Günümüzün en çok konuşulan
konuları arasında Yapay Zeka kavramı ve onun getirdikleri yanında
götürdükleri konuları gelmekte. Bundan 20 yıl sonra birçok
mesleğin yok olacağı, birçoğunun da şekil değiştireceği
söylenmekte. Nasıl ki Sanayi Devrimi ile iş ve işçi piyasası
çok büyük değişimler geçirdiyse; 21. yüzyılda da Robotik
Devrimi ile buna benzer büyük değişimlerin gerçekleşmesi
kuvvetle muhtemel.
Yapay
zeka; insan gibi davranışlar sergileme, sayısal mantık yürütme,
hareket, konuşma ve ses algılama gibi birçok yeteneğe sahip
yazılımsal ve donanımsal sistemler bütünüdür. Başka bir
deyişle yapay zeka; bilgisayarların insanlar gibi düşünmesini
sağlar.
Yapay
zekaya X sorusu yönetildiğinde daha önce verilen veya tanımlanan
X sorusu cevapları arasından en rasyonel olanını seçip sunar. Bu
nedenden dolayı X sorusu gelince her defasında yapay zeka X
sorusunun cevaplarını süzer ve en rasyonel olanını sunar. Yapay
zeka günümüzde X sorusu örneğinden daha fazlasını yapmaktadır.
Yapay
zekayı tek başlık altında ele almak yanlış olur. Makine
öğrenimi (Machine learning), Derin öğrenme (Deep learning) gibi
kavramlar yapay zekayı oluşturan kapsayıcı terimlerdir.
Makine
Öğrenimi(Machine Learning) Nedir?
Makine
öğrenmesi, makinenin sağlanan verilerle mantıklı ve rasyonel
sonuçlar türetmesini sağlayan algoritmalardır.Örnek verecek
olursak; Bir mağazada müşterilerin alışveriş fişi verileri ile
ilgili algoritma yazılıyor. Bu algoritma; Cips alan müşterilerin
aynı zamanda kola aldıkları bilgisini veriyor. Bu duruma istinaden
cips rafları ile kola dolapları birbirine yakınlaştırılıyor ve
satışlarda yükseliş görülüyor. Bir başka örnekte algoritmaya
Üzüm tanıtılacak. Algoritmaya; Beyaz, mor, yuvarlak gibi
özellikler tanımlanıyor. Üzüm ve Muz'u Makine öğrenimine
sorunca hangisinin Üzüm olduğunu tanımlanan bilgileri süzerek ve
rasyonellik ilkesini benimseyerek karar veriyor. Bu örnekte makine
öğrenimini en basit haliyle ele aldık. Makine öğrenimi günümüz
teknolojilerinde akıl sınırlarını zorlayacak bilgileri bize
sunuyor.
Derin
Öğrenme(Deep Learning) Nedir?
Derin
öğrenme hem Yapay zekanın hem de Makine öğreniminin alt dalı
olan bir teknoloji.
Derin
öğrenme ve Makine öğrenimi birbirlerine oldukça benzer
yapılardır. Derin öğrenme, Beynimizdeki nöronlar gibi çalışır.
Üzüm örneği ile Derin öğrenme kavramını ortaya çıkaralım.
Makine
öğreniminde Üzümün özelliklerini biz tanıtırken, Derin
öğrenmede kendi kurallarını kendisi oluşturur; Hangisinin muz
hangisinin üzüm olduğunu kendi işlemleriyle ayırt edebiliyor.
Algoritmanın kendi kendine öğrenmesi, öğrendiği bilgileri
geliştirmesi ve sunmasına en güzel örnek Google' nın
ürünlerinden olan Google Translate; 100 dilden fazla dilde çeviri
yapan bu hizmetin arkasında derin öğrenme yatmakta. Google
Translate her sorulan soruyla birlikte kendi kendini geliştirmeye
devam ediyor. İlk çıktığında oldukça basit denebilecek
çevirilere imza atan bu program, bugün teknik terimleri içeren en
karmaşık cümlelerin dahi üstesinden gelebiliyor.
Yapay
Zeka Neyi Taklit Ediyor ?
Örneğin
insanlar dil yardımıyla iletişim kuruyor ki YZ’de bunun
karşılığı konuşma tanımasıdır. Ayrıca yapay zeka bunu
genellikle istatistiksel olarak yaptığı için konuşma tanımasına
da istatistiksel öğrenme diyoruz. Buna ek olarak insanlar belirli
bir dilde yazıp okuyabiliyor. Bunu taklit etmek de NLP alanına
giriyor, yani doğal dil işlemeye.
