12. Bölüm - Yapay Zeka

Bu derste yapay zeka kavramı, türleri, teknolojileri ve teknolojilerin akıllı uygulamalarda kullanım şekli incelenecektir.

Yapay Zeka

Yapay zekâ, bir bilgisayarın veya bilgisayar kontrolündeki bir robotun çeşitli faaliyetleri zeki canlılara benzer şekilde yerine getirme kabiliyeti. İngilizce artificial intelligence kavramının akronimi olan AI sözcüğü de bilişimde sıklıkla kullanılır. Yapay zekâ çalışmaları genellikle insanın düşünme yöntemlerini analiz ederek bunların benzeri yapay yönergeleri geliştirmeye yöneliktir. Yapay zeka günümüzde bilgisayar oyunlarından, tüketici elektroniği ürünlerine kadar her yerde var. Artık neredeyse herkesin sahip olduğu dijital kameralarda yer alan yüz tanıma özelliği, bunun çok temel bir örneği. Gülümsendiğinde bunu algılayabilen ve görüntüyü odaklayan, otomatik çekim yapan kameralar yapay zekadan yararlanıyor. Sadece kameralar değil, ses tanıma yazılımları, görselleri analiz eden ve resim içerisindeki harfleri, sayıları algılayıp dönüştürebilen yazılımlar ve daha pek çok örnek var.

Öğrenebilen ve gelecekte insan zekâsından bağımsız gelişebilecek bir yapay zekâ kavramına doğru yeni yönelimler oluşmaktadır. Bu yönelim, insanın evreni ve doğayı anlama çabasında kendisine yardımcı olabilecek belki de kendisinden daha zeki, insan ötesi varlıklar meydana getirme düşünün bir ürünüdür. Bu düş, 1920’li yıllarda yazılan ve sonraları Isaac Asimov’u etkileyen modern bilim kurgu edebiyatının öncü yazarlarından Karel Čapek’in eserlerinde dışa vurmuştur. Karel Čapek, R.U.R adlı tiyatro oyununda yapay zekâya sahip robotlar ile insanlığın ortak toplumsal sorunlarını ele alarak 1920 yılında yapay zekânın insan aklından bağımsız gelişebileceğini öngörmüştü. Yapay zekâ, insan zekâsına özgü olan, algılama, öğrenme, çoğul kavramları bağlama, düşünme, fikir yürütme, sorun çözme, iletişim kurma, çıkarımsama yapma ve karar verme gibi yüksek bilişsel fonksiyonları veya otonom davranışları sergilemesi beklenen yapay bir işletim sistemidir. Bu sistem aynı zamanda düşüncelerinden tepkiler üretebilmeli (eyleyici yapay zekâ) ve bu tepkileri fiziksel olarak dışa vurabilmelidir. “Yapay zekâ” kavramının geçmişi modern bilgisayar bilimi kadar eskidir. Fikir babası, “Makineler düşünebilir mi?” sorunsalını ortaya atarak makine zekâsını tartışmaya açan Alan Mathison Turing’dir.

Yapay zeka felsefesini ilk ortaya çıkaran kişi ünlü İngiliz mantık ve matematikçisi Alan Turing’dir. 1950 yılında Turing, Mind adlı felsefe dergisinin Ağustos sayısında “Computing Machinery and Intelligence” adlı bir makale yayınlamıştır. Bu makalede Turing “Makineler düşünebilir mi?” sorusunu dikkatli bir felsefi tartışmaya açmış ve makineler düşünebilir iddiasına karşı olan itirazları reddetmiştir. 1936 yılında Turing bilgisayar tasarımının mantıki temelleri üzerine bir makale yazmıştır. Bu makalenin konusu matematiksel mantığın soyut bir problemi ile ilgilidir ve bu problemi çözerken Turing bugün Turing makinesi diye adlandırılan, program depo eden genel amaçlı bilgisayarı kuramsal olarak icat etmeyi başarmıştır. Turing makinesi kuramsal bir hesap makinesi olup hesaplarını karelere bölünmüş ve her karede yalnızca bir sembol bulunabilen bir bant aracı ile yapar. Sadece sonlu sayıda içsel durumları vardır. Bir karedeki sembolü okuduğu zaman hâlihazırdaki durumuna ve sembolün ne olduğuna göre durumu değişebilir.

Modern bilgisayarın atası olan bu makineler ve programlama mantıkları aslında insan zekâsından ilham almışlardı. Ancak sonraları, modern bilgisayarlarımız daha çok uzman sistemler diyebileceğimiz programlar ile gündelik hayatımızın sorunlarını çözmeye yönelik kullanım alanlarında daha çok yaygınlaştılar. 1970’li yıllarda büyük bilgisayar üreticileri olan Microsoft, Apple, Xerox, IBM gibi şirketler kişisel bilgisayar modeli ile bilgisayarı popüler hale getirdiler ve yaygınlaştırdılar. Yapay zekâ çalışmaları ise daha dar bir araştırma çevresi tarafından geliştirilmeye devam etti. Bugün, bu çalışmaları teşvik etmek amacı ile Turing’in adıyla anılan Turing Testi ABD’de Loebner ödülleri adı altında makine zekâsına sahip yazılımların üzerinde uygulanarak başarılı olan yazılımlara ödüller dağıtılmaktadır. Alan Turing, Turing ile bir bilgisayarın veya başka bir sistemin insanlarla aynı zihinsel yetiye sahip olup olmadığını ölçen bir test geliştirmiştir. Genel anlamda bu test bir uzmanın, makinenin performansı ile bir insanınkini ayırt edip edemeyeceğini ölçer. Eğer ayırt edemezse, makine insanlar kadar zihinsel yetiye sahip demektir. Bu testte bir insan ve bir bilgisayar, deneyi yapan kişiden gizlenir. Deneyi yapan hangisiyle haberleştiğini bilmeden bunların ikisiyle de haberleşir. Deneyi yapan kişinin sorduğu sorular ve deneklerin verdiği cevaplar bir ekranda yazılı olarak verilir. Amaç, deneyi yapanın uygun sorgulama ile deneklerden hangisinin insan, hangisinin bilgisayar olduğunu bulmasıdır. Eğer deneyi yapan kişi güvenilir bir şekilde bunu söyleyemez ise, o zaman bilgisayar Turing testini geçer ve insanlar kadar kavrama yeteneğinin olduğu varsayılır.

Türkiye’de de makine zekâsı çalışmaları yapılmaktadır. Bu çalışmalar doğal dil işleme, uzman sistemler ve yapay sinir ağları alanlarında Üniversiteler bünyesinde ve bağımsız olarak sürdürülmektedir. Bunlardan biri, D.U.Y.G.U. - Dil Uzam Yapay Gerçek Uslamlayıcı’dır. İdealize edilmiş tanımıyla yapay zekâ konusundaki ilk çalışmalardan biri McCulloch ve Pitts tarafından yapılmıştır. Bu araştırmacıların önerdiği, yapay sinir hücrelerini kullanan hesaplama modeli, önermeler mantığı, fizyoloji ve Turing’in hesaplama kuramına dayanıyordu. Herhangi bir hesaplanabilir fonksiyonun sinir hücrelerinden oluşan ağlarla hesaplanabileceğini ve mantıksal ve veya işlemlerinin gerçekleştirilebileceğini gösterdiler. Bu ağ yapılarının uygun şekilde tanımlanmaları halinde öğrenme becerisi kazanabileceğini de ileri sürdüler. Hebb, sinir hücreleri arasındaki bağlantıların şiddetlerini değiştirmek için basit bir kural önerince, öğrenebilen yapay sinir ağlarını gerçekleştirmek de olası hale gelmiştir. 1950’lerde Shannon ve Turing bilgisayarlar için satranç programları yazıyorlardı. İlk yapay sinir ağı temelli bilgisayar SNARC, MIT’de Minsky ve Edmonds tarafından 1951’de yapıldı. Çalışmalarını Princeton Üniversitesi’nde sürdüren Mc Carthy, Minsky, Shannon ve Rochester’le birlikte 1956 yılında Dartmouth’da iki aylık bir açık çalışma düzenledi. Bu toplantıda birçok çalışmanın temelleri atılmakla birlikte, toplantının en önemli özelliği Mc Carthy tarafından önerilen yapay zekâ adının konmasıdır. İlk kuram ispatlayan programlardan Logic Theorist (Mantık kuramcısı) burada Newell ve Simon tarafından tanıtılmıştır. Daha sonra Newell ve Simon, insan gibi düşünme yaklaşımına göre üretilmiş ilk program olan Genel Sorun Çözücü (General Problem Solver)‘ı geliştirmişlerdir. Simon, daha sonra fiziksel simge varsayımını ortaya atmış ve bu kuram, insandan bağımsız zeki sistemler yapma çalışmalarıyla uğraşanların hareket noktasını oluşturmuştur. Simon’ın bu tanımlaması bilim adamlarının yapay zekâya yaklaşımlarında iki farklı akımın ortaya çıktığını belirginleştirmesi açısından önemlidir: Sembolik Yapay Zekâ ve Sibernetik Yapay Zekâ.

Sembolik Yapay Zeka

Simon’ın sembolik yaklaşımından sonraki yıllarda mantık temelli çalışmalar egemen olmuş ve programların başarımlarını göstermek için bir takım yapay sorunlar ve dünyalar kullanılmıştır. Daha sonraları bu sorunlar gerçek yaşamı hiçbir şekilde temsil etmeyen oyuncak dünyalar olmakla suçlanmış ve yapay zekânın yalnızca bu alanlarda başarılı olabileceği ve gerçek yaşamdaki sorunların çözümüne ölçeklenemeyeceği ileri sürülmüştür. Geliştirilen programların gerçek sorunlarla karşılaşıldığında çok kötü bir başarım göstermesinin ardındaki temel neden, bu programların yalnızca sentaktik süreçleri benzeşimlendirerek anlam çıkarma, bağlantı kurma ve fikir yürütme gibi süreçler konusunda başarısız olmasıydı. Bu dönemin en ünlü programlarından Weizenbaum tarafından geliştirilen Eliza, karşısındaki ile sohbet edebiliyor gibi görünmesine karşın, yalnızca karşısındaki insanın cümleleri üzerinde bazı işlemler yapıyordu. İlk makine çevirisi çalışmaları sırasında benzeri yaklaşımlar kullanılıp çok gülünç çevirilerle karşılaşılınca bu çalışmaların desteklenmesi durdurulmuştu. Bu yetersizlikler aslında insan beynindeki semantik süreçlerin yeterince incelenmemesinden kaynaklanmaktaydı.

Sibernetik Yapay Zeka

Yapay sinir ağları çalışmalarının dahil olduğu sibernetik cephede de durum aynıydı. Zeki davranışı benzeşimlendirmek için bu çalışmalarda kullanılan temel yapılardaki bazı önemli yetersizliklerin ortaya konmasıyla birçok araştırmacılar çalışmalarını durdurdular. Buna en temel örnek, Yapay sinir ağları konusundaki çalışmaların Minsky ve Papert’in 1969’da yayınlanan Perceptrons adlı kitaplarında tek katmanlı algaçların bazı basit problemleri çözemeyeceğini gösterip aynı kısırlığın çok katmanlı algaçlarda da beklenilmesi gerektiğini söylemeleri ile bıçakla kesilmiş gibi durmasıdır. Sibernetik akımın uğradığı başarısızlığın temel sebebi de benzer şekilde Yapay Sinir Ağının tek katmanlı görevi başarması fakat bu görevle ilgili vargıların veya sonuçların bir yargıya dönüşerek diğer kavramlar ile bir ilişki kurulamamasından kaynaklanmaktadır. Bu durum aynı zamanda semantik süreçlerin de benzeşimlendirilememesi gerçeğini doğurdu. Her iki akımın da uğradığı başarısızlıklar, her sorunu çözecek genel amaçlı sistemler yerine belirli bir uzmanlık alanındaki bilgiyle donatılmış programları kullanma fikrinin gelişmesine sebep oldu ve bu durum yapay zekâ alanında yeniden bir canlanmaya yol açtı. Kısa sürede Uzman sistemler adı verilen bir metodoloji gelişti. Fakat burada çok sık rastlanan tipik bir durum, bir otomobilin tamiri için önerilerde bulunan uzman sistem programının otomobilin ne işe yaradığından haberi olmamasıydı. Buna rağmen uzman sistemlerin başarıları beraberinde ilk ticari uygulamaları da getirdi.

Yapay zekâ yavaş yavaş bir endüstri hâline geliyordu. DEC (Digital Equipment Corporation) tarafından kullanılan ve müşteri siparişlerine göre donanım seçimi yapan R1 adlı uzman sistem şirkete bir yılda 40 milyon dolarlık tasarruf sağlamıştı. Birden diğer ülkeler de yapay zekâyı yeniden keşfettiler ve araştırmalara büyük kaynaklar ayrılmaya başlandı. 1988’de yapay zekâ endüstrisinin cirosu 2 milyar dolara ulaşmıştı. Antropoloji bilimi, gelişmiş insan zekâsı ile dil arasındaki bağlantıyı gözler önüne serdiğinde, dil üzerinden yürütülen yapay zekâ çalışmaları tekrar önem kazandı. İnsan zekâsının doğrudan doğruya kavramlarla düşünmediği, dil ile düşündüğü, dil kodları olan kelimeler ile kavramlar arasında bağlantı kurduğu anlaşıldı. Bu sayede insan aklı kavramlar ile düşünen hayvan beyninden daha hızlı işlem yapabilmekteydi ve dil dizgeleri olan cümleler yani şablonlar ile etkili bir öğrenmeye ve bilgisini soyut olarak genişletebilme yeteneğine sahip olmuştu. İnsanların iletişimde kullandıkları Türkçe, İngilizce gibi doğal dilleri anlayan bilgisayarlar konusundaki çalışmalar hızlanmaya başladı. Önce, yine Uzman sistemler olarak karşımıza çıkan doğal dil anlayan programlar, daha sonra Sembolik Yapay Zekâ ile ilgilenenler arasında ilgiyle karşılandı ve yazılım alanındaki gelişmeler sayesinde İngilizce olan A.I.M.L (Artificial intelligence Markup Language) ve Türkçe T.Y.İ.D (Türkçe Yapay Zekâ İşaretleme Dili) gibi bilgisayar dilleri ile sentaktik (Örüntü) işlemine uygun veri erişim metotları geliştirilebildi. Bugün Sembolik Yapay Zekâ araştırmacıları özel Yapay Zekâ dillerini kullanarak verileri birbiri ile ilişkilendirebilmekte, geliştirilen özel prosedürler sayesinde anlam çıkarma ve çıkarımsama yapma gibi ileri seviye bilişsel fonksiyonlarıbenzetimlendirmeye çalışmaktadırlar. Bütün bu gelişmelerin ve süreçlerin sonunda bir grup yapay zekâ araştırmacısı, insan gibi düşünebilen sistemleri araştırmaya devam ederken, diğer bir grup ise ticari değeri olan rasyonel karar alan sistemler (Uzman sistemler) üzerine yoğunlaştı.

Gelecekte yapay zekâ araştırmalarındaki tüm alanların birleşeceğini öngörmek zor değildir. Sibernetik bir yaklaşımla modellenmiş bir Yapay Beyin, Sembolik bir yaklaşımla insan aklına benzetilmiş bilişsel süreçler ve Yapay Bilinç sistemi, insan aklı kadar esnek ve duyguları olan bir İrade ( Karar alma yetisi ), Uzman sistemler kadar yetkin bir bilgi birikimi ve rasyonel yaklaşımın dengeli bir karışımı sayesinde Yapay Zekâ, gelecekte insan zekâsına bir alternatif oluşturabilir. Bilginin hesaplanması matematiksel gelişme ile mümkün olabilir. Çok yüksek döngü gerektiren NP problemlerin çözümü, satranç oyununda en iyi hamleyi hesaplamak veya görüntü çözümleme işlemlerinde bilgiyi saymak yerine hesaplamak süreti ile sonuca ulaşılabilir. Yeni matematik kuantum parçacık davranışlarını açıklayacağı gibi kuantum bilgisayarın yapılmasına olanak verir. Bilişim uzmanları, bir insanın hepsi aynı anda paralel olarak çalışan 100 milyar nöron bağlantısının toplam hesap gücünün alt sınırı olan saniyede 10 katrilyon (1.000.000.000.000.000 = ) hesap düzeyine 2025’te erişeceğini düşünüyorlar. Beynin bellek kapasitesine gelince, 100 trilyon bağlantının her birine 10.000 bit bilgi depolama gereksinimi tanınırsa, toplam kapasite 10^18 düzeyine çıkıyor. 2030’da 1000 dolarlık bir bilgisayarın bellek kapasitesi 1000 insanın belleğine eşit olacak. 2050’de ise yine 1000 dolara, dünyadaki tüm insanların beyin gücünden daha fazlasını satın alabileceksiniz.

Akıllı Uygulamalar

Yapay zekayı her ne kadar hep “vücutlu bir robot” olarak düşünsek de, aslından bundan çok daha fazlasıdır. Evlerimizde ve hatta ceplerimizdeki birçok elektronik eşya yapay zeka ile donatılmış durumda. Bu yazımızda, basitten karmaşığa doğru 5 yapay zeka sistemini örnekleyeceğiz ve çok kısaca özelliklerini özetleyeceğiz. Bunların bazıları henüz ceplerimizde olan yazılımlar değil; ancak teknoloji geliştikçe, tıpkı oda büyüklüğündeki bilgisayarların ceplerimize girmesi gibi, bu yapay zeka araçları da ceplerimizdeki ve evlerimizdeki yerini alacak. Bunlar;

  • Apple Siri
  • Microsoft Cortana
  • Google Now
  • IBM Watson
  • Ipsoft Amelia

Apple Siri: Listenin en altındaki sırayı, Apple’ın Siri isimli uygulaması alıyor. Yapay zeka jargonunda “kitap dahisi” diyebileceğimiz düzeyde olan Apple Siri, sorduğunuz sorulara cevaplar verebilecek kapasitede. Örneğin bir yemeğin tarifini sorduğunuzda, Google ya da Wikipedia gibi araçları kullanarak sonuçlar çıkarabilecek ve size sunabilecek durumda. Ayrıca Siri, cevabı çok bariz olan bazı sorulara cevap verme ve bariz emirlerinize itaat etme gibi yeteneklere de sahip. Örneğin Siri’yi kullanarak hava durumunu öğrenebilir, ajandanıza işlediğiniz bir toplantının adresini GPS ile bulmasını ve sizi yönlendirmesini sağlayabilir, hatta arkadaşlarınızla girdiğiniz bir iddiadan kazanarak çıkmanızı sağlayacak bilgileri size sunabilir. Bu bakımdan, çok temel düzeyde bir asistan olarak düşünebilirsiniz. Artık yapay zeka sayesinde, herhangi bir şeyi yazarak zaman kaybetmenize gerek yok. Tek yapmanız gereken, telefonunuz ile konuşmak.

Microsoft Cortana: Microsoft’un yapay zekası Siri’nin üzerine birkaç özellik ekleyerek bir adım öne geçiyor. Bilirsiniz, “gerçek zeka"lar geçmiş deneyimlerinden öğrenerek gelecekte daha doğru sonuçlara varabilirler. Cortana’da da bunun ilk izlerini görüyoruz. Örneğin daha önceden sorduğunuz bir sorunun kendisini ve cevabını hatırlayarak, sonraki soruların cevaplarını daha etkili bir şekilde bulabiliyor. Hatta Cortana, işi biraz daha büyüterek sizin kişiler, nesneler ve yerler için kullandığınız takma isimleri bile öğrenebiliyor. Örneğin evinize gitmek istediğinizde her seferinde evinizden “in” ya da “ahır” olarak bahsedecek olursanız, birkaç seferden sonra size ne demek istediğinizi sormadan, demek istediğinizi anlayabiliyor! Yani eviniz ile “ahırınızı” hafızasında eşlemeyi başarıyor. Bu, öğrenen makinaların en temel özelliklerinden birisi ve geliştirildiğinde baş döndürücü sonuçları beraberinde getirecek.

Google Now: Rekabet söz konusu olduğunda, Google ile başa çıkmak bir hayli zor. Listemizdeki en üst sırayı alamıyor olsa da, telefonlar bazında 1 numara tartışmasız bir şekilde Google’ın. Google, Cortana’nın öğrenme algoritmasını biraz daha karmaşıklaştırarak, sizinle sohbet edebiliyor. Örneğin Google Now’a “Eve gitmek istiyorum.” dediğinizde, sizi oraya yönlendiriyor. Ancak bu işlem tamamlandıktan sonra, herhangi başka bir bilgi vermeksizin “Sence ne kadar sürede oraya varırım?” diye sorduğunuzda, “ora"dan kastınızın ne olduğunu anlayabilir. Bu kulağa çok basit geliyor; ancak makinalar için müthiş bir adım. Bir diğer örnek olarak “Arda Turan hangi takımda oynuyor?” diye sorabilirsiniz. Ona cevap aldıktan hemen sonra, “Boyu kaç metre?” ya da “Kaç gol atmış?” diye soracak olursanız, size “Kim kaç gol atmış?” diye sorunuzu tekrar ettirmeye gerek duymadan, cevabı verebiliyor. Bu, gerçek insan-makina diyalogları konusunda büyük bir adım.

IBM Watson: Watson, yapay zekanın göz bebeklerinden birisi. Önceden saydığımız 3 yazılımın yanında, adeta bir süperstar gibi kalıyor. Watson, karmakarışık hastane kayıtlarını analiz ederek, mantıklı desenler keşfedebiliyor ve bundan öğrendiği sonuçları size sunabiliyor. Dahası, doktorların öngöremeyeceği kadar veriyi bir arada işleyerek, teşhis ve tanıda tavsiyelerde bulunuyor. Hatta daha önceden gördüğü hastalardan yola çıkarak, tedavinin de en uygun nasıl yapılabileceği konusunda fikirler ileri sürebiliyor. Yani Watson, gelecekte hastanelerde size bakacak, tanıyı koyacak ve tedavi edecek doktorlardan biri olabilir. Elbette, daha önceden saydığımız 3 yazılımda olduğu gibi, sizinle rahatlıkla diyaloga girebiliyor, uzun sohbetler yapabiliyor. Gelecekte hastaneye gittiğinizde size bakan doktorun et ve kandan ibaret olmasını beklemeyin. Metal ve plastiklerden ibaret de olabilir.

IPsoft Amelia: Yapay zeka camiasının yeni yıldızlarından Amelia, artık ticari bir ürün olarak da satışa çıkarıldı. Bu teknolojinin bir de hoş bir tarafı var: Amelia’yı üreten firma olan IPsoft’un başkan yardımcısı Türkiye’de lise sona kadar okuduktan sonra ABD’de üniversite yaşantısına devam etmiş ve orada kalmış olan Ergün Ekici (fotoğrafta Amelia ile birlikte görülüyor). Amelia’da, daha önceden saydıklarımızın üzerine, bir de duygusal farkındalık eklenmiş… Gelecekte bu sistemin müşteri hizmetlerinin yerini tamimiyle alması bekleniyor. Çünkü şu anda otomatik müşteri hizmetleri makinalarının aksine, müşterilerin ses tonlarından yola çıkarak onların duygusal hallerini algılayabiliyor ve ona uygun duygularla cevap veriyor. Sadece mantıksal çıkarımlarda değil, duygusal çıkarımlarda da bulunuyor. Bu bakımdan, yapay zeka jargonunda “sokak dahisi” olarak anılıyor. Yani Apple Siri’de olan “entellektüel kitap bilgilerinin” ötesinde, sokaktaki herhangi bir insana hitap edebilecek bir düzeyde olduğunu söyleyebiliriz.

Ipsoft Amelia: Amelia insanların ne sorduğunu, nasıl hissettiğini anlayabilen bir sanal asistan. Yapay zekayı kullanan birçok akıllı makineden farklı olarak Amelia, insan davranışını taklit etmek yerine insanın düşünme biçimini anlamak üzerine kurgulanmış. İlk olarak yazar Christopher Mims’in dikkat çektiği Amelia’nın becerileri dışında, bizim için önemli bir diğer nedeni Baş Mimarı’nın Türkiye’den bir isim olması. Amelia’nın yapımcısı olan IPSoft şirketinde gelişmekte olan teknolojilerden sorumlu Başkan Yardımcısı olarak görev yapan Ergun Ekici, IPSoft’a 2001 yılında katılmış. 1998 yılında kurulan IPSoft, bugün Asya Pasifik’ten Avrupa’ya kadar geniş bir coğrafyada faaliyet gösteriyor ve dokuz ülkede ofisleri bulunuyor. Kurumlara yönelik IT çözümleri sunan şirket, otonom ve bilişsel teknolojilere odaklanıyor. IPSoft’un karşılaştığı vakaların yüzde 56’sını insan müdahalesine gerek olmadan “akıllı makine”leri sayesinde çözümlediği belirtiliyor şirket tarafından. IBM gibi devlerle rekabet ettiği söylenen IPSoft, Cisco, Accenture, Cygate gibi şirketlerle birlikte çalışıyor. Diğer taraftan bilişsel teknolojiler alanında çığır açmak isteyen şirket, bunun için Amelia’yı geliştirmeye devam ediyor. Ekici’nin yönetimindeki ekip, Amelia’yı sadece yüksek bir IQ’su olan bir makine olarak değil aynı zamanda gelişmiş bir duygusal zekaya (EQ) sahip bir asistan olarak tasarlamış. İnsan, daha doğrusu çocuk gibi eğitilmesi gereken Amelia sizden öğreniyor ve zekası siz onu kullandıkça gelişiyor.

Ipsoft Amelia: Düşünce süreci ise özetle birkaç adımı takip ediyor: Amelia’ya bir soru sorduğunuzda soruyu anlarsa cevap veriyor. Cevabı verebilirse, çözümü bulmak için süreci başlatıyor. Cevabı veremiyorsa web’de arıyor. Web’de aradığı yanıtı bulamazsa soruyu bir insana -çalışma arkadaşına- yöneltiyor. Çalışma arkadaşının bu soruya nasıl yanıt verdiğini gözlemleyen Amelia, bu davranış biçiminden öğreniyor ve bilgiyi saklıyor, gelecekte kullanmak üzere. Bağlamsal filtreler kullanılan Amelia, farklı biçimde söylenen ancak aynı anlama gelen cümleleri algılayabiliyor. Yani ona anlatmak istediğiniz şeyi, belirli bir kalıp kullanmanız için sizi zorlamıyor. Şu anda metin merkezli bir arayüz kullanan Amelia, farklı dillerde sorulara cevap verebiliyor ve dil öğrenebiliyor. Öncelikle kurumsal pazarı hedefleyen bu sanal asistanın ilk etapta çağrı merkezlerinde kullanılabileceği düşünülüyor. IPSoft’un farklı endüstrilerdeki müşterileri halihazırda Amelia’yı bu konuda test ediyor. Amaç, Amelia’ya doğru cevabı vermesi konusunda tutarlı olmayı öğretmek. Yani gelen her çağrıda müşterinin doğru cevabı alabilmesini sağlamak. Amelia’nın, henüz “Her” filminde görebildiğimiz, yapay zeka tabanlı işletim sistemi Samantha’ya gerçek hayatta en çok yaklaşan şey olduğu söyleniyor. Ergun Ekici, filmdeki gibi herkesin aşık olabileceği bir işletim sistemini geliştirmenin arefesinde olduklarını belirtiyor. Bunun çok uzun zaman almayacağını da vurguluyor.

