Dr. Ahmet Yıldırım (Araştırmacı Yazar)
ChatGPT ve DeepSeek gibi teknolojilerin hızlı bir şekilde hayatımıza girerek becerileriyle hepimizi etkilemeleri, yapay zeka teknolojisinin nasıl çalıştığına dair soruları da teknik konulara aşina olmayan vatandaşların gündemine getirdi. Kendi kararlarını uygulamaya başlayan makinelerin insanları mağlup edeceği gibi bilim-kurgusal popüler kültür mitlerinin arasında, gerçek nerede duruyor? Yapay zeka neyi iyi yapar, nerede yüksek performans sağlayamaz? İş yapış şeklimizi derinden etkileyeceği açık olan bu teknoloji, insanı tamamen devreden çıkarabilecek bir potansiyele sahip mi? Bu soruları anlaşılır şekilde cevaplayabilmek için, yapay zekanın çalışma prensibini inceleyip, bunun sonucunda nasıl çıktılar beklemenin makul olacağını irdelemek gerekiyor.
Yapay zeka ifadesi, iki farklı mantık ile çalışan bilgisayar algoritmalarını tarif etmek için moda bir terim olarak uzun süredir kullanılıyor. Son yıllarda yapay zekanın halk kullanımındaki karşılığı değiştiyse de, uzun yıllar boyunca standart bilgisayar programı algoritmaları da yapay zeka olarak anılıyordu. Bu yazılımlar, kararları koşullar halinde kurallaştırarak bilgisayar emri haline getiriyordu. “Satır bitince alt satıra geç, dosya silinecek olursa kullanıcıyı uyar” gibi. Son dönemlerde popülerleşen ikinci grup uygulamalar, yalnızca tanımlı işlemleri yapan programları yapay zeka olarak andığımız devri sonlandırdı. Peki bu ikinci grup sistemler nasıl işliyor?
DERİN YAPAY SİNİR AĞLARI DEVREDE
Geleneksel bilgisayar programlarının önceden tasarlanmış şartlı emir mantığının aksine, yapay zeka yazılımları derin yapay sinir ağları dediğimiz bir mantıkla gelişiyor. Bu sistemin işleyişi ise aslında basit bir istatistiksel mantığa dayanıyor: Nesneleri ne kadar sık yan yana görürsek, onlar o kadar ilişkilidir.
Örneğin milyonlarca at fotoğrafının piksel dizilişleri üzerinde istatistiksel testler yaptığınızda, fazlaca benzeyen farklı piksel dizilişlerinin de at olarak isimlendirildiği sonucuna varabilirsiniz. Aynı kelimeyi ahır, savaş, arpa, eşek gibi farklı kelimelerle sıklıkla birlikte görmek de, bunlar arasında farklı bağlamlarda ilişkiler bulunduğunu gösterir. Tümevarım yaklaşımını yansıtan bu öğrenme şekli, bilgisayarlar için 1950’lerden beri bilişimci ve istatistikçilerin farkında olduğu muhtemel bir akıl yürütme tarzıydı. Lakin bilgisayarların benzerlik arayıp sonuca varabileceği verilerin yetersiz olması ve kafi işlemci kapasitesinin bulunmaması sebebiyle yöntem ikinci plana bırakılmış ve uzun yıllar boyunca bilişim sistemleri, ilk tür uygulamalar üzerinde geliştirilmişti. Sırasıyla web teknolojisinin ve sosyal medyanın yaygınlaşması, bilgisayarların benzerlikler üzerinden çıkarım yapabileceği kadar bol verinin birikmesine yol açtı.
Çip teknolojisindeki hesaplama kapasitesi artışı da bu furyayı destekleyince, derin sinir ağı araştırmacılarının aradığı fırsat ayaklarına gelmiş oldu. Bu öğrenme tarzı, milyarlarca sayfalık metnin incelenmesiyle birlikte cümle akışının da tahmin edilebilir hale gelmesine yol açtığından, bugün yapay zeka ile sohbet edebilir hale geldik. Fakat sistem temelde aynı ilinti kurma mekanizmasını kullanmaya devam ediyor. Yani yapay zeka sadece sorularınızın neyi istemiş olabileceğini dil kurallarının da yardımıyla ayıklayıp, kütüphanesindeki bilgi parçalarıyla eşleştirdikten sonra gerekli hesaplamaları da yaparak alakalı cevaplarla size dönüş yapıyor.
YETERSİZ KALDIĞINDA UYDURUYOR
Peki yapay zeka tarafından kullanılan bu öğrenme sistemi, ne gibi durumlarda iyi çalışıp ne zaman yetersiz kalır? Bu konuda bilişim, dilbilim, zihin, davranış, felsefe ve matematik gibi farklı alanlarda görev yapan bilim insanlarının yorumları, hikayemizin netleşmesine yardımcı oluyor.
