Yapay Zeka'nın tanımı ve kısa tarihçesi
Yapay Zeka nedir?
Yapay zeka (AI), geleneksel olarak algılama, arama, planlama ve öğrenme gibi bilişsel yetenekleri sergileyen herhangi bir yazılım parçasıdir. Yapay Zeka’yı akıllıca davranan sistemlerin incelenmesi ve taklit edilmesi amacıyla oluşturulan bir dizi kural, yöntem ve teknik olarak da tanımlayabiliriz.
Yapay Zeka, insan düşüncesinin ve zeki davranışının altında yatan matematiksel ilkelerin tespit edilerek komplex problemlerin çözümünde kullanılmasıdır. Bunu başarmak için, araştırmacılar Psikoloji, Matematik, Sinirbilim (Neuroscience), Bilişsel Bilim (Cognitive Science), Sosyoloji, Felsefe ve Bilgisayar Bilimleri alanlarından bilgi, model ve teknikleri ödünç alırlar. Tanım oldukça belirsizdir, ancak bunun nedeni, yapay zekanın kapsadığı birçok alt alan ve uygulamaya sahip olmasıdır. Uygulama alanlarından bazıları şunlardır:
- Bir arama motoru tarafından döndürülen sayfalar
- Bir GPS uygulaması tarafından oluşturulan rota
- Akıllı asistan yazılımının ses tanıma ve sentetik ses yetenekleri
- E-ticaret sitesinin önerdiği ürünler
- Drone’lardakı beni takip et özelliği
Öncelikle, AI’dan bahsettiğimizde neyi kastettiğimizi net bir şekilde tanımlamamız gerekir. Yapay zeka, makine öğrenimi ve derin öğrenme nedir? Birbirleriyle nasıl ilişki kurarlar?
Günümüzde AI etiketine sahip uygulamaların pek çoğu aslında Robotik Process Automation (RPA) denilen uygulamalar. AI için yapılan tanımlardan biri de, otomasyona atıfta bulunan şu tanımdır: Normalde insanlar tarafından gerçekleştirilen entellektüel görevleri otomatikleştirme çabası. Bu nedenle, AI, makine öğrenimi ve derin öğrenmeyi kapsayan, ancak aynı zamanda herhangi bir öğrenmeyi içermeyen daha birçok yaklaşımı da içeren genel bir alandır.
Yapay zekanın kısa tarihi
Yapay Zeka (AI) günümüzde çok moda bir kelime. Çoğu insan bunun nispeten yeni olduğunu düşünürken, yapay zekanın tarihi, entelektüellerin gelecekte bir şekilde var olabilecek mekanik ‘adamlar’ ve otomatlar fikri üzerine kafa yorduğu antik çağlara kadar uzanıyor. Hangi çağa gidersek gidelim insanoğlu, temeli otomasyon üzerine kurulu bir teknolojiye ulaşmanın hayalini kurmuştur. Ticarette ve endüstrilerde herhangi bir eylemin insan gücü bağımlı olmaksızın (yada daha az insan gücü harcanarak) yapılmasını sağlayacak makinelerin geliştirilmesi ve kullanımı, atılımların ve icatların temel itici gücü olmuştur.
Modern anlamda Yapay Zeka, gerçekte 1950’lerde ortaya çıktı. AI alanını gerçekten ateşleyen şey 1950’de Alan Turing tarafından önerilen bir soruydu: Bir makine insan zekasını taklit edebilir mi?… Yeni ufuklar açan makalesi “Computing Machinery and Intelligence” da, bir insan, bir bilgisayar ve bir (insan) sorgulayıcının üç farklı odada olduğu taklit oyun (imitation game) adlı bir oyun formüle etti. Sorgulayan kişinin amacı, bir dizi soru sorarak ve daktilo edilmiş yanıtlarını okuyarak insanı bilgisayardan ayırmaktır; bilgisayarın amacı sorgulayıcıyı onun insan olduğuna ikna etmektir. Oyuna dahil olan bilgisayarlar hakkında bazı varsayımlar geçerlidir: bilgisayarlar sınırsız depolama kapasitesine sahiptir ve ayrı, sürekli olmayan durumlara sahip herhangi bir bilgisayarı kopyalayabilen evrensel makinelerdir. 1952 yılında BBC röportajında Turing, 2000 yılına kadar ortalama sorgulayıcıların beş dakikalık bir seanstan sonra insanı doğru bir şekilde tanımlama şansının % 70’den az olacağını öne sürdü.
“Yapay” ve “Zeka” kelimeleri birlikte ilk olarak 31 Ağustos 1955’te, Dartmouth College’dan profesör John McCarthy, Harvard Üniversitesi’nden M.L. Minsky, IBM’den N. Rochester ve Bell Telephone Laboratories’den C.E. Shannon tarafindan Rockefeller Vakfı’na yapay zeka üzerine bir yaz araştırmasına fon sağlamak için yapılan başvuru metninde kullanılmıştır. Önerileri şunları söylüyordu:
“We propose that a 2 month, 10 man study of artificial intelligence be carried out during the summer of 1956 at Dartmouth College in Hanover, New Hampshire. The study is to proceed on the basis of the conjecture that every aspect of learning or any other feature of intelligence can in principle be so precisely described that a machine can be made to simulate it. An attempt will be made to find how to make machines use language, form abstractions and concepts, solve kinds of problems now reserved for humans, and improve themselves. We think that a significant advance can be made in one or more of these problems if a carefully selected group of scientists work on it together for a summer.”
