Yapay Zekanın Yolculuğu: Gerçek mi, Yalnızca Bir İllüzyon mu?

Yapay zeka, yüzyıllardır hayali süren bir konseptken, son yıllarda hızla popüler hale gelmiştir. Bunu sağlayan etkenler arasında hesaplama gücündeki büyük gelişmeler ve veri analizindeki ilerlemeler öne çıkmaktadır. ChatGPT gibi geniş dil modelleri (LLM’ler) aslında oldukça sofistike bir otomatik tamamlama sistemi olarak tanımlanabilir. Bu teknoloji, eğitim verisinin internetteki geniş yelpazeden derlenmesiyle bu kadar etkileyici hale gelmiştir. Ancak bu modeller, gerçek yapay genel zeka tanımının sadece bir parçasını temsil eder; formülünün tamamı değildir ve diğer bileşenleri henüz tam anlamıyla bilmiyoruz.

Artık ChatGPT sayesinde herkes, yapay zekanın sunduğu deneyimi doğrudan yaşayabilmektedir. Tek yapmanız gereken bir internet tarayıcısı açmak ve gezegendeki en gelişmiş yapay zeka sistemiyle iletişim kurmak. Bu önemli gelişme, 70 yıllık bilimsel çalışmaların sonucudur. Ancak bu, gerçek yapay zekanın bulunmuş olduğu anlamına mı geliyor? Yapay zeka dünyasında sona doğru mu yaklaşıyoruz?

Simgesel Yapay Zeka: Bir Formül Arayışı

Bilgisayarlar, talimatları izleyen makinelerdir. Onlara verdiğimiz yazılımlar, basit talimatlar dizisidir; bilgisayarın sadıkca izlediği formüllerdir. İnternet tarayıcınızdan e-posta uygulamanıza, kelime işlemcinize kadar her şey bu detaylı talimat listelerine dayanır. Eğer “gerçek yapay zeka” mümkün olsaydı (insanlar kadar yetenekli bilgisayarların varlığı), bu da bir formül etrafında şekillenirken ortaya çıkardı. Yani, yapay zekayı gerçek hale getirmek için doğru formülü bulmak yeterli olmalı. Peki, böyle bir formül tam olarak nasıl görünmelidir? ChatGPT, GPT-4 ve BARD gibi LLM’lerle ilgili yaşanan heyecan, gerçek yapay zekanın formülünü nihayet bulduğumuz anlamına mı geliyor?

Son kırk yıldır yapay zeka geliştirme çabaları, bilinçli zihni modelleme fikrine dayanıyordu; yani, insan düşünce ve muhakeme süreçlerinin temel sorununu çözmeye yönelikydi. Bu yaklaşım “simgesel yapay zeka” olarak adlandırılıyor ve zihinsel faaliyetlerimizin simgeleri (kelimeler, harfler ve işaretler) kullanarak muhakeme ve karar verme yeteneğini geliştirmeye çalışıyor.

Simgesel yapay zeka bir miktar ilerleme kaydetmiş olsa da, insanın algılama becerilerine dayanan bazı basit görevlerde başarısız olmuştur. Örneğin, yüz tanıma gibi sıradan bir görev bile simgesel yapay zeka için zorlu olmuştur. Bunun nedeni, yüzleri algılamak için duyusal bir anlama gereksinimi olduğudur. Çoğumuz algılamayı doğal bir yetenek olarak görürken, bu kısımlar yapay zeka açısından takılma noktası olabilir. Simgesel yapay zeka, algılama gerektiren problemleri çözme konusunda yanlış bir yöntem izlemektedir.

Sinirsel Ağların Rolü

Yapay zeka için alternatif bir yaklaşım, insan zihnindeki yapıları modellemeye dayanmaktadır. İnsan beyinlerinin, günümüzdeki zeka formlarını yaratabilen tek varlıklar olduğunu biliyoruz. Bir beyne mikroskopla baktığınızda, nöron adı verilen ve geniş ağlarda birbirine bağlı birçok sinir hücresi göreceksiniz. Her nöron, çevresindeki bağlantılarda örüntüler aramaktadır. Bir örüntü tespit edildiğinde, sinyaller gönderir ve bu durum ağı genişletir.