Öncelikle veri üzerindeki eşleşmelerin artmasıyla istatistiksel ilişkiler kuvvetleneceği için, yapay zekanın öğrenmesi tekrarlar sayesinde netleşir. Frekans problemi adı verilen sorunu ortaya çıkaran bu durum, yapay zekanın güvenilirliği ve esnekliği arasında bir tercih yapma mecburiyeti doğurur. Sonuçların güvenilir olmasını sağlamaya yönelik tasarlanan programlar esnekliği yitirir, zira istatistiksel bağı kuvvetli tutmak farklılıkları gözden kaçırmaya yol açar. Bu durumda mecazlı anlatımlar doğru şekilde sınıflandırılamaz veya nadir görülen hastalıklar teşhis edilemez. İlişkinin gevşek bırakıldığı esneklik durumunda ise, kalp hızınızın yükselmesi bile kalp krizi uyarısı tetikleyecek kadar büyütülebilir. ChatGPT’nin bilgiye ulaşamadığı konularda bolca yalan uydurmasının sebebi de tam olarak budur.
İkinci problem, yapay zekanın geçmiş veriye dayalı olmasıdır. Sosyal bilimcilerin iyi bildiği gibi, belirsizliklerle dolu dünyamızda geleceğin geçmişteki gibi gerçekleşeceğine güvenmek mümkün değildir. Yapay zeka ise önceye ait olan hazır veriye bakıp bugüne ve geleceğe dair sonuçlar sunar.
İNSAN ZİHNİNİ AŞABİLDİĞİ ALANLAR
Bu çalışma prensiplerine bakıldığında, bol miktarda veri erişimi olan ve belirsizliğin az yaşandığı alanlarda yapay zekanın insan zihnini aşan katkılar sağlayacağı anlaşılır. Örneğin anormal bankacılık işlemlerinden potansiyel sahtekarlıkları yakalamak, basit yüz tanıma sistemlerinde bir kişinin yüzünü tek bir görüntüyle eşleştirmek, veri erişimi olan kurallara bağlı satranç gibi oyunları oynamak, doğru müşteri grubuna doğru pazarlamayı yapmak veya hareketleri belli olan gök cisimlerine roketler ulaştırmak yapay zekanın kolaylıkla yapabileceği işlerdir. Yapay zeka istediğiniz metinleri, benzer kompozisyonlara benzeterek süratle hazırlar, formata uygun dilekçeler üretir, hesaplama gücüyle veri üstünde keşfedilmemiş stratejiler bulur. Kelime karşılıkları ve cümle akışlarına alışması sebebiyle, bağlamla ilişkili insan müdahaleleri gerekli olsa da, tercümeler hazırlar.
Öte yandan belirsizliğin sık görüldüğü, güçlü istatistiksel ilişkiler kurmaya yetecek kadar fazla veriye erişemediğimiz, istisnai durumlarla sıklıkla karşılaşılabilen gündelik doğal hayata ilişkin hususlarda yapay zeka sistemleri, "çıkarımsal akıl yürütme" olarak da bilinen abdüksiyon kullanan insan zihninden üstün değildir. Karar kalitemiz çevreyle olan anlık ilişkiye ve mevcut kültüre göre şekillenir. Bu bağlamsal bilgiyi işleme konusunda, büyük veriden beslenen yapay zeka yeterince etkin değildir.
YANILTMAK MÜMKÜN MÜ?
Örnekler vermek gerekirse; standardın dışında bir nesnenin tanınması dahi ciddi bir kriz sebebi olabilmektedir ve 1 Piksel Saldırısı gibi yöntemlerle yapay zeka sistemlerinin tanıma becerisini yanıltmak mümkündür. Pek çok kişinin yüzünü bir veri tabanıyla eşleştirme söz konusu olduğunda, piksel okuma ve ifadelerdeki değişim belirsizliği arttırdığından isabet çok düşer. Arama motoru verileriyle grip salgınını tahmin etme projesi insan davranışının öngörülemezliği karşısında başarısız olmuştur. Sesteş kelimeler içeren tercümeler algoritmaları zorlar. Bağlam bilgisi gerektiren işe alım, psikolojik danışmanlık, diplomatik müzakereler, seçim tahmini, mizah gibi konularda yapay zeka yetersizdir. Üstelik geçmişe ait veriler üzerinde başarı kaydeden algoritmalar, başka veri üzerinde denendiğinde performans düşer. Örneğin boşanma verileri incelenerek geliştirilen ve boşanacak aileleri tespit edebildiği iddia edilen bir yapay sinir ağı algoritması, başka bir popülasyon üzerinde neredeyse rastgele tahmin seviyesine gerilemiştir. Arama motorlarında olmayan, derin anlama gerektiren “timsahlar engelli koşu yapabilir mi” gibi özgün sorularda sorun yaşanır; bunların cevabını istisnai olarak öğretmek kökteki problemi çözmez.
ORİJİNAL BİR ÜRÜN VEREBİLİR Mİ?
