Yapay Zekâya Giriş · Ünite 2

Tarihsel Gelişim ve Felsefi Temeller

1. «Düşünen makine» fikrinin kökleri

Yapay zekâ yeni bir alan gibi görünse de «insanı yapay yollarla yaratma» hayali binlerce yıllık. Mitlerden mekanik düzeneklere, oradan mantık ve hesap makinelerine uzanan bir çizgi var.

Orta Çağ İslam dünyası

• →Benî Mûsâ kardeşler (9. yy, Bağdat): Kitâbü'l-Hiyel'de yaklaşık yüz otomatik düzenek: kendi kendine işleyen vanalar, fıskiyeler, geri beslemeli kontrol sistemleri.
• →El-Cezerî (12–13. yy, Cizre): 1206'da tamamladığı eserde 50 düzenek; fil saati, programlanabilir su saatleri, abdest aldıran hizmetkâr robot. Müzik çalan figürlerinin mekanizması değiştirilip farklı ritimler çalınabiliyordu → programlanabilirliğin en erken öncülerinden.
• →El-Hârizmî: Hisâbü'l-Cebr ve'l-Mukâbele ile cebirin doğuşuna kaynaklık etti; adı Latinceye Algoritmi olarak geçti ve «algoritma» kelimesi buradan geldi.

Bu birikim Endülüs üzerinden Avrupa'ya geçti ve Rönesans'ta saat mekanizmalı otomata (yürüyen, yazı yazan, müzik çalan figürler) geleneğini besledi. Gerçekten düşünmeseler de «insan davranışı mekanik olarak taklit edilebilir» fikrini yaydılar. Descartes hayvan bedenini bir saat gibi işleyen makineye benzetti; Hobbes da kalbi bir yaya, sinirleri iplere, eklemleri çarklara benzetti.

Mantık ve hesap makineleri

2. Yapay zekânın doğuşu

• →McCulloch ve Pitts (1943): yapay nöron modeli.
• →Norbert Wiener (1948), Cybernetics: canlılarla makinelerdeki ortak denetim ve iletişimi inceledi, geri beslemeyi bilimsel çerçeveye oturttu.
• →Donald Hebb (1949): sinaptik öğrenme ilkesi; öğrenme hesaplamayla temsil edilebilir.
• →Alan Turing (1950): Mind dergisinde «Computing Machinery and Intelligence». «Makineler düşünebilir mi?» sorusuna tanım yerine davranışa bakan bir ölçüt önerdi: taklit oyunu, bugünkü adıyla Turing Testi.

Dartmouth Konferansı, 1956

1955'te John McCarthy, Marvin Minsky, Claude Shannon ve Nathaniel Rochester bir öneri metni yazdı: öğrenmenin ve zekânın her özelliği, ilkesel olarak bir makinenin taklit edebileceği kadar kesin tanımlanabilir. 1956 yazında Dartmouth'ta toplanıldı; «Artificial Intelligence» terimi ilk kez resmî olarak burada kullanıldı ve terimi McCarthy önerdi. Bu yüzden 1956, YZ'nin bağımsız bir disiplin olarak doğum yılı sayılır.

• →Önerideki başlıklar: otomatik bilgisayarlar, makinenin dil kullanması, kavram ve soyutlama oluşturma, kendi kendini iyileştirme.
• →McCarthy daha sonra LISP dilini geliştirdi; Minsky MIT Yapay Zekâ Laboratuvarı'nın kurucu ortağı oldu.
• →«Düşünce = sözcüklerin kurallarla işlenmesi» savı, sonraki yılları belirleyecek sembolik YZ yaklaşımının habercisiydi.

İlk programlar: sembolik YZ

1950–60'lar büyük iyimserlik yıllarıydı. Düşünce, semboller ve onlara uygulanan mantık kuralları ile modellenecekti. Newell ve Simon'ın fiziksel sembol sistemi hipotezi: sembol sistemi, zeki eylem için gerekli ve yeterlidir.

3. Yapay zekâ kışları ve yeniden yükselişler

YZ'nin tarihi düz bir başarı çizgisi değil, dalgalı: büyük beklenti → hayal kırıklığı → fonların kesilmesi. Araştırmaların durgunlaştığı dönemlere yapay zekâ kışı denir; iki büyük kış yaşandı.

Birinci kış (1970'ler)

• →Erken sistemler yalnızca kontrollü ortamlarda çalışıyordu; donanım zayıf, büyük veri yoktu.
• →Soğuk Savaş'ta ABD, İngilizce–Rusça makine çevirisine büyük para yatırdı. Anekdot: «Ruh istekli ama beden zayıf» çift yönlü çeviriden «Votka iyi ama et çürük» olarak döndü.
• →ALPAC Raporu (1966, ABD): genel bilimsel metinlerin makine çevirisi ne şimdi ne yakın gelecekte mümkün. ≈ 20 milyon dolardan sonra destek kesildi.
• →Lighthill Raporu (1973, Birleşik Krallık): YZ robotik ve doğal dilde vaatlerini tutmadı, destek azaltılmalı.

