YAPAY ZEKA NEDİR?

YAPAY ZEKA NEDİR?

Bu Makaleyi Dinleyin
Parça: 1 / 5

Hayatımızın tam ortasına oturan Yapay Zeka nedir? Nasıl Çalışır? Yapay zeka şöyle gelişme gösterdi, yapay zeka artık şunu da yapabiliyor diye her geçen gün yeni bir haber bombardımanı altındayız. İyi de nedir bu yapay zeka, nasıl çalışır. Bu yazımızda sizlere bunları anlatmaya çalışacağım.

Yapay zekânın hikâyesi, aslında insanoğlunun kendi zekâsını çözme ve onu dış dünyaya yansıtma çabasının bir özetidir. Sanayi devrimi insanın kas gücünü makinelerle katladı, bilgisayar devrimi hesaplama hızımızı artırdı. Bugün yaşadığımız Yapay Zekâ Devrimi ise bilgi üretme, analiz etme ve karar alma süreçlerimizi kökten değiştiriyor.

Aslında yapay zeka dediğimiz şey temelde bir dil tanıma programıdır. Yani yapay zeka konuştuğumuz dili analiz edip, kendisine göre yöntemler ile ilk önce ne dediğimizi anlamaya çalışan daha sonra anladığı bu cümleye veri tabanında yüklü cevapların istatistiki olarak en fazla verilenini doğru cevap olarak sunan bir programdır. Kısaca basit tanımını yaptıktan sonra yapay zekanın gelişimine ve işi nasıl yaptığına göz atalım.

Makinelerin insanlaşma yolculuğu son senelerde duymaya başladığımız gibi birkaç yıllık bir mevzu değildir. Hikâye; Almanya’nın karmaşık şifre cihazı Enigmayı çözerek II. Dünya Savaşı’nın kaderini değiştiren İngiliz matematikçi Alan Turing ile başlar. Turing, 1950 yılında kaleme aldığı tarihi makalesinde bir soru ortaya atar; "Makineler düşünebilir mi?"

Ancak "düşünmek" tanımı soyut ve felsefi bir kavram olduğu için Turing bu soruyu daha pratik bir teste dönüştürdü. Bugün Turing Testi olarak bildiğimiz bu yöntemde; bir insan, görmediği iki ayrı muhatapla yazışır. Bu muhataplardan biri gerçek bir insan, diğeri ise bir bilgisayardır. Eğer insan, ekranın arkasındakinin bir makine olduğunu anlayamaz ve onu insan zannederse, o makine "zekâ belirtisi gösteriyor" kabul edilir. Meşhur Turing Testi bir dili gramer olarak tanıma sınavı değildir. Bu testte makinenin insan gibi davranma, şaka yapma, duraksama ve iletişim kurma becerisi ölçülür.

Turing’in attığı bu tohum, son 70 yılda muazzam aşamalardan geçti. Yapay zekanın doğum anı; 1956 yılında ABD Dartmouth Konferansı'nda bilim insanlarının ilk kez "Yapay Zekâ" (Artificial Intelligence, o meşhur AI kısaltması bu kelimelerin baş harfleridir.) terimini resmi olarak kullanması ile başladı.

1960 – 1980 yılları yapay zekâ kışı olarak geçer. Bu tarihlerde önce büyük vaatler ve umutla yola çıkıldı ancak dönemin bilgisayarları son derece yavaştı bu yüzden yatırımlar kesildi, beklentiler boşa çıktı. Bu duraklama dönemlerine literatürde "Yapay Zekâ Kışı" (AI Winter) dendi.

IBM firmasının 1997 yılındaki Deep Blue adındaki bilgisayarı, dahi satranç şampiyonu Rus Garry Kasparov'u yendiğinde dünya şoka uğradı. Ancak Deep Blue bugünün yapay zekasının yanında sadece saniyede milyonlarca olası hamleyi hesaplayan dev bir hesap makinesiydi, nasılsın deseniz cevap bile veremezdi.

Google araştırmacılarının 2017 yılında yayımladığı bir makale bugünkü devrimin başlangıcı oldu. "Transformer" adı verilen bu yeni mimari, bilgisayarların kelimeler arasındaki bağlam ilişkisini muazzam bir hızla kavramasını sağladı. Artık yapay sinir ağları kavramı devreye girmiş ve iş hızlanmaya başlamıştı. Google araştırmacılarının yayımladığı oyunun kurallarını kökten değiştiren bu yeni mimari, bir cümledeki kelimeleri tek tek değil, birbirleriyle kurdukları anlam bağları üzerinden okumayı başardı. Örneğin, "Ali, Mehmet’e kitabını verdi, çünkü o okumayı çok seviyordu" cümlesindeki "o" kelimesinin kime işaret ettiğini artık makineler de çözebiliyordu.

ChatGPT 2022 yılında hayatımıza girdi. Yapay zekâ artık laboratuvarların duvarlarını aşıp evimizin salonuna, cep telefonumuza kadar geldi, herkes bilgisayarla sohbet etti, soru sordu. Google arama sonuçları arasından araştırarak bulduğumuz bilgiyi, yapay zeka programı ChatGPT bize kolayca veriyor hatta bize isterseniz bu bilginin şu yönünü de araştırayım mı? diyordu.

Bugün 2026 yılına geldiğimizde ise ajanlar dönemi başladı. Bir konuda uzmanlaşmış yapay zeka programları (ajanlar) artık sadece sorularımıza cevap veren bir bilgiç değil, bizim yerimize iş yapan bir dijital çalışan haline geldi. Örneğin bu ajanlara mail hesabımıza erişme imkanı verdiğimizde bize gelen mailleri kendi başına okuyup, belirlediğimiz kriterlere göre otomatik olarak cevaplandırabiliyor ya da gelen mesajları konularına göre ayırıp bize bir rapor olarak sunabiliyor. Hem işimizi kolaylaştırıcı hem de korkutucu bir gelişme.

Eski geleneksel bilgisayar programcılığında bir mühendisin programa bir şey yaptırabilmesi binayı tuğla tuğla örmeye benzerdi. Bilgisayara her kuralı tek tek öğretmek zorundaydınız. Eskiden bir programa kediyi tanıtmak istediğinizi düşünün. Kod yazarak programa şöyle talimatlar vermeniz gerekirdi: “Eğer dört ayağı varsa, iki sivri kulağı varsa, uzun bir kuyruğu varsa ve miyavlıyorsa bu bir kedidir”. İlk dönem araştırmacıları büyük bir iyimserlik içindeydi. Bilgisayarlara satranç oynatmayı, matematik teoremlerini ispatlatmayı başarmışlardı, düşünmeyi de öğretebilirlerdi.

Fakat hayat bu kadar basit kurallarla yürümüyordu. Kedi kıvrılıp uyuduğunda ayakları görünmez, karanlıkta sadece gözleri parlar, bazen de bir kazada kuyruğunu kaybetmiş olabilir. Eski yöntem işte burada çöküyordu. Makineler, kendilerine satır satır yazılmış kuralların dışına çıkamıyordu. Modern yapay zekâ yani makine öğrenmesi ise mantığı tamamen tersine çevirdi. Bilgisayara kuralları öğretmek yerine önüne milyonlarca kedi fotoğrafı koyduk ve dedik ki: "İşte kedi bunlardır. Aralarındaki ortak matematiği sen bul." Bilgisayar, insan zihninin aksine, görüntüyü hissetmez; renk piksellerinin sayısal dizilimlerinden matematiksel bir desen (örüntü) çıkarır. Makinelerin "öğrenmesi" dediğimiz mucize, aslında bu desenleri tanıma yeteneğidir.

Şimdi de yapay zeka nasıl çalışıyor ona bakalım. Bir bilgisayar ekranına "Ankara Türkiye'nin başkenti midir?" yazdığınızda arka planda ne olur? Bilgisayar sizce Türkçe cümlelerin anlamını, şehirlerin yerini "biliyor" mu? Yoksa ekranda beliren o kusursuz cevap, devasa bir matematik makinesinin karmaşık hesaplamalarından mı ibaret? Yapay sinir ağları, insan beynindeki nöronların çalışma prensibinden esinlenmiştir. Sistem binlerce "düğüm" üzerinden çalışır. Eğitim sürecinde modele milyarlarca eksik cümle gösterilir; "Türkiye'nin başkenti ..." Model ilk başta rastgele bir tahminde bulunur: "Berlin". Sistem hemen müdahale eder: "Yanlış! Cevap Ankara olmalıydı." Model bu hatasından ders çıkarır ve kendi içindeki milyarlarca sayısal ayarı (bunlara parametre diyoruz) milimetrik olarak değiştirir. Bu işlem trilyonlarca kez tekrarlandığında, makine dilin istatistiksel yapısını çözmüş olur. İşte buna yapay zeka modelinin eğitilmesi diyoruz, bu süreçte çok önemli iki temel kaynak lazım. Çok yüksek bir işlem gücü aynı zamanda yapay zekanın bu eğitimi kendi kendine yapabileceği muazzam büyüklükte bir veri seti. İşte 2000 den sonra bu iki şey bir araya geldiği için yapay zeka çalışmaları birden hızlandı.

İnternetin 2000 yılından sonra hayatımızın merkezine oturmasıyla insanlık devasa bir dijital veri hafızası üretti. Milyarlarca yazı, fotoğraf ve video, yapay zekâ için eşsiz bir okul oldu. Aynı yıllarda oyun dünyası için geliştirilen grafik işlemcilerin (GPU) çok karmaşık matematiksel işlemleri aynı anda yapabildiği fark edilince, yapay zekâya aradığı yakıt ve motor bulunmuş oldu. 2012 yılında Alex Net adlı sistemin görüntü tanıma yarışmasında rakiplerine açık ara fark atmasıyla "Derin Öğrenme" çağı resmen açıldı.

Peki ama bir makine nasıl oluyor da kendi kendine öğrenebiliyor? Bunu anlamak için kendi kafatasımızın içindeki muazzam yapıya bakmamız yeterli. İnsan beyninde milyarlarca sinir hücresi (nöron) bulunur. Biz yeni bir şey öğrendikçe, bu hücreler arasındaki bağlar güçlenir ya da zayıflar. Yapay zekâ araştırmacıları da işte bu biyolojik mucizeden esinlenerek "yapay sinir ağları" kurdular.

Bu ağları üç katlı bir fabrika gibi düşünebilirsiniz. Giriş katmanı, ham maddeyi yani bizim yazdığımız soruyu ya da gösterdiğimiz fotoğrafı içeri alır. Ortadaki gizli katmanlar, bu ham maddeyi işler; çizgileri, şekilleri, kelime köklerini ayrıştırır ve aralarındaki gizli ilişkileri yakalar. Çıkış katmanı ise ortaya çıkan ürünü, yani cevabı önümüze koyar. İşin en ilginç yanı ortadaki bu gizli katman dediğimiz devasa örüntüyü program kendisi oluşturur, neye göre oluşturduğunu bugün o programı yazan, denetleyen ekipler dahi bilmiyor ama sonuçta verilen cevapların yüzdelik dilimi yüzde 90 üzerinde olduğu ve her yeni yükseltme de (versiyon) bu doğruluk oranı daha da arttığı için kullanışlı sayıldı ve kabul edilebilir bulundu. Yapay zekayı tam denetleyemeyiz diyen kesimin güvenmediği şey işte bu orta kesimde yapılan denetleyemediğimiz işlemler nedeniyledir.

Eğitim dediğimiz süreç ise tam bir deneme-yanılma okuludur. Yapay zekâ başlangıçta hiçbir şey bilmeyen bir öğrenci gibidir. Önüne milyonlarca örnek konulur. Sistem bir tahminde bulunur; eğer yanılırsa, "hata payı" hesaplanır ve sistem içindeki matematiksel ağırlıkları bu hatayı azaltacak şekilde yeniden ayar. Bu işlem milyarlarca kez tekrarlandığında, sistem artık hiç görmediği bir soruya bile isabetli yanıtlar verebilir hale gelir. Ancak unutmayalım, makine bir kediyi tanırken onun sıcaklığını, mırlamasını ya da ne olduğunu bizim gibi hissetmez; sadece pikseller arasındaki matematiksel örüntüyü yakalar.

Yapay zekâ tartışmalarında son yıllarda en sık duyduğumuz ama çoğu zaman havada kalan kavramlardan biri "token" meselesidir. Bir yapay zekâya cümle kurduğumuzda, bilgisayar o cümleyi bizim gibi bütün bir anlam örgüsü olarak okumaz. Peki bir bilgisayar bizim yazdığımız cümleleri nasıl işliyor? Ekran karşısına geçip "Ankara Türkiye'nin başkenti midir" yazdığınızda, yapay zekâ bu harfleri nasıl kavrar? Burada iki temel kavramla tanışmamız gerekiyor; Gömme ve Koordinat Systemi (Token ve Embedding).

Program önce eline bir makas alır ve metni işleyebileceği en küçük anlamlı parçalara böler. İşte bu parçalara token denir. Bir token bazen tam bir kelimedir, bazen bir hece, bazen de sadece bir noktalama işaretidir. Özellikle bizim Türkçemiz gibi sondan eklemeli ve zengin bir dilde tek bir kelime bile birkaç parçaya bölünebilir. Örneğin, “Ankara Türkiye’nin başkenti midir?” cümlesini yapay zeka sistemi şöyle parçalar:

Ankara | Türkiye | ’ | nin | Başkent | i | mi | dir | .

İşte programın her bir parçaya atadığı kodlara token denir. Parçalanan bu tokenlar daha sonra devasa bir matematiksel haritaya yerleştirilir. Buna Embedding yani koordinat sistemi diyoruz. Bilgisayarlar harflerden anlamaz; onların tek dili sayılardır. Sistem bu parçaların her birine kendi sözlüğünden bir kimlik numarası olarak sayısal kod verir. Ardından bu sayıları çok boyutlu matematiksel koordinatlara dönüştürür. Böylece "Ankara" ile "başkent" kelimelerinin matematiksel olarak birbirine ne kadar yakın olduğunu hesaplayabilir. Haritanızda birbirine yakın kavramların yan yana durduğunu hayal edin. "Kral" ile "Kraliçe", "Elma" ile "Armut", "Ankara" ile "İstanbul". Yapay zekâ "Ankara" kelimesini bir sözlük maddesi olarak görmez. Onu haritadaki konumuyla; "Türkiye", "Başkent", "Valilik", "Siyaset" kelimelerine olan koordinat yakınlığıyla anlar. Bu yüzden ona "Ankara Türkiye'nin başkenti midir?" dediğinizde, "Türkiye'nin başkenti Ankara'dır" cümlesinin aynı anlama geldiğini haritadaki bu yakınlıktan çıkarır. "Türkiye'nin başkenti..." dedikten sonra, milyonlarca metinden öğrendiği istatistiksel ihtimalleri tartar ve oraya gelmesi en muhtemel parçanın "Ankara" olduğuna karar verir. Sonra cümleyi baştan okur ve bir sonraki parçayı ekler ("'dır"). Kısacası yapay zekâ, dünyanın en gelişmiş "bir sonraki kelimeyi tahmin etme" ustasıdır. Bir modelin hafıza kapasitesini belirleyen "bağlam penceresi" de tek seferde aklında tutabildiği bu token miktarıyla ölçülür.

Yapay zeka bazen kendinden emin bir şekilde yanlış cevap verir. Bütün bu muazzam kapasitesine rağmen, yapay zekânın zaman zaman hiç var olmamış kitaplara atıf yaptığına, yanlış tarihler verdiğine veya uydurma bilgiler ürettiğine şahit oluyoruz. Uzmanlar bu duruma "halüsinasyon" adını veriyor. Bunun sebebi makinenin bize yalan söylemek istemesi değil, tamamen çalışma mantığıdır.

Çünkü yapay zekâ "doğruyu söylemek" üzere değil, "kulağa en mantıklı ve akıcı gelen bir sonraki kelimeyi bulmak" üzere eğitilmiştir. Eğitim aldığı verilerde eksiklik varsa, sorumuz muğlaksa ya da o konuda yeterli bilgiye sahip değilse bile susmak yerine boşlukları istatistiksel olarak en makul görünen kelimelerle doldurur. Dolayısıyla dil bilgisi açısından kusursuz, üslup olarak son derece ikna edici bir cümle, gerçek dünyada tamamen yanlış olabilir. Bu yüzden özellikle sağlık, hukuk, bilim ve ekonomi gibi hata kaldırmayan alanlarda yapay zekâyı son karar mercii değil, mutlaka teyit edilmesi gereken bir yardımcı olarak görmek şarttır.

Makinelerin düşünmeyi öğrenme yolculuğu, aslında insanoğlunun kendi zihnini anlama çabasından başka bir şey değildir. Ve bu devrimin gerçek başlangıcı, makinelerin insan gibi konuştuğu gün değil; insanın söylemediği detayları kendilerinin akıl edip uygulamaya başladığı gün olacaktır.

Ayrıca şu gerçeği de gözden kaçırmayalım; yapay zekânın bize çok dokunaklı bir sevgi şiiri yazması, onun sevgiyi hissettiği anlamına gelmez. Bugünkü sistemlerin ne bir bilinci ne de öznel bir duygusu vardır. Ortada olan şey, insanlığın ürettiği milyonlarca duygusal metnin matematiksel bir yansımasından ibarettir.

Alan Turing 1950'de "Makineler insan gibi konuşabilir mi?" diye sormuştu. 2020 yılında bu sorunun cevabını aldık, evet, konuşabiliyorlar. Bugün yanıtını aradığımız yeni ve çok daha büyük soru ise şudur: "Kendisine sadece bir hedef verdiğimizde, o hedefe giden yolu kendi başına planlayıp yürüyebilen makinelerle nasıl bir dünyada yaşayacağız?"

İlaç geliştirmeden yeni enerji teknolojilerine, tarımsal verimlilikten sanayide arıza tahminine kadar her alanda bu dönüşümün ayak seslerini duyuyoruz. Elbette bu büyük gücün yanında istihdamın geleceği, veri güvenliği, telif hakları ve bilgi kirliliği gibi önemli sorularda kapımızda bekliyor.

Teknoloji yerinde durmuyor, düne kadar sadece sorularımıza yanıt veren sohbet robotlarını konuşurken, bugün artık kendilerine verilen bir hedefi baştan sona planlayıp yürüten "yapay zekâ ajanlarını" konuşuyoruz. Bu ajanlar ile artık resim yaptırabiliyor, gerçeğinden ayırt etmesi çok zor videolar üretebiliyor, hiç nota ve güfte bilmeden çok güzel besteler yaptırabiliyoruz. Bir başka yazımızın konusu da yapay zeka ajanları ve nasıl çalışırlar olsun.

Toplam Okunma Sayısı : 240