Alan Turing “Makineler öğrenebilir mi?” diye sordu ve bu sorunun cevabını bir anda koca bir dünya merak etti.Peki gerçekten makineler öğrenebilir mi? İnsanların yerini alabilir mi? Ya da insanlığı yok ederek makine ırkını oluştururlar mı?


Açık kaynakları araştırdığınızda “yapay zeka” terimiyle birlikte anılan birçok kavram görürsünüz. Bu kavramlar, aslında 1950’lerde başlayan yapay zeka sorunsalının çözümündeki yollar ve tecrübelere verilen isimlerdir. 

İnsanın varoluş tarihinde bir çok çağ atlattık. Farklı kaynaklarda farklı zaman dilimlerini bulabilirsiniz, taş devri, yontma taş devri, cilalı taş devri…Bunları çağlara bölersek avcılık yaparak kaynak topladığımız avcı-toplayıcı çağı milyonlarca yıl sürdü, ardından binlerce yıl süren tarım çağı geldi, takiben sanayi çağına buharlı motorlar ile girdik ve bu bize iki dünya savaşı getirdi çünkü kaynakları yeniden bölüşmek gerekiyordu, ardından onlarca yıldır içinde olduğumuz bilgi çağına girdik. Ancak bu çağın da sonuna yaklaştığımızı anlıyoruz.Yukarıda gördüğünüz diyagram onlarca yıldır geliştirilmeye çalışılan “yapay zeka” araştırmalarının sonunda “Artırılmış Çağ”’a girişimizi resmediyor. Yani insan ırkı artık yeni bir çağa adım atıyor.

Bu yeni çağda doğal insani yetilerimiz, düşünmenize yardım eden bilgisayar sistemleri, üretmemize yardım eden robotik sistemler ve doğal duyularımızın ötesinde bizi dünyaya bağlayan dijital  bir sinir sistemi ile güçlendirilecek. Bu durumu açıklamak için bilişsel artırma konusunu açıklamamız gerekiyor. Birbirimiz ile sohbet ederken bir soru sorduğumuzda eğer bilmiyorsak, hemen cebimize elimizi atıp akıllı telefonumuzu çıkarıyor, bir Google arama sayfası açıp soruyu yazıyoruz ve cevaba ulaşıyoruz. Hatta daha kolayı Siri’ye soru soruyoruz bizim yerimize o arıyor ve cevap veriyor. Bu teknoloji bile milyonlarca yıldır kullandığımız aletlerden farklı değil, yani “pasif” sistemler. Ne yapmasını istiyorsak onu yapıyor. Bir matkabı elinize aldığınızda nereyi delmesini istiyorsak oraya dokundurur ve deleriz, bu da pasif bir sistem. Bilgisayarlar bile biz ne istediysek ne söylediysek onu yaptı, yani hep pasif oldular. Ancak yeni çağ bunu istemiyor yeni çağ bir bilgisayar ile sohbet etmek istiyor, kendisine tanımlanmış olan ve kısıtlı cevap kombinasyonlarını soruya göre veren bir sistem değil, “hey bilgisayar, haydi birlikte köprü tasarlayalım” diyebileceğimiz aktif sistemleri hayal ediyoruz. Bu sistem bize alternatifleri göstersin, “hayır daha sağlam olsun, 2 şerit daha olsun, şöyle olsun böyle olsun” diyerek yenisini tasarlayabilecek sistemler olsun istiyoruz. İşte bu yeni çağda yeni tasarlanan sistemler pasif olmaktan üretken olmaya doğru çığır atlıyor ve bilgisayar ile algoritma kullanarak geometri sentezi yapıp kendi başlarına yeni tasarımlar ortaya çıkarabiliyorlar. Tek ihtiyaçları yönlendirilmek.

