Kitap İncelemesi: “Yapay Zekâ Miti” – Melinda Gülsüm Esen

//
4 Okunma
Okunma süresi: 54 Dakika
  • Yazar: Erik J. Larson
  • Çevirmen: Kadir Yiğit Us
  • Stok Kodu: 9786258411621
  • Boyut: 13,5×21
  • Sayfa Sayısı: 376
  • Baskı: 1
  • Basım Tarihi: 2022
  • Kapak Türü: Karton Kapak
  • Kağıt Türü: Enso Creamy 60 Gram
  • Dili: Türkçe
  • Satın Alma Bağlantısı: Amazon

Başlarken …

Biz bu yüzyılın insanları, Olimpos Dağının eteklerinden hayli uzakta, yıllar içerisinde biriktirdiğimiz bilimsel bilginin huzurlu kundağında hoşnut biçimde yaşıyoruz. Cueva de las Manos’taki[1] ellerin sahipleri, akıllı saatleri hayal dahi edemezdi ama biz bugün akıllı saatlerimiz ile nabzımızı ölçüyor, meteorolojinin öngörüleriyle tatilimizi planlayabiliyor ve beğendiğimiz elbiseyi odamızı değiştirmeden satın alabiliyoruz. Elbette, bilim ve teknolojinin getirdiği yeniliklerle sahip olduğumuz konforun olduğu gibi devam etmesi (mümkünse daha da iyi hale gelmesi) birçoğumuzun ortak amacı. Ancak, bilimsel terminolojiye (adete bir credo gibi) sıkı sıkıya tutunan topluluğumuz gerçekte sandığımız kadar mitsel olandan yalıtılmış olmayabilir; biz, teknolojimizle beslenen yeni nesil efsaneler üretmiş olabiliriz ve belki de artık, aynanın içinden kendimize bakmamızın zamanı gelmiştir.

Erik J. Larson bizi aynanın içinden bakmaya davet ediyor; Yapay Zekâ Miti kitabı teknolojimizle büyüyüp serpilen bir efsaneyi göstermeyi, yapay zekâ mitinin üzerindeki sisi dağıtmayı hedefliyor. Yazar, bu kitabı ile çağdaş toplumumuzda teknokâhilerin coşkulu fütürist görülerinin tüm ihtişamına rağmen çarpıklığını gözler önüne seriyor.

İçerik

Yapay Zekâ Miti kitabı Giriş bölümünden hariç üç ana başlığa ayrılır; i. Basitleştirilmiş Dünya, ii. Çıkarım Sorunu ve iii. Mitin Geleceği. Yazar, Giriş bölümünde bize kitabının yapısını ve kitap boyunca savunacağı iddiasının özünü vermektedir. Basitleştirilmiş Dünya bölümü Turing’in “Computing Machinery and Intelligence[2] başlığını taşıyan efsanevi makalesini irdeleyerek başlamaktadır. Turing’in bu makalesi yazıldığı dönemin oldukça ilerisindedir. Bu makale ile birlikte, salt felsefi soruşturmaların yerine gözlemlenebilir çıktılara odaklanan “bilinç” ve “düşünce” tartışmasını literatüre kazandırılmıştır. Bunun yanında Turing 1936 yılında yayınlamış olduğu bir diğer makale ile de bilgisayar bilimlerinin kurulmasına öncülük etmiştir.

Ana Soru: Makinalar Düşünebilir mi?

Turing açtığı yolda tekrar soracak olursak: Makineler düşünebilir mi? Makinenin belirli bir girdi setini organize ederek bir çıktı sunması “düşünme” biçimi midir? Biz düşünmeden bahsederken sezgiyi de ifade ederiz ve bir makine için “sezgi” ne anlama gelmektedir? Yazar bu hususta şöyle söylemektedir: “Turing, makinelerin kendi başlarına iş görebileceğini, sorun çözerken bir ‘dış’ yardıma veya zekâya ihtiyaçları olmadığını söylüyordu ki bu dış yardıma veya zekâya matematikçiler ‘sezgi’ derler,” (s. 23).  Turing sezgi kavramını zihnin başka bir yetisi olan ‘hüner’ (ingenuity) ile kıyaslayarak ele almaktadır. Gödel de onu takip etmiş hüner (mekanik) ile sezgi (zihin) arasındaki ayrıma odaklanmıştır. Burada hemen araya girerek belirtmemiz gerekir ki zihin felsefesinde (ve dolayısıyla analitik felsefe geleneğinde) sezgi ile zihin zaman zaman art alan yüklerini paylaşsalar da oldukça ayrı terimler olarak ele alınmaktadır (‘sezgi’ ile kastedilenin ne olduğu ve ‘zihin’ ile kastedilenin ne olduğu, büyük ölçüde filozofların kendi doktrinlerinin yükü altında şekillenmekle birlikte) birbirlerinin yerine doğrudan kullanılmamaktadır. Ancak, yazar felsefe literatüründeki bu kavramsal zemini tahlile girişmez. Biz de şu an için Larson’un kitap boyunca takip ettiği jargonu takip ederek devam edeceğiz. Konumuza dönecek olursak, matematik felsefesindeki tartışmalar, yapay zekâ açısından bariz sonuçlar doğurmuştur. Gödel’in temel iddiası sistemin kendi kurallarını kapsamadığı şeye karşı kör olduğudur. Turing Gödel’in bu iddiasına bir çözüm aramış ancak her defasında Gödel’in haklı olduğunu görmüştür. Nihayetinde ise insan sezgisine duyulan ihtiyacı azaltabileceğini düşündüğü çözümleri aramaya başlamıştır. Turing’in Gödel’e hak verdiği hususta yazar şöyle söylemektedir “Nitekim biz insanlar da son derece ileri bilgisayarlarsak, Gödel’in vardığı sonuçlar bizim için de geçerlidir, yani tıpkı daha yalın bilgisayarlar gibi bizim de anlayamayacağımız veya doğruluğuna karar veremeyeceğimiz birtakım önermeler var demektir,” (s.31).

