Öne Çıkanlar Proje bazlı teşvikler Av. Ferhan Arıkan Turkcell Genel Müdürü Kaan Terzioğlu Arçelik Üretim Koordinatörü Alp Karahasanoğlu Eximbank Genel Müdürü Adnan Yıldırım

Yapay zekanın insanın yerini alması daha çok uzakta

GİRAY DUDA

Son aylar içinde müthiş bir hızla gündemimizde üst sıralara yerleşen yapay zeka aslında çok da yeni bir şey değil. 60 yıllık bir geçmişi var yapay zekanın. Ama verilerin katlanarak artmasıyla, bulut teknolojilerinin gelmesiyle yapay zeka kendisini öne çıkarma olanağı buldu. Beraberinde fırsatlar kadar riskleri de getiriyor. Yepyeni açılımları gündeme getirdiği kadar dikkat edilmesi gereken noktaları da getiriyor. Bu riskler neler olabilir, hangi açılımlar bizi bekliyor? Yapay zeka bizi nereye götürüyor?

Yapay zekanın temel özelliklerini ve bilim dünyasının 2018 yılı başındaki yapay zeka çalışmalarındaki faaliyetlerini ve hangi noktada bulunduğunu Microsoft’un ABD’nin Washington eyaleti Redmond kentindeki araştırma merkezi kıdemli araştırmacısı Ece Kamar çok ayrıntılı biçimde ana başlıklarıyla anlattı.

GELECEKTEKİ TEKNOLOJİYİ ARIYORUZ: Biz de Microsoft araştırma bölümümüzde ‘Geleceğin teknolojileri’ üzerine çalışırken herkese şu soruyu soruyoruz: Sırada ne var? Hepimizi etkileyecek, gelecekteki teknoloji ne? Hep bu sorunun cevabını arıyoruz? Teknoloji dünyasına yön veren insanların tabii ki bu soruya verdikleri cevaplar var. Google’ın CEO’su Sundar Pichai’ye göre hayatımızı kökten değiştirecek yenilikler yapay zekadan gelecek. Yapay zeka, hayatımız için elektrikten daha önemli olacak. Microsoft’un CEO’su Satya Nadella’nın da bu konuda benzer görüşleri var. Satya’ya göre geleceğin yenilikleri yapay zekadan gelecek. Şirket olarak Microsoft’un geleceğinde de yapay zekanın çok önemli yeri olacak.

İLGİ KATLANIYOR: Yapay zeka konusunda ilgi sadece sözde değil. Mesela sadece akademik yayınlara baktığımız zaman, 2000 yılından 2016 yılına kadar yapay zeka konulu akademik yayınların 8 kat arttığını, Amerika’da öğrenim gören öğrenci sayısının 8 kata çıktığını ve Amerika’daki yatırımın 6 kat arttığını görüyoruz. Daha da önemlisi bu yatırımlarının hızının giderek artması.

ZARARLARI VAR MI? Tabii yapay zekaya olan ilgi sadece bu alanlarda çalışanlarla sınırlı değil. Artık öyle bir noktaya geldik ki, yapay zeka toplumsal söylemimizin de bir parçası. Her gün gazetemizi açtığımızda yapay zeka hakkında makalelerle karşılaşıyoruz. Bazı makaleler yapay zekanın insan yaşamı için ne kadar faydalı olduğundan bahsederken, bazıları da yapay zekanın insanlık için olası olumsuzluklarından söz ediyor. Bunlar da çok önemli noktalar. Mesela Elon Musk ve Stephan Hawking’e göre yapay zeka insanlığın sonunu getirebilir.

