Dar ve Genel Yapay Zekâ Farkları
Makinelerin ve bilgisayarların insan aklına benzer şekilde davranmasına yapay zekâ diyebilir miyiz? Bu yazıda yapay zekânın ne olduğundan ve dar-genel yapay zekâ kavramlarının farklarından bahsediyoruz.
Alan Turing, bilgisayar biliminin kurucusu sayılan, İngiliz matematikçi ve kriptolog. Geliştirmiş olduğu Turing Testi ile makinelerin ve bilgisayarların düşünme yetisine sahip olup olamayacakları konusunda bir kavram öne sürüyor. Bu kavramın amacı ise bir makinenin düşünebildiğini söyleyebilmenin mantıksal olarak mümkün olup olmadığıdır. Manchester Üniversitesi’nde çalıştığı dönemde, Turing makinesi denen algoritma tanımı ile bilgisayarların kavramsal temelini atan çok değerli bilim insanlarından birisidir.
Alan’ın öne attığı “Makineler düşünebilir mi?” sözü 1950 yıllarında çok tuhaf karşılanıyordu. Ancak, yaklaşık 70 yıl sonra, “yapay zekâ” birçok alanda kullanılmakta ve donanım gücünün (GPU) gelişmesiyle birlikte bu alanda yapılan araştırmalar hız kazanmış durumda.
“Yapay Zekâ” terimi ilk kez 1956 yılında John McCarthy tarafından ortaya atıldı. Makinelerin insan zekasını taklit edebileceğini düşünüyordu. Makinelerin ve bilgisayarların insan aklına benzer şekilde davranmasına yapay zekâ diyebilir miyiz? Belki. Ama günümüzde gerçekten de Siri gibi teknolojilere yapay zekâ demeli miyiz?
Dar (Narrow) Yapay Zekâ Nedir?
Dar Yapay Zekâ, spesifik bir konuda, insandan daha iyi ya da insana yakın performans gösteren “yapay zekâ” türü olarak tanımlanır. Arkada aslında gerçek anlamda bir reasoning (düşünme, mantık) veya understanding (kavrama) yatmaz. Genel yapay zekânın aksine, dar yapay zekâ, belirlenmiş alanlara odaklanmış olup, sebep-sonuç ilişkisi kurmada zorlanır.
Çevremizde Siri, Google Asistan ve adını sayamadığımız birçok cihaz/yazılım dar yapay zekânın içine giriyor. Peki şu anda, dar yapay zekâ hangi alanlarda kullanılıyor?
- Sürücüsüz araçlar
- Sağlık (Biyomedikal, Biyogörüntüleme ve fazlası)
- Yüz tanıma sistemleri
- Siber Güvenlik
- Cerrahide robot asistanlar
Bugün birçok şirket, verimliliği artırmak, maliyetleri azaltmak ve görevleri otomatikleştirmek için yatırım yapıyor ancak dar yapay zekânın önünde aşılması gereken çok önemli ve zor engeller var:
- Dar yapay zekâ’nın kendisini başarılı bir şekilde eğitilmesi için çok veriye ihtiyaç duyuyor.
- Daha önceden oluşturulan bir dar yapay zekâ modelini farklı bir görevde (problemde) kullanmak zor.
- Günümüzde artık ücretsiz bulut servisleri sayesinde derin öğrenme modellerini eğitebiliriz fakat işin içine büyük veri (big data) girdiği takdirde modelin eğitim süresi uzun ve maliyetli olabilir.
- İnsanlara dayalı yerlerde böyle bir sistemi entegre etmeye çalışmak farklı problemleri ortaya çıkarabilir (Bkz: Yapay zekâ doktorların yerini alır mı?).
Genel (General) Yapay Zekâ
Genel yapay zekâ, insan zekasına daha yakın, sebep-sonuç ilişkisi kurabilen ve farklı problemlerde mantık, kavrama yeteneklerine sahip olan makinelere denir. Günümüzde bilgisayarlı görü ve doğal dil işleme alanında yapılan çalışmalar sayesinde dar yapay zekâdan genel yapay zekâ’ya bir geçiş söz konusu. Tabi bunun için daha çok araştırılma yapılması ve bununla beraber donanım gücünün de artması gerekmekte.
Genel yapay zekânın insan zekasıyla eşleşebilmesi için; öğrendiği bir şeyi bir ortamdan başka bir ortama ya da bir bireye aktarabilmesi, iş birliğinde çalışabilmesi, mantıklı karar verebilmesi gerekiyor.
2017 yılında makine öğrenmesi ve nörobilim alanında uzman kişiler üzerinde yapılan bir ankete göre katılımcıların %50’si, genel yapay zekânın 2060 yılından önce gerçekleşeceğini belirtiyor.
Bana kalırsa böyle bir problemi çözmek için mühendislik, tıp, psikoloji ve adını sayamadığım birçok dal bir arada çalışmalı, büyük resme tek bir taraftan bakmamamız lazım.
Ek olarak, günümüzde derin öğrenme alanındaki modellerinin gelişmesi birçok problemi çözmüş olabilir ancak bu modellerin bir zekâya sahip olduğunu ben direkt olarak söyleyemezdim.
Genel yapay zekâya ulaşmamız için ilk önce insan beynini çözmemiz mi gerek “acaba”?
Kaynakça:
