03:43, 15 Aralık 2017 Cuma



Ana Sayfa > Enformasyonizm > Enformativite |

Yeni Nesil Teknoloji: Yapay Zeka

İlk sistem ileri doğru veri ileten nöral ağ iken, çok katmanlı sistemde en az üç katman vardır ve daha iyi sonuçlar alınmaktadır. Gizli katman örnekte üç adet perceptrondan oluşmakta ama bu sayı artabilir. Sayı arttıkça başarı da artar. Bu tür ağların esas sorunu doğruluğu kanıtlanmış verilerin gerekmesidir.

Yeni Nesil Teknoloji Yapay Zeka

Arkadaşım ile otobüste giderken mevzu “yapay zeka”ya geldi. Kendisi, yapılacak her türlü gelişmenin dünyanın sonunu yaklaştırdığına inanıyor. Yapay zekanın ise bizdeki kullanımın yanlış olduğunu da izah etti. Bizler daha çok sempatik tarafı, madalyonun aydınlık tarafı ile bilindiğini de söyledi. Karanlık tarafının, yapabileceklerinin sınırı olmadığını bilmediğimizi anlattı. Merak ettim ve şu yapay zeka hakkında kısa bir araştırma yaptım.

Yapay Zeka kısaca; bir bilgisayar ya da robotun çeşitli faaliyetleri insanlara benzer şekilde yerine getirme kabiliyeti olarak tanımlanmış. Bu tanım arkadaşımın söylediği ile benzeş. Fakat daha iyi anlayabilmek için yapay zeka olarak karıştırılan; belki de yapay zeka’nın temelini oluşturan bazı teknolojik aletlerden bahsetmek istiyorum. Örneğin cep telefonun ilk akıllandığı dönemde alarm buna güzel bir örnek olabilir. Mekanik aksamlı saatlerde alarm bir zemberek ile kuruluyor ve o zemberek boşaldığı zaman alarm çalmaya başlıyor. Tekrar alarmın çalışabilmesi için zembereğin çevrilmesi gerekiyordu. Hızla gelişen teknoloji sayesinde dijitalleşen saatlerde alarm yapay zekanın öncüsü sayılabilir(mi?). Bu yapay zekanın ilk örneklerini akıllı olarak adlandırılan cep telefonlarında gördük. Senkronize olabilen rehber, not defteri, randevularımız hatta tüm hayatımız. Bizleri  telefona bağımlı olmaktan kurtarıp, bilgisayar, televizyon vs. her türlü teknolojik alet ile iletişim kurulabilir hâle getirdi. İşlevler değil; çünkü randevularımızı hâlâ manuel olarak girmek zorundayız ama bu girdilerin bir yerden bir yere götürülmesi, işlenmesi, düzenlenmesi hatta bizler için tavsiyeler sunan bilmediğimiz bir program çalışmakta. İşte bu olsa olsa yapay zekadır.

Henüz emekleme döneminde olduğu söylenen yapay zekanın tezahürlerini şimdilerde herkesin cebinde görmekteyiz. İlk Siri olarak kendini gösteren yapay zeka sonrasında Cortana, Google NowIBM Watson, IPsoft Amelia ve pek çok örneklerini google play’den görebileceğimiz şekilde türemişlerdir. Bu gelişmeler yapay zeka olarak yapmış olduğum ilk tanıma ne kadar yakınlar?