YAPAY ZEKA DÜNYASINDA NEREDEYİZ? Son zamanlarda çok popüler oldu ama yapay zeka hakkında 1950’lerden itibaren büyük çalışmalar yapılıyor. 1950 yılında Alan Turing yapay zekayı tanımladı. 1956 yılında Dartmouth Konferansı ile beraber belirli gruplar yapay zeka operasyonları üzerinde çalışmalara başladılar. Ama 2000 yılında büyük bir kırılma noktası gördük. 2000’li yıllar, bizlerin, yapay zeka algoritmalarını istatistiksel öğrenme tekniklerine geçirdiğimiz yıllar oldu. Bundan şunu kastediyorum. 2000’li yıllardan önce bir yapay zeka algoritmasında problem çözmeye öğretmeye çalıştığımız zaman bir uzmanı laboratuvara getirirdik, o uzman satır satır problemi nasıl çözmesi gerektiğini sisteme öğretirdi. İstatistiksel öğrenme artık buna gerek bırakmıyor. İstatistiksel öğrenmede, yapay zeka sistemleri, yeni bir problemi sadece veriye bakarak öğrenebiliyor. Mesela bir veriyi, objektif fonksiyonu veriyoruz, algoritma buradaki örnekleri bularak problemi nasıl çözmesi gerektiğini öğreniyor. Kendi kodunu kendi yazan sistemlerden bahsediyoruz.

DERİN NÖRAL AĞLAR: Dünyada farklı istatistiksel öğrenme teknikleri var. Son birkaç yılda belirli bir istatistiksel öğrenme tekniğinin çok öne çıktığını görüyoruz: Derin Nöral Ağlar. Peki ne oldu da derin nöral ağlar bu kadar önemli hale geldi? Bunun için üç faktörü çok iyi anlamamız lazım. Üç faktörün bir araya gelmesi gerekiyor veri gören öğrenmenin başarılı olması için.

Veri patlaması: Birinci faktör veri. İstatistiksel öğrenme tekniklerinin birinci hammaddesi veri. Bir problem için elinizde ne kadar fazla, ne kadar kaliteli veri varsa istatistiksel öğrenme algoritmaları da o problemi o kadar başarıyla öğreniyorlar. Son zamanlarda, ucuz sensörlerle, sosyal medyadaki insan hareketleriyle beraber data konusunda büyük bir patlama yaşandı. Ben bu istatistiği çok önemli buluyorum. Dünyadaki verinin yüzde 90’ı son iki yılda yaratıldı. Data konusunda bir geometrik büyüme eğrisi görüyoruz. Bunun durmaya hiç niyeti yok ve önümüzdeki yıllarda daha da artacak.

Tabi bu kadar büyük veriyi işleyebilmek için elimizde büyük hesaplama kapasitesinin olması gerekiyor. Bu anlamda da bir tehlike yok. Bu verileri artık rahatça işleyebilecek olanaklarımız var. Sonunda büyük hesaplama kapasitesiyle beraber 1980’lerden bu yana araştırmacıların üzerinde çalıştığı derin nöral ağlar gerçekten üstün başarılar yakalamaya başladılar.

Obje tanıma alanı: Peki derin nöral ağlar hangi problemleri çözmekte başarılı? Bu başarı olayını biz tanıma problemleri olarak tanımlıyoruz. Bunu insanların en basit düşünme yetenekleri olarak düşünebilirsiniz. Bunun içine görme, duyma, analiz, dil çevirileri giriyor. Örnek olarak nöral ağlardaki tanıma problemlerinin önündeki obje tanıma alanından söz etmek istiyorum. Obje tanıma alanı bir resim verildiğinde, önemli objelerin sistem tarafından otomatik tanımlanmasıdır. Bu problem, araştırmacıların uzun zamandan beri üzerinde çalıştığı bir problemdir. Bu sistemlerin 2010 yılından itibaren başarı grafiğini görebiliyorsunuz. 2010 yılında yapay zeka algoritmalarının bu problemdeki başarısı yüzde 28 dolayındaydı. Yani bu sistemler kullanılabilir durumda değildi, hataları çok fazlaydı. 2012’ye geldiğimizde derin nöral ağların bu problemlerde kullanılmaya başlandığını görüyoruz. Burada hata oranlarında büyük düşüş izliyoruz.

2015 yılına geldiğimizde, Microsoft araştırmacılarının geliştirdiği yüzdeki katmanın milyonlarca parametresi olan nöral ağlar insan seviyesinde başarı göstermeye başladı. Nöral ağların büyük gürültü yaratan ilk başarısı da obje tanıma yetenekleriyle ortaya çıktı.