Yeni yapılan çalışmalar, yapay zeka sayesinde iyi tanımlanmış sorunsalların bu sistemler sayesinde milyonlarca alternatifi süratle ortaya çıkararak en optimumu bize sunması üzerine devam ediyor. Sistemin tasarlamasını istediğimiz bir insansız hava aracı için tek yapmanız gereken kaç pervanesi olmasını istediğiniz, ne kadar hafif olmasını istediğiniz, ne kadar yük taşımasını istediğiniz vs vs. Sistem buna uygun olarak tasarım alternatifi üretiyor ve size sunuyor, hiçbir insan çizim yapmıyor, sistem buna sıfırdan başlıyor. İşte yeni sorun da burada ortaya çıkıyor, bu sistemler sezgisel değiller yani her seferinde sıfırdan başlıyorlar, çünkü hiçbir zaman öğrenemiyorlar. 

Oysa bir canlının sistemi böyle değil; dikkatini veriyor, ne olduğunu hatırlıyor ve bunu aklında tutup bir şablon oluşturuyor. Örneğin sıcak bir nesnenin, kendisine verdiği zararı tecrübe ettikten sonra, hatırlıyor bunu aklında tutuyor ve alması gerekiyorsa bunun için bir yöntem kuruyor veya uzak duruyor. İşte bu öğrenmenin temeli. Bir bebek düşünün, öğrenmek için çabalıyor, bilinci öğrenmek istiyor, iç güdüyle tehlikeye karşı savunma sistemi geliştirmek için tehdit algılaması yapmaya çalışıyor, bunun için eline aldığını ağzına götürüyor, yere atıyor; bu sayede nesnenin kendisine ne hissettirdiğini, zarar verip vermeyeceğini, nesnenin kırılganlığını madde yapısını hafızasına kaydediyor, bir daha benzeri ile karşılaştığında artık ne yapacağını biliyor. İşte bu zeka. Bunu makineye yaptırma çabası “yapay zeka” ve tabii makine öğrenmesi ve daha sonrasında beyine verileri sağlayan sinir sistemi gibi yapay sinir sistemi oluşmasını sağlayacak olan “derin öğrenme” aşaması geliyor. 


İşin ilginç yanı, bu tam da son 60 yıldır bilgisayar bilimcilerin Yapay Zekâ üzerinde yapmak istedikleri şey. 1952 yılında, XOXO oynayabilen bu bilgisayarı geliştirdiler.  45 yıl sonra 1997 yılında, Deep Blue isimli bir bilgisayar, satrançta Kasparov'u yendi. 2011'de Watson isimli bilgisayar, iki kişiyi bilgi yarışmasında yendi, ki bu satranç oynamaktan  daha zordur bilgisayar için. Gerçek şu ki, önceden belirtilmiş talimatlarla çalışmak yerine Watson bu insan rakiplerini  yenmek için mantık kullandı. Yine, DeepMind'ın AlphaGo robotu Go oyununda dünya birincisini yendi, bu sahip olduğumuz en zor oyun. Go oyununda, evrendeki atom sayısından çok hamle olasılığı var. Yani kazanmak için AlphaGo'nın sezgi geliştirmesi gerekliydi. Yine bazı noktalarda, AlphaGo'nun programcıları onun neyi neden yaptığını anlayamadılar. 

İşler çok hızlı bir şekilde işliyor. Bir düşünün, insan hayatı boyunca bilgisayarlar bir çocuk oyunundan stratejik düşüncenin zirvesi  kabul edilen bir oyuna yöneldi. Burada olan şey şu; bilgisayarlar pasif olmaktan çıkıp mantık yürütme yetisi kazanmaya başlıyorlar. Yani basit mantıktan sezgiye doğru gidiyorlar.