Yapay zekanın yeni bir teori veya benzersiz, kaliteli bir sanat eseri ortaya koymak gibi görevlerin üstesinden gelmesi de olası görünmez. Örneğin yüz binlerce örneğe bakarak istediğiniz bir resmi çizebilen bir uygulama, o resmi alandaki diğer resimlere benzettiği ölçüde başarılıdır. Orijinal çalışmalar tasarlayabilmesi için benzerlikten feda ettiğinde, insana makul ölçüde güzel gelecek ürünler tasarlaması zorlaşır. Mevcuta bağlı olan sistem, Einstein öncesi devirde Newton fiziğini, Kopernik öncesi devirde Batlamyus astronomisini savunan en yaygın argümanları tekrarlamaktan öteye geçemez. Yapay zeka üretimi metinlerin aşırı derecede genelgeçer ve alana aşina şahısların rahatlıkla fark edeceği tekdüzelikte olması bu durumun bir yansımasıdır.
İNSANLIĞI ALT EDEBİLİR Mİ?
Bunların ışığında, yapay zekanın ileride insanlığı alt ederek kendi egemenliğini kuracağı gibi spekülasyonların bir mit olduğunu söyleyebiliriz. Heseaplama kapasitesi ve istatistiksel bağ kurmadaki başarısına rağmen, yapay zekanın insan kalitesinde düşünebildiği doğru değildir. Zira akıl yürütmenin önemli bir bileşeni olan abdüksiyonun nasıl gerçekleştiğini biz dahi formülleştiremiyoruz. Bilincin ne olduğuna dair tartışmalar sürse de bunun hesaplama kapasitesinden farklı bir konu olduğu hayli açıktır.
Yapay zeka teoriler oluşturup sorular sorarak ilerleyememekle kalmaz, tanımladığı nesnenin bir benzerinden işlevsel farkını, yani anlamını kavrayacak konsept algısından de yoksundur. Bir çocuğun bile birkaç defa gördüğü nesneyi işleviyle ayırt edebilmesine mukabil, sinir ağları yalnızca istatistiksel görülme sıklığına bakar. Ünlü davranış bilimci Gerd Gigerenzer, bir zebraya 2 bacak daha eklendiğinde, hayvan üzerindeki çizgilerin sayısı artacağından sistemin bu nesnenin zebra olduğuna daha kuvvetli bir ihtimal verebileceğini vurgular. Nitekim bazı örneklerde kurtlar kar ile, Rus tankları bulutlu gökyüzüyle, bir hastanedeki taşınabilir röntgen cihazı yatağından kalkamayacak kadar ağır zatürree vakaları ile eşleştirilmiş ve bu nesneler farklı ortamlarda doğru şekilde tespit edilememişti. Algoritmanın neyi birbiriyle ilişkilendirdiğini önceden bilmenin çok zor olması bu problemi büyütmektedir.
İSTİHDAM SORUNU
İstihdam konusu ise daha gerçekçi bir tehlikeyi işaret etmektedir. Yapay zekanın verilen emirleri hızla uygulayarak, yazılım geliştirme gibi pek çok alanda beyaz yaka iş gücünü boşa çıkaracağı açıktır. Öte yandan 1940'lardan itibaren elde edilen verim artışının emek piyasasını beklenenden az etkilemesi, bu etkiyi tahmin ettiğimizden sınırlı tutabilir. Verimdeki artış firmalarca daha fazla üretim imkanı olarak görülürken, çalışma saatleri de esneyebilir. Ayrıca yapay zeka ciddi bir uzman kontrolü gerektirir. Nitekim JetBlue Havayollarının Gelir Yönetimi birimi gibi yapay zeka kullanan pek çok iş biriminde, çalışanların en önemli işi yapay zeka çıktılarını kontrol edip düzeltmek haline gelmiştir.
BİLGELİK NİŞANESİ DEĞİL
Sonuç olarak, yapay zekadan ne beklemek gerektiğine dair kavrayışımızın makul hale gelmesi gerekiyor. Yeni teknolojilerin bizi heyecanlandırması veya korkutması şaşırtıcı değildir. Öte yandan itibar sahibi şahısların dahi, yüzeyselliği yeğleyen bir sistemden gelen cevapları savundukları görüşe kanıt olarak sosyal medyada paylaşmaları henüz sistemin doğru kavranamadığını gösteriyor. Benzer şekilde, insanların çoğu zaman özel meseleleri için başvurdukları, dolayısıyla genel bilginin uyumsuz olduğu fetva danışmanlığı gibi konularda da yapay zekanın öne çıkarılması problem teşkil ediyor.
Bağlam bilgisi kısıtlı olan yapay zekayı bir üstün akıl, bilgelik nişanesi, üst makam olarak görmek doğru değildir. Her ne kadar yapay zekanın üstün olmadığı alanlarda da bir yardımcı araç olarak sağladığı verinin dikkate alınması gerekiyorsa da, belirtilen zayıflıklara yeterince dikkat edilmediği takdirde yapay zekaya fazlaca bel bağlamak doğal zekamızı körelterek bizleri pek çok konuda geri götürecektir.
Kaynak: Yeni Şafak
