Günümüzde kullanılan yapay zekaların (AI) çoğu, AI araştırmalarının ilk iki dalgasının ürünleriydi. Birinci dalga yapay zekalar, her olasılığı kapsamayı amaçlarken net kuralları takip ediyor. İkinci dalga sistemler ise belirli bir problem tipine cevap bulmak için istatistiksel öğrenmeyi kullanıyor.
Yapay zekanın üçüncü dalgası, yapay zeka sistemlerinin sadece insan tarafından programlanmış kuralları uygulayan veya veri kümelerinden genelleme yapan araçlardan daha fazlası olduğu bir geleceği öngörüyor. Bu yapay zekalar yeni durumları tanıma ve bunlara uyum sağlama yeteneği gibi insan benzeri iletişim ve akıl yürütme yetenekleri taşıyabiliyor. Örneğin bu sistemler, uzaktaki bir köy yolunda 120 km/s hız sınırının bir anlam ifade etmediği mantığını yürütebilecek.
Mevcut ikinci dalga AI sistemleri, iyi tanımlanmış görevlerde harika sonuçlar veren ve son derece uzmanlaşmış sistemlerdir. Ancak üzerinde çalıştıkları şartlarda bir değişiklik meydana geldiğinde yeniden eğitilmeden görevlerini başarıyla sürdüremezler. Örneğin, kanonik olmayan bir yönelim ve bağlamdaki bir nesne, görseldeki görüntüleri anlamaya çalışan birçok ikinci dalga yapay zekanın kafasını karıştırır. Bu yapay zekalar, bir okul otobüsünü tanımak için yeterince eğitilmiş olsalar bile, karlı bir yolda yana devrilen bir okul otobüsünü tanımayabilirler. İkinci dalga yaklaşımlarının bu sınırlamaları, otonom araçlar gibi yapay zeka odaklı trendlerin henüz beklenen patlamayı yapamamasına neden oluyor.
Otonom araçlar, birbirinden bağımsız ve kısıtlı yeteneklere sahip birçok farklı yapay zeka bileşeninin toplamından faydalanıyor. Otonom aracın sürüşten sorumlu yazılımını alıp bir başka araca koyarsanız, yapay zekayı yeniden eğitmediğiniz sürece işe yaramayacaktır. Buna karşılık, insanlar bir kez otomobil kullanmayı öğrendikten sonra diğer araçları sürmeye kolaylıkla alışma ve adapte olma kabiliyetine sahip. Bu yeteneğimizin ardında zihnimizin soyutlamada çok iyi olması yatıyor.
İnsan zekası, çözümleri kolayca genelleyebiliyor ve farklı problemlere uygulayabiliyor. Golf arabası örneğinde olduğu gibi bir şeyi ilk kez denediğimizde karşılaşabileceğimiz zorlukları mantığımız ve tecrübelerimizle aşabiliyoruz.
Üçüncü dalga yapay zeka birçok derin bilimsel problemi beraberinde getiriyor. Bunların başında ise farklı AI türlerini nasıl bir araya getireceğimiz geliyor. Bunu, düşük algıya ve yüksek muhakeme yeteneğine sahip yapay zekalar geliştirerek mi başaracağız? Karmaşık bir yapay zeka sisteminin yapı taşları olarak bireysel yapay zeka algoritmalarını matematiksel ve hesaplama açısından sağlam bir şekilde yakalamamız, anlamamız ve kullanmamız nasıl mümkün olabilir?
Yeni dalga ile artık hedef AI uzmanı olmayan insanların da yapay zeka sistemleri oluşturmasını ve kullanmasını sağlayabilmek. Bu zorlukların üstesinden gelmek yalnızca yapay zekayı ileri taşımıyor, aynı zamanda donanım ve yazılım tasarımından veri tabanlarına, robotikten insan-bilgisayar etkileşimine ve yazılım mühendisliğine kadar bilgisayar biliminin temel problemlerini, yöntem ve yaklaşımlarını yeniden hayal etmek için bulunmaz bir fırsat sunuyor.
Gelişimsel robotik
“İnsan zekası deneyim yoluyla gelişir, robot zekası tasarlanır.” Bu denklem, klasik yapay zeka (AI) ve makine öğrenimine (ML) dayalı ana akım yaklaşımların ana prensibiydi. Klasik AI/ML ekollerinin mühendislik yaklaşımları, bugüne kadar birçok muazzam yapay zeka örneğinin geliştirilmesini sağladı. Ancak bunlar kısıtlı alanlarda etkili olabilen uzman sistemlerle sınırlıydı.
Gelişimsel robotik, mühendisliğin sınırlamalarını aşmak için biyolojik gelişim süreçlerinden ilhamla sürekli öğrenen robotlar tasarlıyor.
Üçüncü dalga yapay zeka sistemleri üzerinde çalışan gelişimsel robotik disiplini, geleneksel mühendislik yaklaşımının sınırlamalarını aşmak için biyolojik gelişim süreçlerinden ilham alarak açık uçlu bir şekilde sürekli öğrenen robotlar tasarlıyor. Gelişimsel robotik, problem çözme, kendilik algısı, gelişimsel bozukluklar ve somutlaşmış bilişi hesaba katan bir alan olarak dikkat çekiyor. Bu yaklaşım, akıllı robotik ajanların performansını geleneksel AI sistemlerine kıyasla daha iyi kılıyor ve daha şimdiden son teknoloji uygulama odaklı makine öğrenimi teknolojisine önemli bir ilham kaynağı olmuş durumda. Gelişimsel robotik ayrıca somutlaştırılmış bilişsel süreçleri anlamaya ve araştırmaya yardımcı olan işlevsel hesaplama modelleri de sağlıyor.
NLP ve Semantik
Makinelere insanlar kadar zeki yapmanın yolunun doğal dil işleme (natural language processing – NLP) teknolojisinden geçtiği düşünülüyor. Bilgisayarların insanlar tarafından anlatılanları bir insan gibi anlamalarını amaçlayan bu alan yıllar içerisinde önemli ilerlemeler ve değişimler kaydetti. Bir dönem kural tabanlı yöntemler odaklı çalışan NLP, günümüzde istatistiksel yöntemlere ağırlık veriyor. Özellikle derin öğrenme, günümüzde uçtan uca veri odaklı modelleme yoluyla dilbilim teorilerine dayanan en zorlu yöntemlerden birisi ve geleneksel yapay zekanın sınırlarını zorluyor.
Günümüzde pek çok NLP uygulaması kullanılıyor ve daha şimdiden insanların hayatlarını değiştiriyor.
Bu uygulamalar, robotik sistemler ve sanal asistanlardaki insan merkezli yapay zekalarla zahmetsiz şekilde etkileşime geçmemizi sağlıyor.
Günümüz NLP modellerinin büyük bir bölümü, insanların söylediklerini idrak etmek üzerine çalışıyor. Ancak insanları gerçekten anlamanın yolu, doğal dil anlayışı ve üretimi, anlam, iletişimsel niyet ve dilsel forma karmaşık haritalama dahil olmak üzere, anlambilimin açık veya örtük olarak modellenmesini gerektiriyor.
Üçüncü dalga yapay zeka sistemlerinde kullanılan hesaplamalı anlambilim, sürekli vektörler veya ayrık grafikler gibi birçok biçim alabilen doğal dil ifadelerinin anlam temsillerini oluşturma ve akıl yürütme sürecinin nasıl otomatikleştirileceği üzerinde çalışıyor.
NLP, robotik sistemler ve sanal asistanlardaki insan merkezli yapay zekalarla zahmetsiz şekilde etkileşime geçmemizi sağlıyor.
Bu sistemler hayata geçtiklerinde, yalnızca insanların söylediklerini değil, aslında kastettikleri gizli anlamları da sezebilecekler.
Yapay zeka eğitimi liselerde
Yapay zeka (AI) son dönemde popülerliğini artırdı ve hem ekonomik hem de toplumsal tartışmaların önemli bir konusu haline geldi. AI, yaşamın çeşitli alanlarında, farklı sektörler ve alanlarda halihazırda önemli bir etkiye sahip.
Yapay zekanın işimizi ve günlük yaşamımızı etkileme hızı ve gücü, toplumlar ve eğitim sistemleri için hızlı bir değişimi zorunlu kılıyor.
Günümüzde Temel AI kavramları ve teknikleri genellikle üniversitelerde öğretiliyor. Ancak son dönemde yapay zeka eğitimini K-12 seviyesinde veren birçok girişim ve projenin ortaya çıktığını görüyoruz.
Eğitim kurumlarının ve AI uzmanlarının yanı sıra bazı ülkeler de liseler için AI müfredatı ve programları geliştirip uyguluyor.
Bu yazı Digital Report Dergisi 13. sayısında yayınlanmıştır.