1997 yılında üniversitede öğrenciyken, bilgisayara “birşeyler öğretme” çabasına girdiğimde, onun karar verebilmesi için “0” ve “1” dışında bir olasılık verdim. “2”.İşte bu rakam yazdığım algoritmaya esneklik kattı ve alması gereken kararların sadece “1” ve “0” dan ibaret olmayacağını makineye anlattı, o da yazılan algoritmada bu imkanı kullanarak yeni bir kararlar dizisi çıkarabildi. Özetle algoritma şuydu. 100 derslikten oluşan bir üniversite, üstüne 8 amfisi var, öğretim görevlisi sayısı 450 ve hepsinin gireceği ders branşları var, ancak bu öğretim görevlilerinin kısıtlamaları vardı, yüksek lisansa devam eden, başka okulda derse giren, doktorası olan vs vs. Çok değişkenli ve çok sabitle bu sorunsalı çözmek için yöneylem araştırması yöntemleri kullanan bir algoritma, çalışırken sadece 1“olur” ve 0“olmaz” a bakar. Ancak dataset  dediğimiz veri tabanında “derse girer” “derse giremez” ve “son çare derse girebilir” seçeceğini ekleyince yani “2” ekleyince algoritmanın karar vermesinde esneklik getirdik, hatta biraz daha abarttık ve “2” rakamına uzantılar ekleyerek mazeretlerin önem sıralarında kendimize göre bir öncelik belirledik örneğin 2,1 öncelikli alternatif, 2,2 ikinci öncelikli alternatif vb., ardından yeni bir “mazeret değerlendirme” algoritması ile yönetim için mazeretlerin önem dizilimini kendi kriterlerine göre belirleyen bir algoritma yarattık, bir süre sonra makinemiz bunlardan ders çıkarıp benzer mazeretlere kendisi değer atamaya başladı elbette bunun için de bir “sezgi algoritması yarattık” bunun için geçmiş ders değerlerini kullandık ve öğretim görevlisinin üretkenlik değerleri gibi sonuçları kullandık.Olabildiğince adaletli ders saati, isteklere optimize edilmiş çözümler vb. getiren bu algoritma tam anlamıyla öğrenemedi tabii ama yarı dönem ders programlarının çıkarılmasında görev alan insanlara müthiş alternatifler sundu. Ancak biz de öyle değil miyiz? Bir konuyu ya olur ya olmaz diye kesin ifadelerin yerine bir çok alternatif ile ara yol buluyoruz, bu ara yollar tecrübe, öğrenme, bilgi gibi değişkenler ile şekilleniyor.

Ahşap ama yıpranmış 10 metre uzunluğunda ve yerden 30 metre yükseklikte bir köprü hayal edin. Siz bu köprüden geçer misiniz? “Hayatta olmaz!” demeniz çok normal. Bu kararı vermeniz saniyeler sürer, çünkü köprünün güvenli olmadığını biliyorsunuz, bunu denemeden nasıl biliyorsunuz? Elbette gördüğünüz belgeseller, duyduğunuz haberler belki de yaşadığınız tecrübeler veya benzetmeler ile bu konuda bir risk analizi yapabiliyorsunuz. İşte bunun adı “sezgi” ve derin öğrenme dediğimiz kavram bunu yapmaya çalışıyor. 

Gelişmelerin bu denli hızlı olduğu yeni çağımızda artık tasarladığınız bir şeyi bilgisayara gösterebilecek ve ondan yorum alabileceksiniz. Size “olmaz dostum bu işe yaramaz, bunu baştan şöyle yapman gerek” diyecek. Aslında yapılmaya çalışan tek başına herşeyi yapıp insanı saf dışı bırakan bir tür ortaya çıkarmak değil. Hiç karşılaşmadığınız bir sorunu nasıl bir dostunuza soruyorsanız, giyeceğiniz kıyafeti başkasının beğenip beğenmeyeceğini merak edip yakın arkadaşınıza danışıyorsanız, kararsız kaldığınızda hangi dondurmayı alacağınıza yanınızdakinin yardım etmesini istiyorsanız, bunu bilgisayardan da isteyebileceksiniz. Kendi başımıza bazı sorunlarla gerçekten baş edemiyoruz, örneğin iklim değişikliği, teröristle mücadele, suçu önleme ve bunlar gibi onlarca örnek, işte burada bilgisayarlar ile yardımlaşma devreye giriyor, bu teknoloji yetilerimizi kuvvetlendirecek, böylelikle başta söylediğim artırılmış insan olarak erişmeyi hayal bile edemediğimiz yeteneklere kavuşacağız, bu Süperman demek değil ama.


