Bir algoritmanın uzun yolculuğu

Yapay zekâ kavramı, bilgisayar biliminin ilk dönemlerinden bu yana tartışılan bir konu olmuştur. 1950 yılında Alan Turing’in gündeme getirdiği “Makineler düşünür mü?” sorusu, daha sonra Turing testi olarak bilinen bir değerlendirme kriterine dönüşmüştür. Eğer bir makine, insanla yazışırken ayırt edilemiyorsa, davranışları açısından insana benzer kabul edilebilir. Ancak bu durum, makinenin gerçekten düşünme kapasitesine sahip olduğu anlamına gelmez.

Bu noktada, Cahit Arf’ın 1959’da kaleme aldığı “Makineler Düşünebilir mi ve Nasıl Düşünebilir?” başlıklı makalesi dikkate değerdir. Arf, makinelerin belli görevleri yerine getirebilmesinin “anlama” anlamına gelmediğini ifade eder. Makineler belirli durumlara tepki verebilir ve karmaşık problemleri çözebilir; ancak bu süreç, büyük ölçüde önceden tanımlanmış kurallara dayanmaktadır. Ona göre asıl mesele, makinelerin ne kadar “zeki” olduğu değil, hangi tür problemleri çözmek üzere tasarlandıklarıdır. Bu ayrım, günümüzde yapay zekâ tartışmalarının merkezinde yer almaktadır.

Benlik kavramı da önemli bir meseledir. İnsan yalnızca düşünmekle kalmaz; düşündüğünün de bilincindedir. Oysa bir algoritma, Turing testini geçse bile öz-bilince sahip değildir. Mükemmel bir taklit yapabilen bir makine, insan olma niteliğine sahip değildir. Turing testi, “Makine düşünebiliyor mu?” sorusuna değil, “Makine insan gibi davranabiliyor mu?” sorusuna yanıt arar. Eğer karşımızdakinin bir algoritma olduğunu anlayamıyorsak, bu makinenin insan gibi davrandığı anlamına gelir. Günümüzde yapay zekâ tartışmalarındaki karışıklığın büyük bir kısmı, taklidi gerçek zihinsel kapasiteyle karıştırmaktan kaynaklanmaktadır.

Bu noktada, taklit ile anlama arasında net bir ayrım yapmak önemlidir. Bir sistem, dili istatistiksel olarak taklit edebilir; ancak ürettiği cümlelerin anlamını bilmez. Eğer sistem dili kusursuz bir şekilde kullanabiliyor, yeni problemleri çözebiliyor ve daha önce verilmemiş cevaplar üretebiliyorsa, “gerçekten anlıyor mu?” sorusu karmaşık bir hal alır; çünkü bu durumda, verdiği cevaplarla bunu ayırt etmek çoğu zaman mümkün olmaz. Bu nedenle, başarılı bir taklit ile “anlama” arasındaki sınır her zaman düşündüğümüz kadar belirgin değildir.

Bu kavramsal ayrımların nasıl bir teknik zemin üzerinde şekillendiğini anlamak için kısa bir tarihsel çerçeve çizmek faydalı olacaktır. 1950’lerden itibaren satranç oynayan programlar ve matematik çözen yazılımlar geliştirildi, ancak yapay zekâ uzun süre sınırlı kaldı. O dönemde işlem gücü düşük, veri az ve yöntemler bugünkü kadar gelişmiş değildi. Asıl sıçrama ise 21. yüzyılda gerçekleşti. İnternetin sunduğu büyük veri havuzları ve güçlü işlemciler sayesinde makine öğrenmesi hızlandı. Bugün “büyük dil modeli” olarak adlandırılan sistemler, ansiklopedik maddelerden gazete yazılarına, bilimsel makalelerden yemek tariflerine kadar geniş bir metin yığınını tarayıp dilin istatistiksel yapısını öğrenmektedir; bu sayede bir kelimeden sonra hangi kelimenin gelme ihtimalinin yüksek olduğunu hesaplayarak metin oluşturmaktadır.

Yapay zekâ esasen olasılıklar üzerinde çalışmaktadır. Ancak bu durum, onu basit bir hesap makinesi olarak değerlendirmemizi sağlamaz; yeterince büyük ve katmanlı bir yapıda bu tahminler, muhakemeye benzer sonuçlar üretebilir.