Sinirsel ağlar, 1940’lı yıllarda ortaya çıkmış ve nöronların elektrik devreleri tarafından taklit edilebileceği fikrinden doğmuştur. Günümüzdeki sinirsel ağlar, yazılım üzerinden çalışmakta ve beyin işleyişini modelleme hedefi taşımaktadır. Ancak bu yazılımlar, çok çeşitli basit hesaplama aygıtlarından oluşan büyük ağları içermekte ve ilhamını beyinlerin karmaşık yapılarından almaktadır.

Sinirsel ağlar, zamanla popülaritesini kaybetse de, son on yıl içinde kaydedilen ilerlemelerle yeniden öne çıkmıştır. Bu alandaki gelişmeler, yapay zekanın çözmesi gereken bir dizi sorunu hızla aşmasına katkı sağlamıştır.

Bununla birlikte, günümüzdeki sinirsel ağların temelinde yeni algoritmaların yanı sıra bol miktarda veri ve hesaplama gücü de yatmaktadır. Bu iki faktör, modern sinir ağlarının etkili bir şekilde eğitilmesi için gereklidir.

Son yıllarda geliştirilmiş yapay zeka sistemlerinin çoğu, sinirsel ağlar kullanmaktadır. Örneğin, DeepMind’ın geliştirdiği AlphaGo, iki adet 12 katmanlı sinirsel ağdan yararlanırken, bu ağlar internet üzerinden oynanan önceki oyunlardan elde edilen verilerle eğitilmiştir. Aynı zamanda, Microsoft’un desteklediği OpenAI’nın ChatGPT ve Google’ın BARD’ı da bu ağlardan faydalanarak çalışmaktadır. Son gelişmeler, bu modellerin muazzam büyüklüğünde gizli kalmış ayrıntılar sunmaktadır.

Büyük Güç, Büyük Veri

OpenAI’nin 2020 yazında tanıttığı GPT-3 sistemi, ChatGPT’nin temelini oluşturmaktadır. Bu model, devasa boyutta sinir ağlarından oluşmakta ve üzerindeki devrim niteliğindeki dönüm noktasında LLM’ler önemli bir rol oynamaktadır. GPT-3’ün toplamda 175 milyar parametreye sahip olduğu tahmin edilmektedir ve GPT-4’ün parametre sayısının 1 trilyona kadar ulaştığı söylenmektedir. Bir insan beyninde ise toplamda yaklaşık 100 milyar nöron ve 1.000 trilyon sinaptik bağlantı bulunmaktadır.

GPT’yi eğitmek için 575 gigabayt metin kullanılmıştır. Belki bu oldukça fazla görünmüyor, ama sıradan bir verinin yanı sıra bu, onun yazılı metinler üzerinden elde edildiğini unutmamak gerekiyor. Bu metinler, Dünya Çapında Web’den alınmış ve deniz gibi geniş bir veri havuzuna döndürülmüştür. İngilizce Vikipedi, toplam veri havuzunun yalnızca %3’ünü oluşturmaktadır.

Peki bu geniş veriyi işleyip ağları eğitebilecek bilgisayarlar hangi kapasiteye sahip? Bilgisayar mühendisleri, “yüzer nokta işlemi” ya da “FLOP” terimini kullanarak hesaplamaları ifade ederler. Bir FLOP, bireysel hesaplama işlemlerini ifade eder. GPT-3’ü eğitmek için yaklaşık 3^1023 FLOP’a ihtiyaç vardır ki bu, pek çok insanın kavrayışı dışında bir büyüklüktür. Eğer bir masaüstü bilgisayarda GPT-3’ü eğitmeye çalışsaydınız, bu işlem yaklaşık 10.000 yıl boyunca devam etmeliydi.

Elbette OpenAI, bu modeli sıradan bir bilgisayarda eğitmemiştir. Bunun yerine büyük bir süper bilgisayar ağı kullanarak eğitmiştir. Bu eğitim süresi, piyasa koşullarında milyonlarca dolara mal olmuştur. Bu durum, sadece birkaç büyük teknoloji şirketinin ve devletin bu tür sistemleri geliştirme gücüne sahip olduğunu gösteriyor.

