Bir askeri harekâtın nihai hedefi, düşmanın bulunduğu yerde etkisiz hale getirilmesi veya arzu edilen zafer için istenilen bir bölgenin ele geçirilmesidir.Geçtiğimiz yüzyılda yaşanan dünya savaşları ve edinilen tecrübeler; silahlı kuvvetlerin bu faaliyetlerini sahip olduğu personel, silah, araç ve gereçleriyle birlikte sevk ve idare etmesiyle ve ateş-manevra usulünü kullanmasıyla gerçekleştirebileceği bir paradigmaya yönlendirmiştir.Bu nedenle ülkeler; şimdiye kadar her daim silahlı kuvvetlerinin başarıya ulaşması için yeterli askeri gücü ve yeteneği elde bulundurmuş, bu gücün düşmana karşı asimetrik üstünlüğünü artıracak silah ve sistemlere ulaşmayı arzulamıştır. Günümüzde dahi orduların kara, deniz ve hava ortamında kullandığı top, tank, gemi, denizaltı ve uçak gibi silah ve sistemlerin teknolojik imkân ve kabiliyetlerinin artırılmasının amacı, ateş ve manevra üstünlüğünün kazanılması ve caydırıcı etki oluşturabilme gayretidir (US Army, 2017: 1-1/2-61).

Ancak insanlık tarihine bakıldığında savaşlarda kullanılan belirli icatların;top, tank, denizaltı ve uçaklar ya da insansız hava araçları veya hipersonik silahların da ötesine geçtiği söylenebilir. Bunları, barutun icadı ve nükleer silahların kullanılma korkusu olarak ifade edebiliriz. Bu silahlar kendi döneminde diğer silah ve sistemlerin savaşlarda kullanıldığı işlevsel alanın çok ötesine geçmiş, savaşın icra ediliş tarzına, konseptine ve en nihayet stratejisine doğrudan etki ederek caydırıcılık unsuru kazandırmışlardır. Barutun savaşlarda kullanılması, zamanında yeni askeri düzenler ve silahların kullanılmasını gerektirmiş, nükleer silahların etkinliği ise kullanılmaması ölçüsünde konvansiyonel muharebenin işlerliğini mümkün kılabilmiştir.

Önümüzdeki on yıllarda da benzer bir değişimle karşı karşıyayız. Yapay zekâ teknolojileri geçtiğimiz elli yıldan beri hiç olmadığı kadar mesafe kaydediyor.Yapay zekâ konusunda ticari anlamda çalışmalar da çok ilerledi. 2016 yılı itibariyle şirketlerin yapay zekâya ilişkin elde ettikleri gelir 643,7 milyon dolar iken 2025 yılına kadar 36,8 milyar dolara çıkacağı tahmin ediliyor (Allen&Chan, 2017: 14). Son yıllarda bu alanda gelişmelerin yaşanmasının en önemli nedeni ise; yapay zekâ teknolojilerine kaynaklık eden elektronik, internet, malzeme bilimi, makine, tıp ve biyoloji bilimindeki gelişmeler olduğu açık (Yılmaz, 2017: 11).Kuşkusuz yapay zekâya ilişkin en çok faydalanılacak sektör, sürekli ARGE çalışmalarının da desteklendiği güvenlik sektörü. Bu nedenle öncelikle bu teknolojilerin ne olduğunu bilmek ve güvenlik sektörü üzerinde etkisini anlamak silahlı kuvvetler ve askeri harekâtlar üzerinde yapacağı değişimleri de anlamayı mümkün kılacaktır.

Bir yapay zekâ teknolojisi için yapay zekâ kavramı, karmaşık hedeflere ulaşma yetisi olarak görülür. Karmaşık hedeflere ulaşılması için ise, bir nevi öz farkındalık, anlama, öğrenme ve problem çözme kabiliyeti olmalıdır(Tegmark, 2019: 74). Günümüze kadar yaşanan gelişmeler, yapay zekâ yazılımları ve ona iliştirilmiş robotik teknolojileri bu unsurları belirli bir seviyeye getirmiştir. Halen sanayide kullanılır olan ve çoğunlukla montaj ve tamir gibi bedensel bir yeteneği gerçekleştiren robotlar ya da zekâ oyunlarına uygun oluşturulmuş, aritmetik veya dil çevirisi yapabilen teknik bir yeteneği bir insan düzeyinin çok üstünde yapabilen sistemler yapılabilmiştir. Bu seviyedeki işlemlerin herhangi birisini insandan daha iyi yapabildikleri bu zekâ türüne “dar yapay zekâ” denilmektedir. Bu sıralarda çalışmalara başlanan ve 2040’lı yıllarda nihayete ermesi arzu edilen yapay zekâ türü ise; bir insana benzer olarak görsel algılayabilme, ses tanıyabilme, konuşabilme, muhakeme yapabilmeyi gerçekleştirebilen bir “genel yapay zekâ”ya sahip bir sisteme sahip olmaktır. Gelecekteki nihai hedef, bir insandan birçok şeyi çok daha iyi bir şekilde yapabilecek bir yapay zekâ diğer bir ifadeyle “süper yapay zeka”ya ulaşmaktır (Temuçin, 2020: 14).