Ses tanıma, metin anlama: Tabii başarılar obje tanıma ile yeterli kalmadı. 2017’ye geldiğimizde, yine Microsoft’taki arkadaşlarımız bu kez ses tanımada insan seviyesinde başarı sağladılar. Daha iki hafta önce Alibaba’nın ve Microsoft’un araştırmacıları eş zamanlı olarak metin anlama, bilinçli okuyarak sorulara cevap verme konusunda insan seviyesinde başarı sağladılar.

Büyük veri hesaplama kapasitesi ve nöral ağların bir araya gelmesiyle gördüğümüz şey şudur. Tanıma problemleri konusunda, yapay zeka sistemleri, insan seviyesinde başarılara sahip ve bunlar insanlara fayda sağlayacak uygulamalar yaratmamıza neden oluyorlar.

Şu anda dünyada büyük bir yarış var. Bütün teknoloji şirketleri, yapay zekanın potansiyelini değişik uygulamalarda kullanmak üzere çalışıyorlar. Microsoft, Google, Facebook bu şirketlerden sadece birkaçı. Ben inanıyorum ki yapay zeka teknolojileri hayatımızı kökten değiştirecek potansiyele sahip.

VERİMLİLİK: Verimlilik alanında tanıma problemlerindeki başarılar insanlara daha önce sahip olmadıkları yetenekler kazandırıyorlar. Örneğin verilen bir resmi otomatik olarak bir cümle içinde orada önemli görülen objelerine ilişkin olarak anlatmak. Bu sistemler, bir fotoğrafı verdiğiniz zaman, noktaları otomatik olarak insanlara anlatabiliyorlar. Örneğin ben burada pencere önünde saksı içinde duran bir çiçek görüyorum diyorlar. Otomatik olarak sistemlerin yapabildiği bir şey bu.

Peki bu tarz sistemler insanlar için nasıl faydalar sağlıyorlar? Cep telefonu uygulamalarıyla, bu yetenekleri görme engelliler için kullanabiliyoruz. Bu cep telefonu uygulamasını görme engelli birisi tuttuğu zaman o algoritma otomatik olarak insanlara karşılarında ne olduğunu, ellerinde tuttukları para miktarının ne kadar olduğunu, çevrelerinde görünen şeyleri otomatik olarak anlatıp engelli insanların ortamlarını daha iyi anlayıp daha iyi yaşamalarını sağlıyor.

GERÇEK ZAMANLI ÇEVİRİ: Skytranslater yaşamı iyileştiren uygulamalardan başka biri. Skytranslater’ın yaptığı şey konuşmayı gerçek zamanlı olarak başka bir dile çevirebilmek. Bu alanda da insan seviyesinde başarılar yakalandı son çalışmalarda. Böylece daha önce konuşmadığınız bir kişi ile konuşma fırsatı yakalayabilirsiniz.

YARATICI YAPAY ZEKA: Derin nöral ağların en iyi kullanılabileceği alanlardan birisi de yaratıcılık. Biz yaratıcılığın sadece insanlara özgü bir şey olduğunu düşünüyorduk. Ama şimdi makinalara iyi şeyler yaratmayı da öğretebiliyoruz. Mesela yine arkadaşlarımın yaptığı işlerde, yapay zeka komutlarıyla, piksel piksel dünyada var olmayan bir resmi bile yapabiliyorlar. Mesela algoritmalara kanatları mavi, göğsü kırmızı bir kuş resmi yapmalarını söyleyebilirim. Benim talimatlarımı takip ederek dünyada olmayan bir resmi algoritma bana yaratabiliyor.

ŞARKI SÖZÜ YAZIP BESTE YAPIYORLAR: Yaratıcılık sadece resim çizmekle ilgili değil. Microsoft’un Asya birimindeki başka araştırmacılar, bu özelliği şarkı sözü yazmak bestelemek için kullandılar. Örneğin algoritmalara ‘hatıralar’ diye kelime versem otomatik olarak şarkı sözü yazıyorlar. Ama şarkı sözü yazmakla da kalmıyorlar. Beste de yapabiliyorlar.