İnsan zekâsı makineye indirgenebilir mi? Bu konuyu irdelememiz için belki de en ideal yöntem, basitleştirilmiş bir zekâdan beklentilerimizin neler olabileceğine bakmaktır. Yazar bu hususta yapay zekânın ilk adımlarını atmadan önce henüz emekleme evresinde yapılan satranç programlarına dikkat çekmektedir. Çünkü bir satranç oyunu esnasında bilgisayar programı ve, veya, ise gibi mantık eklemlerini kullanarak çalışmakta ve karşılaştığı farklı senaryolara bağlı farklı çıktılar üretebilmektedir. Bu ise insan zekâsının taklit edilebildiğine yönelik coşkuyu perçinlemektedir. Ancak, insan zekâsı, sezgi ile harmanlanmıştır. Satranç oynayan bir programda sezgi bulabilir miyiz? Zekâ ve sezgi arasındaki ilişki yapay zekâ söz konusu olduğunda hayli ciddi bir problem olarak karşımıza çıkmaktadır. İnsan zekâsının doğası, oldukça karmaşık ve çok katmanlıdır. Francois Chollet’e göre yapay zekâ, bir insan zekâsı değildir ve olamaz çünkü; “Birincisi, zekâ durumsaldır, yani mevcut durumdan hareket eder; genel zekâ diye bir şey yoktur. Beynimiz, aralarında bedenimizin, çevremizin, başka insanların ve bir bütün olarak içinde yaşadığımız kültürün de bulunduğu daha geniş bir sistemin bir parçasıdır. İkincisi, zekâ bağlamsaldır. Boşlukta var olamaz, hep çevre tarafından şekillendirilir ve sınırlanır. Şu anda zekânın daha fazla gelişmesinin önündeki engel beyin değil, çevredir. Üçüncüsü, insan zekâsı büyük oranda dışsallaşan bir şeydir, yani zekâmız beynimizde değil, uygarlığımızda saklıdır: Bireyleri kendilerinden daha büyük bir bilişsel sistemin içindeki modüller gibi düşünün. Bu öyle bir sistem ki kendini iyileştirebiliyor ve aslında bunu uzun zamandır yapıyor,” (s.44). Yazar, Chollet’in bakış açısını değerli bulur ve onun düşüncesini takip eder. Larson’a göre insan zekâsının makineye indirgendiği ve basitleştirici bakış açısı, yapay zekâ bilimcileri tarafından kuşaktan kuşağa aktarılan hatalı bir bakış açısıdır. Larson, görüşlerini şu vurucu ifadelerle dile getirmektedir: “[…] Bir satranç programı iyi satranç oynayabilirse de araba sürmeyi beceremez. IBM’in Watson platformu Riziko oynayabilir ama satranç veya Go oynayamaz,” (s.45). İnsan zekâsı ise kültürel, tarihsel ve toplumsal veçhelere sahiptir. Yanlılık ve belirli bir hedefe yönelik olma makine öğrenim sistemlerinin ayrılmaz bir parçasıdır ve bu haliyle söz konusu edilen zekâ, insan zekâsı değildir, çünkü insan zekâsı yalnızca sorun çözme becerisinden müteşekkil olan veya sadece algoritmadan oluşan bir şey değildir. Zekâyı böyle dar bir anlamın içine hapsetmek yazara göre, hatadır ve bu hataya itibar, aslında yapay zekânın insan zekâsına yakınlaştırılmasına yönelik engellerin kaldırılması vaadini de sekteye uğratan sebeplerden birisidir, çünkü çizilen resim, gerçek değildir. Zekâ bir makinenin ve programın yöneldiği hedefi daha başarılı yapıyor olması değildir bunun daha ilerisindedir.