 

YAPAY ZEKA NEREYE KOŞUYOR

Yapay zeka olarak bize sunulan bu programların neler yapabildiklerine baktığımda sohbetin dışında internette arama yapmakta, paylaşımda bulunmakta ya da sesli arama komutlarını (bazılarını) gerçekleştirmekte. Gerçekte yapay zeka bu mu? Eğer bu ise dünyanın sonu nasıl gelebilir? Örnekleri biraz daha artıralım. Şimdilerde yapay zeka otomobillerde çok moda. Toyota otomobili için geliştirdiği Yui adlı yapay zekayı (asistan) tanıttı. Elbette Toyota otomobili tanıttı ve otomobil ile birlikte bu asistanı tanıttı… Yapay zeka sürücünün yapması gereken tüm kuralları yerine getirmek için sürücüsü ile devamlı bir iletişim halinde. Hatta oluşabilecek muhtemel kazaların önüne geçmek için önlemler alabilmekte. Bir düşünün otomobiliniz ile boş bir otobanda hızla giderken sizin isteğiniz dışında otomobil bir anda yavaşlıyor. Neler olduğunu anlamak için etrafa bakınırken ilerde bir kaza olduğunu ve yolun tek şerite düştüğünü görüyorsunuz. Sizin şu yapay zekanız yaşayacağınız muhtemel bir kazayı önlemiş oldu.

Bu şekilde anlatılan gelişmeler ve yapılan benzer uygulamalar güzel. Ben dünyanın sonunu hâlâ göremedim! Dünyanın sonuna gelmeden önce bu yapay zekanın nasıl çalıştığı hakkında biraz bilgi edinelim.

nöron yapısı

Yapay zekayı anlayabilmek için önce insan beyninin temeli olan sinir hücrelerine bakalım.

İnsan beyninde yer alan sinir hücrelerin yani nöronların yapısı bir gövde, bir kuyruk ve saçaklardan oluşur. Ana gövdeye soma ve saçaklara dendrit deniliyor. Uzun kuyruğun adı akson ve aksonun ucunda yer alan saçaklar ise snaps olarak isimlendirildi.

Basit bir ifadeyle dendritlerden gelen sinyaller ölçülüyor, işleniyor, aktarılıyor ve depolanıyor. Sinyal sayısı yeterliyse oluşan voltaj farkı, aksonun sinyal yollamasına sebep oluyor. Buradan da diğer sinir hücrelerine uyarı gidiyor. Hücreler uyarılıyor, elektrik sinyalleri iletiliyor ve beyin çalışıyor.

Elektronik devreler de bu sistemi taklit etmeye çalışıyor. Ne kadar başarılı olduğu ise ortada. İnsan beyninde ortalama 20 milyar nöron var. Her nöron aşağı yukarı 10 bin kadar başka nörona bağlı. Yani insan beynin bütün işlemleri inanılmaz paralellikte ve karmaşıklıkta gerçekleşiyor. Bu karmaşık ağın yapısı ve esnekliği ise kolay kolay taklit edilemiyor. Fakat bir bilgisayar işlemcisindeki transistör sayısının 2 milyara yaklaştığını düşünecek olursak arkadaşımın ve Stephen Hawking’in Dünyanın Sonu gelecek kuramı hafife alınmaması gerektiğinin ipuçları niteliğinde… Size daha kötüsünü haber vermem gerekirse kullanmakta olduğumuz bilgisayarların yakın zamanda teneke olabileceği ve bunların yerini Kuantum Bilgisayarların alacağını söylersem öngörü hatalı olmaz. Eğer gelecek kuantum ise bu şu anlama geliyor ki milyarlarca verinin saniyeler içinde bilgisayar tarafından işlenmesi demektir. Korkmak için henüz erken; çünkü Kuantum bilgisayarların çalışmasının temelindeki kübit adı verilen fotonları kontrol etmeyi tam anlamıyla başarabilmiş değiliz. Şimdilik sadece şifre kırmak için kullanılmakta.

 

YAPAY ZEKA NASIL ÇALIŞIR

1957 yılında Fran Rosenblatt insan beyninin çalışma şeklini çözmek için Perceptron adı verdiği tek bir nöron modeli hazırladı. Algılayıcı, fark edici gibi anlamlara gelen Perceptron, biçim algılamak için hazırlandı.

