Henüz yapay zekayı anlamadınız mı?
Geçtiğimiz 6 ayda ChatGPT gibi sohbet robotları ve Midjourney gibi görüntü oluşturucular hızla kültürel bir fenomen haline geldi.
Ancak yapay zeka (AI) veya “makine öğrenimi” modelleri bir süredir gelişiyor.
Bu başlangıç rehberinde, sohbet robotlarının ötesine geçerek çeşitli yapay zeka türlerini keşfedecek ve bu garip yeni dijital yaratıkların hayatımızda nasıl bir rol oynadığını göreceğiz.
Yapay zeka nasıl öğrenir?
Tüm makine öğreniminin anahtarı, bir bilgisayar programına büyük miktarda verinin (bazen verilerin ne olduğunu açıklayan etiketlerle birlikte) ve bir dizi talimatın verildiği eğitim adı verilen bir süreçtir.
Talimat şöyle bir şey olabilir: “yüz içeren tüm görüntüleri bul” veya “bu sesleri kategorize et”.
Program daha sonra bu hedeflere ulaşmak için kendisine verilen verilerdeki kalıpları arayacaktır.
Yol boyunca biraz dürtülmeye ihtiyaç duyabilir – örneğin “bu bir yüz değil” veya “bu iki ses farklı” – ancak programın verilerden ve kendisine verilen ipuçlarından öğrendikleri yapay zeka modeli haline gelir – ve eğitim materyali sonunda yeteneklerini tanımlar.
Bu eğitim sürecinin nasıl farklı YZ türleri yaratabileceğine bakmanın bir yolu da farklı hayvanları düşünmektir.
Milyonlarca yıl boyunca, doğal çevre hayvanların belirli yetenekler geliştirmesine yol açmıştır, benzer şekilde, bir YZ’nin eğitim verileri aracılığıyla yaptığı milyonlarca döngü, gelişme şeklini şekillendirecek ve uzman YZ modellerine yol açacaktır.
Peki YZ’leri farklı beceriler geliştirmeleri için nasıl eğittiğimize dair bazı örnekler nelerdir?
Chatbotlar nedir?
Bir sohbet robotunu biraz papağan gibi düşünün. Papağan bir taklitçidir ve duyduğu kelimeleri bağlamlarını anlayarak ama anlamlarını tam olarak bilmeden tekrarlayabilir.
Sohbet robotları da – daha sofistike bir düzeyde olsa da – aynı şeyi yapıyor ve yazılı kelimeyle olan ilişkimizi değiştirmenin eşiğinde.
Peki bu sohbet robotları nasıl yazacaklarını nereden biliyorlar?
Bunlar büyük dil modelleri (large language models – LLM’ler) olarak bilinen bir yapay zeka türüdür ve büyük hacimli metinlerle eğitilirler.
Bir LLM sadece tek tek kelimeleri değil, tüm cümleleri göz önünde bulundurabilir ve bir pasajdaki kelime ve kelime öbeklerinin kullanımını tüm eğitim verilerindeki diğer örneklerle karşılaştırabilir.
Kelimeler ve ifadeler arasındaki bu milyarlarca karşılaştırmayı kullanarak bir soruyu okuyabilir ve bir cevap üretebilir; telefonunuzdaki tahmini metin mesajlaşması gibi, ancak büyük ölçekte.
Büyük dil modelleriyle ilgili şaşırtıcı olan şey, dilbilgisi kurallarını ve kelimelerin doğru bağlamda nasıl kullanılacağını insan yardımı olmadan öğrenebilmeleridir.
İçeriden bakış: Sohbet robotlarının geleceği
“10 yıl içinde, istediğiniz herhangi bir alanda uzman olarak çalışan chatbot’lara sahip olacağımızı düşünüyorum. Yani uzman bir doktora, uzman bir öğretmene, uzman bir avukata neye ihtiyacınız olduğunu sorabilecek ve bu sistemlerin sizin için bir şeyler yapmasını sağlayabileceksiniz.”
