16 bin 625 yapay zeka makalesi
MIT, yapay zekanın “nereye” doğru geliştiğini araştırmak amacıyla 25 yıla yayılan 16 bin 625 akademik makaleyi inceledi. Sonuçları ve yorumunu MIT Technology Review’da yayınladı (25.01).
Yapay zekaya giden otoyolda ilk durak: Makine öğrenmesi. Sonra: Derin öğrenme. Son durak ise (şimdilik) yapay zeka. Bugün gündelik dilde “yapay zeka” dediğimiz şey, henüz emekleyen bir bebe. İstatistik/matematik modelleme ile çalışıyor. Bunları kullanarak mevcut veriden çıkarımlar yapıyor. Bazı durumlarda insanlardan daha etkin. Çünkü örneğin bir radyolog, profesyonel hayatı boyunca kaç röntgen filmi görebilir? Yapay zeka bebesi, 7/24 durmadan dinlenmeden yüzbinlerce, belki daha fazla röntgen görüntüsü göre göre tümörle sağlıklı dokuyu ayırd etmeyi “öğreniyor.” Bu sayede veri analizi yapması, kümeleme, sınıflandırma yapması hızlı. Ama yapay zeka denilen şey, sadece bu kadarla sınırlı olmayacak. İşin daha başındayız.
MIT, bu konuda akademi alemi acaba ne durumda diye araştırma yapmaya karar verince, “arXiv” adlı bilim veri/bilgi tabanına başvurdu. 18 Kasım 2018 tarihine kadar son 25 yılda yazılmış yapay zeka makalelerinde içerik analizi yaptılar. Üç yönelim (trend) buldular: 1990’ların sonları ile 2000’lerin başlarında makine öğrenmesi konusuna yönelim. 2010’larda nöral/sinir iletim ağlarına ilgi. Son yıllarda ise öğrenmenin pekiştirilmesine artan ilgi.
MIT’in 8 bin vuruşluk makalesinden özet denemesi: 2000’ler başlarken, insanlığın yarattığı “bütün” bilgiyi kaydetme imkanı olacağı düşünüldü. Bu dönemde rağbet gören sözcükler “veri, ağ, performans”, makine öğrenmesiyle bağdaştırılıyor. 2012’de Toronto Üniversitesi hocası Geoffrey Hinton ve ekibi, görsel desen tanıma konusunda ilk somut başarıyı (nesne tanıma konusunda yapılan) ImageNet yarışmasında elde ettiler: Algoritmayı daha ince ayarlayıp, nesneyi tanıma/tanımlama hata oranını yüzde 15’e düşürmeyi başardılar. Bu nedenle Hinton, şimdi yapay zekanın “babası” olarak biliniyor artık. Bu arada: Hinton’ın üniversite bağlantılı DNNresearch şirketini Google 2013’te 5 milyon dolara alıverdi.
MIT araştırmasına göre, 2012’den sonra “öğrenmenin pekiştirilmesi” aşamasına geçildi. Üç farklı yöntem (denetimli, denetimsiz ve pekiştirmeli öğrenme) arasından son zamanlarda üzerinde en çok Ar-Ge yapılan, pekiştirmeli öğrenme. Tıpkı köpekleri, hayvanları eğitirken kullanılan yöntem, robot geliştirmede de kullanılıyor. Bu konuda da tarihsel bir dönüm noktası var: 5 Ekim 2015’te DeepMind’ın AlphaGo’su, 2 bin 500 yıllık strateji oyunu Go’daki insan oyuncuyu yendi. (AlphaGo ilk üç maçı kazandı, ama dördüncüde 14 Mart 2016’da yenildi).
MIT makalesi, kısacası, “geleceği tahmin edemiyoruz” diyor. Bu noktada durup, Antik Yunan filozofu Aristo’yu analım: Politika adlı eserindeki robot tanımı sanki bugün için: “Kendi işini yapabilecek ve başkalarının isteğini önceden sezebilecek veya o isteğe uyabilecek bir makine.” (Ersin Uysal çevirisi, 2010). Bu tanıma yaklaşmak için çalışıyor çağdaş bilim…