Ortam
ve Nesne Tanıma
İnsanlar
içinde bulundukları ortamı gözleriyle görerek dünyayı
zihinlerinde canlandırabiliyorlar. Shakespeare’in tüm dünya bir
sahnedir sözü biraz da buradan geliyor olabilir. Bu alana doğrudan
yapay zeka ile alakalı olmamakla birlikte görüntü işleme
diyoruz.
Nihayetinde
bilgisayar görüşü için görüntü işleme şart ve Facebook ile
Amazon gibi başlıca e-ticaret siteleri bu tekniğin çok gelişmiş
bir versiyonunu kullanıyor: Nesne tanıma.
Nesne
tanıma özelliği sayesinde bir fotoğraftaki grubun anne, baba,
çocuk ve kediden oluşan bir aile olduğunu anlayabiliyor;
hangisinin kadın ve hangisinin erkek olduğunu fark ediyorlar.
Boyunu ölçüyor, beden ölçülerini alıyor ve ne renk
giydiklerini fark ediyorlar.
Ne
giydiklerini anlayabildikleri gibi arkadaki ormanlık alanı da ayırt
edebiliyorlar. Kısacası bilgisayar görüşü ve görüntü işleme,
müşterilerin hangi ürünleri inceleyerek satın aldığını
anlamakta da kullanılıyor.
Dünyayı
Algılamak
İnsanlar
içinde bulundukları ortamı anlamak kadar bu ortamda rahatça,
örneğin genellikle tökezlemeden veya sağa sola çarpmadan hareket
edebiliyor. İlk bakışta aklımıza gelmese bile işte bu yeti
robotik, yani robotbilim alanına giriyor.
Robotlar,
insan hareketlerini taklit eden makinelerdir ve bunun için
robotların zeki olmasına da gerek yok. Boston Dynamics’in Spot
Mini robot köpeği veya Atlas robot atletini saymazsanız, otomotiv
üretim hatlarında kullanılan robot kollar pek de zeki değildir.
Desen
Tanıma
İnsanlar
aynı zamanda birbirine benzeyen nesneleri tanıyıp
sınıflandırabiliyorlar. Örneğin, elmaları armutlar ve kırmızı
topları mavi toplardan ayırt edebiliyor; hatta bu sayede harfleri
sözcükleri, sözleri, anlamları anlayabiliyorlar. Filozof Platon’
un yaklaşık 2500 yıl önce dediği gibi “benzer benzeri bilir”
ve Yapay Zeka’ da buna desen tanıma diyoruz.
Süper
Zeka
Makineler
desen tanımada insanlardan çok daha iyiler; çünkü 1) Daha çok
veriyi daha kısa sürede toplayabiliyorlar. 2) Topladıkları veriyi
çok boyutlu bir sanal matematik uzayında işleyebiliyorlar; yani
bir konuya insanlardan çok daha farklı açılardan bakabiliyorlar.
Biz
de insandan zeki yapay zeka (süperzeka) geliştirmeye en çok bu
alanda yakınız: Riziko bilgi yarışması şampiyonu IBM Watson ve
Google’ın dünya ile olimpiyat go şampiyonlarını yenen Alfa Go
yazılımı derin öğrenme ile desen tanıma tekniği kullanıyor.
Modern
nörologlar da insan beyninin, nöronlardan oluşan doğal desen
tanıma birimleri kullandığını söylüyor.
En
Derin Öğrenme
Bu
bağlamda birden fazla derin öğrenme tekniği olduğunu belirtelim.
Bunlar insan beyninin yeni şeyler öğrenme yetisini farklı
şekillerde taklit eden farklı derin öğrenme türleridir. Hatta
içlerinde aldığı kararları nasıl ve neye göre aldığını
söyleyen, böylece hem hukuki hem de mali sorumluluk taşıyabilen
derin öğrenme teknikleri bile var.
Örneğin
görselleri soldan sağa veya yukarıdan aşağıya tarayarak, yani
hiyerarşik olarak analiz eden yapay sinir ağlarına evrişimli
nöral ağlar (CNN) diyoruz. Bu derin öğrenme tekniği Latin
alfabesinde yazıları soldan sağa okuyarak anlamayı taklit
edebiliyor. CNN, bir fotoğraftaki yetişkinleri çocuklardan ayırmak
veya yüz tanımakta kullanılabiliyor.
Makine
öğrenimi söz konusu olduğunda yapay zekayı büyük veriyle, çok
büyük veriyle beslemek zorundayız. Örneğin, IBM Watson’ın
kanser araştırmalarında doktorlara dolaylı önerilerde
bulunabilmek için milyonlarca sayfalık hasta kaydı ve araştırma
makalesi okuması gerekiyor.
