Yapay Zeka (AI) yada Makine Öğrenmesi (ML) neden bu kadar önemli?

Sanayi devriminden bu yana neredeyse 300 yıldan fazla bir süredir devam eden ekonomik büyümenin itici gücü teknolojik gelişmeler. Buhar makinasının icadıyla başlayan süreç, sanayi devrimini tetikleyerek fabrikalarda üretiminin insan gücünden makinelere doğru evrilmesini sağladı ve makine çağını başlattı. Daha sonra elektriğin icad edilmesi ve 20. yüzyılın başlarında atom konusunda yapılan çalışmalar ile atom çağı ve sonrasında süper güçlerin uzay yarışı ile başlayan uzay çağını yaşadık. Fakat microchip’lerin gelişmesi ile beraber bilgisayar donanımlarının ucuzlaması ve herkes için ulaşılabilir hale gelmesiyle gerçekleşen Dijital devrim, Bilgi çağını tetiklemiştir. İnternet’in yayılması ağa bağlantılı cihaz sayısının patlamasına yol açmış ve sosyal medya ile beraber fiziksel sınırlar ortadan kalkarak tüm dünya birbiri ile bağlantılı hale gelmiştir.

Son 30 yılda teknoloji hızla gelişirken üretilen veri miktarı da korkunç seviyelere ulaşmıştır. Bu veriyi anlamlı hale getirerek bilgi üretmek ve daha verimli ürün ve servisler sunabilmek için yeni teknolojik inovasyonların yolunu açmak, küresel rekabette öne geçmenin hatta belki de hayatta kalabilmenin tek yolu gibi görünüyor. Burada anaktar kelime verimlilik. Sonu gelmez bir açlıkla herkes daha verimli sistemlerin peşinde koşarken, “Big Data” dijital ekonominin petrolü haline gelmeye başladı. Nasıl ki petrol bir dönem ülkeler için en önemli enerji kaynağıysa (hala çok önemli), günümüzde büyük veri’nin rolü de aynı şekilde tanımlanmaktadır. Petrol metaforu son derece başarılı bir benzetme çünkü veri olmaksızın AI sistemleri kurmak mümkün değildir. Bu noktada AI ile alaklı başka bir metafor da AI konusundaki en önemli isimlerden Andrew NG’den geliyor: “AI is the new electricity”.

Image source: https://twitter.com/gleonhard/status/931421911892054017

Büyük veri deyince ilk aklımıza gelen muhtemelen marketing temelli kişiselleştirilmiş uygulamalar olabilir, mesela online alış veriş yaptığımız perakende sitesinin bize ürün yada kampanya tavsiyelerinde bulunması gibi. Büyük veri potansiyeli, cep telefonlarındaki akıllı asistanlardan, finansal sistemlere yapılan freud saldırılarına karşı geliştirilen sistemlere ve enerji tüketimi ile üretim arasındaki dengeyi yönetmeyi sağlayan sistemlerden, hastalara tanı koymaya yarayan sistemlere kadar hayatın her alanını kapsar. Büyük veri’yi kullanarak işe yarar bilgiler ve uygulanabilir aksiyonlar elde etmek için artık geleneksel veri madenciliği yöntemleri yetersiz kalmakta ve makine öğrenmesi tekniklerine ihtiyaç duyulmaktadır.

Geçtiğimiz birkaç yıl içinde makine öğrenimi çok daha etkili ve yaygın olarak kullanılabilir hale geldi. Bunun arkasındaki en temel itici güç ise Derin Öğrenme (DL) alanındaki gelişmelerdir. Artık son derece karmaşık görevleri kendi başına öğrenebilen sistemler kurabiliyoruz. Makine öğrenmesi yöntemleri gelişmeden önce mesela yüz tanıma gibi bize basit gelen aksiyonları nasıl yaptığımızı tarif edemediğimiz için, bu ve buna benzer pek çok görevi otomatikleştirmek mümkün değildi. Artık yapabiliyoruz. Hatta bu sayede son derece karmaşık freud yöntemleri kullanan dolandırıcıları yakalamak yada radyolojik verilere bakarak hastalık teşhisi gibi konularda insanüstü performans elde edebiliyoruz.

Peki ne oldu da teknoloji bu kadar hızlı ilerlemeye başladı ve AI bunun neresinde?

