Yapay zekânın temel anlamda tahminsel bir model olduğu dikkate alındığında, her tahminsel modelde olduğu gibi yapay zekânın da hammaddesi veridir. Bugünkü anlamda temelleri 1950 yılında atılan yapay zekânın, 2000’li yıllara kadar çok fazla ivmelenme sağlayamamasının temel nedeni hata düzeyi kabul edilebilir sınırlarda olabilecek bir tahminsel model geliştirebilmek için yeterli veri olmamasıdır…
1. Giriş
Yapay zekâ günümüzün en popüler ve en hızlı kullanım yaygınlığına kavuşan kavramıdır. Her ne kadar gündemimize 2000’li yıllarda 4. Sanayi Devrimi başlığı olan Otonom Sistemlerle girmiş olsa da 2020’de ilan edilen 5. Sanayi Devrimi başlığı olan Toplum Yapay Zekâ Entegrasyonu ile sonraki sanayi devrimlerinin de vazgeçilmez bir parçası olacağı netleşmiştir. Öyle ki yapay zekâ artık teknolojik gelişimin giderek ivmelenen ve ayrılmaz bir parçası haline gelmiştir.
Tarihte bilinen ilk robotik çalışmaların, ‘Olağanüstü Mekanik Araçların Bilgisi Hakkında Kitap’ ile El Cezeri’ye (1136-1206) ait olduğu bilinmektedir (Wikipedia, 2024). Cezeri’nin de Leonardo Da Vinci’ye (1452-1519) geliştirdiği ‘Otonom Araçlar’la ilham verdiği düşünülmektedir. Dolayısıyla yapay zekâ fikri yüzlerce yıllık bir geçmişe sahiptir. Öte yandan, bugünkü anlamda yapay zekânın kurucusu istatistikçi Dr. Alan Mathison Turing (1912-1954) olarak kabul edilmektedir. Dr. Alan M. Turing, 1936’dan itibaren yaptığı çeşitli akademik çalışmalardan sonra Intelligent Machinery (Turing A.M., 1948) ve Computing Machinery and Intelligence (Turing A.M., 1950) çalışmalarıyla bugünkü anlamda yapay zekânın temellerini atmıştır. Turing’in çalışmalarının temel amacı düşünebilen makineler oluşturmaktır. Bu düşüncenin yan ürünü 2000’li yıllarda çok sofistike hale gelmiş bilgisayarlar olmasına karşın anafikir olan yapay zekâ 2000’li yıllardan itibaren gelişmeye başlamıştır. Yapay zekâ araştırmasının yan ürünü olan bilgisayarlar günümüzde çok gelişmişken, yapay zekânın 1200’lü yıllarda başlayan serüveni ise 2000’li yıllarda 4. Sanayi Devrimi’yle gündemimize girmiştir (Koyuncugil, A.S., 2019). Ayrıca, Ord. Prof. Dr. Cahit Arf’a ait ‘Makine düşünebilir mi ve nasıl düşünebilir?’ çalışması da yapay zekâ alanında ilk çalışmalardandır (Arf, C., 1959).
Bu çalışmada, yapay zekânın tanımı, akıllı sistemler, yapay zekâ modeli geliştirme (öğrenme) yöntemleri ve yapay zekânın teoriden pratiğe geçişindeki gecikmenin nedenleri aktarılacaktır.
2. Yapay Zekâ
Yapay zekâ; en temel anlamda, bir makinenin (bilgisayarın) karar verme yetisi göstermesidir. Dolayısıyla aslında yapay zekâ, insan muhakemesinin bir makineye tahminsel, öğrenebilen bir modelle veya algoritmayla öğretilmesi işlemidir. Tahminsel, öğrenebilen model kavramını daha anlaşılabilir olması için biraz açmak gerekmektedir. İnsanın karar verme yetisi, elde ettiği tecrübelerle, daha önce hiç karşılaşmadığı bir durumla karşılaştığında fikir yürüterek karar vermesi yani bir anlamda tahminde bulunması anlamına gelmektedir. Bir başka deyişle insan, geçmiş tecrübeleriyle elde ettiği verileri işleyip, buradan elde ettiği bilgiyi değerlendirip, bulunduğu koşullara göre karar vermektedir. Yapay zekâ ise bu sürecin makinelerle (bilgisayarlarla) gerçekleştirilmesidir (Koyuncugil, 2019).
Karar verme süreci üzerinden yapay zekânın anlatımı daha açıklayıcı olacaktır. Şekil 1’de yer alan karar verme sürecinin bileşenleri incelendiğinde; sırasıyla veri, bilgi, karar olmak üzere temel anlamda 3 bileşenin yer aldığı görülmektedir. Veri; farkında olalım veya olmayalım, görelim veya görmeyelim etrafımızdaki tüm olgular bütünüdür. Bilgi; verinin işlenmiş halidir. Verinin işlenmesinde şeffaf, ölçülebilir ve kıyaslanabilir norm veya yöntemlerin kullanılması bizi objektif bilimsel bilgiye ulaştıracaktır. Bu noktada kullanılabilecek yöntemler, kronolojik sırayla yöneylem araştırması, istatistik ve veri madenciliğidir. Veri işlendikten sonra bilgi adını verdiğimiz, toplulaştırılmış, yorumlanabilir ve anlamlandırılabilir alternatifler ortaya çıkacaktır. Karar ise bu alternatifler arasından yapılan tercihtir. Alternatifler arasından seçim yapma veya bir başka deyişle karar verme, yapay zekâ ortaya çıkana kadar ‘insan muhakemesi’ kullanılarak işletilen bir seçim süreciydi. Yapay zekâ ise karar verme sürecinde insan muhakemesi yerine makine muhakemesi kullanımına verilen isimdir. Yapay zekânın diğer analitik yöntemlerden en belirgin farkı daha önceden karşılaşmadığı bir durumla karşılaştığında karar verebilme yetisine (özelliğine) sahip olmasıdır. Bu özelliğe sahip olmak da tahmin yapabilme kabiliyetine sahip olmayı ifade etmektedir ki bu da yapay zekânın özünde tahminsel model barındıran bir algoritma olduğu gerçeğini ortaya koymaktadır. Dolayısıyla aslında yapay zekâ, hammaddesi veri olan tahminsel bir modeldir.
3. Akıllı Sistemler
Yapay zekâyla beraber anılan kavramlardan birisi de akıllı sistemlerdir. Yapay zekânın işleyişinde yer alan veri–bilgi–karar sürecinde, verinin toplanması, uygun yöntemlerle bilgiye dönüştürülmesi ve makine muhakemesiyle karar verilmesi sürecinin tamamının sistem tarafından otomatik gerçekleştirildiği sistemlere akıllı sistemler denilmektedir. Dolayısıyla akıllı sistemlerde hiçbir süreç manuel ilerlememekte, yani insan tarafından gerçekleştirilmemektedir. Yapay zekâ ile akıllı sistem arasındaki en önemli fark, yapay zekâda sadece karar verme aşamasında insan muhakemesi yerine makine muhakemesi kullanılırken akıllı sistemlerde karar verme sürecinin tamamında (veri-bilgi-karar) makine muhakemesi kullanılmasıdır.
Dolayısıyla Şekil 2’de görüldüğü üzere yapay zekâ kullanımıyla sistemin kendi verisini toplayıp, işleyip, iş veya işlemi insan müdahalesi olmadan gerçekleştirdiği sistemlere akıllı sistem denilmektedir. Akıllı sistemlerden bahsedildiğinde, temel anlamda iki sistem yapısı gündeme gelmektedir.
Otonom sistemler (otonomluk): Şekil 3’te görüldüğü gibi tanımlanan iş veya görevin, hiçbir insan müdahalesi olmadan, makine tarafından yerine getirilmesidir (Koyuncugil A.S. and Yeniköse N., 2020).
Sürü Zekâsı: Şekil 4’te görüldüğü gibi her bir birim bağımsız hareket ederken, belirlenen amaca yönelik ortak davranış sergilenmesini ifade eder (Koyuncugil A.S. and Yeniköse N., 2020).
Yapay zekânın tanımında da belirtildiği üzere yapay zekâ temel anlamda tahminsel bir modeldir. Yapay zekâ modeli geliştirmek için kullanılan yöntem grupları da ‘öğrenme’ ifadesiyle kullanılmaktadır. Pek çok farklı başlık altında toplanan öğrenme yöntemleri olsa da ana başlıkları yöntem gruplarına göre kronolojik olarak aşağıdaki gibi sıralanabilir:
i. Matematiksel öğrenme: Matematiksel programlama, yöneylem araştırması yöntemleri başta gelmek üzere çoklu denklem sistemlerine çözüm bulmak üzerine yoğunlaşmış yöntemlerdir. Klasik optimizasyon yöntemleri ve doğrusal olmayan yöntemlerin bir kısmını da içermektedir.
ii. İstatistiksel öğrenme: İstatistiksel yöntemlerin ve genellikle de çok değişkenli istatistiksel yöntemlerin, büyük veri hacimleri üzerinde tahminleme yapmak üzere modifiye edilmiş hallerini kapsamaktadır.
iii. Makine öğrenmesi: Klasik istatistiksel yöntemlerin, genellikle de çok değişkenli istatistiksel yöntemlerin, makine/bilgisayar kullanımının sağladığı hesaplama gücünün yapılandırıldığı yöntemlerdir.
iv. Derin öğrenme: Tahminsel modelin her bir parametresinin de ayrı bir tahminsel model olduğu ve girdi ile çıktı arasındaki ilişkinin, en az hatalı tahmin elde edilene kadar alt modellerin dallandığı (derinleştiği) yöntemlere verilen isimdir. Genelde yapay sinir ağları modellerinin özelleştirilmiş bir halidir. Girdi ve çıktı verileri değiştikçe, model de kendini otomatik olarak günceller. Özellikle doğrusal olmayan veya belirli/bilinen fonksiyona bağlanamayan modellemeler için kullanılır.