Yapay zeka disiplininin, 1956’da Dartmouth College kampüsündeki bu konferansta doğduğu kabul edilir. İnsan zekasıyla aynı düzeyde akıllı sistemleri anlamaya ve inşa etmeye çalışan bir bilgi topluluğu olarak yola çıktılar. 1950 ve 1960’larda yapılan çalışmalar hayallerini gerçekleştirmekte başarısız olsa da, yapay zekanın gerçek ticari başarısı 1980’lerin başında başladı.
Dartmouth konferansı ekibinden Alan Newell ve Herbert Simon, 1957 yılında bir söyleşide 10 yıl içinde bilgisayarın satrançta bir insanı yeneceğini iddia ettiler. Fakat bunun için 10 değil, tam 40 yıl beklemek gerekecekti. IBM tarafından geliştirilen Deep Blue Mayıs 1997’de Satranç Dünya şampiyonu Gary Kasparov’u yendi ve standart satranç turnuvası süresi altındaki bir maçta bir dünya şampiyonunu yenen ilk bilgisayar sistemi oldu. Ancak Kasparov, IBM’i hile yapmakla suçladı. Kaybın ardından bazen makinenin hamlelerinde derin zeka ve yaratıcılık gördüğünü belirten Kasparov, ikinci oyun sırasında kurallara aykırı olarak insan satranç oyuncularının müdahale ettiğini öne sürdü. IBM iddiaları reddetse de, Kasparov’un rövanş isteğini de kabul etmeyerek Deep Blue projesini sonlandırdı.
Deep Blue saniyede 200 milyon satranç pozisyonunu araştırabilen bir süper bilgisyardı ve Yapay Zeka jargonunda “Uzman Sistem” (Expert System) denen yazılımların en güzel örneklerinden biriydi. Uzman sistemler, belirli bir uzmanlık alanında, gerçek kişilerden derlenen bilgileri temel alarak kurallar oluşturmaya dayalı ve zamanla yeni kurallar ekleyerek kendisini geliştirebilme yeteneği de olan yazılımlardır. 1970’lerde yapay zekâ alanındaki araştırmacılar tarafından geliştirilmiş ve ticari olarak 1980’lerde uygulanmaya başlanmıştır. Uzman bir sistem, bir sorunu çözmek için IF__THEN__ kurallarının kullanımı yoluyla kodlanmış bilgiyi kullanarak bir uzmanın muhakeme sürecini taklit eder. Bu sistemler temelde geniş bir “hafızaya” ve bilgiyi hızlı bir şekilde işleme imkanına sahip olmalıdır. Bunlar bilgisayarların mükemmel olduğu iki özellik.
1970’lerde ve 1980’lerde başarılı olan uzman sistemler, ölçeklenmedikleri için cazibesini kaybetti. Dahası uzmanlardan bilgi almak ve bunu kurallar olarak kodlamak çok fazla emek isteyen manuel bir süreçti. Hem domain uzmanları genellikle sahip oldukları bilgiyi kodlama (Tanımlama) becerisinden yoksundular hem de çok fazla sayıda kural tanımlamak gerekiyordu. Ayrıca sistemler kurallların kapsamadığı belirsizlik durumlarında başarısız oluyordu. Çünkü çalışma esnasında sistemin öğrenmesi ve kendisini geliştirmesi sözkonusu değildi.
Yapay zeka uygulamalarındaki iki temel yaklaşımdan biri olan uzman sistemler, matematiğin bir dalı olan sembolik mantıkla ilişkilidir (If-then-else-and-or-not…). Diğer yaklaşım ise “Makine Öğrenmesi” diye isimlendirilmiş ve istatistik ile ilgilidir. Uzman sistemler kurala dayalı iken, makine öğrenmesi deneysel bir alandır. Uzun süre yapay zeka uygulamalarının ağırlıklı olarak uzman sistemler yaklaşımı kullanılarak tasarlanması gayet doğal. Oldukça uzun bir süre boyunca, birçok uzman, programcıların bilgiyi manipüle etmek için yeterince kapsamlı bir dizi kural oluşturarak insan düzeyinde yapay zekaya ulaşılabileceğine inanıyordu. Bu yaklaşım “Symbolic AI” olarak bilinir ve 1950’lerden 1980’lerin sonlarına kadar AI’da baskın paradigmaydı. En yüksek popülaritesine 1980’lerin uzman sistem patlaması sırasında ulaştı.
Sembolik AI, satranç oynamak gibi iyi tanımlanmış mantıksal problemleri çözmek için uygun olsa da, görüntü sınıflandırması, konuşma tanıma ve dil çevirisi gibi daha karmaşık, bulanık problemleri çözmek için gereken kuralları bulmanın zor olduğu ortaya çıktı. Sembolik AI’nın yerini almak için yeni bir yaklaşım ortaya çıktı: Makine öğrenimi.
Makine öğrenimi yaklaşımı, mevcut veriyi inceleyerek, girdiler ile sonuçlar arasındaki ilişkiyi tanımlayan kalıpları istatistiksel metodlar kullanarak sistematik şekilde bulmaya odaklanır. Yani eldeki veriden edinilen deneyimi istatiktiksel bir model ile ifade eder. Böylece bir makinenin öğrenme algoritması, önceden tanımlanmış açık kurallar olmaksızın yeni girdileri yorumlayıp sonuçları tahmin edebilir. Makine öğrenmesinin detayları bir sonraki yazının konusu olsun…
Kaynakça: