Yapay Zeka Neden Bu Kadar Popüler Oldu?

önce yayınlandı , Son güncelleme önce

Okuma Süresi: 9 dk

Paylaş:

Bir dizi yazıdan oluşacak bu mini serimizin ilkinde yapay zeka kavramının ne olduğunu ve yaratabileceği potansiyeli anlamaya çalışacağız.

Yapay zeka bu aralar teknoloji ile ilgilenenlerin bir numaralı gündemi. Hemen her gün ortaya çıkan yeni bir ürün ile hem başımız dönüyor hem de içimizi bir tedirginlik kaplıyor. Gelin önce hep birlikte bu yapay zeka denen kavramı anlamaya çalışalım, sonra da neden bu kadar popülerlik kazandığına bakalım1.

Nedir bu yapay zeka? Neden bu kadar popüler oldu?

Yapay zeka en basit anlatımıyla, zeka olarak da nitelendirilen ileri düzey aktiviteleri yapmayı öğrenebilen sistemlerin genel adı. Bu sistemler, tarih boyunca insanların tekelinde olan bu tip entelektüel aktiviteleri sadece öğrenmekle kalmayıp çoğunlukla biz insanlardan daha iyi bir şekilde gerçekleştirebiliyorlar.

Aslına bakarsanız, yapay zeka kavramı üzerine yapılan çalışmalar yetmiş yıl öncesine dayanıyor2. İlk olarak 1943 yılında yayınlanan bir makale ile açılan defterdeki önemli mihenk taşları arasında, Alan Turing’in 1950 yılında yayınladığı ‘Bilgi İşlem Makineleri ve Zeka’ makalesi ile 1959 yılında MIT’de kurulan yapay zeka laboratuarı sayılıyor.

Zamanla bu alanda yapılan araştırmalar iki ana kola ayrılmaya başlıyor. Bunlardan ilki, tek bir işte uzmanlaşmaya çalışan yapay zeka araçları. İkincisi ise; aynı bir insan gibi, önüne gelen herhangi bir iş ya da problemin üstesinden gelmeye çalışan genel amaçlı yapay zeka uygulamaları.

Hayatımıza dokunan ilk örnekleri bu iki alandan birincisinde görüyoruz (IBM’in insanları yenen satranç zekası gibi). Son zamanlarda ise diğer ekol, yani AGI da denen (ingilizcesi Artificial General Intelligence, Türkçesi genel -kapsamlı- yapay zeka) farklı ve çoklu işleri gerçekleştirebilen uygulamaların ön plana çıkışına tanıklık ediyoruz.

Her ne kadar uzunca bir süredir aktif olarak kullanılsa da, özellikle geçtiğimiz yıl ortaya çıkan ChatGPT bu alanın popülerleşmesinde bir dönüm noktası oldu. Zira, birebir olarak deneyimleyebildiğimiz bu uygulama, yapay zeka alanında yaşanan gelişmeleri ve hayatımıza getirebileceği potansiyel değişimi adeta bir tokat gibi yüzümüze vurdu. Öyle ki, sıfırdan yüz milyon kullanıcıya sadece iki ayda ulaşan ChatGPT uygulaması bu alanda bir rekor kırdı (Bundan önceki rekor dokuz ay ile TikTok’a aitti. Üçüncü sıradaki Instagram ise bu sayıya ancak iki buçuk yılda ulaşabildi).

İyi de yapay zeka tam olarak neler yapabilir? Neden bu kadar ilgi çekti?

Yapay zekanın ilgi çekmesinin nedeni, insanların beyinlerini kullanarak yapabildikleri pek çok işin altından kendi kendine kalkabilme becerisine sahip olması. Ne gibi işlerden bahsediyoruz? Düşünüp taşınıp gerçekleştirdiğimiz, tekrar gerektiren; örneğin randevu ayarlamaktan, email cevaplamaya kadar basit sayılabilecek aktiviteler. Aslına bakarsanız bu aktiviteler uzun zamandır elimizin altındaki teknolojiler tarafından gerçekleştirilebiliyorlar.

