Yapay zeka nasıl öğrenir sorusunun cevabı şaşırtıcı derecede insancadır: örneklerden ders çıkararak. Bir çocuğa “kedi”yi anlatmak için ona kedinin sözlük tanımını ezberletmezsiniz; birçok kedi gösterirsiniz, o da zamanla tanımayı öğrenir. Bugünün yapay zekâsı da tam olarak böyle çalışır. Gelin bu öğrenmenin perde arkasını görelim.
Kural yazmaktan örnek göstermeye
Eski bilgisayar programları, insanların tek tek yazdığı katı kurallarla çalışırdı: “Eğer şu olursa, bunu yap.” Ama gerçek dünya bu kadar basit değildir; bir kedinin nasıl görüneceğini tüm ihtimalleriyle kurala dökmek imkânsızdır. Yapay zekâ bu yüzden yaklaşım değiştirdi: Kural yazmak yerine, sisteme binlerce örnek gösterilir ve o, örüntüleri kendisi keşfeder. Buna “makine öğrenmesi” denir.
Öğrenmenin üç temel yolu
Makine öğrenmesi genellikle üç yöntemle olur. Denetimli öğrenmede, sisteme etiketli örnekler verilir (“bu bir kedi”, “bu bir köpek”) ve o, girdiyi doğru cevaba eşlemeyi öğrenir. Denetimsiz öğrenmede, etiket yoktur; sistem verideki gizli örüntüleri ve grupları kendi başına bulur. Pekiştirmeli (takviye) öğrenmede ise sistem deneme yanılmayla ilerler; doğru davranışlar “ödül”, yanlışlar “ceza” alır ve o, ödülü en çoğa çıkarmayı öğrenir. Oyunları ustaca oynayan yapay zekâlar bu yöntemi kullanır.
Beyin taklidi: yapay sinir ağları
Bugünkü en güçlü yapay zekâların çoğu, insan beyninden esinlenen “yapay sinir ağları” kullanır. Bu ağlar, birbirine bağlı çok sayıda basit “düğüm”den (yapay nöron) oluşur. Bilgi katmandan katmana geçtikçe işlenir; ilk katmanlar basit özellikleri (kenarlar, renkler), derin katmanlar ise karmaşık kavramları (bir yüz, bir kedi) tanır. Çok katmanlı bu ağlarla yapılan öğrenmeye “derin öğrenme” denir ve son yılların büyük atılımlarının arkasındaki güçtür.
Yapay zeka, makine öğrenmesi, derin öğrenme: fark ne?
Bu üç terim sık karıştırılır ama iç içe geçmiş halkalardır. En geniş kavram yapay zekâdır: makinelerin akıllıca görünen işler yapması. Makine öğrenmesi, yapay zekânın veriden öğrenerek bunu başaran bir alt dalıdır. Derin öğrenme ise makine öğrenmesinin, yapay sinir ağları kullanan en güçlü alt koludur. Yani her derin öğrenme bir makine öğrenmesidir, ama her yapay zekâ öğrenerek çalışmaz.
Deneme, yanılma, düzeltme
Öğrenmenin kalbinde sürekli bir düzeltme döngüsü vardır. Sistem bir tahmin yapar, bunu doğru cevapla karşılaştırır ve hatasını ölçer. Sonra iç ayarlarını, bu hatayı azaltacak şekilde küçük adımlarla değiştirir. Bu döngü milyonlarca kez tekrarlanır; her turda model biraz daha isabetli hale gelir. İşte “eğitim” dediğimiz süreç, aslında bu sabırlı hata düzeltmenin ta kendisidir.
Peki gerçekten “anlıyor” mu?
Hayır, en azından bizim anladığımız anlamda değil. Yapay zekâ, kavramların anlamını kavramaz; yalnızca verideki istatistiksel örüntüleri yakalar. Bir kediyi “tanır” ama kedinin ne olduğunu, canlı olduğunu ya da sevimli olduğunu bilmez. Bu yüzden çoğu zaman şaşırtıcı derecede yeteneklidir, ama bazen de bir insanın asla yapmayacağı saçma hatalar yapar.
Bunu neden umursayalım?
Çünkü bu şekilde öğrenen sistemler artık hayatımızın her yanında: telefonumuzdaki yüz tanımadan çeviri araçlarına, tıbbi teşhisten öneri sistemlerine kadar. Nasıl öğrendiklerini bilmek, onların neden bu kadar güçlü ama aynı zamanda neden yanılabilir ve önyargılı olabildiklerini anlamamızı sağlar. Bu da onlara ne zaman güvenip ne zaman temkinli olacağımızı bilmek demektir.
Sıkça Sorulan Sorular
Yapay zeka insan gibi düşünüyor mu?
Hayır. Yapay zekâ, örüntüleri istatistiksel olarak işleyerek çalışır; bilinç, anlayış ya da niyet taşımaz. İnsanınkine benzer sonuçlar üretebilir, ama bunu tamamen farklı, matematiksel bir yolla yapar.
Yapay zeka neden bazen saçma hatalar yapar?
Çünkü gerçekten “anlamadan”, sadece verideki örüntülere dayanarak karar verir. Eğitim verisinde olmayan ya da alışılmadık bir durumla karşılaşınca, kulağa emin gelen ama tamamen yanlış sonuçlar üretebilir. Ayrıca eğitildiği verideki önyargıları da öğrenip tekrarlayabilir.
Yapay zeka kendi kendine mi öğreniyor?
Kısmen. Örüntüleri kendisi bulur, ama bu süreci insanlar tasarlar: hangi veriyle, hangi yöntemle ve hangi hedefe göre öğreneceğini insanlar belirler. Yani “kendi kendine” öğrenir gibi görünse de, arkasında her zaman insan yönlendirmesi vardır.
Derin öğrenme neden bu kadar güçlü?
Çünkü çok katmanlı yapay sinir ağları, ham veriden giderek daha karmaşık kavramları kendi başına çıkarabilir. Yeterince veri ve işlem gücüyle, görüntü tanımadan dil anlamaya kadar çok zor görevlerde insan seviyesine yaklaşan sonuçlar üretebilir.