Uzman sistemler ve ikinci kış

1980'lerde ilgi uzman sistemlerle geri geldi: bir alandaki uzman bilgisini «eğer–ise» (if–then) kurallarıyla tutan sistemler. MYCIN (Stanford, 1970'lerin ortası) bakteriyel enfeksiyonlarda öneri sunuyordu; XCON (R1) DEC firmasında bilgisayar yapılandırmasını otomatikleştirip yılda milyonlarca dolar kazandırdı. Japonya Beşinci Kuşak Bilgisayar Projesi'ni başlattı.

Ama uzman sistemler öğrenemiyordu: bilgi elle toplanıp kurala çevriliyor, sürekli elle güncelleniyordu; tanımlanmamış duruma uyum sağlayamıyordu. 1980'lerin sonu – 1990'ların başında ikinci kış geldi. Tek bir tetikleyici yoktu; nedenler birikti: tutulmayan vaatler, teknolojik sınırlar, azalan fonlar, hayal kırıklığı ve şüphecilik (LISP makineleri pazarı da çöktü).

Yeniden yükseliş

• →1990'lar, makine öğrenmesi: kuralları elle yazmak yerine veriden öğrenen modeller: karar ağaçları, destek vektör makineleri, yapay sinir ağları, belirsizlikle çalışan Bayesçi ağlar.
• →2000'ler, büyük veri ve GPU: internet, sosyal medya, akıllı telefonlar dev veri üretti. Oyunlar için tasarlanan GPU'lar matris işlemlerini paralel yapabildiği için sinir ağı eğitiminin anahtarı oldu.
• →2012, AlexNet: Krizhevsky, Sutskever ve Hinton'ın modeli ImageNet yarışmasını büyük farkla kazandı; derin öğrenme çağı başladı.
• →2017, Transformer: Vaswani ve arkadaşları. GPT, BERT ve bugünkü büyük dil modelleri bu mimari üzerine kurulu.

4. Zihin felsefesi

Zihin felsefesi: zihnin doğasını, düşünmeyi, bilinci ve zihin–beden ilişkisini inceleyen felsefe dalı. YZ insan gibi davranmaya başlayınca «makine zekâsı» ve «makine bilinci» soruları gündemin ortasına oturdu.

• →Nagel (1974), «Bir yarasa olmak nasıl bir şeydir?»: öznel deneyim dışarıdan, üçüncü kişi gözüyle tam kavranamaz.
• →Chalmers (1995), kolay problemler ve ==zor problem==: algı, dikkat gibi işlevler açıklanabilir; ama öznel deneyimin kendisi salt hesaplamayla açıklanamayabilir.

Hesaplamacı zihin ve işlevselcilik

Hesaplamacı zihin kuramı (Putnam 1967, Fodor 1975): zihinsel durumlar hesaplama süreçleridir; beyin donanım, zihin yazılım. Buna yakın işlevselcilik: zihinsel durumu neyden yapıldığı değil, gördüğü işlev belirler.

• →Dreyfus (1972): insan zihni bedenlilik (embodiment), sezgi ve örtük bilgi olmadan, sadece biçimsel kurallarla açıklanamaz.
• →Penrose (1989): bilinç klasik hesaplamayla açıklanamaz; kuantum düzeyinde süreçler devreye girmeli.

Turing Testi

Bir değerlendirici, biri insan biri makine olan iki tarafla yazılı konuşur. Hangisinin makine olduğunu güvenilir biçimde ayırt edemiyorsa makine zeki sayılır. Turing için önemli olan makinenin iç yapısı değil, dışarıdan görünen davranışı.

• →Eleştiri 1: insan gibi davranmak, gerçekten anlamak demek mi?
• →Eleştiri 2: test yalnızca dili ölçer; görsel algı, bedensel deneyim, sezgi dışarıda kalır.
• →Bugünün üretken modelleri testi geçebilecek metinler üretiyor; bunun «düşünme» sorusunu yanıtlayıp yanıtlamadığı hâlâ tartışmalı.

Çin Odası (Searle, 1980)

John Searle, «Minds, Brains, and Programs» makalesinde şunu kurguladı: Çince bilmeyen biri kapalı bir odada. İçeri Çince sorular geliyor; o, kalın bir kural kitabına bakıp hangi sembole hangi sembolle cevap vereceğini bulup dışarı veriyor. Dışarıdakiler içeride Çince bilen biri var sanıyor. Oysa kişi hiçbir şey anlamıyor, sadece sembol eşleştiriyor.

Büyük dil modelleri anlıyor mu?

• →Bender ve arkadaşları (2021): «stokastik papağanlar». Dil örüntülerini çok iyi tekrar etmek anlamanın kanıtı değil.
• →Marcus ve Davis (2019): sağduyu ve nedensel akıl yürütmede hâlâ ciddi sınırlar var.
• →Manning (2022): sınırlı da olsa bir tür örtük anlama geliştiriyor olabilirler.
• →Bütünleşik Bilgi Kuramı (IIT, Tononi 2008): bilinç biyolojiye özgü olmayabilir; belli bilgi bütünleşmesi koşullarını sağlayan her sistemde ortaya çıkabilir.
• →Uzlaşı yok. Ayrıca etik ve hukuki sorular var: bir sistem «anlama» gösterirse kararlarından kim sorumlu olur?

Bu not ders kitabının yerine geçmez; konu kendi cümlelerimizle, yapay zekâ desteğiyle özetlendi.