Yapay zekâya ilişkin çalışmaların en önemli sıçraması,herhangi bir tahmin veya karar işlemini gerçekleştiren teknolojilerdeki ilerleyiştir. Günümüzde bunlara makine öğrenmesi ve derin öğrenme diyoruz. Makine öğrenmesine kadar algoritma çalışmaları, mantıksal ve matematiksel işlemlerin bizzat kodlandığı bir işlemler bütünü olarak algılanıyordu. Örneğin satranç oynamak için hazırlanan ilk algoritmalar bu şekilde çalışan bir yazılım şekliydi. Yapay zekânın bu türü sembolik yapay zekâ olarak adlandırılmaktadır. Makine öğrenmesi ise, önceki hard-coded algoritmalardan farklı olarak açık bir programlanma yapılmadan bilişsel işlemler yapılmasına imkân veren algoritmalar olarak sıralanıyor.Makine öğrenmesini sembolik yapay zekâ algoritmalarından farkı, algoritmanın veriden öğrenme yeteneğinden ileri gelmesidir (HBS, 2019: 59-60; Thinktech, 2020).


 


 

Derin öğrenme ise, makine öğrenmesinin özel bir yöntemidir ve verilerden öğrenme gerçekleştirmektedir. Yapay sinir ağları (neural network) adı verilen ağ diyagramlarına dayalı hesaplamalar yapar ve katman olarak ifade edilen verinin özel bir tür temsili ile işlev görür. Yapay sinir ağları arasında giriş, çıkış ve gizli katmanlar bir öğrenme sürecidir.Her katmanda, giriş verileri bir sonraki katmanın tahmini için kullanabileceği bilgilere dönüşür. Bu süreç, veri işleme aracılığıyla bilgiye ulaşmayı sağlar. Şekil-1’de gösterilen derin öğrenme algoritması, etiketi Albert Einstein olan bir veri fotoğrafını piksellerine ayırarak tanımayı öğrenmektedir. Bu pikseller alt kısımdaki giriş bölümünde sayılara dönüştürülmektedir. Birinci katmanda matematiksel fonksiyonlar fotoğraf içinde kenarları algılarken, İkinci katman resimde fark edilebilecek göz ve burun gibi hususları ayrıştırmaktadır. Son katmandan ise Einstein’e ait 1.000 fotoğrafın ortak teması olan yüzler ortaya çıkarılmaktadır. Böylece, tüm görseller herhangi bir katmandaki piksellerin tekrar resme dönüştürülmesiyle ortaya çıkmış olur. Etiketi belli olmayan bir fotoğrafla karşılaşıldığında ise, resmin kime ait olduğuna ilişkin ağ diyagramındaki süreç ve işlemler tersine mühendislik yoluyla üretilmektedir. Derin öğrenme algoritmasının öncekilerden farkı, standart makine öğrenmesi algoritmalarında hangi parametrelerin işe yarar olduğunu girdi olarak gösterilmesi yerine, derin öğrenme için veriyle ilgili olarak hangi parametrelere ne ağırlık verileceğini kendisinin keşfedebilme yeteneğidir (Yonck, 2019, 86; Yapayzekatr, 2020; Thinktech, 2020; Microsoft, 2020).

 

Yapay zekâ ve robotik teknolojilerindeki gelişmeler, insansız hava, kara ve deniz araçlarını askeri harekât alanına getirmekle kalmıyor, bir insanın tahammül yeteneğini zorlayacak birçok veriyi hızlı analiz edebilmesi sayesinde vaktinde istihbari bilgi ve siber tehditlere karşı asimetrik üstünlük sağlayabiliyor. Hali hazırda, yarı otonom insansız hava, kara ve deniz sistem ve araçları muharebe ortamlarında görülmeye başlandı. Söz konusu teknolojilerde, tam otomasyon sistemlere ulaştığında askeri harekatın stratejisinde, hukukunda ve orduların organizasyon yapısında değişimi öngörecek yeni bir paradigma ihtiyaç duyulacak. Bu değişimi öngörenlerin ulusal güvenlik açısından diğer devletlere karşı askeri, bilgi ve ekonomik üstünlüğünü artıracağı veya bu gücü koruyacağı açık (Allen&Chan, 2017: 14-17).Bu süreç nispeten zayıf ülkelerin büyük ve güçlü ülkelere karşı askeri ve ekonomik açıdan rekabet edebilme imkânı için bir fırsat da yaratabilir.


 

Kaynakça

Allen G. &Chan T. (2017). ArtificialIntelligenceandNational Security. Harvard Kennedy School: Belfer Center forScienceand International Affairs,USA.

HBS/ Harward Business Review (2019). Dijital Dönüşüm Yapay Zekâ, Çev. Levent Göktem, İstanbul: Optimist Kitap Yayınevi

Tegmark, M. (2019). Yaşam 3.0, Yapay Zekâ Çağında İnsan Olmak, İstanbul: Pegasus Yayınları.

Thinktech (2020). Derin Farklar: Yapay Zekâ, Makine Öğrenmesi ve Derin Öğrenme. 06 Ekim 2020 tarihinde https://thinktech.stm.com.tr/detay.aspx?id=182 adlı siteden alınmıştır.

US Army (2017). FM 3-0 Operations. Washington DC: Headquarters.

Yılmaz, A. (2017). Yapay Zekâ, İstanbul Kodlab Yayınları.


 

YAPAY ZEKÂ NEDENİYLE ASKERİ HAREKÂTTA PARADİGMA DEĞİŞİMİ YAŞANIR MI?