Şimdi bir deney yapalım: “Patlıcanın faydalarını anlatan bir paragraf yaz!”

Patlıcanın faydaları

“Patlıcan” kelimesi insanlar için anlamlı bir bütün oluştururken, bilgisayar için durum farklıdır. Öncelikle bu kelime parçalanır; bazen tek parça kalır, bazen de “pat,” “lı,” “can” gibi daha küçük parçalara ayrılır. Bu parçalara token denir. Ardından bu parçalar birer sayıya dönüştürülür. Yani bilgisayar için “patlıcan” artık bir kelime değil, bir sayıdır. Ancak bu süreç burada bitmez. Bu sayı, modelin çalışabilmesi için daha soyut bir hale getirilir ve uzun bir sayı dizisine, yani bir vektöre dönüştürülür. Kısacası “patlıcan” kelimesi bilgisayarın dünyasında adım adım yazıdan kopar; önce parçaya, sonra sayıya, en sonunda da matematiksel bir örüntüye dönüşür. Modelin kavradığı şey bir sebze değil, diğer kelimelerle belirli ilişkiler kuran sayısal bir yapıdır.

“Patlıcanın faydalarını anlat” komutunu verdiğimizde, yapay zekâ daha önce bahsedilen büyük veri yığınına başvurur. Bu yığında patlıcan, çoğunlukla aynı arkadaş grubuyla (kankalarıyla) dolaşmaktadır: düşük, kalorili, lifli, antioksidanlı. Patlıcan vektörünün yanına sık sık “düşük” vektörünün geldiğini fark eden model, cümleyi adım adım oluşturur. “Patlıcan düşük…” ifadesi oluştuğunda, küçük bir ihtimaller tablosu açılır: “kalorili” kelimesinin gelme ihtimali yüzde 40, “lifli” kelimesinin gelme ihtimali ise yüzde 25 civarındadır. Model bu tabloya bakarak en yüksek ihtimali seçer ve cümleyi ilerletir. Bu işlemi saniyeler içinde defalarca tekrarlar ve sonunda patlıcan ile çocukluk arkadaşıymış gibi konuşan bir paragraf ortaya çıkar.

Patlıcan, düşük kalorili bir sebze olması nedeniyle dengeli beslenme için iyi bir seçenektir. Lif içeriği sindirim düzenine katkı sağlayarak uzun süre tokluk hissini destekleyebilir. Mor kabuğundaki doğal pigmentler (antosiyaninler) ise antioksidan özelliklerle ilişkilendirilir. Patlıcanı yağda kızartmak yerine fırında, ızgarada ya da az yağda soteleyerek daha dengeli sonuçlar elde edilebilir.

Burada kritik olan nokta, modelin tüm bu süreçte patlıcanın ne olduğunu bilmemesidir. Hünkâr beğendinin lezzeti aklına bile gelmez. Örneğin, ben şu anda öğrencilik yıllarımda Ankara’da, Kızılay yakınlarındaki Rüyam Lokantası’nda yediğim hünkâr beğendileri hatırlıyorum. Yapay zekânın böyle anıları yoktur. Bu nedenle bağlam ile geçmiş deneyimler arasında bir ilişki kuramaz. Yaptığı şey, insanların daha önce kurduğu milyonlarca cümledeki dil örüntülerini kullanarak bağlama uygun görünen yeni bir metin üretmektir.

Zekâ ve benlik

Şimdi de konunun en önemli kısmına gelelim. Zekâ genellikle öğrenme, problem çözme, soyutlama ve yeni durumlara uyum sağlama kapasitesi olarak tanımlanmaktadır. Bu tanım ilk bakışta makineler için de geçerli görünmektedir: algoritmalar öğrenir, problem çözer ve bazı görevlerde insanı geçebilir.

Ancak insan zekâsını farklı kılan şey, benlik duygusudur. İnsan sadece düşünmekle kalmaz; düşündüğünün de bilincindedir. Hata yaptığını anlar, niyet belirler, amaçlar koyar ve yaşadıklarını anlamlandırır. Zihin sadece hesap yapmaz; aynı zamanda deneyimleri gözden geçirir. Günümüzdeki yapay zekâ sistemlerinde böyle bir iç dünya yoktur. Uzun metinler yazabilirler; fakat ne söylediklerini gerçekten “bil