Evrim ve Yapay Zeka

Peki ama yapay zekâya doğru giden yol evrimsel adımlarla döşenmiş olamaz mı? İnsan nasıl evrilmişse, yapay zekâ da öyle evrilemez mi? Bu düşünceyi savunan evrimci teknologlar da yok değildir. Bunlardan birisi Kevin Kelly’dir. Kelly, evrim sürecinin doğadaki ilerleyişine benzer bir biçimde yapay zekânın evrimleşeceğini ifade etmektedir.[3] Kurzweil, bu evrimin doğadakinin aksine oldukça hızlı olduğunu ifade etmektedir çünkü ona göre teknolojinin gelişim hızı giderek katlanmakta ve teknoloji bu ivme içerisinde daha da karmaşıklaşmaktadır. Bu karmaşıklığın ufkunda ise teknokâhinler bir tekilliğin bizi beklediğini ifade etmektedirler. Örneğin Von Neumann bu durumu şöyle betimler: “Teknolojinin sürekli ivmelenen ilerleyişi […] insanlık tarihinde tekillik diyebileceğimiz bir noktaya yaklaştığımızın emarelerini taşıyor, öyle ki bu tekilliğin ardından insan ilişkileri bildiğimiz hâliyle devam edemeyecek.”[4]

Yazar, fütüristler tarafından, eskatolojik bir betimleme olarak sunulan tekilliğin, yapay zekânın gerçekte karşılaştığı problemleri hasıraltı ederek parlatıldığını ifade eder. Çünkü ona göre yapay zekâ henüz doğal dili anlamanın hayli uzağındadır. Doğal dile dair problemi aşmak üzere atılan adımlar da Jerry Fodor’un dile getirdiği gibidir; “yapay zekânın ‘üç taş’ oyunu diye girdiği oyun, üç boyutlu satranç”[5] çıkmıştır. Bir makinenin ne kadar gelişmiş olursa olsun, doğal dili anlaması ve bir sağduyu sahibi olması zor görünmektedir. Çünkü bu sistemler dünyaya dair gerçek ve basit bilgiden mahrum görünmektedir. Yazarın dikkat çektiği bu husus hayli önemlidir çünkü gerçeklikle kurulan ilişkinin “ne” ve “nasıl” olduğuna dair felsefede yürütülen hayli derin bir tartışmanın pratikteki karşılığı gibidir. Bununla beraber doğal dil ile yaşanan problemin ardından, yapay zekâ araştırmalarında bir katalizör olarak yeni bir gelişme yaşanmıştır: Dünya çapında ağ (World Wide Web). Dünya çapında ağ ile büyük veri sahneye dahil olmuştur ancak büyük veri ve veri bilimindeki ilerlemeyle gelen yenilikler sorunu çözmeyi başaramamıştır. Google Çeviri gibi makine çevirisinde yaşanan gelişmelerde de doğal dil sorunu olduğu haliyle devam etmiştir; bu yapay zekâ araştırmacılarına semantik (anlam) ile edimbilim (bağlam) arasındaki boşluğun aşılabileceğinden çok daha büyük olduğunu göstermiştir.

Yazar bu bölümün sonunda terimleştirdiği “Teknolojik Kitsch” kavramını tanıtmaktadır. Kitsch, Almanca bir sözcüktür ve günümüzde zevksiz bir sanat eserine atıfla kullanılmaktadır. Yazar, yapay zekâya dair fütüristlerin kulaktan kulağa yaydığı hataların yeni bir tür kitsch ortaya çıkardığını ileri sürmektedir. Yazar, yapay zekâya dair hatalı inanışların gerçekte olanı örterek (veya yontarak) yeni ve taraflı birtakım hikayeleri sanki gerçekmiş gibi dolaşıma soktuğunu ifade eder. Bununla beraber yazar buradaki mit kavramını ham haliyle kullanmakta ve şöyle söylemektedir “Belki de bilimsel keşiflerle ilgili öngörüleri mitolojiden saymak en iyisi,” (s.100, 1). Peki bu mitlerin her zaman kötü olmadığını da söylemek anlamına gelmez mi? Aslında yazarın bu soruya cevabı muhtemelen “Elbette, gelmez!” olurdu. Çünkü ona göre biz yapay zekâ mitolojisinin de bütünüyle kötü olduğunu ifade edemeyiz. Yapay zekâ mitolojisi, aşılabilir ve aşılamaz engellerin ötesinde insanların bu alandaki arayışına motivasyon sağlamaktadır, ancak yazar bu düşüncesini pek vurgulamaz. Yazar için yapay zekâ miti kazançları ile kıyaslandığında daha ağır maliyetlere sahip gibi görünmektedir. Larson, insan zekâsının bileşenlerinin çok çeşitliliği ve karmaşıklığı karşısında, yapay zekânın oldukça dar kalan kapsamının genişletilebilir olduğunu düşünmemektedir.

Akıl

İkinci bölüm ise Çıkarım Sorunu başlığını taşımaktadır. Bu bölüm zekâyı “nasıl” aradığımıza daha yakından bakmaktadır. İnsan zekâsını besleyen çıkarım gücü bir makine için ne anlama gelir?

Larson, Peice’ın savavarımlı akıl yürütmenin (abductive reasoning) Aristoteles’ten beri es geçildiğini fark ettiğinde bu konuya özel bir ilgi harcadığına değinmektedir. Peirce’ın dikkat çekmiş olduğu savavarımlı çıkarım, yapay zekâ ile otomasyon araştırmalarının merkezinde bulunan bir sorun olarak çözülmeyi beklemektedir. Çıkarım, “…akla yeni bir düşünce getirmek demek; mantıkta sonuç çıkarmayla aynı şey ve genel haliyle şimdi bildiklerimizi, gözlemlediklerimizi kullanarak o güne kadarki inançlarımızı güncellemeyi içermektedir,” (S.134). İnsan günlük rutinlerinde sürekli değişen bir dünyanın içerisinde çıkarımlarda bulunmaktadır.