Akıllı Uygulamalar Son Gelişmeler

Google, kendi kendine video oyun oynamayı öğrenen ve oynadıkça ustalaşan yapay zeka teknolojisi geliştirdi. Google’ın geçtiğimiz yıl tahmini 400 milyon dolara satın aldığı DeepMind‘ın çalışmalarıyla, işe Atari oyunlarını öğrenerek başlayan teknoloji, deyim yerindeyse rakip tanımıyor. Zira yapay zeka, kendi kendine öğrendiği 49 farklı Atari 2600 oyunun 29’unda insan rakiplerinin rekorlarını geride bıraktı. Yüksek skor yaptığında “ödüllendirilen” sistem, oyunların 43’ünde, bugüne kadar algoritmalar tarafından başarılan en iyi skorları geçti. DeepMind’ın kurucusu Demis Hassabis ve Volodymyr Mnih, Koray Kavukçuoglu ile David Silver’ın aralarında bulunduğu ekibinin The Nature dergisinde yayınlanan makaleyle duyurulan gelişme, Google’ın yapay zeka alanındaki büyük hedeflerine giden yolda önemli bir ilk adım olarak görülüyor. Araştırmacılar, geliştirdikleri teknolojinin karmaşık görevleri yerine getirerek ilerleme sağlamayı başaran, ilk yapay zeka sistemi olduğunu söylüyorlar. Deep Q Network (DQN) adını verdikleri yeni yapay zeka sistemi, iki farklı yapay zeka tekniğini ilk kez bu kadar başarılı bir şekilde birlikte kullanıyor. Söz konusu tekniklerden ilki hâlihazırda Google’ın da kullandığı, derin öğrenme. Bildiğiniz gibi bu, makine algısını destekleyen ve Facebook’un görüntü ya da Apple’ın mobil asistanı Siri’nin konuşmaları anlamasını sağlayan yapay zeka tekniği. DeepMind’ın dolayısıyla Google’ın başarısı, bu tekniği, derin takviyeli öğrenme (deep reinforcement learning) tekniğiyle başarılı bir şekilde birleştirebilmesi. Derin takviyeli öğrenme tekniği, yazılımın hafıza ve ödül odaklı olarak sürekli kendisini geliştirmesini sağlıyor.

Breakout, Video Pinball ve Space Invaders gibi Atari kuşağının iyi bildiği oyunları başarıyla öğrenen Deep Q Network için bir sonraki aşama üç boyutlu oyunlar olacak. 90’larda çıkış yapan video oyunlardan başlayarak, sistemin 10-20 yıl gibi bir sürede Call of Duty oynayabileceği tahmin ediliyor. Görevin belki en kritik aşaması da bundan sonra başlıyor. Video oyunun içinde araç kullanabilen bir sistemin, bunu pekala gerçek hayatta da yapabilmesi gerekiyor. Zira, Google’ın DeepMind’a bunca parayı sadece Atari ve diğer video oyunları için ödemediği aşikar. Geliştirilen genel amaçlı algoritma, farklı görevlere uyarlanabiliyor. Google, başta sürücüsüz araçlar ve robotlar olmak üzere yapay zeka sistemini gelecekte geniş çapta operasyonlar için kullanmayı planlıyor.

Günde 500 milyondan fazla tweet’in atıldığı Twitter’ın tüm bu içeriği kullanıcılarına daha akıllı bir şekilde göstermek istemekte. Twitter bu yöndeki çalışmalarına hız kazandıracak bir hamleyle, yapay zekanın machine learning alanında çalışmalarını sürdüren iddialı girişim Whetlab‘ı satın aldığını duyurdu. Cambridge merkezli Whetlab’ın uzmanlık alanı hyperparameter optimizasyonu ve girişim bu konuda dünyanın en iyi teknolojisine sahip olduğunu iddia ediyor. Pratikte girişim “yapay zeka için yapay zeka sunuyor”, yani machine learning ile çalışan şirketlerin spesifik bir problemle karşılaştığında çözüm için Whetlab teknolojisiyle işin uzmanlarından daha iyi sonuç aldığını söylüyor. Örneğin Whetlab’e “Yüz tanıma konusunda daha doğru sonuçlar istiyorum” dediğinizde, teknolojisi sizin yerinize otomatik olarak birkaç satır kodla halledebileceğiniz bir çözüm üretebiliyor, farklı tavsiyelerde bulunabiliyor. Bunun için Whetlab’e verilerinizi göndermeniz gerekmiyor, Whetlab siz operasyonlarınıza devam ederken sorunu analiz ediyor. Öğrenen teknoloji her problem çözdükçe daha akıllı çözümler sunma iddiasında. Harvard, Sherbrooke ve University of Toroto’dan araştırmacılar tarafından geliştirilen teknolojinin arkasında güçlü bir ekip var ve Twitter satın almasının bu yönüyle yetenek satın alması özelliği taşıdığı da söylenebilir. Ancak Whetlab teknolojisinin Twitter’a başta tweet’lerin düzenlenmesi, kişiselleştirilmesi ve öneriler olmak üzere birçok yönden destek olabileceği aşikar.

Video İzleyerek Yemek Pişirmeyi Öğrenen Robotlar Yapay zeka alanındaki ilerlemelere her geçen bir gün yenisi ekleniyor. Makinelerin insan aktivitelerini izleyerek yeni beceriler öğrenmesi ise tahmin edebileceğiniz gibi bu alanda oldukça önemli bir eşik. Bu eşiği aşmaya yönelik bir haber de Amerikalı ve Avustralyalı bir grup araştırmacıdan geldi. Akademisyenlerin yayınladığı araştırma sonuçları, robotlarına YouTube’dan videolar izleyerek yemek pişirmeyi öğrenmelerini sağlayan algoritmalar geliştirdiklerini gösteriyor. University of Maryland Institute for Advanced Computer Studies ve Avustralya’dan araştırma merkezi NICTA’dan ortaklaşa yürütülen araştırmada yapay zekayı eğitmek için derin öğrenme yöntemleri kullanılmış. Robotlar için seçilen aktivitenin yemek pişirme olmasında becerinin çok farklı hareket kabiliyetleri gerektirmesinin etkili olduğu belirtiliyor. Zira robotların hareketleri ayırt edebilmesi için araç gereçleri de tanıması gerekiyor. Robotlara YouTube’dan seçilen 88 farklı yemek pişirme videosu izletildiği görevdeki bir diğer zorluksa, videolarda farklılık gösteren ortamlar ve arka plan renkleri gibi değişkenlerin olduğu notlar arasında. Araştırmacılar, bu tip değişkenlerin varlığında, robotların geleneksel yöntemlerle eğitilmesinin mümkün olmadığını söylüyorlar. (Araştırmacılar, robotların nesne ve kavrama türü tanıma konusunda Convolutional Neural Networks (CNN) yaklaşımı izlemeleriyle farklılaşıyorlar.