LLM Çatısı Altında

Tüm bu büyük ölçeklere rağmen, LLM’ler aslında basit bir işlev gerçekleştirmektedir. Tek bir metin mesajı oluşturmak istediğinizde, akıllı telefonunuz genellikle kelime tahmini yapmaktadır. Örneğin, “ne zaman” kelimesiyle başlayan bir mesaj yazarken, telefonunuz “eve geliyorsun” veya “yemek yiyoruz” gibi doğal öneriler sunar. LLM’ler de benzer bir şekilde çalışır ancak daha kapsamlı bir veri setine dayanarak tahmin yapmaktadır.

ChatGPT veya BARD’ı kullanırken, bu sistemlerin doğal metin üretme yetenekleri göze çarpar. Bunun yanı sıra, onları bu kadar etkileyici kılan, eğitildikleri geniş metin koleksiyonundan gelen dolaylı yetenekleridir. Örneğin, metin parçalarını özetlemesi veya önemli bilgileri çıkarması gibi görevlerde oldukça başarılıdırlar. Yapay zeka alanında çalışan uzmanların, GPT-3’ün 2020’de tanıtıldığında bu açıdan tıkladığını ve birçok kullanıcının ChatGPT’nin Kasım 2022’deki tanıtımında heyecanlandığını söyleyebiliriz.

Yapay Zeka Dönemi Başlıyor

Bu noktada belirtmem gereken önemli bir şey var: ChatGPT sayesinde, nihayet yapay zeka dönemine girmiş bulunuyoruz. Artık, her gün yüz milyonlarca insan dünyanın en gelişmiş yapay zekasıyla etkileşim kurmakta. Bu, 70 yıllık bilimsel araştırma, milyarlarca dolarlık yatırım ve güçlü yapay zeka süper bilgisayarlarının bir sonucudur. Ancak geldiğimiz noktada, yapay zekanın temel işlevi istem tamamlama olarak öne çıkıyor.

Bu, bazı büyük teknoloji firmalarının geleceğini tehdit ettiği anlamına geliyor. Başarıları artık istem tamamlama üzerine inşa edilmiş durumda. Bunu, 30 yılı aşkın bir süredir çalışan bir yapay zeka araştırmacısı olarak benim için kırıcı bir durum olarak görüyorum. Aslında oldukça üzücü bir sonuç.

Yapay zekadaki her ilerleme döneminde, gerçek yapay zeka yolunda ilerlediğimiz sıkça söz edilmiştir. Ancak LLM’lerin başarısını gördüğümüzde, bu tür iddiaların yeniden gündeme gelmesi şaşırtıcı değildir. Dolayısıyla, biraz durup bunu düşünmek gerek.

İnsan zekasının iki ana yönü vardır: birincisi zihinsel yetenekler, diğeri ise fiziksel yeteneklerdir. Zihinsel yetenekler kapsamında mantıksal ve soyut muhakeme, analitik düşünme, sayısal muhakeme ve doğal dil işleme yer alır; fiziksel yetenekler ise duyusal algılama, hareket kabiliyeti ve el becerileri gibi alanları içerir.

Bu, insan yeteneklerinin kapsamlı bir listesini temsil etmez. Ancak bir gün gerçek bir yapay zeka yaratılabilirse (insanlar gibi akıllı), bu yeteneklerin hepsine sahip olmalıdır.

LLM’lerin Sınırlamaları

Belirtmem gereken en önemli nokta, LLM’lerin fiziksel yeteneklerle ilgili bir teknoloji olmamasıdır. LLM’ler, gerçek dünyada var olmamakta ve robotik yapay zekanın zorluklarıyla başa çıkma kapasitesine sahip değildir. Robotik yapay zekada yaşanan gelişmeler, LLM’lerin ilerlemelerinden daha yavaştır. Surpriz olduğunu varsaysanız bile, robotların el becerileri gibi yeteneklerin çözülmesine daha çok zaman vardır; LLM’ler, bu zorluklar için çözüm sunmaktan uzak.