2. Yapay Zekâya Genel Bakış

18 Mart 2022, Dr. Merve Ayyüce KIZRAK anlatımı ve ve yazımıyla
"Yapay zekâ insanlığı yok etmek için kötü olmak zorunda değil - eğer yapay zekânın bir amacı varsa ve bu insanlığı yok etmekse, insanlığı elbette düşünmeden yok eder. Herhangi bir şey hissetmesine gerek yoktur." — Elon Musk, Teknoloji Girişimcisi ve Yatırımcı
Çok klişe gibi görünse de gerçek bu bilgisayarlar ve hemen ardından hayatımıza giren internet ve sosyal medya sayesinde içinde yaşamaya başladığımız bir dijital dünyadan bahsediyoruz. Bu büyük hacimli, gerçek zamanlı ve akan veriler bizi, verileri belli amaçlarla işlemeye, buradan anlamlar çıkararak daha etkin değerlendirmeye ve karar süreçleri geliştirmeye ve tabi ki dolayısıyla ekonomik anlamda etkisini de görme arzusuna itti. Bunları yapabilmek için verileri toplamak, depolamak, paylaşmak, işlemek, ve yeniden kullanmak için teknik altyapının geliştirilmesine odaklanıldı. Diğer yandan verileri işlemek için çeşitli teorik ve pratik yaklaşımlar ihtiyaç haline geldi. Biri de malum, yapay zekâdır.
Bugün nerede olduğumuzu, kiminle tanıştığımızı ya da tanışma ihtimalimiz olduğunu, ne sipariş vereceğimizi, hangi müziği dinleyeceğimizi, hangi yolu kullanarak eve gideceğimizi biliyor. (ya da bize öneriyor, bizim için karar veriyor da olabilir.) Bunun yanında devletler otonom silah gibi teknolojilerde de benzer yaklaşımları izliyorlar. Yapay zekâ, küresel ticaret sistemleri, finans piyasaları, bankacılık ve reklamcılık gibi sektörlerde maddi getirisi sebebiyle oldukça ön plana çıkan bir teknolojidir. Dikkat ederseniz kullanım sektörüne ve işlediği verilere göre aynı teknolojiye bakış açımız tamamen değişebiliyor (tavsiye sistemi, otonom silah, finans uygulamaları ve sağlık uygulamaları). Yapay zekâ sistemlerine tehlikeli ve yıkıcı diyebilir veya hayat kurtarıcı diyebilirsiniz. Bu yüzden kullanım alanı, çalışma şekli ve işlediği veriye göre etik tartışmalar gündeme gelmek zorundadır. Biz de bu yüzden, bu derste pek çok teknoloji konusunun etik tartışmasını yapacağız, özellikle de yapay zekânın.
Gerek kullanıcıları gerekse geliştiricileri yapay zekâ sistemlerini pek çok açıdan "kara kutu" olarak tanımlamaktadır. Bunun önüne geçebilmek de yine hem teknik hem de etik tartışmalar ile gerçekleşebilir. Gelecek haftalarda ön yargı, ayrımcılık gibi konular için teknik yaklaşımları ele alacağız. Ama önce yapay zekâ terimlerini tam olarak anlamaya çalışalım. Bu temel üzerine tüm kavramları oturtmak iyi bir yaklaşımdır.

YZ’nin günümüzde en yaygın kullanıldığı alt uygulama alanları:

Makine öğrenmesi: Veri kümelerinden öğrenebilen ve zaman içinde daha fazla veri ile performansı iyileştirilebilen algoritmalara dayalı sistemlerdir.
Yapay sinir ağları: Genellikle herhangi bir göreve özgü kurallarla programlanmadan, verinin özelliklerinden faydalanarak görevi gerçekleştirmeyi öğrenen yapılardır.
Derin öğrenme: Biyolojik beynin çalışma şeklini çok daha basitleştirerek modellemeyi amaçlayan, birden çok paralel işlem katmanına sahip karmaşık istatistiksel modellere ve algoritmalara dayanan, YZ’nin daha özel bir alt alanıdır. Derin öğrenmede kendi kendine öğrenmenin sağlanabilmesi için büyük veri kümelerine ve güçlü işlem birimlerine ihtiyaç duyulması dolayısıyla son 20 yılda başarılı sonuçlar üretilmeye başlanmıştır.
Deep Learning Specialization - Coursera
YZ'nin birçok farklı aracı vardır. Tüm bu kavramların nasıl bir araya getirildiğini gösteren bir Venn şeması çizecek olsaydık, böyle görünebilirdi. YZ, bilgisayarların akıllıca davranmasını sağlamak için çok büyük bir araç setidir. YZ dışında, en büyük alt küme makine öğrenmesinden gelen araçlardır, ancak YZ'nin makine öğrenmesinden başka araçları vardır. Makine öğrenmesinin bugünlerde en önemli kısmı, denetimli öğrenmeyi gerçekleştirmek için çok güçlü bir araç seti olan sinir ağları veya derin öğrenmedir.
Veri bilimi, YZ makine öğrenmesi ve derin öğrenmeden birçok araç kullanan, ancak çok önemli bir dizi sorunu çözen başka bazı araçlara da sahip olan kesişen bir alt kümesi olabilir.

Yapay Zekanın “Üçüncü Dalgası”

Her şey 1950'lerde İngiliz Bilim Adamı Alan Turing'in "Makineler düşünebilir mi?" sorusunun cevabını aramasıyla başladı. Aynı zamanlarda Erzurum Atatürk Üniversitesi'nde Ordinarius Profesör Cahit Arf, “Makineler Düşünür ve Nasıl Düşünür?” başlıklı çalışmasını sundu. Sonuç olarak, araştırmacılar, YZ'nin başlangıcında ortaya çıkan vizyonu doğrultusunda, insanlar gibi düşünebilen, öğrenebilen ve akıl yürütebilen YZ teknolojilerine yönelmeye başlamışlardır.
YZ'nin İlerleme Aşaması
Dar Kapsamlı YZ (ANI): Sadece belirli görevleri yerine getirme konusunda çalışabilen sistem veya uygulamaların içerdiği YZ’nin ilk gelişim evresine verilen isimdir. Bu evre şimdiye kadar geçen sürede yapılan çalışmaların büyük bir kısmı olarak nitelendirilebilir. Satranç ve “Go” oyunu için yapılan çalışmalar bu evre için örnek olarak gösterilebilir. Zira bu çalışmalarda elde edilen sonuçlara göre kullanılan teknikler sadece belirlenmiş amaçların dışına çıkamamaktadır. Bu evre, günlük yaşamda insanların çalışmalarını destekleyen ve hayatlarını kolaylaştıran çalışmaların aşaması olarak tanımlanan yardımcı YZ’yi de kapsamaktadır.
Genel YZ (AGI): İnsan zekâsının yapabildiği ve yapabileceği işleri hem öğrenerek hem de kendi kendini geliştirerek yapabilen YZ teknolojilerinin ortaya çıktığı aşama olacaktır. Bu sayede matematik, fizik, sanat ve hukuk gibi alanlarda insan desteği almadan insanlara yakın performans gösterebilen sistemlerin ortaya çıkması beklenmektedir.
Süper YZ (ASI): Performans ve başarım anlamında insanlardan çok daha üstün ve insanların algılayabileceğinin ötesinde gelişim kaydedebilen, öğrenebilen ve bağımsız kararlar alıp uygulayabilen sistemlerin ortaya çıkacağı aşamadır. Bu aşamanın ne zaman ve hangi koşullarda olabileceği ya da öngörüldüğü gibi gerçekleşip gerçekleşmeyeceği tamamen tahminlerle ifade edilmektedir.

YZ Terimleri ve Kavramları

Akademik yayıncı Elsevier tarafından YZ literatürüne ilişkin 2018 yılında yapılan bir inceleme, YZ'nin akademik disiplinini oluşturan bir dizi anahtar kavram ve araştırma alanı olduğunu öne sürüyor. 800 anahtar kelimeye göre analiz edilen 600 000 YZ ile ilgili makale örneğine dayanan rapor, YZ yayınlarını yedi kümede sınıflandırmıştır:
  1. 1.
    Arama ve optimizasyon
  2. 2.
    Bulanık sistemler
  3. 3.
    Planlama ve karar verme
  4. 4.
    Doğal dil işleme ve bilgi temsili
  5. 5.
    Bilgisayar görü
  6. 6.
    Makine öğrenmesi
  7. 7.
    Olasılıksal akıl yürütme ve sinir ağları.
Bu, YZ'nin tek bir teknoloji olmadığını, bir dizi teknik ve alt disiplin olarak daha iyi anlaşılabileceğinin altını çiziyor.
Tüm bu kümeler, YZ alanının bilinen bileşenleri olsa da, mevcut YZ etiğindeki vurgu, makine öğrenmesi ve sinir ağları üzerindedir. Bunların hiçbiri gerçekten yeni değildir. Makine öğrenmesi, başlangıcından bu yana YZ araştırmasının yerleşik bir parçası olmuştur, ancak bilgi işlem gücündeki son gelişmeler ve verilerin kullanılabilirliği, çok çeşitli alanlarda uygulanmasında bir artışa yol açmıştır. Makine öğrenmesi, denetimli öğrenme, Bayes karar teorisi, çeşitli parametrik ve parametrik olmayan yöntemler, kümeleme ve diğerleri dahil olmak üzere çok çeşitli teknikleri ve yaklaşımları kapsar.
Sinir ağları, mevcut YZ dalgasının ana itici gücü olan makine öğrenmesinin son başarısının arkasında önemli bir faktördür. Yüksek öneme sahip özel bir teknik, farklı türde sinir ağlarını kullanan ve konuşma tanıma, görsel nesne tanıma ve nesne algılama gibi alanlarda ve diğer alanlarda son zamanlardaki başarılara katkıda bulunan derin öğrenmedir. (ilaç keşfi ve genomik gibi).
YZ'nin sahip olduğu özelliklerden hangilerinin etik açıdan uygun olduğunu anlamak önemlidir.
  1. 1.
    Opaklık (Kata Kutu olmak): Makine öğrenmesi algoritmaları ve sinir ağları o kadar karmaşıktır ki, iç işleyişleri, konu uzmanları için bile anlaşılması kolay değildir. Tamamen teknik ve belirlenmiş sistemler olarak kalsalar da (kısmen öğrenen sistemler olduklarından ve dolayısıyla değiştiğinden) onların içsel işleyişini tam olarak anlamak imkansız gibidir.
  2. 2.
    Öngörülemezlik: 1. maddenin bir sonucu olarak, girdilerin anlaşılmasına dayalı olarak sistemlerin çıktılarının tahmin edilmesi imkansız değilse de zordur.
  3. 3.
    “Büyük veri” gereksinimleri: Mevcut haliyle makine öğrenmesi sistemleri, model oluşturmak için büyük eğitim veri kümeleri ve önemli bilgisayar kapasitesi gerektirir.

YZ'nin olası amaçları

YZ etiği hakkında düşünmeye başladığımızda aslında YZ'nin amacını da doğru anlamış olmamız gerekir. Dijtal teknolojiler esnek ve yoruma açıktır. Bu nedenle, orijinal geliştiricilerin ve tasarımcıların amaçlarıyla uyumlu olabilecek veya olmayabilecek sonsuz sayıda amaç için kullanılabilirler. YZ kullanımını ele aldığımızda sistemlerin geliştirilmesini ve tasarlanmasını sağlayan farklı amaçlar ortaya çıkabilmektedir. Ama Stahl kitabında temel olarak 3 amaca ayırmıştır:
  1. 1.
    Verimlilik için YZ
  2. 2.
    Sosyal kontrol için YZ
  3. 3.
    İlk iki amacın alternatifi ve tamamlayıcısı olarak, insanın gelişmesi için YZ
YZ'nin olası amacı
YZ'yi ele alan yayımlanmış politika ve strateji belgeleri incelendiğinde genel olarak bu üç motivasyon üzerinde ve birleşimlerinden bahsedilmektedir.
Amerika Birleşik Devletleri Başkanı'na sunulan bir rapor, ekonomik avantajları vurgulayarak şöyle denmiştir:
“YZ'nin 2035 yılına kadar analiz edilen ülkelerde yıllık ekonomik büyüme oranlarını ikiye katlama potansiyeline sahiptir.”
Avrupa Komisyonu, ise şöyle beklemektedir:
“YZ'nin birçok işe ve endüstriyel sektöre yayılarak üretkenliği artırmasını ve güçlü pozitif büyüme sağlaması beklenmektedir.”
YZ'nin değişkenler arasındaki örüntüleri ve korelasyonları tespit etme yeteneği ile bağlantılı olarak hızla büyüyen veri toplama yetenekleri, insan davranışını kontrol etmenin yeni yollarını sağladığını biliyoruz. Buradan yola çıkarak YZ'nin ve ilişkili pek çok teknolojinin kullanımı aynı zamanda sosyal kontrolün de önünü açmaktadır. Davranışsal ekonomiye dayalı bu fikri kullanılarak incelikli yollar denenebilir. Örneğin Çin sosyal kredi puanlama sisteminde olduğu gibi çok sert bir şekilde karşımıza çıkabilir.
Bir başka örnek, sosyal medya verilerinin demokratik seçimlerin sonucunu gayri meşru şekilde değiştirmek için kullanıldığı Facebook-Cambridge Analytica davasında olduğu gibi yasallık sınırlarını da ihlal edebilir.
Zuboff; sosyal kontrol "gözetim kapitalizmi" olarak tanımladığı işeyin itici gücü olarak gelişen yeni iş modelleri ve sosyo-teknik sistemler olarak YZ kavramıyla tamamen örtüştüğünü savunmaktadır.
Verimlilik arayışı ve bunun sonucunda ortaya çıkan ekonomik faydalar, insan refahı için maddi alt tabaka sağlayan güçlü bir ekonomiye yol açabilir.
Verimli bir ekonomi, zenginlik yaratarak, aksi takdirde imkansız olan insan gelişiminin yollarını açar. Örneğin, kömüre dayalı enerji üretiminden güneş enerjisine geçiş pahalıdır. Ayrıca, verimlilik ve kâr yaratma arayışı, mükemmellik için meşru bir faaliyet alanı olabilir ve insanlar bu faaliyette gelişebilir.
YZ'nin üçüncü amacının özünde çelişkili olmadığını, daha ziyade YZ'nin geliştirilmesi ve konuşlandırılmasına rehberlik edebilecek ana vurgu alanlarını veya farklı yönlerini tanımladığını vurgulayabiliriz.
YZ ile etik olarak doğru olanı yapma konusundaki açık amacın, insan gelişimine atıfta bulunularak tanımlanabilmesidir. Bu tartışmaya gelecek hafta filozof Dr. Cansu Canca ile devam edeceğiz.

Kaynaklar:

  1. 2.
    Bernd Carsten Stahl, "Artificial Intelligence for a Better Future: An Ecosystem Perspective on the Ethics of AI and Emerging Digital Technologies”, Springer, ISBN-978-3-030-69978-9, 2020.
  2. 3.
    Elsevier (2018), ArtificiaI intelligence: how knowledge is created, transferred and used. Trends in China, Europe, and the United States. Elsevier, Amsterdam. https://www.elsevier.com/?a=827872. Accessed 22 Sept 2020
  3. 4.
    Gasser U, Almeida VAF (2017) A layered model for AI governance. IEEE Internet Comput 21:58– 62. https://doi.org/10.1109/MIC.2017.4180835
  4. 5.
    Bishop CM (2006) Pattern recognition and machine learning. Springer Science+Business Media, New York
  5. 6.
    Alpaydin E (2020) Introduction to machine learning. The MIT Press, Cambridge MA
  6. 7.
    Executive Office of the President (2016) Artificial intelligence, automation, and the economy. Executive Office of the President of the United States. https://obamawhitehouse.archives.gov/sites/whi tehouse.gov/files/documents/Artificial-Intelligence-Automation-Economy.PDF. Accessed 23 Sept 2020
  7. 8.
    House of Lords (2018) AI in the UK: ready, willing and able? HL Paper 100. Select Committee on Artificial Intelligence, House of Lords, Parliament, London. https://publications.parliament.uk/ pa/ld201719/ldselect/ldai/100/100.pdf Accessed 23 Sept 2020