Video İzleyerek Yemek Pişirmeyi Öğrenen Robotlar Derin öğrenme alanındaki son gelişmelerden faydalan araştırmacılar geliştirdikleri algoritmalarla, söz konusu zorluklara rağmen robotların izledikleri videolardaki insan hareketlerini tanıyabilmelerini sağlamışlar. Hatta algoritmalar robotların, izledikleri videodaki kişinin bir sonraki hareketini de tahmin edebilmesine izin veriyor. Araştırmada, robotların objeleri genel tanıma yüzde 79, nesneleri tutuş biçimlerini tanıma yüzde 91 ve eylemleri tahmin etmeleri yüzde 83 doğruluk oranlarıyla sağlanmış. Gelişme robot şeflerin de eskisine göre daha yaygın olarak kullanılacağını işaret ediyor olabilir. Oxford Üniversitesi’nden araştırmacılar 2013 yılında yayınladıkları bir makalede önümüzdeki 10 yıl içinde hızlı yemek (fast food) üretim ve servisinin robotlar tarafından yapılma olasılığının yüzde 92 olduğunu belirtiyorlardı ve artık günümüzde fast food servislerinin Japonya’da robotlar tarafından gerçekleştirildiğini görebiliyoruz.

Duygu Tanımaya Odaklanan Yapay Zeka Girişimleri “Bir sonraki 10 bin yeni girişimin iş modelini tahmin etmek zor değil: X’i al ve yapay zeka (AI) ekle” Wired dergisi kurucu editörü Kevin Kelly’nin geçtiğimiz Ekim ayında, yapay zekanın potansiyelinin sonunda ortaya çıkmasını sağlayan üç önemli kırılımı ele aldığı yazısında geçen bu sözler, yılın en çok akılda kalan anektodlarından biriydi.
Kelly tahmininde pek haksız sayılmaz, zira yapay zeka, derin öğrenme gibi çalışma alanları Google, Baidu, Facebook ve Apple başta olmak üzere teknoloji dünyasında en çok ilgi gören konuların başında geliyor. Yapay zekaya odaklanan Scaled Inference; derin öğrenme alanında çalışan Vicarious gibi yatırım destekli teknoloji girişimlerinin yanında, yapay zeka, tarımdan seyahate farklı endüstriler; pazarlamadan insan kaynaklarına farklı iş alanlarını da dönüştürmeye başlıyor. Yapay zekanın yanında adı sık sık anılan insan ve bilgisayarların etkileşimine odaklanan Human Computer Interaction (HCI) girişimleri de büyük ilgi görüyor. HCI girişimleri, hareketten sese, yüz ifadelerinden duygulara kadar farklı yönlerden insanları tanımaya çalışıyor ya da arttırılmış gerçeklikle yeni deneyimler kurguluyor. HCI girişimlerinden duygu tanımaya odaklananlar arasından en çok ilgi gören dört girişim ise şu şekilde sıralanıyor:

Affectiva: Duygusal analitik ve zeka konusunda önde gelen girişimlerden biri olan Affectiva’nın teknolojisi görsel etkiye verilen duygusal tepkileri anlamaya odaklanıyor. Duygusal tepkileri tanımlama için yüz ifadelerini analiz eden Affectiva, bugüne kadar 75’ten fazla ülkede, yaklaşık 2 milyon 300 bin farklı yüzle çalışmış. Affdex adındaki algoritması, yüzün, butun, göz, ağız gibi ana bölgelerine odaklanıyor, bu bölgeleri piksellere çevirip, her bir ifadeyi belirli piksel rengi, dolgusu ve dokusuna göre sınıflandırıyor. Affectiva’nın kullanılmak için bir webcame ihtiyaç duyan teknolojisi, başta reklam verenler olmak üzere, kullanıcı tepkilerinin derin analizine ihtiyaç duyan birçok kurumun ilgisini çekiyor. Beyond Verbal: Bir diğer duygu analitiği girişimi Beyond Verbal, kullanıcılarının duygularını anlamak için sesi kullanıyor. Telefonda, mikrofonda ya da sesle kontrol edilen bir uygulamada kullanıcının sesinden duygularını anlamaya çalışıyor. 19 yıllık bir araştırmanın ürünü olduğu belirtilen Beyond Verbal, 30 dilde yüz binlerce duygu etiketli ses kullanılarak geliştirilmiş. Geçtiğimiz Eylül ayında 3,3 milyon dolar yatırım alan Tel Aviv merkezli girişim, konuşmaların içeriğiyle ilgilenmiyor, sadece sesi dinleyerek gerçek zamanlı duygu ölçümü yapıyor. Beyond Verbal teknolojisiyle kurumsal, pazar araştırmacıları ve uygulama geliştiricilere yönelik çözümler sunuyor. Yatırımla birlikte bunlara kişisel bakım /sağlığı da ekleyen Beyond Verbal bulut tabanlı Wellness API’ını yayınladı. Wellness API, akıllı telefon ya da giyilebilir cihazların kullanıcıları dinleyerek duygusal sağlık durumunu takip etmesini sağlıyor.