5. Neden Şimdi Yapay Zekâ?
Temellerini 1200’lerden alan, bugünkü anlamdaki teorik temeli 1950’li yıllarda gerçekleştirilmiş yapay zekânın, 2000’li yıllarda ivmelenme kazanmasının en önemli nedeni işlenebilecek yeterli veri olmamasıdır. Bununla beraber, tek faktör bu değildir. Aşağıda başlıklar halinde yapay zekânın 2000’lerde gündemimize girmesinin temel nedenleri aktarılmıştır (Koyuncugil A. S., 2019).
Yeterli veri: Yapay zekânın temel anlamda tahminsel bir model olduğu dikkate alındığında, her tahminsel modelde olduğu gibi yapay zekânın da hammaddesi veridir. Bugünkü anlamda temelleri 1950 yılında atılan yapay zekânın, 2000’li yıllara kadar çok fazla ivmelenme sağlayamamasının temel nedeni hata düzeyi kabul edilebilir sınırlarda olabilecek bir tahminsel model geliştirebilmek için yeterli veri olmamasıdır.
Hızlı işlem: Geçerli tahminler yapabilecek bir yapay zekâ modeli geliştirebilecek verinin erişilebilir olması tek başına yeterli değildir. Bu verilerin kullanımıyla tahminsel model geliştirebilecek işlemlerin yapılmasının da iş veya işlem açısından anlamlı bir zamanda işlem yapabilecek hızda gerçekleşmesini gerektirmektedir.
Algoritma kütüphanelerinin entegrasyonu: Çoğu yapay zekâ sistemi, algoritma kütüphanelerindeki önceden geliştirilmiş algoritmaların entegrasyonu veya iyileştirilmesiyle geliştirilmektedir.
Donanım yönetimi: Yapay zekâ sistemlerinin hammaddesi olan veri, günümüzde çok farklı lokasyonlarda yer alan donanımlar üzerinde yer almaktadır. Dolayısıyla bu verilerin eşanlı kullanımı etkin bir donanım yönetimi ihtiyacını ortaya koymaktadır.
Bulut bilişim: Yapay zekânın hızlı gelişimine en önemli katkının bulut bilişim ve bunun bir sonucu olarak büyük veri olduğu söylenebilir. Bulut bilişim; internet erişimi olan bir mobil cihazla, istenilen konfigürasyonda bir donanım üzerinde yer alan, istenilen büyüklükte verinin konumlandırılabileceği bir veritabanı ve/veya dosya sistemini, bu verinin işlenebileceği tüm araçları, istenilen sayıda işlem hızlandırıcı grafik kartları ile istenilen algoritmaların çalıştırılabileceği bir ortamı ifade etmektedir.
6. Sonuç
Bu çalışmada, yapay zekânın genel çerçevesi verilmiş olup; yapay zekânın temel kavramları aktarılarak bir farkındalık oluşturmak hedeflenmiştir.
KAYNAKLAR:
Arf, C. (1959). Makine düşünebilir mi ve nasıl düşünebilir? Üniversite Çalışmalarını Muhite Yayma ve Halk Eğitimi Yayınları Konferanslar Serisi, No: 1, Atatürk Üniversitesi, Türkiye, 1959.
Koyuncugil, A. S. (2019). Yapay ZEKÂ Ders Notları, Basılmamış, Türkiye, 2019.
Koyuncugil, A. S. and Yeniköse, N. (2020). Artificial Intelligence and Intelligent Systems in Systems and Systems Thinking, Eds. Ercil, Y. and Baskıcı, Ç., Traffrod Publishing, USA, 2020.
Turing A.M. (1948). Intelligent Machinery in The Essential Turing: Seminal Writings in Computing, Logic, Philosophy, Artificial Intelligence, and Artificial Life: Plus The Secrets of Enigma, Ed. Copeland, B. J., Oxford University Press Inc, New York, 2004.
Turing A.M. (1950). Computing Machinery and Intelligence in The Essential Turing: Seminal Writings in Computing, Logic, Philosophy, Artificial Intelligence, and Artificial Life: Plus The Secrets of Enigma, Ed. Copeland, B. J., Oxford University Press Inc, New York, 2004.
Wikipedia (2024). https://tr.wikipedia.org/wiki/Cezeri, Erişim: 01.8.2024