YAPAY ZEKANIN DOĞUŞU

'McCulloch ve Pitts Nöronu’, insan zihnini ve karar alma sürecini anlamak amacıyla sinir hücrelerindeki iletimini temsilen 1943’te önerilen matematiksel bir modeldir. Bu algoritma mimarisi, günümüzde popüler olan yapay sinir ağlarının temelini oluşturur [2].

İngiliz matematikçi Alan Turing, 1950’de yayınlanan makalesinde bilim dünyasında ses getiren bir soru sordu; ’Makineler düşünebilir mi?’. Makalede tanımlanan ‘Taklit Oyunu’, insan bir denetleyicinin farklı odadaki bir insan ve bir makine ile metin-tabanlı iletişim kurarak sorular sorması ve makinenin, denetleyiciyi kendisinin insan olduğuna ikna edebilmesi üzerinedir. Böylece bir makine, eşit şartlarda (metin-tabanlı iletişim) bir insanla yarışıp insan denetleyiciyi kandırabilirse, ortada bir zeka olduğundan bahsedilebileceği belirtildi. Zamanla farklı alternatifleri geliştirilen bu oyunda geliştiricilerin bilerek insani hatalar yapan (örn. geç yazma, yanlış cevap) sistemler üretmesi, ‘makineler asla yanılmaz’ algısını sorgulattı [3].

'Yapay Zeka' terimi, ilk kez 1956’da John McCarthy tarafından Dartmouth’da düzenlenen bir çalıştayda kullanıldı. Bu isim, toplumda araştırmacıların beklediğinden yüksek bir merak uyandırdı ancak aynı zamanda ilgili teknolojilerden beklentiyi de yükseltti. O gün, ‘yapay zeka’ yerine daha az ilgi çekecek ‘hesaplanabilir öğrenme’ gibi bir isim seçilseydi, bugün bu teknolojilere olan merak ve gelişim yine aynı olur muydu sorusu, üzerine düşünmeye değerdir [4, 5].

1958 yılında Atatürk Üniversitesinin öğretim yılı açılışında düzenlenen üniversite çalışmalarını muhite yayma ve halk eğitim konferansları etkinliğinde Ord. Prof. Dr. Cahit Arf, ‘Makineler düşünebilir mi ve nasıl düşünebilir?’ konulu bir konuşma yaptı [6]. Aynı yıl, daha önce önerilen 'McCulloch ve Pitts Nöronu’, 'Perceptron' algoritmasının geliştirilmesine, 1962'de ise çok-katmanlı algılayıcı (multi-layer perceptron) mimarisinin dizayn edilmesine öncülük etti. Bu model henüz derin öğrenme öğelerinden yoksun olsa da dönemi için 'aşırı uç makine öğrenimi' olarak tanımlandı. [7, 8] 1965'te, Stanford Üniversitesi’nin DENDRAL ve Massachusetts Teknoloji Enstitüsü’nün ELIZA adında projeleri vardı [9, 10].

1974'te Stanford Üniversitesi, ARPANET gibi ulusal ağ altyapılarından faydalanarak bilgisayar kaynaklarını paylaşan SUMEX-AIM projesini başlattı [11]. Örneğin MYCIN projesi, hastaya uygun antibiyotik seçmek için öneride bulunmak üzere geliştirilen bir uzman sistemidir. O dönem sayıca yeterli olmayan uzmanların görüşleriyle geliştirilen bu kural-tabanlı sistem, daha tecrübesiz hekimlerin doğru antibiyotiği seçiminde yardımcı olacak bir araç olarak tasarlandı [12]. Sonradan MYCIN projesi tabanlı yeni yazılımlar geliştirildi ve antibiyotik öğelerinin yerine geliştiricilerin istediği senaryoda uzman sistemler tasarlayabileceği ortak platformlar üretildi [13]. Fikret Uluğ, 1986 yılında yüksek lisans tezinde EMYCIN yazılımını farklı bir programlama diline aktararak ‘araç arızası tanımlama’ ve ‘finans tavsiyesi’ üzerine iki farklı uzman sistemi geliştirdi [14].

Bu sistemler önce teoride oluşturuluyor, ardından o günün teknolojik imkanlarıyla geliştiriliyordu. Geliştirilen sistemlerin yapabilecekleri kısıtlıydı ve hata payı günümüzdekilere kıyasla yüksekti. Bu yüzden, makinenin aldığı kararların açıklanabilir olmasına özellikle özen gösterilirdi. Bazı dönemlerde gelişmeler tıkanma noktasına geldi ve ‘yapay zeka kışı’ olarak adlandırılan duraklama dönemleri oldu. Zamanla bilgisayarların hesaplama gücü arttı ve 90’lara gelindiğinde, derin öğrenme gibi makine öğrenimi teknikleri geliştirildi. 2000’lere gelindiğinde, evrişimsel sinir ağları modelleri geliştirilerek görüntü işlemedeki başarılarıyla dikkatleri üzerine çekti [15]. Kedi köpek gibi objelerin tanımlanmasıyla başlayan süreç otonom sürüş gibi farklı konularda ciddi ilerlemeler ile devam etti. 2016 yılına gelindiğinde, DeepMind tarafından geliştirilen AlphaGo adlı yapay zeka sistemi, Go adlı oyunda beş maçlık bir yarışmada dünya şampiyonunu yenerek tüm dünyaya zaferini ilan etti [16]. Ancak bu yazılım, sadece bu oyuna özel geliştirilmiş olup, insana üstünlüğü de yine bu oyun kapsamındadır. Bununla birlikte, eğitiminde yer almadığı sürece aynı yazılımla satranç veya sudoku gibi başka bir oyunun oynanması veya klinik kararlar alınması mümkün değildir.