Tabii bu yetenekler şarkı sözü yazıp beste yapan insanların ortadan kalkacağı anlamına gelmiyor. Ama benim gibi bu alanda yeteneğiniz yoksa bu algoritmalar size istediğiniz gibi müzik yapma olanağı sunuyor.

DOKTORLARA YARDIMCI: Benim arkadaşlarımın çalıştığı yapay zeka projelerinden bir tanesi, algoritmaları sağlık alanında faydalı biçimde kullanmak. Bu algoritmalar şu anda Amerika’da beş farklı hastanede kullanılıyor. Bu algoritmalar neler yapıyor diye sorarsanız, hastaneden taburcu olmak üzere olan herhangi bir hastanın, herhangi bir sebeple 30 gün içinde yeniden hastaneye dönüş olasılığını araştırıyor. Çünkü birçok durumda doktorlar hastanın başka sorunlarını gözden kaçırabiliyor. Bu problemler ilerleyen günlerde ortaya çıkıp daha kötü sonuçlarla hastanın hastaneye dönmesine neden oluyor. Bu algoritmalar bu olasılıkları otomatik biçimde tahmin ederek doktorları uyarıyor. Bununla da kalmayıp doktora açıklamada bulunuyor. Ben bu hastanın geri dönme ihtimalini düşünüyorum, diyor. Böylece biz hastanın daha iyi sağlık hizmeti almasını sağlamaya çalışıyoruz.

TOPLUM İÇİN YAPAY ZEKA: Son örneğim de yapay zeka algoritmalarının toplum için faydası yönünde. Microsoft, yapay zekanın dünyanın önde gelen problemlerini çözmek için çabalıyor. Yakın zamanda kurulan ayrı bir birimimizin adını Dünya İçin Yapay Zeka olarak koyduk. Tarım, su kaynakları, biyolojik çeşitliliğin artırılması, iklim değişikliği konularına yapay zeka algoritmalarını ve büyük verileri kullanarak çözüm bulmak için çalışıyorlar.

Mesela bizim araştırma birimimizden çıkan tarım projesinde amaç çiftçilikle uğraşan çiftçilere güncel durumlar analiz edilerek yardımda bulunuluyor. Bu sistemler anbean toprak durumu, hava durumu, başka çiftçilerden gelen haberleri çiftçilere anında iletiyor.

MÜKEMMEL DEĞİLLER: Şu anda Amerika’da sokaklarda kendi kendine giden arabaları görebiliyorsunuz. Yapay zeka sistemlerinin yaptığı hatalar insan hayatını ve toplumu olumsuz biçimde etkileyebilir. Bu insanlar için önemli bir risk ve üzerinde çok çalışılması gereken bir nokta. Biz bu sistemleri incelediğimizde güzel olduğunu inanıyoruz ama gerçek yaşama geçince hatalar yapıyorlar. Yani bu sistemler henüz mükemmel değiller.

Sistemlerin zayıflıkları var. Bu zayıflıklar neler? Yapay zeka algoritmasının hammaddesi veri. Ne kadar iyi veriniz varsa o algoritmalar o kadar iyi öğrenebiliyorlar. Ama bazı konularda verilerimiz kısıtlı olabiliyor. Elimizde çok fazla veri varsa algoritmalar başarılı çalışabiliyor. Ama bu sistemlerin birçok değişik durumla karşılaşması gerekiyor. Eğer bazı durumlar elimizdeki verilerle karşılanmıyorsa maalesef yapay zeka algoritmaları bu konularda hata yapıyorlar.

OTOMOBİL ÜSTÜNDEKİ BİSİKLET: Mesela normal bir obje tanıma sistemi, bir otomobili ve bir bisikleti gayet iyi biçimde tanımlayabiliyor. Ama eğer bisiklet resmi otomobillerin üstüne konulmuşsa bu sistemler şaşırabiliyorlar, hata yapabiliyorlar. Her sistem hata yapabilir ama kendi kendine giden otomobiller gibi durumlarda bu hatalar büyük tehlikelere yol açabiliyor. Klasik durumlarda bizim aradığımız şey yüzde 95 değil yüzde 100 başarı oranı. Çünkü her hata insan hayatına malolabiliyor.