Bu sorunun cevabı ekonomistlerin “Genel Amaçlı Teknolojiler” dediği teknolojik inovasyonlar: örnek olarak buhar motoru, elektrik ve içten yanmalı motoru içeren bir kategori. Mesela ticarileşen ilk buhar motoru madenlerde suyu tasviye etmek için kullanılırken sonrasında fabrikalarda, trenlerde ve gemilerde kullanılmaya başlamıştır. Benzer şekilde elektriğin icadı her alanda yenilikler için katalizör görevi görmüştür. Internet iletişimde bir devrim yaratarak tüm sınırları ortadan kaldırdı. Her yenilik bir diğerini tetiklemiş ve yeni fırsatlar yaratmıştır. Şirketler teknolojik gelişmelere uygun yeni iş modelleri geliştirerek karlılıklarını artırmış ve rekabette öne geçmenin yolunu da yine, yeni teknolojik gelişmelere yatırım yapmakta bulmuşlardır. Günümüzde Apple yada Google gibi büyük teknoloji şirketlerinin ArGe harcamaları pek çok dünya ülkesinin ArGe bütçesini aşmaktadır.

Bu yüzyılın en önemli Genel Amaçlı Teknoloji’si AI’dır ve hatta özellikle makine öğrenimidir (ML) diyebiliriz. İş dünyasında, yapay zeka, önceki genel amaçlı teknolojiler ölçeğinde dönüşümsel bir etkiye sahip olacaktır. Binlerce şirkette zaten kullanılmasına rağmen, uzmanlar bunun sadece bir başlangıç olduğunu ve gerçek potansiyelin henüz ortaya çıkmadığını düşünüyor. Her sektör, temel süreçlerini ve iş modellerini avantajlarından yararlanmak için dönüştürdükçe, yapay zekanın etkileri önümüzdeki on yılda daha da artacak.

Image source: https://medium.com/@BangBitTech

Yapay Zeka ve Makine Öğrenmesi neredeyse yarım asırdır üzerinde bilim insanlarının çalıştığı konular. Peki neden son yıllarda bu kadar populer oldular?

Aslında yeni bir yapay zeka baharını yaşıyoruz. Yapay zeka, bu yüzyılın en önemli teknolojisi olarak iş hayatının en çok konuşulan konulardan biri ve kamusal tartışmalara da konu olmuş durumda (özellikle güvenlik ve mahremiyet ile alakalı konularda). Yapay zeka’nin tarihine baktığımızda, 3. defa AI baharı “AI Spring” yaşanıyor. Daha önce 1960 ve 1980’lerde de benzer şekilde Yapay Zeka ve Makine Öğrenmesi çok popüler olmuş, devlet kurumları, üniversiteler ve şirketler ciddi yatırımlar yapmışlar. Fakat beklentiler karşılanamadığı için devamında 1970 ve 1990’lar da ticari projeler ya askıya alınmış yada bütçeler kısılmış. Bu dönemler de AI kışı “AI winter” olarak isimlendirilmiştir.

Image source: https://towardsdatascience.com/history-of-the-first-ai-winter-6f8c2186f80b

Diğer pek çok yeni teknoloji gibi, yapay zeka da popülarite’den kaynaklı olsa gerek, pek çok gerçekçi olmayan beklenti yarattı. İş planlarının ve şirket stratejilerinin, makine öğrenimi, sinir ağları ve teknolojinin diğer biçimlerine referanslarla ortaya koyduğu ürün ve servislerin, çoğu zaman gerçek yetenekleriyle çok az bağlantısı olduğunu görüyoruz. Örneğin, bir online perakende sitesini “AI destekli” olarak adlandırmak onu daha etkili hale getirmez, ancak yatırımcıların ilgisini toplamaya yardımcı olabilir.