Emotient: Duygu duyarlı bilişim mottosuyla geleceğe öncülük etme iddiasındaki Emotient, University of California Machine Perception Lab’de doğmuş. Girişimin Danışma Kurulu’nda yüz davranışı ve makine öğrenimi alanının iki önemi ismi Doç. Dr. Paul Ekman ve Terry Sejnowski yer alıyor. Duyguları tanımak için yüz ifadelerine odaklanan Emotient, gerçek zamanlı olarak webcam’den ya da video ve fotoğraflardan küçük duygu değişimlerini bile anlayabilme iddiasında. Emotient API’sıyla müşterilerinin bu analizlere erişmesini sağlayan girişim, 2013’te göz takibi ve biyometrik yazılımlara odaklana iMotions ile işbirliği yaptığını duyurmuştu. Emotient geçtiğimiz Mart ayında 6 milyon dolar ikinci tur yatırımı almıştı.
Cogito: İnsan davranış ve duygularını anlamak için sese odaklanan bir diğer girişim Cogito, sağlık sektörüne odaklanmasıyla farklılaşıyor. Sesle duygusal analizi birleştiren teknolojisini geliştirmek için çağrı merkezleriyle çalışan Cogito, ne önemli sinyalleri yakalayabilmek için 80 milyon davranışsal veri noktası tespit etmiş. Bunun sonucunda depresyon ve stres gibi işaretleri algılayabilen algoritmasıyla Cogito, ilk ürünü Cogito Dialog’u çağrı merkezleri için geliştirmiş. Müşterilerin ses, konuşma hızı, akışı, sesin tınısı gibi parametreleri ölçüyor ve bunları işe yarar bilgiler şeklinde gerçek zamanlı olarak bir gösterge panelide yayınlıyor. Cogito daha önce Boston Maratonu bombalama olayının bireyler üzerindeki psikolojik etkisini ölçen Companion mobil uygulamasıyla gündeme gelmişti. Şirketin bugün Raytheon ve United States Government’s Defense Advanced Research Projects Agency (DARPA) ile birlikte mobil telefonlardan güvenli bir şekilde kullanıcıların duygularını analiz eden bir sistem üzerinde çalıştığını da belirtmek gerekebilir. Yine de girişimler için bu oldukça üst düzey bir ilgi

Yapay zeka ve onunla yapılabilecekler gelecek 30 yılımızı yakından etkileyebileceğini söyleyebiliriz. Hatta daha da ileriye gidersek yapay zeka alanındaki çalışmalar ile yeni meslekler, iş alanları açılarak bunun bir diğer sonucu olarak bazı alanlar ve meslekler insan gücü ihtiyacı bakımından hayatımızdan çıkabilir. Google’ın DeepMind’ı 400 milyon dolara satın alması, IBM’ın Watson’a 100 milyon dolar bütçe ayırması ile birlikte bu alanda faaliyet gösteren şirketler oldukça önem kazandı. Bizde sizlere yapay zeka alanında çalışmalarını sürdüren ve geleceği şekillendirebilecek 11 girişimi tanıtacağız. Yapay zeka deyince genel olarak aklımıza bilim kurgu ve robotlar gelse de aslında kullanıldığı alanlar ses tanıma teknolojisinden, oyunlara kadar geniş bir yelpazede yer alıyor. Yazımızda sizlere aktaracağımız girişimlerin ortak özellikleri erken aşama girişimi olarak kabul edilmeleri ve 2013 yılı içerisinde yalnızca tohum yatırımı ya da Seri A yatırımı almış olmaları.

Bilim İnsanlarından Yapay Zeka Uyarısı

Yapay zekayla kontrol edilen silahlar ya da katil robotlar, hedeflerini insanlarla doğrudan iletişim kurmadan seçip vuracak’. Bilim insanları çok sayıda ve düşük maliyetle üretilebilen otonom silahlar konusunda uyarıda bulunarak, bu silahların, kolayca karaborsaya, oradan da terör örgütlerinin eline düşebileceğini söyledi. Araların da ünlü ingiliz astrofizikçi Prof. Dr. Stephen Hawking’in de bulunduğu bine yakın bilim insanı yapay zekanın potansiyeline dikkat çeken bir mektup kaleme alarak, “Yapay zekayla kontrol edilen silahlar ya da katil robotlar, hedeflerini insanlarla doğrudan iletişim kurmadan seçip vuracak” mesajı verdi. Arjantin’in başkenti Buenos Aires’teki Uluslararası Yapay Zeka Konferansı’nda okunan mektupta “Hedef seçiminde hala insanlara bağlı olan seyir (cruise) füzeleri ve insansız hava araçlarından farklı olarak yapay zekayla kontrol edilen silahlar ya da katil robotlar, hedeflerini insanlarla doğrudan iletişim kurmadan seçip vuracak. Büyük bir askeri gücün otonom silahları geliştirmeye başlaması, korkunç sonuçlara yol açabilir” ifadeleri kullanıldı.

Otonom silahların barut ve nükleer silahların ardından savaş alanında “üçüncü devrim” olarak nitelendiğine dikkat çekilen mektupta, “Nükleer, kimyasal ya da biyolojik silahların aksine otonom silahlar, çok sayıda ve düşük maliyetle üretilebilecek. Bu silahlar, kolayca karaborsaya, oradan da terör örgütlerinin eline düşebilir. Dünyanın önde gelen askeri güçlerinden birinin otonom silah geliştirmeye başlamasının, küresel bir yarışa yol açması kaçınılmazdır. Bu durumda otonom silahlar, geleceğin kalaşnikofu haline gelecektir” dendi. Otonom silahların suikastler, soykırım ve nüfus kontrolü gibi kitlesel ölümlere yol açacak eylemler için ideal seçenek olacağına işaret edilen mektupta, “Dünyanın önde gelen askeri güçleri, otonom silah geliştirme yarışını daha başlamadan sona erdirmek zorundadır” ifadesine yer verildi. Mektubu imzalayanlar arasında Apple’ın kurucularından Steve Wozniak, merkezi Amerika’nın Kaliforniya eyaletindeki Hawthorne şehrinde bulunan bir Amerikan uzay taşımacılığı şirketi SpaceX şirketinin Üst Yöneticisi Elon Musk, İngiliz yapay zeka araştırmaları yapan DeepMind şirketinin kurucusu Demis Hassabis, filozof Noam Chomsky ve Google yöneticilerindenPeter Norvig de yer alıyor. Mektup, Yaşamın Geleceği Enstitüsü’nün (Future of Life Institute - FLI) internet sitesinde de yayımlandı.

Previous
Next