Kişisel bir asistan olma amacıyla ortaya çıkan ChatGPT’de ise yukarıda saydığımız işlerin çok daha ileriye götürüldüğünü görüyoruz. Basit arayüzüyle saniyeler içinde kullanıcıya ihtiyacı olan araştırmayı hazırlamaktan tutun, yapacağı tatilin belli bir bütçe içinde planlanmasına, ya da kullanıcı ile dertleşmeye kadar her tür iş ChatGPT için çocuk oyuncağına dönüşüyor. Ya da daha birkaç yıl öncesine kadar ‘kod öğren çocuğum’ şeklinde verilen nasihatlar, normal dili koda çeviren ChatGPT’nin code interpreter uygulaması sayesinde artık geçerliliğini yitirmeye başlıyor.

Her ne kadar etkileyici olsa da, elimizin altında internet gibi derin bir bilgi hazinesi varken, kopan asıl fırtınanın nedeninin yukarıdaki örnekler olmadığını sanırım az çok kestirebilirsiniz.

Yapay zekanın asıl büyük potansiyeli, sürekli tekrarlama (iterasyon) sonucu kendi kendine öğrenme ve kendini geliştirme kapasitesine sahip olması. Bunu nasıl yapıyor? Farklı birçok yöntemi var ve bunları tek tek yazmaya kalksak sayfalar dolusu bir rapor çıkarmak gerekir ama en vurucu yöntemin derin öğrenme (ingilizcesi deep learning) olduğunu söyleyebiliriz.

Derin öğrenme, büyük miktarda veriyi alıp anlamlandırma olarak tanımlayabileceğimiz makine öğrenmesi alanının bir alt kolu. Temel olarak yaptığı, insan beyninin içinde bulunan sinirsel ağın yapay bir benzerini makinalar için taklit etmek. Bu sinirsel ağ özünde biz insanların karşımıza çıkan karmaşık bilgileri analiz edip karar vermemizi sağlıyor.

Bir örnek vermek gerekirse 3 beynimizin içindeki sinirsel ağın pek çok katmanı bulunuyor. Bir yap-boz bulmaca çözmek istediğimizde beynimiz ilk olarak köşeleri bulmaya odaklanır. Köşe ve bir kenarı düz (yani kenarlarda yer alan) parçaları bulduktan sonra, bulduğu parçaları bir sonraki katmana geçirir. Bu alt ve daha derin katmanda, beyin elinde olan bu parçaları anlamlandırmaya odaklanır. Bir obje ya da bir hayvan gibi şekilleri bulmaya çalışır. Sonrasında bu öğrendiği şekilleri birleştirerek büyük resmi tahmin etmeye başlar.

İşte derin öğrenme de benzer şekilde çalışıyor. Kendisinden istenenleri, geçmişte kullandığı modeller ile karşılaştırarak bu verilerden çıkabilecek objeleri (ya da kalıpları) hızlıca buluyor ve anlamlandırarak bize sunuyor.

Derin öğrenmenin atası sayılabilecek makine öğrenmesinin temel gereksinimlerinden biri, kaynak olarak alınan veri setlerinin makineler tarafından kullanılabilmesi için temizlenmesi (ya da filtrelenmesi). Bu temizleme ve filtrelemeleri algoritmalar yapıyor. Bu algoritmaların bizler tarafından sürekli olarak ayarlanması gerekiyor ki makine en doğru çıkarımları yapabilsin. İşte yeni teknolojilerin temel farkı burada ortaya çıkıyor. Derin öğrenmenin, daha iyi sonuçlar çıkarabilmesi için bizim tarafımızdan yönetilmeye ihtiyacı yok. Neye bakıp neye bakmayacağına, neyi ne kadar kullanacağına kendi karar veriyor4.

Hepimiz kendimizden ya da arkadaşlarımızdan biliriz; bulmaca tutkunu olanlar bir süre sonra hem parçaları bulma hem onları birleştirme hem de nihai resmi anlama konusunda çok daha hızlanırlar. İşte makineler de kendini geliştirebilmek için bolca tekrar yapıyorlar. Peki tekrar ederek kendilerini nasıl geliştiriyorlar? Bize sunduğu sonuçlara verdiğimiz cevaplara göre (iyi-kötü, mantıklı-yanlış, güzel-çirkin, gerçekçi-absürt gibi) kendi içinde bulunan yapay sinirlerin arasındaki ilişkileri ve bunların ağırlığını değiştirerek5.