Perceptron’un tasarım gayet basit, veriler giriyor ve her verinin bir ağırlığı var. Veri temel olarak 1 ve 0 olsa da taşıdığı ek bir değeri olan ağırlık ile çarpılarak hesaplanıyor. Sonuçlar ortaya konuyor ve değerler belirli bir aktivasyon eşiğini aşıyorsa 1, aşmıyorsa 0 sinyali gönderiliyor. Böylece bilgisiyar sadece 1 ve 0 veri girişi değil, gelen verilerin doğruluk oranını da hesaba katmış oluyor. 

perceptron

Bu işleme yardımcı olmak için başka, bir de eğilim katılıyor. Sonuçları daha doğru hale getirmek için başa sabit bir değer ekleniyor. Bu değer sayesinde perceptronun kararsız kalması engelleniyor. Ağırlıklar önceden hesaplanmış sonuçlara göre belirlenip işleme dahil ediliyor.

1 ve 1 verisi 1 sonucunu, 0 ve 1 verisi 0, 0 ve 0 verisi 0, 1 ve 0 verisi de 0 sonucunu veriyorsa burada sonuçların çoğu 0 olacaktır. Yani ağırlık 0’dır. Bu şekilde belirlenen ağırlık, 4 kombinasyondan 3’ünde doğru sonuç verecektir. Bu eğilim seti 1 hata üretecektir.

Ağırlıklar bu hatayı da hesaba katacak şekilde değiştirilir. 0 ve 1 arasında bir sabit belirlenir, bunun adı da öğrenme oranıdır. Bu teoride işe yarasa da tek katmanlı perceptron başarılı olamamıştır. Başarısız olan tek katmandan çok katmanlı sisteme geçiş yapıldı. Çok katmanlı perceptron girdi katman, gizli katman ve çıktı katmandan oluşmaktadır. 

perceptron çok katmanlı

İlk sistem ileri doğru veri ileten nöral ağ iken, çok katmanlı sistemde en az üç katman vardır ve daha iyi sonuçlar alınmaktadır. Gizli katman örnekte üç adet perceptrondan oluşmakta ama bu sayı artabilir. Sayı arttıkça başarı da artar. Bu tür ağların esas sorunu doğruluğu kanıtlanmış verilerin gerekmesidir. 

Kullanılan standart fonksiyon: f(x) = 1/(1+e-x) şeklindedir. Başka algoritmalar hiperbolik tanjantı ve hata fonksiyonunu da dahil etmiştir. Ağırlıklı girdiler yoğun olduğunda 1’e yakın, çok az olduğunda 0.5, çok büyük ve negatif olduğunda ise 0’a yakın bir sonuç verilmektedir. Hesaplanan ağırlıklar sayesinde yapay zekanın benzer olanı bulması son derece kolaylaşmaktadır.

Rastlanma sıklığı yüksek ise doğruluk değeri yüksek, değilse düşük ölçümü esas alınıyor görüldüğü üzere. Bu kritere ne kadar emniyet edebiliriz? Yapay zekadan endişe edenler, yapıcı tenkitlerini bu yönde geliştireceklerse demek ki 'sonlu durumlar tablosu'nu güncellemekte başarılı sistemler teklif etmelidirler.

Bu iş söylendiği kadar kolay değildir; çünkü doğru sonuca yaklaşabilmek için kullanılması gereken veri miktarı katlanarak artacaktır. Günümüzde artan veri birikimi ve bunu işlemeye harcanan kaynaklar ile çeşitli teknolojilerin günlük hayatta kullanılabilir hale gelmesini sağlamıştır.

Yapay zekanın geliştirilmesinde algoritmalar ne kadar çok önemliyse, kullanılan donanımların geliştirilmesiyle de yakından alakalıdır.

İşin korkunç tarafı sanırım burada. Geliştirilen algoritmalar ile desteklenen kuantum teknolojisiyle dünyanın sonu çok mu yakın? Bu soruya cevap vermek henüz erken ama yakında cevabın bulunacağına hiç şüphe yok.





İlgili Haberler