdır. Fakat ikinci dalga yapay zekâ uygulamaları bunu yapamamaktadır.

İkinci dalga yapay zekânın bir başka sınırlaması, çok miktarda eğitim verisine bağımlılığıdır. Örneğin, kedileri tanımak için geliştirilecek bir derin öğrenme algoritmasının kabul edilebilir bir doğruluk seviyesinde sonuç verebilmesi için on binlerce kedi fotoğrafıyla eğitilmesi gerekir. Bu da üç yaşındaki bir çocuğun sadece birkaç örnek gördükten sonra başarabileceği bir şeydir.

İnsan Gibi Düşünebilen Yapay Zekâ Birinci ve ikinci dalga ile yapay zekânın potansiyelini anladık, fakat özellikle etiketli veriye bağımlı, dar kapsamlı zekâ ile bu teknolojiyi daha öteye taşıyamayacağımızı da öğrendik. Bu nedenle yapay zekâ araştırmacıları, yapay zekânın ortaya çıktığı andaki vizyonuna, insan gibi düşünebilen, öğrenebilen ve akıl yürüten, yani insan düzeyi yapay zekâ teknolojilerine yönelmeye başladı. İşte bu da yapay zekânın “üçüncü dalgası” nı oluşturdu.

Üçüncü Dalga yapay zekâ sistemleri, özellikle bağlamsal adaptasyon yeteneklerinde dramatik iyileştirmeler içerecektir. Bağlamı ve anlamı anlayacakları için içinde bulundukları ortama ve çözülmesi gereken problemlere daha kolay adapte olup bunlara uygun çözümler üretebileceklerdir. Üçüncü dalga yapay zekâ sistemleri sadece kediyi tanımakla kalmayacak, aynı zamanda neden bir kedi olduğunu ve bu sonuca nasıl ulaştığını açıklayabilecektir.

Ortaya çıkmış bir takım kararların arkasındaki mantığı açıklayabilme yeteneği, insan zekâsının önemli bir yönüdür. Bu yeti, sadece sosyal etkileşimde değil insanlar arasında bir güven ilişkisi kurmak için de önemlidir. İzah edilebilme olgusu, yapay zekâ sistemleri ve onların son kullanıcıları için de vazgeçilmez bir unsurdur. Yapay zekânın aldığı kararları son kullanıcısına açıklayabilmesi, son kullanıcıda güven teşkil edeceği gibi sistemin doğrulanması, sistemin iyileştirilmesi, sistemden öğrenme prensiplerinin tam olarak anlaşılabilmesi gibi özellikle savunma alanı için vazgeçilmez niteliklerin kazanımını da sağlayacaktır.

 

Açıklanabilir Yapay Zekâ


Açıklanabilir Yapay Zekâ, ilk etapta belirli bir oranda, daha sonra ise tam olarak açıklanabilir modeller oluşturmak için gerekli araştırmayı yapmaktadır. Bununla birlikte bunları geliştirmek ve açıklama teknikleriyle birleştirmek için yeni ve mevcut tekniklere göre daha gelişmiş makine öğrenme yöntemleri ortaya koymayı amaçlayan çok yeni ve çok önemli bir araştırma geliştirme alanı olarak tanımlanmaktadır. Kullanıcıların yeni nesil yapay zekâ sistemlerini anlayabilir ve yorumlayabilir hale gelmelerine olanak sağlamaktadır. Diğer yandan uygulanmış yapay zekâ yöntemlerine güven duymalarına ve bu yöntemlerin bir parçası olduğu sistemlerin etkili bir şekilde yönetilmesine yardımcı olmayı amaçlamaktadır.

Üçüncü dalga yapay zekâ sistemleri, muazzam sayıda etiketli eğitim verisi ile beslenmek yerine, insanların nasıl öğrendiklerine çok daha benzer bir şekilde öğrenme yeteneğine sahip olmaya odaklanacaktır. Bu sadece büyük veri kümelerine bağımlılığı azaltmakla kalmayacak, aynı zamanda yanıltıcı eğitim verisi sorununu da giderecektir. Bu kapsamda derin pekiştirmeli öğrenme, etiketli veri ile çalışma bağımlılığını ortadan kaldırabilecek önemli tekniklerdendir. Derin pekiştirmeli öğrenmede ajan adı verilen öğrenen makine, karşılaştığı durumlara bir tepki verir ve bunun karşılığında da sayısal bir ödül veya ceza alır. Öğrenen makine aldığı bu ödül puanını maksimuma çıkartmak için çalışır. İnsanın öğrenmesine benzer bir yaklaşıma sahip olan derin pekiştirmeli öğrenme konusunda yapılan çalışmalar, insan düzeyi yapay zekâ alanında önemli açılımlar yapılmasını sağlayabilir.

 

Referanslar
1. Third Wave AI: The Coming Revolution in Artificial Intelligence, https://medium.com/@scott_jones/third-wave-ai-the-coming- revolution-in-artificial-intelligence-1ffd4784b79e
2. Yapay Zekâ Teknolojisinde Üçüncü Dalga Geliyor, https://thinktech.stm.com.tr/uploads/raporlar/pdf /305201911275935_stm_blog_yapay_zekâ_teknolojisinde_ ucuncu_dalga.pdf
3. From Narrow to General AI, https://medium.com/intuitionmachine/ from-narrow-to-general-ai-e21b568155b9
4. The Third Wave of AI, https://becominghuman.ai/the-thirdwave- of-ai-1579ea97210b