Buradaki büyük potansiyel de işte bu kendini geliştirebilme noktasında ortaya çıkıyor. Zira, insanlarla girdiği her etkileşim sonrası kendisini daha da geliştirebiliyor olması müthiş bir özellik. (ChatGPT’nin neden bedava olduğunu hiç düşündünüz mü? Biz onu bedava kullanırken o da bizim ona verdiğimiz tepkilere göre kendisini geliştiriyor çünkü!).

Geçmişte büyük veri setlerinin taranması ya da işlenmesi için gerekli olan donanım teknolojisi (çipler, sunucular) oldukça pahalı olduğu için yapay zeka sadece kurumsal tarafta kısıtlı uygulamalar için kullanılabiliyordu. Son yıllarda gelişen çip teknolojileri ile birlikte hem yapay zekanın işlem hızı ciddi şekilde arttı hem de bireysel kullanıma açılabilecek kadar ucuz bir hale geldi.

Öte yandan unutmamamız gereken bir başka nokta, yapay zeka mimarisinde yaşanan hızlı evrimleşme. Örneğin bir insanı düşünürseniz, yapım süresi dokuz ay, hayatı kavraması ve verimli bir varlık haline gelmesi yaklaşık on sekiz yıl sürüyor. Jenerasyon olarak kendini geliştirmesi yüzyıllar, evrimleşmesi ise onbinlerce yıl alıyor. Yapay zekanın bir insan gibi her seferinde sıfırdan öğrenmek zorunda olmamasının onun gelişimine yapacağı katkıyı hayal edebiliyor musunuz?

Şu an henüz basit işleri yapmayı başaran yapay zekanın, önümüzdeki üç-beş yıl içinde insan seviyesinde zekaya sahip olması muhtemel. Bunun hemen ardından yukarıda bahsettiğimiz iterasyonlar sayesinde insan zekasından kat be kat üstün süper-zeka (super-intelligence) seviyesine çıkmasının kişilere, kurumlara ve topluma yaratacağı etkileri şimdiden düşünmekte fayda var.

AI bir balon mu? Bu hype bir süre sonra geçer mi?

Meşhur Gartner’in hype döngüsüne baktığımızda genelde şunu görürüz: Erken kullanıcılar yeni teknolojilerin neler yapabileceğini abarttığı için bu teknolojiler ile ilgili toplum içinde ciddi bir beklenti oluşur. Sonrasında sunulan ürün/hizmet, vaat edilenleri karşılayamayınca beklentilerde ciddi bir çöküş olur. Bunu hepimiz pek çok kez yaşadık. (Genel olarak Web3 ya da özellikle alt başlıklarından NFT’lerde 2021-2022’de yaşananlar bunun son örneği aslında). Peki bu durum yapay zeka için de geçerli mi?

Ekran Resmi 2023 06 24 10.43.14

Kaynak: Gartner

Yapay zekada bu durumun çok da geçerli olmadığını belirtmeliyim. Zira, yapay zeka kendi kış dönemini bundan yıllar önce yaşadı. Başta da bahsettik; yapay zeka aslına bakarsanız çok eski bir kavram. Gerçekleşmesinin önündeki en büyük engel kullanması gerekli veri setinin büyüklüğü nedeniyle onu hızlı şekilde işleyecek donanım gücünün (çiplerin) yeterli olmamasıydı. Son on yılda yaşanan gelişmeler yapay zekanın önündeki bu en büyük engeli kaldırmış gibi görünüyor.

Bundan sonra yapay zekanın önündeki iş yazılımının geliştirilmesi, o da zaten yukarıda yazdığımız gibi, kendi kendine olabiliyor. Teknolojik gelişmeler içinde en kolay aşılacak engel yazılım alanında6.

Her ne kadar, hemen her gün başka bir firma yapay zeka ile ilgili ürün çıkardığı için beklentiler had safhaya çıkmış olsa da, yazılımın hızlı bir şekilde gelişmesi ile birlikte önümüzdeki yıllar hatta aylarda bile hayatımızda pek çok değişiklik olduğunu göreceğiz.