Peki bir insan nasıl çıkarımda bulunmaktadır? Yapay zekâyı insan zekâsına yakınlaştırmak ve aradaki farkı kapatmak istiyorsak insan gibi düşünebilen bir makine ne anlama gelmektedir? Yazara göre, yapay zekânın düşünme şekli (bu her ne anlama geliyorsa) insan düşünmesi gibi değildir. Çünkü insan zekâsı, oldukça geniş yelpazede ve türde çıkarım yapabilmektedir. Yapay zekâ çalışmaları ise sahte umutlar dağıtmış ve çözümü mümkün görünmeyen problemlerle zaman kaybetmiştir.

Akıl yürütme yöntemlerine dönecek olursak, mantıksal akıl yürütme yapay zekâ çalışmaları için oldukça hayati ve büyük bir adımdır. Bu o kadar büyük bir adımdır ki yazara göre yapay zekânın babası Aristoteles’tir bile denilebilir (s. 143). Simgesel akıl yürütme, sezgisiz biçimde bilgiye erişimi mümkün kılmaktadır. Bununla beraber, tümdengelimin çıkarıma sağladığı kesinlik yeterli değildir ve tek problem kesinlik de değildir. Örneğin “Yağmur yağarsa domuzlar uçar” ifadesi domuzlar uçamadığı için doğru değildir ancak önerme ilgi kurmayı görmezden gelmektedir. Neden ve sonuç arasındaki ilgi kopuktur. Tümdengelimli çıkarım, olayların daima bir başka nedeninin olabildiği bir dünyada bir şekilde ilgi sorunlarına kurban gidebilir ve söz konusu ifade bağlamında dünyadaki tüm senaryoları kapsayacak biçimde işe yarayan bir çıkarsama yöntemi değildir. Tümevarım ise kendi kısıtlarına sahiptir. Kısıtlarına geçmeden önce belirtmemiz gerekir ki tümevarım son derece güçlü ve esnek bir akıl yürütmedir, bize yeni bilgiler verir. Modern bilim gücünü, tümevarıma duyduğu güvenden alır. Tümevarımda gözlem ile elde edilen veriler aracılığıyla hipotez üretilir. Ancak, ilk olarak 18. yüzyılda Hume’un dikkat çektiği üzere tümevarımın gücüne rağmen dünya hala değişimin olduğu bir yerdir ve tümevarımla elde edilen hipotez geleceğin ellerinde işe yaramayabilir. Bu olumsuz duruma rağmen modern yapay zekâ tümevarımlı çıkarıma dayanarak kayda değer başarılar elde etmiştir. Tümevarım oldukça basit ve zarif bir yöntemdir. Dün edinilmiş gözleme yaslanan yeni hipotezler sunar ancak tümdengelimin aksine edinilen yeni bilgilerin yanlış olabileceği ihtimaline kapalı değildir, olası bir durumda yeni gözlem ve sınamalarla revizyona izin verir fakat tümevarımın bu avantajı aynı zamanda dezavantajıdır. Yazar, Russell’ın hindisinin başına gelenler bu duruma örnek olabilir. Şöyle ki:

Bu hindi, çiftlikteki ilk sabahında, ona saat tam 9.00’da yem verildiğini görüyor. Sıkı bir tümevarımcı olduğu için, buradan alelacele bir sonuç çıkarmayıp bir süre daha gözlemde bulunmayı ve böylece gözlem verilerini biriktirmeyi tercih ediyor. Üstelik bu gözlemlerini farklı koşullarda yaparak olabildiğince zenginleştiriyor: çarşambaları, perşembeleri, sıcak günlerde, soğuk günlerde, yağışlı günlerde, yağışsız günlerde… Her gün listesine yeni bir gözlemini kaydediyor. Tümevarımcı vicdanı gözlemlerinin sayısının çokluğundan en sonunda tatmin olunca hindimiz güvenle şu sonuca varıyor: Her gün sabah saat 9.00’da besleniyorum. Fakat vardığı bu sonucun yanlış olduğunu Noel sabahında beslenmek yerine kesilerek acı yoldan öğreniyor. Böylece, doğru öncüllere sahip tümevarımlı bir çıkarım yanlış bir sonuca vardırmış oluyor.

Gerçek hayatın dinamik ve her daim rastlantıya açık oluşu, tümevarımına dayanan sistemlerde öngörülebilirler kümesinin hayli dar olmasına neden olmuştur. Günümüzde makine öğrenimi gözlem verilerine dayandığı için tümevarımlıdır ve yapay zekâ araştırmaları da tümevarım sorununu kabul etmektedir. İnsan zekâsına, salt tümevarım köprüsü ile aşmaya çalışmak yazara pek de makul görünmez. Judea Pearl, ‘Neden’ Sorusunun Kitabı’nda[6] veri çözümleme yaklaşımının gerçek dünyanın zekâ için gerekli olan nedensel yapısına ulaşmaya izin vermediği için makine öğreniminin asla gerçek anlamda bir zekâya sahip olamayacağını belirtir. Dahası “ ‘Makine öğrenimi’ aslında hatalı konmuş bir ad çünkü bu sistemler bizim öğrendiğimiz gibi, yani dünyanın anlamına dair giderek derinleşen ve sağlamlaşan bir takdir duygusu kazanarak öğrenmiyorlar. Makine öğrenimi sistemleri daha ziyade çan eğrilerini öğreniyorlar, yani bizim gerçek dünyada doğrudan deneyimlediğimiz şeylerin veri güdümlü simülasyonlarından ibaretler,” (s.186). Makine kendi yolunu çizmek için insanların yönergelerine muhtaçtır. Bununla beraber, büyük veri (kavramı tanımlamakta her ne kadar sınırlar belirsiz olsa da) bilim ve sanayide bir bilişim devrimi yaşatmıştır. Büyük verinin sağladığı imkanlarla, çözülemez görünen problemlerden bazılarının üstesinden gelinmiştir. Özel sektör ve kamu sektörlerinde veri kümelerinin hacmine dayanarak doğru tahminler (veya yaklaşık olarak doğru tahminler) yapılabilir hale gelmiştir. Bu tahminlerin sağladığı avantajlardan yararlanmak isteyen herkes büyük veriyi kullanmıştır. Ancak yazara göre, böylelikle bir defa daha abartılı ifadeler ve yanlış umutlar dolaşıma girmiştir.

Büyük veri ile veçhesi değişen yapay zekânın mustarip olduğu sorunların başında ise empirik kısıtlama gelir. Empirik kısıtlamadan söz edebilmek için ‘öznitelik çıkarma’ ile söze başlamak gerekir. Öznitelik çıkarma, hedefine yönelik yapay zekânın arzu edilen çıktıyı üretecek biçimde veri kümelerindeki sözdizimsel özniteliklerin tespit edilmesi ve eğitim, üretim ile sınama süreçlerinden geçmesidir. Öznitelik çıkarma işlemi, sözdizimsel olmalı ve insan müdahalesi olmaksızın öğrenme sistemi tarafından tam otomatik şekilde çıkarılabilmelidir. Buradaki kilit nokta şudur; öznitelikler ilk etapta insan müdahalesi ile tespit edilseler de daha sonra salt bilişimsel yöntemlerle çıkarılmalıdır. Kısıtlama da tam buradadır; adlandırılmış bir varlığı tanıma ve eşgönderimli bir ifadenin salt veri güdümlü bilişim sistemleri tarafından yorumlanması, tümevarım sorununun yapay zekâ topraklarına ektiği bir tohumdur. Yazara göre “Modern yapay zekâ uygulamalarının anlam dünyasına açılan pencereleri doğrudan doğruya veriye bağlıdır. Bu da makine öğrenimine sınır koymaktadır,” (s.198). Diğer bir problem ise sıklık varsayımıdır. Sıklık varsayımı özniteliklerin varlığı ile doğrudan ilgilidir. Veri kümeleri söz konusu olduğunda tespit edilen öznitelikler, rastlantısal değil ve belli bir örüntü çerçevesinde olmalıdır. Sıklık varsayımı girdi ve çıktı arasındaki ilişkinin kuvvetini göstermektedir. Sıklık varsayımını biz de özellikle algoritmalarla şekillenen, dikkatimizin ticari bir meta haline geldiği günümüzde kişiselleştirilmiş çevrimiçi içeriğin kurduğu “filtre baloncukları” içerinde tecrübe ederiz. Buradaki problem şudur; makine öğrenmesi sıklığa sahip bir önermedeki istihzayı anlamamaktadır. Aynı ifade doğrudan anlamıyla veya istihza ile kullanılabilir, bu ise reklam araçlarında hatalı varsayıma kapı aralamaktadır. Bir diğer sorun ise model doygunluğudur. Makine öğrenmesi söz konusu olduğunda, daha fazla model eklemeye devam etmemize rağmen sistemin performansını iyileştirmiyorsa sistem model doygunluğuna ulaşmış demektir. Bu aynı zamanda sistemin başarısı açısından da önemlidir. Yazarın cümleleri ile ifade edecek olursak şöyle ki eğer “bir öğrenme sistemi doygunluğa ulaşmadan önce kabul edilebilir isabetlilikte sonuçlar üretebilmesi gerekiyor. Üretemiyorsa bu, o sorunun makine öğrenimi aracılığıyla çözülemeyeceği anlamına geliyor. Doygun bir model, nihai sınırı, yani daha fazla veri kullanılsa bile sonucun daha fazla iyileşmeyeceği noktayı temsil ediyor,” (s.205).

Tam bu noktada Pierce’ın savavarımlı çıkarımına dönecek olursak, yazar Pierce’ın yaşamış olduğu bir hırsızlığı Holmesvari bir edayla çözmesinde sağduyuya başvurduğunu ve sağduyunun ise oldukça gizemli bir olgu olduğunu ifade eder. Pierce’ın dikkat çektiği günlük hayatın içinde olağan biçimde kullanılan savavarımlı akıl yürütme, mekanik bir akıl yürütme değildir. “Aslında biz sonsuz olanaklardan oluşan bir art alandan hareketle hangi hipotezlerin daha olası veya makul olduğunu tahmin ediyoruz,” (s.212). Çünkü, içinde yaşadığımız bu dünya “…beklentilerden oluşan bir zeminde görünüşte beklenmedik olayların kesintisiz akışıdır,” (s.215). Dolayısıyla savavarım, gerçek dünyaya daha uygundur. Ancak otonom arabalarda gözetimli öğrenme sistemlerini istisnai sistemlere maruz bırakarak istisnai durumların üstesinden gelmeye çalışmak da oldukça zorlu bir çalışmadır, çünkü istisnai durum, doğası gereği istisnaidir ve üstelik istisnai durumlar yelpazesi hayli geniştir. Bu problemin üstesinden gelebilmek makineye sağduyu öğretmek demektir ki bu ise olduğumuz yerden hayli zor görünmektedir. Bunun nedeni “Sıradan bir insanın bile bilgi dağarcığı öylesine engindir ki bu muazzam bilgi yığınını bir bilgisayara yüklemek ve bilgisayarda temsil etmek, altından kalkılması neredeyse imkânsız bir görev olacaktır,” (s.232).

Yazar, Turing Testini geçtiği iddia edilen Eugene Goostman’ın aslında bir sahtekâr olduğunu ifade etmektedir. Goostman, karakterine atfedilen nitelikleri nedeniyle (Ukraynalı, 13 yaşında bir çocuk olarak tanıtılmıştır) yaşına uygun olmadığı varsayılan test konularını anlamayarak, bu konulara alaycı yaklaşarak ve umursamaz tavırlar sergileyerek hile yapmaktadır.[7] Elbette, makine öğreniminin son yıllarda büyük başarılar elde ettiği de bir gerçektir; örneğin Google Çeviri bunun bariz bir örneğidir. Bununla beraber Google Çeviri anlama dokunmaz ve anlam ile ilgili sorunların etrafından dolanır. Günümüzde hala bilgi ve bağlam gerektiren tercüme bir karakutudur ve Larson büyük verinin kullanılması ile dahi bu sorun çözülemediğini vurgulamaktadır. Bunun altında yatan temel sorun doğal dilin çok karışık bir olgu olmasıdır. Anlam, bağlamı ile (tümce, paragraf ve tüm metni içerek biçimde) genişletilebilir ve “Dil harflerde ve sözcüklerde başlar, anlam ve zihne dair sorularda son bulur,” (s.267). Turing Testi’ni geçen Eugene Goostman bağlamı takip etmemekte dahası, aşırı alaycılık ve sürekli aldatmaca ile soruların cevaplarını bilmediğini ima etmiyor değil de soruları yanıtlamaya tenezzül etmiyor gibi davranarak ortak anlayışı istismar etmektedir.

Yazar aynı zamanda zekâ atfettiğimiz programlardan da bahseder; Garry Kasparov’u yenmeyi başaran Deep Blue’nun gövde gösterisinin abartıldığını ifade eder. Satranç kuralları belirli bir oyundur, Kasparov bir dâhidir ancak Deep Blue değil, çünkü Deep Blue yalnızca hesaplama gücüyle Kasparov’u yenmiştir. Daha sonra Riziko oynamak için eğitilen ve başarılı bir Riziko oyuncusu olan diğer program IBM programı Watson, yapmak üzere tasarlandıkları o tek işte başarılıdır.[8] Larson’a göre bu programların yaptığı temelde oyunun açığını bulmak olmuştur. Öyle görünmektedir ki yapay zekâyı keşfetmeye yönelik ileriye doğru atılan her adım aşılamaz bariyerlerin yüksekliğini vurgulamaktadır. Bunun temel nedeni doğal dilin doğasından kaynaklanır: “Dil ‘oradaki’ dünya hakkındadır, dolayısıyla şeylerin asgari bilgisini ve ne anlama geldiklerini anlamayı gerektirir,” (s.298). Yapay zekâ, dış dünya ile insan zekâsının kurduğu gibi bir ilişki kurmaz. Yapay zekânın gücü, sınırlarının olmasından kaynaklanır, sınırları ise onu insan zekâsından ayırır.