AI bizlere gelecek ile alakalı çok şey vadetmekle beraber henüz daha yolun başındayız. Şu ana kadar gördüğümüz yapay zeka uygulamaları “Narrow AI” denilen her seferinde iyi tanımlanmış tek bir görevi çözme becerisine sahip yapay zeka programlarıdır: Resimlerdeki kedileri tanıyan bir yapay zeka, İngilizceyi İtalyancaya çeviremez. Örneğin, Go oyununda dünya şampiyonunu oyuncuyu geride bırakan makine AlphaGO, bu oyunlardan çok daha basit olmasına rağmen tic-tac-toe veya dama oynayamıyor. Filmlerde izlediğimiz yada AI futurist’lerinin betimledikleri gelecek resimlerinde yer alan, insan gibi bilişsel becerilere sahip ve sunulan her türlü görevin üstesinden gelebilen Genel AI “General AI” (yada Super Intelligence) hala çok uzakta. Bazıları oraya asla varamayacağımızı iddia ediyor. Genel AI hala uzak, bulanık bir gelecek vizyonu olsa da, haberlerde AI’dan bahsedildiğinde birçok insanın aklında olan budur.

OpenAI şirketi, en yeni dil modeli “GPT-3” ile ilgili detaylı bilgiler içeren duyurusunu Mayıs 2020’de yayınladı ve Temmuz ayında, bir API aracılığıyla bir miktar kullanıcıya beta versiyonu test etmeleri için modele erişim izni verdi. Bu model, insansı yapay zeka konusunda bugüne kadar gelinen en üst seviye. Bu modeli eğitmek için kullanılan veri miktarı muazzam: Wikipedia’nın ingilizce versiyonunda bulunan 6 milyon makale toplam eğitim verisinin yuzde 1’i bile değil (%0.6). Model şiir yazabiliyor, oyun oynayabiliyor, diller arası çeviri yapabiliyor yada bilgisayar kodları yazabiliyor. Fakat, tüm yeteneklerine rağmen, GPT-3 hala ortalama üç yaşındaki bir çocuğun yeteneklerinin çoğundan yoksundur. Tüm fiziksel nesnelerin üç boyutlu bir uzayda var olduğunu ve eylemlerin yerçekimi gibi temel fizik kuralları tarafından etkilendiğini anlamıyor. Bloklarla oynayan her çocuk bu kavramları anlar. Öte yandan GPT-3, nedensellik ve zamanın geçişi kavramına da sahip değildir.

Image source: https://www.velleengineer.com/post/openai-gpt3-explained

Son yıllarda yapay zekanın daha yoğun kullanımına yol açan en önemli gelişmeleri şu şekilde sıralayabiliriz:

1. Daha etkili ve daha düşük maliyetli bilgi işlem kapasitesi,
2. Yapay zeka tarafından kullanılabilecek veri miktarındaki büyük artışlar,
3. Daha gelişmiş yapay zeka algoritmaları ve özellikle Derin Öğrenme yöntemlerinin yükselişi

2012’de profesör Geoffrey Hinton ve Toronto Üniversitesi’ndeki diğer araştırmacılar, yapay zeka araştırmalarına olan geniş ilgiyi yeniden canlandıran derin öğrenme teknolojisi geliştirdiler. Görüntü tanımaya uygulandığında, elde edilen sonuçlar o güne kadar yapılanların en iyisiydi. Bulguları, alandaki birçok bilim insanını şaşırttı ve araştırmacıların ilgisini Derin Öğrenmeye çekti. Derin Öğrenme, yapay zekanın verileri ve bilgileri insan beyninin sinir ağını taklit edecek şekilde düzenlemesini sağlayan bir makine öğrenimi yöntemidir. Basitçe, bir öğrenme sisteminin parametrelerini istediğimiz sonuçları verene kadar değiştirmemizi ve mükemmel değerleri bulmamızı sağlar.

Yapay zeka araştırmalarında mükemmellik için verilen 2019 Turing Ödülü, derin öğrenmenin en etkili mimarlarından üçüne, Facebook’tan Yann LeCun’a, Google’dan Geoffrey Hinton’a ve Montreal Üniversitesi’nden Yoshua Bengio’ya verildi. Yoshua Bengio’nun Yapay zeka konusunda yaptığı TED Talk’u mutlaka izlemek gerekir:

Kaynakça:

1. https://hbr.org/2017/07/the-business-of-artificial-intelligence
2. “Zero to AI” Gianluca Mauro & Nicolo Valigi, https://www.manning.com/books/zero-to-ai#:~:text=About%20the%20book,AI%20to%20shape%20their%20industries.
3. “Artificial Intelligence, What everyone needs to know” Jerry Kaplan, https://www.amazon.com/Artificial-Intelligence-What-Everyone-Needs/dp/0190602392
4. http://www.cs.toronto.edu/~hinton/absps/imagenet.pdf