Tarihsel olarak bakıldığında, insan zihnini çözmeyi amaçlayan çalışmalar araştırmacıları bir zihni makineye nasıl aktarabilecekleri sorusuna çıkardı. Ardından, problemin matematiksel olarak ifade edilmesiyle birlikte istenilen sonucu hesaplayan algoritmalar geliştirildi. Nitekim bu sistemlerin içinde bulunduğumuz evren ile ilgili algısı, sadece ona sunulan verilerle sınırlıdır. Dahası bu veriler genelde sadece sayılardan ibaret olup aslında ne olduğu konusunda bir fikri bulunmamaktadır. Bu durum ilgili sistemlerin dikkatli kullanımını gerektirmektedir. Yapay zeka ile yorulmadan büyük veri değerlendirilebilir böylece sağlık alanında pek çok iyileştirme sağlanabilir. Böylece belki bir görüntüleme cihazının sensöründen gelen veriler iyileştirilerek daha kaliteli görüntüler elde edilebilir ancak günümüz teknolojisiyle klinikteki son karar, hala kullanıcısındadır. Ayrıca günümüzde derin öğrenme veya evrişimli sinir ağları gibi modeller bazı görevlerde yüksek başarı elde etse de istatistiksel hesaplamalara dayanarak aldıkları kararların mekanizması tam olarak açıklanmadığı için ‘kapalı kutu’ olarak tanımlanır. Bununla birlikte, çekişmeli üretici ağ (GAN) gibi yeni mimarilerin geliştirilmesi heyecan vericidir.

Özetle, yapay zeka bir araçtır ve doğru kullanıldığında faydalı olabilir. İnsan gibi yorulmaz, duygularıyla karar almaz, ancak ikisi de ‘hata yapabilir’. Bugün, günlük hayatta bilerek veya bilmeyerek farklı yapay zeka sistemlerini kullanıyoruz. Sağlıkta yaşanan dijital dönüşüm ve üretilen sayısal hasta verisinin artması, sisteme entegre veya ayrı çeşitli yapay zeka uygulamalarının geliştirilmesini kolaylaştırmaktadır. Bu teknolojilerin kullanım alanı, sadece klinik karar destek sistemleri değildir. Örneğin, bir sağlık tesisinin stok yönetiminde veya ülke çapında sağlık hizmetlerinin organizasyonunda benzer sistemlerden faydalanılabilir. Beyinden toplanan elektrik sinyalleri işlenerek yapay uzuvlar kontrol edilebilir. Sağlık alanında tüm sürecin yapay zeka içeren robotlara bırakılması henüz uzak bir hayal olmakla birlikte, günümüzde, bu sistemlerin avantaj ve dezavantajlarını bilmek, ilgili teknolojilerden elde edilen faydayı arttırma da anahtar rolündedir [17,18].

× Yapay zeka hata yapmaz.

Yapay zeka uygulamaları, basitçe, sayısal verilerin istatistiksel analizinden ibarettir ve sonuçlarda hata olabilir. Büyük hacimde veriyi hızlıca öğrenmesi onu zeki gösterse de, bu hata yapmayacağı anlamına gelmez.

× Akıllı bir yapay zeka sistemi, insanlardan saklayarak yeni şeyler öğrenirse tehlikeli olabilir.

Günümüzde yapay zeka modelleri, amaca yönelik eğitilmektedir ve bir konudaki bilgisini başka bir konuya aktarması mümkün değildir. Dahası, yazılımların çoğu geliştiriciler tarafından eğitimi tamamlanarak arz edilir ve model artık yeni bir şey öğrenmemektedir. Bazı modeller kullanıcıdan gelen verilerle kendini güncellense de bunlar amaca yönelik konularla sınırlıdır. Özellikle yeni şeyler öğrenerek zarar vermek isteyen bir model geliştirilmediği sürece bu sistemler, en azından niyet olarak güvenlidir.

× Yapay zekanın kompleks yapısı, duygularının anlaşılmasını zorlaştırır ve incitilirse tehlikeli olabilir.

İnsan duygularını anlayan ve taklit edebilen modellerin üretimi ilgi çeken ancak üretimi zor bir konudur. Eğitiminde yer almadığı sürece, tek amacı sadece kendisine verilen görevi yapmak olup duygusal kararlardan bağımsızdır.

× Yapay zeka gelecekte işimizi elimizden alabilir.

Geleceği kesin tahmin etmek mümkün değildir ancak olası farklı senaryolardan bahsetmekte fayda olacaktır. Bu teknolojiler, meslekleri bitirmekten ziyade değiştirecek olup belki, meslek hayatına adapte etmekte gecikenleri dezavantajlı duruma düşürebilir. Belki, işlerin daha hızlı tamamlanmasını sağlayıp çalışma saatlerini düşürebilir veya şirketlerin personel sayısını azaltabilir. Bununla birlikte, önümüzdeki senelerde yeni mesleklerin ortaya çıkması olasıdır. Teknolojik gelişmelerdeki ivme baş döndürücü olsa da bu gelişmelere kendimizi kapatmak yerine anlamaya çalışmak yapılabilecek en iyi şey olsa gerek.