En
basitinden, elinizde satış ve reklamlar arasındaki ilişkiyi
gösteren milyonlarca veri noktası varsa bunların kalıbını
çıkararak bir desen (bağıntılar) saptayabilirsiniz. Bir
bilgisayar da yapay zeka yardımıyla bu deseni öğrenirse
öğrendiklerinden yola çıkarak satışların artacağı yönünde
öngörülerde bulunabilir.
Bunu
insanlar da yapıyor; ancak bizler en fazla üç boyutta
düşünebiliyoruz. Makineler ise konuyu daha fazla boyutta analiz
edebiliyor. Bu yüzden hiç fark etmediğimiz detay ve bağıntıları
ortaya çıkarıyor.
Örneğin,
bir fabrikada üretimi yavaşlatan asıl kök sebebi saptayabiliyor.
Oysa bu tür kök sebepler genellikle insanların gözünden kaçıyor.
Sonuçta yapay zeka insanların asla yapamayacağı öngörülerde
bulunuyor. Süper zeka desen tanıma tekniği ile işte bu şekilde
ortaya çıkıyor.
Yapay
Zeka İle Ne yapacağız ?
Makine
öğrenimi tekniklerini kullanarak iki şey yapabiliriz:
Sınıflandırma ve öngörülerde bulunma. En basitinden,
müşterilerinizin yaşını öğrenerek onları genç ve yaşlı
müşteriler olarak ikiye ayırabilirsiniz. Bu sınıflandırmadır.
Öte yandan, büyük veri kullanarak pek yakında rakibinizin
müşterisi olup olmayacaklarını da anlayabilirsiniz. Bu da
öngörülerde bulunmadır (insight, içgörü dediğimiz şey).
Yapay
zeka için kullanılan öğrenme algoritmalarını başka bir şekilde
de düşünebiliriz: Bir algoritmayı aynı zamanda yanıtı içeren
bir veri kümesiyle eğitirseniz buna güdümlü öğrenme diyoruz;
yani insanların yardımıyla öğrenen yapay zeka. Örneğin, Yapay
Zeka’ nın arkadaşlarınızı ismen tanımasını istiyorsanız
onları tek tek bilgisayara tanıtmanız gerekir.
Buna
karşın, yapay zekanın büyük veriyi kendi başına analiz ederek
desen tanımasını sağlarsanız bu da güdümsüz öğrenme olur.
Mesela teleskopla evrendeki yıldızların fotoğrafını çekip bunu
yapay zekaya verebilir ve resimlerdeki yıldızların rengine bakarak
kırmızı devlerle sarı cüceleri saymasını söyleyebilirsiniz.
Bir
bilgisayara hedef verir ve o hedefe deneme yanılma yöntemiyle
ulaşmasını söylerseniz bu pekiştirmeli öğrenmedir. Atlas
robotun atletler gibi takla atmayı öğrenmesi için bu yöntem de
kullanılıyor.
Yapay
Zeka ve Hukuk
Teknolojideki
gelişmelere koşut olarak hukuk yaşamımız da değişiyor; çünkü
önümüze sorun olarak gelen konuların niteliği değişiyor.
Özellikle yapay zeka ve robotik konularında; algoritma patentleri,
sorumluluk hukuku, robotların iş hukukunun mu eşya hukukunun mu
konusunu oluşturduğu vb sorunlar halen yerli ve yabancı hukukçular
tarafından tartışılmakta.
Örneğin
sürücüsüz otonom bir arabanın trafik kazasına karşıması veya
süpermarkette pazarlama yapan bir robotun bir insanın yaralanmasına
neden olması veyahut da telefonla hukuki danışma hizmeti veren
yapay zekaya sahip bir yazılımın yanlış bilgi vermesi sonucunda
tüketicinin uğradığı zararın sorumluluğu kime ait olacak en
çok tartışılan meselelerden.
Halen
birçok farklı görüşün olduğu ve henüz yeterli sayıda
içtihadın oluşmadığı bu alanda görüş bildirmektense;
İstanbul Barosu’ nca düzenlenen ve Youtube’ de de yayımlanan
Yapay Zekâ, Robotlar ve Hukuk Konferansı’ nın izlenmesini öneriyorum.
1. Bölüm
1. Bölüm
2. Bölüm
Kaynakça:
- https://www.mediaclick.com.tr/blog/yapay-zeka-nedir
- https://translate.google.com/
- https://khosann.com/yapay-zeka-nedir-ve-nasil-calisir/
- https://www.youtube.com/watch?v=BZGtyK9-zsY