Gelelim icat edip tasarlayacağımız onca çılgınca şeye. Sanırım insan artırma çağı, sanal ve düşünsel olduğu kadar fiziksel dünyayla da alakalı. Teknoloji bizi nasıl güçlendirecek? Fiziksel dünyada; robotlar. Robotların insanların işine mal olacağı konusunda ciddi bir korku var, bazı sektörler için bu doğru. Ama asıl ilgi çekici olan,  insan ve robotların birlikte çalışarak  birbirlerini güçlendirecek olması ve yeni bir alanda yaşamaya başlamaları.Askeri ortamda bunlardan çok fazla örnek sosyal medyada boy gösteriyor, en azından bunların videoları ortada. Ülkeler teknolojide geldikleri yerleri bu mecralarda birbirlerine göstererek caydırıcılık sağlıyorlar. İşte bunlardan bir örneğin fotoğrafı üstte. Bu “askeri robot” askeri bulut ağındaki bilgileri kullanarak kendisine verilen hedefe lojistik destek sağlamak üzere tasarlandı. Bu otonom bir sistem, neden yapay zeka içersinki denebilir, ancak sistemi kendi içinde değerlendirdiğinizde üzerindeki her sensörü, her özelliği kullanarak zorlu arazi şartlarında dengesini ve yükünü kaybetmeden hedefe ulaşabilecek kararları alabiliyor. Yani muharebe sahasında görevini engelleyecek durumları değerlendirerek sonuca ulaşmaya çalışıyor. Elbette bu sistemin artık öğrendiklerini unutmadan hareket edecek seviyeye ulaştığında mükemmele ulaştığını düşüneceğiz. 





Yukarıda fotoğrafı olan bu projede Amsterdamlı ressam JorisLaarman ve MX3D'deki takım birlikte çalışıyorlar. Amaçları üretken tasarım ve robotik yazdırma ile dünyanın ilk özerk inşa edilmiş köprüsünü yapmak. Şu anda Joris ve Yapay Zekâ Amsterdam'da bunun üzerine çalışıyorlar. İşleri bitince sadece bir tuşa basacaklar ve robotlar paslanmaz çelik üzerine 3B çıkışlar alacak, sonra insan olmadan buna devam edecekler, ta ki köprü tamamlanana kadar. İşte bu kendi başına karar alan ve tasarımını ihtiyaç kriterlerine göre belirleyerek bir ürün ortaya çıkaran “yapay bir zeka” olacak.


Bilgisayarlar yeni şeyler hayal etme ve tasarlama yetilerimizi güçlendirirken robotik sistemler daha önce hiç yapamadığımız şeyler yapmamıza yardım edecekler. Peki ya bunları hissetme ve kontrol etme yetimiz? Yaptığımız şeyler için bir  sinir sistemi olmayacak mı?

İnsanın sinir sistemi çevremizde olan her şeyi bize bildirir. Ama kendi yaptığımız şeylerin sinir sistemi gelişmemiş. Örneğin, bir araba gidip bir kuruma yol üzerindeki çukurları ve  üstünden geçtiğini söylemez. Bir bina, tasarımcılarına içindeki insanların orada olmaktan memnun olup olmadıklarını söylemez, oyuncak üreticisi o oyuncakla gerçekten oynandığını bilemez, şu an nerede veya oynaması zevkli mi bilemez. Örneğin üretilen oyuncak Barbie kendini yalnız hissederse ne olur peki?