Burada bir noktayı hatırlatmakta fayda var. Yapay zeka önümüzdeki üç-beş ay içinde insan zekasını tekrar edecek seviyeye gelmeyecek. Ama zaten ekonomik olarak etkisini göstermesi için buna gerek de yok. Zira, insanların şu anda iş olarak yaptıkları aktivitelerin pek çoğunu yapmaları için zekalarını tam olarak kullanmaları gerekmiyor. İşte yapay zeka bu işlerin pek çoğunun altından rahatlıkla kalkabilir.

Arkası yarın

Yazımızın bu bölümünde yapay zekayı en basit haliyle 7 anlamaya ve potansiyelini kavramaya çalıştık. Bundan sonraki bölümde bu yenilikleri hayatımızda nasıl kullanabiliriz, bize ne gibi faydalar sağlayabilir konusuna değineceğiz. Sonrasında bu alanda yaşanan kaygılara ve açık kaynak ile bu sorunlara bir nebze de çare olup olamayacağımıza değineceğiz.

Dipnotlar:

  1. Sonraki yazılarımızda ise önce pembe gözlüklerimizi takıp hayatımıza getireceği faydalara bakacağız. Hemen arkasından da yapay zeka konusunda ortaya çıkan endişelere değineceğiz. Yazı dizimizin son bölümünde ise merkeziyetsiz sistemlerin ya da açık kaynak olgusunun bu endişeleri ne kadar dindirebileceğine bakacağız.  
  2. Bu alanda yazılmış ilk bilimsel makalenin yayım yılının 1943 olduğunu ekleyelim.  
  3. Evet – bu örnek ChatGPT tarafından verildi.  
  4. Buna makina dilinde etiketleme (ingilizcede labeling) deniyor. Makine dilinde veri setlerinin bizler tarafından etiketlenmesi gerekirken, derin öğrenme etiketlenmemiş veri setleri üzerinde çalışıyor.  
  5. İşin korkutucu tarafı, yapay zekayı geliştirenlerin bile yapay zekanın kendini nasıl geliştirebildiği konusunda tam bir fikirleri olmaması.  
  6. Web3 ile ilgili yaptığım tüm konuşmalarda bu noktaya vurgu yapmaya çalışıyorum. Örneğin Metaverse, herkes için çok cazip gibi görünse de, günlük hayata girmesi için daha uzun süre beklememiz gerekiyor. Zira, donanımsal anlamda alınacak çok yol var – kullanılacak ara araçlar (gözlük?), bilgisayarlarımızın işlem kapasitesi (uzakta işleyip makineye indirmek?), kullandığımız ağların kapasitesi (5G ağlar?) gibi çözülmesi için zamana ihtiyaç duyan engeller var. Öte yandan, DeFi benzeri sadece yazılıma dayalı alanlarda ise, özellikle açık kaynağın da desteği ile gelişmelerin olabildiğince hızlı bir şekilde yaşandığını görüyoruz.  
  7. Basitleştirmek adına atladığımız önemli kısımlar için işin uzmanlarından af dileyelim!  

Bu makale yatırım tavsiyesi veya önerisi içermemektedir. Her yatırım ve alım satım hareketi risk içerir ve okuyucular karar verirken kendi araştırmalarını yapmalıdır.

turansert

Yazar: Turan Sert

Ondo, 1 trilyon dolarlık varlık yöneticisi ile işbirliğine gitti

Yönetimi altındaki varlıklar bakımından 1 trilyon doları aşan Wellington Management, kripto sektörü ile yeni bir ortaklığa imza attı. Şirket, yeni başlattığı tokenize ABD hazine tahvili fonuna likidite sağlaması adına Ondo ile işbirliğine gitti. Bu ortaklık ile varlık yöneticisi fonun teminat kullanımında Ondo Finance’in teknolojisinden faydalanmayı planlıyor. Blokzincir platformunun sağladığı 7/24 itfa teknolojisi, yatırımcıların gerektiğinde pozisyonlarını ...

Bağlantıyı kopyala