GÜVENLİK AÇIKLARI: Bu tarz yapay zeka algoritmalarının diğer bir zayıf noktası da güvenilirlik. Bu sistemler verileri öğrendiği için maalesef bunları kırmak da çok kolay. Mesela yine obje tanımadan bir örnek vereyim. Sistemler dur, sağa dön gibi trafik işaretlerini gayet doğru biçimde algılayabiliyor. Ama bu trafik işaretinin üstüne mesela bant yapıştırdığımız zaman bu sistemlerin yanlış kararlar vermeye başladığını görüyoruz. İnsan algılaması bu tarz durumlar için son derecede sağlam. İnsanlar o bantları dikkate almıyor. İnsanları o işaretin üstüne bant çekerek yanıltamıyorsunuz. Ama yapay zeka sistemlerini aldatmak çok kolay ve bu nedenle güvenlik açıkları ortaya çıkıyor.

YAPAY ZEKA ÖNYARGILI: Yapay zeka sistemlerinin önemli noktalarının birisi de bu sistemlerin önyargılarının olması. Bundan şunu kastediyoruz. Bugünkü sistemler maalesef her insan için eşit biçimde çalışmıyor. Aynı başarıyı gösteremeyebiliyor. Mesela ses tanıma konusundaki başarılardan bahsettik. Ses tanıma sistemleri şu anda aksanı olan insanlar için, kadınlar için, çocuklar, yaşlılar için erkeklerde olduğu kadar iyi çalışmıyor.

Yüz tanıma sistemleri farklı ırktan gelen insanlar için aynı biçimde çalışmıyor. Google’ın yüz tanıma sistemi siyah ırktan birisini goril olarak tanımlayabiliyor. Bu hatayı beyaz tenliler için yapmıyor. Ya da bir Asyalı fotoğrafını pasaport tanıma sistemine verdiği zaman, sistem bu kişinin gözlerinin kapalı olduğu gerekçesiyle başvuruyu reddediyor. Maalesef şu anda sistemlerin başarılarının ırksal özelliklere göre ya da cinsel özelliklere göre farklılıklar gösterdiğini görüyoruz. Bu da bizim için büyük eşitsizlik problemleri yaratıyor.

ÇEVİRİ PROBLEMLERİ: Başka önyargı örnekleri de var. Biz görüyoruz ki insanlardan öğrenen yapay zeka sistemleri insanların önyargılarını da öğreniyor. Bazı durumlarda da önyargıları büyütebiliyor. Bunu en iyi biçimde çeviri sistemlerinde görüyoruz. Bing çeviri ya da Google çeviri yapmak için bilgisayarınıza girerseniz bunun örneklerini görebilirsiniz. En önemli örnekleri Türkçe cümleleri İngilizceye çevirdiğinizde görüyorsunuz. Bunun nedeni de şu: Türkçe’nin üçüncü kişi zamirinin, yani O’nun cinsiyeti yok. Erkekler için de kadınlar için de kullanılabiliyor. İngilizce’de kadınlar ve erkekler için farklı zamirler var. Bu nedenle biz dil çeviri sistemlerine içinde o olan bir cümle verdiğimiz zaman sistemin o’yu kadın zamirine veya erkek zamirine çevirişini görerek nasıl önyargılı olduğunu anlayabiliyoruz. Mesela ‘o bir doktor’ dediğimiz zaman sistem bunu ‘he is a doctor’ diye erkek olarak çeviriyor. Yani doktor olmanın erkeklere özel bir iş olduğunu düşünüyor. Eğer ‘o bir hemşire’ dersem sistemler bunu kadın olarak çeviriyor. Eğer bu cümleyi mühendis olarak verirsem, cevap yine ‘he is an engineer’ olarak geri geliyor.

Buradaki tehlike şu ki yapay zeka sistemleri, toplumdaki eşitsizlikleri daha da büyütebilecek bir eyleme geçebiliyor. Biz yapay zeka dünyasında kadın oranını artırmaya çalışıyoruz ve bunlar bizim için iyi örnekler değil.