Tasarımcılar gerçek dünyada neler olduğunu bilseler yol, bina veya Barbie fark etmez, bu bilgiyi kullanıcı için  daha iyi hâle getirebilirler. Burada eksik olan şey tasarladığımız, yapıp kullandığımız şeylere ilişkin bir sinir sistemi. Gerçek hayatta yarattığınız şeylerden bu tür bir geri bildirim alsanız nasıl olurdu? Yaptığımız onca şeyi düşününce- inanılmaz para ve enerji harcıyoruz- geçen yıl insanları  üretilen şeyleri almaya ikna etmek için 2 trilyon dolar harcanmış. Satılmış veya kullanıma sunulmuş, tasarladığınız ve yarattığınız tüm bu şeylere ilişkin böyle bir bağlantıya sahip olsaydınız bunu değiştirebilirdiniz; insanlara icatları aldırmak yerine sadece istedikleri şeyleri yapabiliriz. 

Üzerinde çalışılan bir projede yapay sinir ağı ile dış ve iç etkenlerden toplanan veriler yani bizim beynimizin duyu sistemi ile topladığına benzer verileri ele alarak yeni bir yarış arabası tasarımının yapay zeka ile yapılması öngörülüyor. Dreamcatcher isimli üretken bir yapay zekadan, bu verileri kullanarak yeni bir şase tasarımı yapması isteniyor. 


Bu bir insanın asla tasarlayamayacağı bir şey. Ancak bunu bir insan tasarladı, ama üretken tasarımlı yapay zekâ, dijital bir sinir sistemi ve imal yetisi olan robotlar ile güçlendirilmiş bir insan.

Gelelim artırılmış çağın ülke savunmasında nasıl ve nerelerde kullanıldığı veya kullanılacağına. Her ülke bu konuda çalışmalar yapıyor elbette. Her ülkenin dinamikleri ve kendisine dönük tehditleri farklı, peki bu tehditleri çok önceden ortaya çıkaran bir sistem olsaydı ve buna göre önceden önlem alınabilseydi daha güvenli bir ortam sağlanmaz mıydı? İşte bu sorunun yanıtıyla “duyusal/sezgisel yapay zeka” ilgileniyor. 
Terörle mücadele eden ülkelerin, hem şehirlerde hem de arazilerde muhtemel terörist eylemleri önceden tahmin etmesinin ne kadar çok hayat kurtaracağını bir düşünün, işte bu teknoloji için büyük verilerin bir yapay zeka tarafından işlenmesi ve güvenilir sonuçlar vermesi gerekiyor, tıpkı bir sürü değişken ve veriyi bir araya getiren bir istihbarat analizcisi, analiz subayı gibi çalışmalı ve edindiği, öğrendiği tecrübeleri ile “duygularını” da kullanarak kararlar teklif edebilmeli. Burada terabaytlarca veriden bahsediyoruz. Bu verilere, sadece sabit eldeki veriler değil, dinamik ve anlık veriler yani istihbaratlar da kaynak oluşturmalı. 

Örnek verelim, bir terör örgütünün ilk eylem yaptığı tarihin yıl dönümü yaklaştığında, istihbarat birimleri buna uygun olarak bir takım önlemler alırlar, çünkü terör örgütleri yandaşları ile yasadışı eylem, toplantı, gösteri yaparak varlıklarını belli etmek için uğraşırlar. Devletlerin istihbarat veri tabanlarında genellikle bu örgütlerin bu gösterilerini yapması muhtemel şahısların bilgileri mevcuttur ancak yapacakları eylemin ne olduğunu, yer ve zamanını bilmek çok derin bir istihbaratı gerektirir. Peki elinizdeki eski veriler ile, dinamik verileri birleştirecek bir yapay zeka sisteminiz olsa ve karar aşamasında size yardım etse? Bu duyusal yapay zeka sistemleri, büyük verileri süratle işleyerek teröristlerin bir sonraki hareketlerini tahmin etmek için çalışırlar. Bunun için, mobese kamera görüntülerini(şehir terminalleri, havalimanları, tren garları sokaklar, toplu yaşam alanları vb. alanlardaki) yüz tanıma sistemleri ile işlerler ve arşivlerindeki yüzler ile karşılaştırırlar, muhtemel eylemciyi bu görüntülerde tespit edebilirlerse, daha derin bilgi almak için bu defa başka verileri takip etmeye başlarlar, kanuni yollarla alınan izinlerle bu defa ses verileri toplanır bunlardan da ses tanıma yoluyla yüzü görünmeyen ama eylemi yönlendirebilecekler ayıklanmaya çalışılır, bunun gibi bir sürü veri işlenerek olası eylem ortaya çıkarılmaya çalışılır ve önlemler alınır. Buna da insanlar karar verir. Bu karar verme süreçlerinde isabetli sonuca ulaşmak için incelenen terabaytlarca verinin bir insan tarafından birleştirilmesi imkansızdır, duyusal yapay zeka karar vericiye yardım eder.

Bir diğer askeri yapay zeka uygulaması ise güdüm sistemlerindeki seyrüsefer alt yapısı için denenmiştir. Halen geliştirilmeye çalışılan bu sistemde, güdüm sistemi silahın ateşlenmesinden sonra başlı başına kendi kararlarını alarak hedefe ulaşmaya çalışır. Örneğin pilotların kaçma manevrası öğretilmiş bir güdüm sistemi, ateşlenen roketi, hedefin kaçma manevralarını uzaktan gözlemleyerek öngörür ve kaçma başarıya ulaşamadan roket hedefine başarıyla ulaşır tıpkı bir kamikaze pilotu gibi. Başka bir örnek ise otonom drone sistemleridir. Önüne geçilemeyecek öldürücü bir sistem olarak tasarlanan bu saldırı sistemi, “sürü drone” yöntemini kullanarak iş görür. Bu sistemde onlarca drone eş zamanlı hareket eder ve lider drone diğerlerini yönlendirir. Lidere bir şey olursa rastgele bir hiyerarşi ile yeni bir lider sistemi devralır ve bu son drone’a kadar sürer. Amaç ekibin lidersiz kalmamasıdır. Hayal edin üzerinize onlarca drone birden taarruz ediyor, üzerlerinde 3 gr. patlayıcı olsa bir tankı etkisiz hale getirmeye yeter de artar bile. 


Son ve hem askeri hem de sivil bir örnek olarak ise insan sinir ağına entegre çalışan protez kol sistemini söyleyebiliriz. Bu sistem kendi sinir ağını insan sinirağına entegre ederek, robot protezin parmak ucunda hissettiklerini gerçek bir elin hissetikleri gibi iletmek üzerine tasarlanmıştır. Bir süre devam eden fizik tedavi ile yeni koluna alışan vücut artık kendi kolu gibi hiç ilave komut vermeden işlerini görmeye devam etmektedir. Tabii başarı oranı değişken bir sistem ancak bir insana kaybettiği uzvunu geri vermek kadar mucizevi bir his olamaz.


İmal etmekten ziyade yetiştirme yapılan bir dünyaya doğru yol alıyoruz. Nesnelerin inşa edilmek yerine yetiştirildiği bir dünya. İzole olmaktan çıkıp iletişim hâlinde olacağız. Ayrılmayı bir yana bırakıp birleşmeye kucak açacağız. 

Artırılmış yetilerimiz sayesinde, dünya ciddi bir değişim geçirecek. Bu dünyada daha fazla  çeşitlilik, iletişim, dinamizm ve karmaşıklık, daha çok uyum sağlama ve daha çok güzellik olacak. Gelecek şeylerin biçimi daha önce hiç  görmediğimiz türden olacak. Çünkü onlara bu biçimi verecek şey teknoloji, doğa ve insan ortaklığı olacak.

 

 

 

YENİ ÇAĞ: ARTIRILMIŞ ÇAĞ