Sam Altman – OpenAI CEO’su, ChatGPT Yaratıcısı
Bir yapay zeka ile konuşabilir miyim?
Alexa, Siri veya başka herhangi bir ses tanıma sistemi kullandıysanız, yapay zeka kullanıyorsunuz demektir.
Sesteki küçük değişimleri yakalamak için uyarlanmış büyük kulakları olan bir tavşan düşünün.
Yapay zeka siz konuşurken sesleri kaydeder, arka plandaki gürültüyü giderir, konuşmanızı fonetik birimlere ayırır – konuşulan bir kelimeyi oluşturan tek tek sesler – ve ardından bunları bir dil sesleri kütüphanesiyle eşleştirir.
Konuşmanız daha sonra metne dönüştürülür ve bir yanıt verilmeden önce herhangi bir dinleme hatası düzeltilebilir.
Bu tür yapay zeka doğal dil işleme olarak bilinir.
Bir telefon bankacılığı işlemini onaylamak için “evet” demenizden, cep telefonunuzdan seyahat ettiğiniz bir şehirde önümüzdeki birkaç gün için hava durumunu söylemesini istemenize kadar her şeyin arkasındaki teknolojidir.
Yapay zeka görüntüleri anlayabilir mi?
Telefonunuz hiç fotoğraflarınızı “plajda” veya “gece dışarıda” gibi isimlerle klasörlerde topladı mı?
O halde farkında olmadan yapay zeka kullanıyorsunuz. Bir yapay zeka algoritması fotoğraflarınızdaki kalıpları ortaya çıkardı ve onları sizin için gruplandırdı.
Bu programlar, hepsi basit bir açıklama ile etiketlenmiş bir yığın görüntüye bakılarak eğitilmiştir.
Bir görüntü tanıma yapay zekasına “bisiklet” etiketli yeterince görüntü verirseniz, sonunda bir bisikletin neye benzediğini ve bir tekne veya arabadan nasıl farklı olduğunu anlamaya başlayacaktır.
Bazen yapay zeka benzer görüntüler içindeki küçük farklılıkları ortaya çıkarmak için eğitilir.
Yüz tanıma bu şekilde çalışır, yüzünüzdeki özellikler arasında gezegendeki diğer tüm yüzlerle karşılaştırıldığında onu farklı ve benzersiz kılan ince bir ilişki bulur.
Aynı tür algoritmalar hayatı tehdit eden tümörleri belirlemek için tıbbi taramalarla eğitilmiştir ve bir danışmanın sadece bir tanesine karar vermesi için gereken sürede binlerce taramada çalışabilir.
Yapay zeka nasıl yeni görüntüler oluşturuyor?
Son zamanlarda görüntü tanıma, desenleri ve renkleri manipüle etmenin bukalemun benzeri gücünü öğrenen yapay zeka modellerine uyarlanmıştır.
Bu görüntü üreten YZ’ler milyonlarca fotoğraf ve çizimden topladıkları karmaşık görsel desenleri tamamen yeni görüntülere dönüştürebiliyor.
Yapay zekadan hiç olmamış bir şeyin fotoğrafik görüntüsünü oluşturmasını isteyebilirsiniz; örneğin Mars yüzeyinde yürüyen bir insanın fotoğrafı.
Ya da bir görüntünün tarzını yaratıcı bir şekilde yönlendirebilirsiniz: “İngiltere futbol menajerinin Picasso tarzında boyanmış bir portresini yapın.”
En yeni yapay zekalar bu yeni görüntüyü oluşturma sürecine rastgele renklendirilmiş piksellerden oluşan bir koleksiyonla başlıyor.
Eğitim sırasında öğrendiği bir örüntüye dair herhangi bir ipucu bulmak için rastgele noktalara bakar; farklı nesneler oluşturmaya yönelik örüntüler.
Bu desenler, daha fazla rastgele nokta katmanı eklenerek, deseni geliştiren noktaları tutarak ve diğerlerini atarak, sonunda bir benzerlik ortaya çıkana kadar yavaşça geliştirilir.
“Mars yüzeyi”, “astronot” ve “yürüme” gibi gerekli tüm kalıpları birlikte geliştirdiğinizde yeni bir görüntüye sahip olursunuz.
Yeni görüntü rastgele piksel katmanlarından oluşturulduğu için, sonuç daha önce hiç var olmamış bir şeydir, ancak yine de orijinal eğitim görüntülerinden öğrendiği milyarlarca desene dayanmaktadır.
Toplum şimdi bunun telif hakkı ve gerçek sanatçıların, tasarımcıların ve fotoğrafçıların sıkı çalışmaları üzerine eğitilmiş sanat eserleri yaratma etiği gibi şeyler için ne anlama geldiğiyle boğuşmaya başlıyor.
Peki ya sürücüsüz otomobiller?
Sürücüsüz otomobiller onlarca yıldır YZ etrafındaki konuşmaların bir parçası olmuştur ve bilim kurgu onları popüler hayal gücüne sabitlemiştir.
Kendi kendine giden YZ, otonom sürüş olarak bilinir ve arabalar kameralar, radar ve menzil algılayıcı lazerlerle donatılmıştır.
Manevra yapmasına ve uçuş sırasında sürekli ayarlamalar yapmasına yardımcı olmak için kanatlarında 360 derece görüş ve sensörler bulunan bir yusufçuk düşünün.
Benzer bir şekilde, yapay zeka modeli de sensörlerinden gelen verileri kullanarak nesneleri tanımlar ve hareket edip etmediklerini, ediyorlarsa ne tür bir hareketli nesne olduklarını (başka bir araba, bisiklet, yaya veya başka bir şey) anlar.
İyi bir sürüşün neye benzediğini anlamak için binlerce ve binlerce saatlik eğitim, yapay zekanın gerçek dünyada arabayı sürmek ve çarpışmalardan kaçınmak için kararlar alabilmesini ve harekete geçebilmesini sağladı.
Tahmine dayalı algoritmalar, insan sürücülerin genellikle öngörülemeyen doğasıyla başa çıkmak için uzun yıllar mücadele etmiş olabilir, ancak sürücüsüz araçlar artık gerçek yollarda milyonlarca mil veri topladı. San Francisco’da şimdiden ücretli yolcu taşımaya başladılar.
Otonom sürüş, yeni teknolojilerin teknik engellerden daha fazlasını nasıl aşması gerektiğinin de çok açık bir örneğidir.
Hükümet mevzuatı ve güvenlik düzenlemeleri ile kontrolü makinelere devrettiğimizde ne olacağına dair derin bir endişe duygusu, yollarımızda tam otomatik bir gelecek için hala potansiyel barikatlardır.
İçeriden bakış: İnsanlardan daha güvenli
“Sanırım varacağımız yer daha güvenli yollar istediğimiz yer olacak. İnsanlar ve robotların performanslarının birbirine yakın olduğu şu günlerde bu konu hakkında konuşmak gerçekten ilginç. Ancak önümüzdeki birkaç yıl içinde – bu sistemlerin sahip olduğu gelişme hızı göz önüne alındığında – bunun dikiz aynasında kalan bir konuşma olacağını düşünüyorum. Çünkü insanlardan çok daha iyi olacaklar ve biz bu tartışmayı yapmayacağız bile.”
Kyle Vogt – Otonom otomobil şirketi Cruise’un CEO’su
Yapay zeka benim hakkımda ne biliyor?
Bazı YZ’ler basitçe sayılarla uğraşır, bunları toplayıp bir araya getirerek, ürünleri son derece değerli olabilecek bir bilgi sürüsü oluşturur.
Muhtemelen halihazırda finansal ve sosyal eylemlerinizin, özellikle de çevrimiçi olanların, davranışlarınız hakkında tahminlerde bulunmak için kullanılabilecek çeşitli profilleri vardır.
Süpermarket sadakat kartınız haftalık alışverişiniz boyunca alışkanlıklarınızı ve zevklerinizi takip ediyor. Kredi kuruluşları bankada ne kadar paranız olduğunu ve kredi kartlarınıza ne kadar borcunuz olduğunu takip ediyor.
Netflix ve Amazon dün gece kaç saat içerik izlediğinizi takip ediyor. Sosyal medya hesaplarınız bugün kaç videoya yorum yaptığınızı biliyor.
Ve sadece siz değilsiniz, bu sayılar herkes için mevcut ve yapay zeka modellerinin sosyal trendleri aramak için bunları karıştırmasını sağlıyor.
Bu yapay zeka modelleri, kredi veya ipotek alıp alamayacağınıza karar vermekten, internette hangi reklamları göreceğinizi seçerek ne satın alacağınızı etkilemeye kadar hayatınızı şekillendirmeye başladı bile.
Uzman görüşü: Şeffaflığa ihtiyacımız var
“Sofistike bilimsel ve teknolojik konular hakkında konuşmak için bir dil geliştirmeliyiz. Bunu yapmanın bir yolu da şunu söylemektir: dar ve üretken yapay zeka arasındaki farkı bilmek zorunda değilsiniz, ancak hayatınızda kullanılan otomatik sistemlerin güvenli ve etkili olmasını bekleyebilmelisiniz; verilerinizin korunduğunu; örneğin bir ipoteğe erişiminiz hakkında karar vermek için kullanılan bir sistem için bunun nasıl elde edildiğine dair bir açıklama alabilmelisiniz veya karar sizin lehinize değilse ve daha fazla bilgi istiyorsanız biriyle konuşabilmelisiniz.”
Alondra Nelson – 2022’de bir Yapay Zeka Haklar Bildirgesi için bir plan yayınlayan ABD Bilim ve Teknoloji Politikası Ofisi’nin eski direktör vekili
Yapay zeka her şeyi yapabilecek mi?
Bu becerilerin bazılarını tek bir hibrit YZ modelinde birleştirmek mümkün olabilir mi?
YZ’deki en son gelişmelerden biri tam olarak bunu yapıyor.
Buna multimodal YZ deniyor ve bir modelin görüntü, metin, ses veya video gibi farklı veri türlerine bakmasına ve bunlar arasındaki yeni örüntüleri ortaya çıkarmasına olanak tanıyor.
Bu çok modlu yaklaşım, ChatGPT’nin yapay zeka modeli yalnızca metin üzerinde eğitilen GPT3.5’ten görüntülerle de eğitilen GPT4’e güncellendiğinde gösterdiği büyük sıçramanın nedenlerinden biriydi.
Her türlü veriyi işleyebilen ve dolayısıyla diller arasında çeviri yapmaktan yeni ilaçlar tasarlamaya kadar her türlü görevi yerine getirebilen tek bir YZ modeli fikri, yapay genel zeka (AGI) olarak biliniyor.
Bazıları için bu, tüm yapay zeka araştırmalarının nihai amacıdır; diğerleri için ise, anlayışımızın çok ötesinde bir zekayı serbest bıraktığımız ve artık onu kontrol edemediğimiz tüm o bilim kurgu distopyalarına giden bir yoldur.
Bir yapay zekayı nasıl eğitirsiniz?
Yakın zamana kadar çoğu YZ’nin eğitimindeki temel süreç “denetimli öğrenme” olarak biliniyordu.
Büyük eğitim verisi setlerine insanlar tarafından etiketler veriliyor ve YZ’den verilerdeki örüntüleri bulması isteniyordu.
Daha sonra YZ’den bu kalıpları bazı yeni verilere uygulaması ve doğruluğu hakkında geri bildirim vermesi isteniyordu.
Örneğin, bir yapay zekaya altısı “araba” ve altısı “kamyonet” olarak etiketlenmiş bir düzine fotoğraf verdiğinizi düşünün.
Daha sonra yapay zekaya arabaları ve minibüsleri iki gruba ayıran görsel bir model bulmasını söyleyin.
Şimdi ondan bu fotoğrafı kategorize etmesini istediğinizde ne olacağını düşünüyorsunuz?
Ne yazık ki, yapay zeka bunun bir minibüs olduğunu düşünüyor – o kadar da akıllı değil.
Şimdi ona bunu göster.
Ve size bunun bir araba olduğunu söylüyor.
Neyin yanlış gittiği oldukça açık.
Yapay zeka, eğitildiği sınırlı sayıdaki görüntüden yola çıkarak, otomobil ve kamyonetleri ayırmanın en güçlü yolunun renk olduğuna karar verdi.
Ancak yapay zeka programıyla ilgili şaşırtıcı olan şey, bu karara kendi başına varmış olmasıdır ve karar verme sürecini iyileştirmesine yardımcı olabiliriz.
Ona iki yeni nesneyi yanlış tanımladığını söyleyebiliriz; bu onu görüntülerde yeni bir model bulmaya zorlayacaktır.
Ancak daha da önemlisi, ona daha çeşitli görüntüler vererek eğitim verilerimizdeki önyargıyı düzeltebiliriz.
Bu iki basit eylem birlikte ele alındığında – ve büyük ölçekte – çoğu yapay zeka sisteminin inanılmaz derecede karmaşık kararlar vermek üzere nasıl eğitildiği ortaya çıkıyor.
Yapay zeka kendi kendine nasıl öğrenir?
Denetimli öğrenme inanılmaz derecede güçlü bir eğitim yöntemidir, ancak YZ’deki birçok yeni atılım denetimsiz öğrenme ile mümkün olmuştur.
En basit ifadeyle, karmaşık algoritmaların ve devasa veri kümelerinin kullanılması, yapay zekanın herhangi bir insan rehberliği olmadan öğrenebileceği anlamına gelir.
ChatGPT bunun en iyi bilinen örneği olabilir.
İnternetteki ve dijitalleştirilmiş kitaplardaki metin miktarı o kadar büyüktür ki, ChatGPT aylar boyunca kelimeleri anlamlı bir şekilde nasıl birleştireceğini kendi kendine öğrenebilmiş ve insanlar daha sonra yanıtlarını ince ayarlamaya yardımcı olmuştur.
Elinizde yabancı dilde yazılmış, belki bazılarında resimler de bulunan büyük bir kitap yığını olduğunu düşünün.
Sonunda bir sayfada ne zaman bir ağaç çizimi ya da fotoğrafı olsa aynı sözcüğün, ne zaman bir ev fotoğrafı olsa başka bir sözcüğün ortaya çıktığını anlayabilirsiniz.
Ve bu kelimelerin yanında genellikle “a” veya belki “the” anlamına gelebilecek bir kelime olduğunu görürdünüz – ve bu böyle devam ederdi.
ChatGPT, kelimeler arasındaki ilişkinin bu tür yakın analizini yaparak, daha sonra tahminlerde bulunmak ve yeni cümleler oluşturmak için kullanabileceği devasa bir istatistiksel model oluşturdu.
Yapay zekanın tek başına, gruplar halinde, cümleler halinde ve sayfalar boyunca çok büyük miktarda kelimeyi ezberlemesine ve daha sonra saniyenin çok küçük bir bölümünde tekrar tekrar nasıl kullanıldıklarını okuyup karşılaştırmasına olanak tanıyan muazzam miktarda bilgi işlem gücüne dayanır.
Yapay zeka konusunda endişelenmeli miyim?
Geçtiğimiz yıl derin öğrenme modellerinin kaydettiği hızlı ilerlemeler bir coşku dalgası yarattı ve aynı zamanda yapay zekanın geleceğine ilişkin endişelerin kamuoyunda daha fazla yer almasına yol açtı.
İnternetten toplanan eğitim verilerindeki önyargıların – ırkçı, cinsiyetçi ve şiddet içeren söylemler ya da dar kültürel bakış açıları gibi – yapay zekanın insan önyargılarını taklit etmesine yol açması hakkında çok fazla tartışma yapıldı.
Bir başka endişe de, yapay zekanın, eylemlerinin etik veya daha geniş sonuçlarını tam olarak dikkate almadan sorunları çözmekle görevlendirilebileceği ve bu süreçte yeni sorunlar yaratabileceğidir.
Yapay zeka çevrelerinde bu, filozof Nick Bostrom’un bir düşünce deneyinden sonra “ataç maksimizasyon problemi” olarak bilinir hale geldi.
Bostrom, kendisinden mümkün olduğunca çok ataç yaratması istenen bir yapay zekanın, görevini yerine getirmek için gezegendeki tüm doğal kaynakları yavaşça saptırdığını ve buna daha fazla ataç için hammadde olarak kullanmak üzere insanları öldürmenin de dahil olduğunu hayal etmiştir.
Diğerleri ise geleceğin cani yapay zekalarına odaklanmak yerine, insanların mevcut yapay zeka araçlarını siyasete güvensizliği ve her türlü medyaya şüpheyle yaklaşımı arttırmak için nasıl kullanabilecekleri sorunuyla daha fazla ilgilenmemiz gerektiğini söylüyor.
Özellikle, seçmenlerin ve siyasi partilerin yeni bir sofistike dezenformasyon seviyesiyle nasıl başa çıkacağını görmek için dünyanın gözü ABD’deki 2024 başkanlık seçimlerinde.
Sosyal medya, yapay zeka ile oluşturulmuş ve her biri farklı bir seçmen grubunu kızdırmak için uyarlanmış sahte başkan adayları videolarıyla dolup taşarsa ne olur?
Avrupa’da AB, YZ’nin kullanımını düzenleyerek vatandaşlarının haklarını korumak için bir Yapay Zeka Yasası oluşturuyor; örneğin, kamusal alanlarda insanları gerçek zamanlı olarak izlemek veya tanımlamak için yüz tanıma özelliğinin kullanılmasının yasaklanması gibi.
Bunlar, bu teknolojilerin gelecekteki kullanımı için kılavuz ilkeler belirleyen – şirketlerin ve hükümetlerin ne yapmasına izin verilip verilmeyeceğine dair sınırlar koyan – dünyadaki ilk yasalar arasında yer alıyor, ancak yapay zekanın yetenekleri artmaya devam ettikçe, bunların sonuncusu olması pek olası değil.
Uzman görüşü: Onları çocuk gibi yetiştirin
“Geleceğimizi yeniden hayal edecek olursak, bunun cevabı makineleri kontrol etmeye çalışmakta ya da onları insanlığa hizmet etmelerini kısıtlayacak şekilde programlamakta değil, onları bilinçli bir varlık gibi yetiştirmekte ve kelimenin tam anlamıyla çocuklarımızdan biri gibi büyütmekte yatıyor. Ve insanlığın bu makineler karşısında nasıl davrandığını gözlemlediğimizde – tweetlere yanıt verme şeklimiz ya da haberlerle etkileşim şeklimiz ve benzeri – çok iyi ebeveynler olmuyoruz; en iyi halimizi göstermiyoruz. Ve eğer makineler bizim zekamızı taklit eder ve bizim kim olduğumuzu daha iyi anlarsa, başımız belada demektir. Geleceğimizin bir Ütopya olarak yeniden hayal edilmesini sağlayabilmemizin tek yolu, bu makinelere bizi önemsemelerini sağlayacak değerleri öğretebilecek türden ebeveynler gibi davranmaya başlamaktır.”
Mo Gawdat – yazar ve Google X’in eski işletme müdürü
Kaynak: BBC
Yapayzeka.news’in hiçbir güncellemesini kaçırmamak için bizi Facebook, Twitter, LinkedIn, Instagram‘ ve Whatsapp Kanalımız‘dan takip edin.