IRKÇI ÖZELLİKLER: Yapay zekanın önyargıları, insan hayatına zarar verebilecek duruma da ulaşabiliyor. Son çalışmalara göre, Amerikan mahkemelerinde kullanılan yapay zeka sistemlerinin ırkçı özellikleri var. Aynı geçmişe sahip, birisi beyaz birisi ve başka ırktan iki şüpheliyi sisteme verdiğimiz zaman sistem bunlara farklı risk puanları verebiliyor. Yani belirli bir ırktan olmak bu sistemler tarafından cezalandırılabiliyor. Ben kendi araştırmalarımda bu tür hatalara çözüm arıyorum. Sistemlerin nasıl daha güvenli hale getirilebileceğini düşünüyor ve önyargılardan arındırılabileceğine çözüm arıyorum.

İNSAN VE YAPAY ZEKA BİRBİRİNİ TAMAMLAMALI: Yapay zekanın ne zaman mükemmel, hata yapmayacak duruma geleceğini bilemiyoruz. O zamana kadar elimizdeki en iyi malzeme insan zekası. Şu anda Seattle sokaklarında dolaşan kendi kendine giden araçların kaza yapmamalarının nedeni içindeki insanların zamanında müdahale etmeleri.

İnsan ve yapay zeka sistemlerine baktığımız zaman ikisinin birbirini tamamlayıcı özellikleri var. Farklı özellikleri var. Farklı problemlerde çalışabiliyor. Eğer beraber iseler birbirlerini tamamlayabiliyorlar. Son araştırmalarla beraber gördük ki örneğin tekrarlanacak olan, veri girişi çok olan işlerde yapay zeka sistemleri insanlardan daha hızlı ve daha doğru sonuç verebiliyor. Ama bazı durumlarda da insanların sahip olduğu yetenekleri yapay zekalara nasıl vereceğimizi biz bilemiyoruz. Mesela insanların büyük sezgileri, öngörüleri var. Bir konuda öğrendiklerini yeni bir konuya uygulayabiliyorlar. Nadir görülen durumlarda insanlar yaratıcılıklarını kullanarak o durumdan kurtarabiliyorlar. Biz bu tür yetenekleri yapay zeka sistemlerine nasıl vereceğimizi bilmiyoruz. Yani tüm konuşulanlara rağmen yapay zeka sistemleri insanların yerine almaktan çok ama çok uzakta.

Ama bu bize büyük bir potansiyel sunuyor. Neden? Çünkü yapay zeka sistemleri bazı durumlarda insanlardan daha iyi çalışıyor. İnsanlık için bence en faydalı sistemler insanların ve yapay zekaların birbirlerini tamamlayıcı biçimde kullanılan sistemlerdir. Size bir örnek vereyim. Radyologlar, röntgen filmlerindeki kanserli hücreleri, yapay zekalara göre çok daha iyi biçimde değerlendirebiliyorlar. Hata oranları yapay zekaya göre daha az. Ancak, yapay zekayı burada radyologlara yardımcı olarak kullanırsak hata oranları yüzde 85 oranında düşüyor.

Ben inanıyorum ki yapay zeka hayatımızı olumlu etkileyecek ama önümüzde de bazı zorluklar var. Hatırlamamız gereken şey şu: Yapay zeka sonunda bir teknoloji, bir araç. Bu sistemlerin insan hayatı için ne ifade edeceğini bu algoritmaları geliştiren bizler belirleyeceğiz. Yani sorumluluk bizde. Bu önemli süreçte doğru karar almak için şirketler, hükümetler, sivil toplum örgütlerinin beraber çalışması gerekiyor.

Avatar
Adınız
Yorum Gönder
Kalan Karakter:
Yorumunuz onaylanmak üzere yöneticiye iletilmiştir.×
Dikkat! Suç teşkil edecek, yasadışı, tehditkar, rahatsız edici, hakaret ve küfür içeren, aşağılayıcı, küçük düşürücü, kaba, müstehcen, ahlaka aykırı, kişilik haklarına zarar verici ya da benzeri niteliklerde içeriklerden doğan her türlü mali, hukuki, cezai, idari sorumluluk içeriği gönderen Üye/Üyeler’e aittir.

banner88

banner87

banner86

banner85

banner84

banner83