Geleceğe Bakmak

Üçüncü bölüm ise Mitin Geleceği başlığını taşır. Yazara göre yapay zekâ çalışmalarında insanın kendisini aşan bir şeye, tanrısal bir güce erişme isteğinin dışavurumudur. Bu haliyle, yapay zekâ miti Prometheusçu bir mittir. Bilim insanları bir nevi Prometheus gibi davranmalarına, yenilikçi olmalarına rağmen bilimsel anlayış kehanetlerden ziyade bilimsel verilere dayanmaktadır. Günümüzde insanın zekâsına duyulan inancın sarsılmasıyla, yapay zekâya dair mit, tasavvurumuzda açılan boşluğu doldurmuştur. Yazara göre “Zekânın konumunu insanlardan makinelere doğru kaydırmak bir çeşit gambittir. Gambit, satranç tahtasında daha iyi bir konum elde etmek için bazı taşları feda etmek anlamına gelen bir satranç terimidir. Dolayısıyla böyle bir hamlenin insan kültürü açısından kaçınılmaz birtakım sonuçları vardır,” (s.312) ve Larson’a göre, “Gerçek hayatla mitolojik oyunlar oynamak hiç iyi bir fikir değildir,” (s.313). Nihayetinde kabul etmemiz gereken bir şey varsa o da insanın aslında bir makine olmadığıdır. Nitekim, yapay zekâ da bir insan değildir, çünkü bir makinede içgörü bulunmaz, içgörü ancak insanda olur.

Günümüzde yapay zekâ ile sinirbilimin işbirliğiyle insan bilincinin gizemi çözülebileceğine dair bir inanç da bulunmaktadır. Yazar bu düşünceye katılmaz, ihtiyaç duyulan muazzam bilgi yığınlarını izleyebilmeyi gerektirmektedir ki bu da makul görünmez. Larson şu alıntıya yer verir “Tek bir farenin beynindeki nöronların yalnızca bir kısmının ölçülmesi bile bize yaklaşık 27,5 km uzunluğundaki Büyük Hadron Çarpıştırıcısı’nın ya da en gelişmiş gözlemevlerinin sunduğu kadar veri sunabilir.”[9] Dolayısıyla yazar için insan zekâsının basit olduğu ön kabulünü pekiştiren yapay zekâ çalışmaları, çok büyük hataya düşmektedir. O halde bilimin sonuna mı geldik? Yazar, gelecekteki gelişmelerin imkân ve sınırlarına dair kehanette bulunmaz. Ona göre yeni fikirler öngörülemezdir ancak mevcut haliyle beslenen mitin zararlarına dikkat çeker, baskın paradigmanın etkisi altında alternatif fikirler giderek zayıflamaktadır ve “Bu bağlamda mitin şu anki genel etkisi, basitçe yapay zekâyı, hatta bizzat bilimsel araştırmayı bile, hakiki buluşların ve icatların sistematik olarak engellenip görmezden gelindiği teknomerkezci bir yapıya dönüşmeye zorlamaktadır,” (s.353).

Buraya kadar ele aldığımız konuları üç soru ile özetleyecek olursak; Zekâ indirgenebilir mi?  Bir yapay zekâ bizim biyolojik zayıflıklarımızın ötesinde mi?  Yapay zekâ için rüzgâr tersten mi esiyor? Yazara göre, zekâ indirgenemez. İnsan, olmak biyolojik zaaflarımızla birlikte basitleştirilemez birtakım niteliklerle donanmak demektir ve evet, yapay zekâ araştırmaları rüzgâra karşı yol almaya çalışmaktadır.

Kitap boyunca yazar, yapay zekânın lehine popüler kültürde ve literatürde dolaşımda olan söylentilerin ve araştırmaların dürüst olmadığını provokatif olmaktan ziyade diplomatik bir üslupla, gerekçeleriyle birlikte dile getirmektedir. Larson’ın eleştirilerinin pek çoğuna katılmakla beraber, aslında yapay zekâ propagandası bir açıdan anlaşılabilir; çünkü, yapay zekâya dair dolaşımda olan pozitif diskur bir pazarlama stratejisi  olarak yorulanabilir. Nitekim, reklamlar da bir nevi (belki mikro-) mit araçları değil midir? Söz konusu yapay zekâ olduğunda ise bir şampuan reklamının kendi tüketici kitlesinden daha geniş bir kitleye, bir şampuanın vaadinden daha fazla umut vaat ederek seslenmektedir. Elbette, hemen her reklamda olduğu gibi (hatta belki biraz daha fazla) hitabı oluşturan retorik gerçeği perdelemektedir. Belki de gelişmekte olan bir disiplin olarak yapay zekânın geleceğine dair ileri sürülen bir “ütopya” da diyebiliriz. Ancak, bilimin sınırlarının ötesinde henüz ayak basılmamış (hatta belki orada bile olmayan) topraklara dair vaatler bilim insanlarınca pek makul görülmemektedir. Nitekim, Russell’ın da ifade ettiği üzere “Astronomi gibi yeterince gelişmiş bir bilimde kimse ütopik yöntemi uygulamaz: Ay ve Güneş tutulması tahminleri, gerçekleştiğinde insanlar sevinsin diye yapılmaz.”[10] Larson’un da dikkat çektiği üzere yapay zekâ araştırmaları pek bu yolu takip ediyor görünmemektedir.

Bunun yanında kitap boyunca atıfta bulunulmamasına rağmen, popüler kültürde ve hâkim bilimsel literatürde karşılaştığımızın aksine bir bakış açısı sunan kitap bize bilimsel gelişmenin şafağında, Searle’ün çin odası argümanının pratikteki izdüşümlerinin örneklerini sunuyor görünmektedir. Bilgi ve bağlam arasındaki ilişkinin bir makine için mümkün olmadığını örnekleri ile ele almakta ve makine öğrenmesinin tabisi caizse maskesini düşürmektedir. Dil, dünyaya dairdir. Dil felsefesinde doğal dilin dünya ile ilişkisine dair çeşitli teoriler mevcuttur. Yapay zekâ ise henüz çözülememiş bir doğal dil gizemiyle baş ederek, dünyaya dil, bağlam, temsil ilişkisi üzerinden sentetik bir temas kurma çabasıdır.

Bitirirken …

Russell bilimin dünyadaki en hızlı değişim aracı olduğunu ifade etmişti,[11] itiraf etmek gerekiyor ki yapay zekâ anıtsal bir atılımdır ve hayatımızı büyük ölçüde değiştirmiştir. Ancak, yapay zekâ mevcut haliyle bir sistem olarak başarıya ulaşabilmek için kendi sınırına muhtaçtır ve yapay zekânın gücü bu sınırlamanın varlığından kaynaklanır, bununla beraber bu sınırlar onu insan zekâsından da ayıran sınırlardır. Sonuç olarak, Larson her ne kadar kendisi buna değinmese de bilim felsefesinde kompütasyonel zihin teorilerine karşı yapay zekânın imkân ve kısıtlarının içerisinden bir eleştiri sunuyor görünmektedir. Dahası, yapay zekâ tartışılmayı bekleyen pek çok başka problemler de barındırmaktadır ve Bostrom’un ifade ettiği gibi “Bilgeliğimiz, teknolojimizden önce gelmelidir,”[12] ve nihayetinde bu, hepimizin bildiği üzere bitmiş bir hikâye değildir.

Dipnot

  • [1] https://tr.wikipedia.org/wiki/Cueva_de_las_Manos#/media/Dosya:SantaCruz-CuevaManos-P2210651b.jpg
  • [2] Bu konuda alternatif bir okuma için bu yazıya bakabilirsiniz: Turing Testi
  • [3] Kevin Kelly, What Technology Wants, New York: Penguin, 2010.
  • [4] Murray Shanahan, The Technological Singularity, Cambridge, MA: MIT Press, 2015: s. 233
  • [5] Massimo Negrotti (ed.), Understanding the Artificial: On the Future Shape of Artificial Intelligence, Berlin Heidelberg: Springer-Verlag, 1991, s. 37.
  • [6] Judea Pearl – Dana Mackenzie, “Neden” Sorsunun Kitabı, ed. Çeviren Murat Havzalı (İstanbul: Ginko Bilim, 2020).
  • [7] Örneğin Ned Block, bir makinenin zekâya sahip olup olmadığı sorgulayan kişinin saf olup olmadığına mı bağlıdır diye sorar. Ned Block, “Psychologism and Behaviorism,” The Philosophical Review 90/1 (January 1981), 5.
  • [8]  Eric J. Larson’ın dikkat çektiği bu husus zihin felsefesinde John Searle’ün Searle’ün The Systems Reply olarak isimlendirdiği şeyi hatırlatır: Biz bir makineye zekâ atfettiğimizde aslında belli bir programı çalıştıran sistemi ifade ederiz ve örneğin tuşa bastığınız esnada “dadadada da” şeklinde yanıtlar vermeye devam eden bir program zeki görünmeyecektir çünkü makinelerin kasıtlı bir durumu bulunmaz. Biz bir makinede, makineden ziyade, programcıların zekâsını gözlemleriz. Nitekim, evimizdeki kahve makinelerimize de zekâ atfetmeyiz. Ancak bu, burada ifade ettiğimiz kadar kısa cevapları olan bir tartışma değildir ve filozoflar tarafından karşı itirazlar geliştirilmiştir. Örneğin, Ned Block zeki bir makinede sadece programcıların zekasını gözlemlediğimize katılmaz. Block, “Psychologism and Behaviorism,” 25.
  • [9] Kavli Vakfı, “The BRAIN Initiative: Surviving the Data Deluge”, https://www. kavlifoundation.org/science-spotlights/brain-initiative-surviving-data-deluge#. XgVezkdKhdg
  • [10] Bertrand Russell, Sorgulayan Denemeler (İstanbul: Say Yayınları, 2021), 229.
  • [11] Russell, Sorgulayan Denemeler, 39.
  • [12] Nick Bostrom, “When Machines Outsmart Humans,” CNN (2014).

Kaynakça

  • Block, Ned. “Psychologism and Behaviorism.” The Philosophical Review 90/1 (January 1981), 5. https://doi.org/10.2307/2184371
  • Bostrom, Nick. “When Machines Outsmart Humans.” CNN. 2014
  • Pearl, Judea – Mackenzie, Dana. “Neden” Sorsunun Kitabı. ed. Çeviren Murat Havzalı. İstanbul: Ginko Bilim, 2020.
  • Russell, Bertrand. Sorgulayan Denemeler. İstanbul: Say Yayınları, 2021.

Bir cevap yazın

Your email address will not be published.

Önceki Gönderi

A. J. Ayer’in Din Diline Dair Yaklaşımı – Stephen Law

En Güncel Haberler Analitik Felsefe:Tümü