btbilgi

İşin tanımına bakıldığında bilgisayarları, basite indirgeyip hızlı bir hesap makinesi olarak tanımlamak aslında çok doğru değil. Günümüzde herkesin aşina olduğu bilgisayar, belli bir bellek mimarisi arasında saklanan veri üzerinde aritmetik ya da kayan noktalı işlemlerin yanı sıra, mantıksal işlemleri de yapabilen bir “hesaplayıcı”. Bilgisayarların hayatımıza girmeye başladığı ilk yıllardan bu yana, bilim adamları yarı iletken teknolojisinin de gelişmesine paralel, insan zekasına benzer kapasiteye sahip hızlı bilgisayarların hayalini kurdular.

tokuz11957 yılında Frank Rosenblatt tarafından ilk kez Mark I Perceptron ile tanıtılan yapay zeka, günümüze kadar popüler kültürün de bir parçaşı olarak inişli çıkışlı bir gelişim süreci geçirdi. 1958’de New York Times gazetesinde çıkan makalede konuyla alakalı olarak Amerikan Donanmasının “kendi kendine yürüyen, konuşan, gören, yazan, üreyen en önemlisi kendi varlığının farkında olan bir bilgisayar embriyosu” üzerinde çalıştığı haber yapıldı. 

Hayallerde Yıldız Savaşlarındaki R2D2, C3PO ya da Kara Şimşek’deki KIT gibi yardımcı yapay zekanın yanı sıra Terminator’deki SkyNet gibi düşman olabilecek bir yapay zekanın olasılığı vardı. Beklentilerin çok büyük olduğu yapay zeka üzerindeki çalışmalar, 2012-13 yılına kadar yavaş büyüdü. Hatta üniversiteler de ders olarak okutulan yapay sinir ağları, sonraları çaptan düşmeye de başlamıştı.

screenshot-2016-10-04-03-11-362012 yılından itibaren ise yapay zeka alanında, özellikle yapay sinir ağları algoritmalarının paralelleştirilmesi ve düşük maliyetli grafik kartlarıyla gelen paralel işlemcilerin yaygınlaşmasıyla birlikte çok büyük bir ivmelenme görmeye başladık. Hollywood’daki filmlere konu olan seviyedeki bir “genel yapay zeka” olmasa da, insanların kapasitesinin çok üzerinde işleri yapabilen, dar bir alanda çalışan oldukça etkileyici yapay zeka uygulamalarını ortaya çıktı.

Örneğin Facebook’daki yüz tanıma, Skype üzerinden ortada herhangi bir çevirmen olmadan konuşabilme ya da eposta kutunuzdaki spam e-mailleri ayıklayan arka plan uygulamaları yapay zeka alanında günümüzdeki uygulamalarına örnek olarak verilebilir. Peki bu uygulamalardaki zeka nereden geliyor?

Makine öğrenimi
Makine öğrenimi en basit şekliyle, bir bilgisayarın eldeki mevcut veri ve onun sonuçları arasındaki ilişkiyi “öğrenerek”, bir görevi icra etmesi olarak tanımlanabilir. Örnek üzerinden gidersek, makine öğrenimi algoritmalarıyla el yazılarını tanıması istenen bilgisayar, yüzlerce değişik el yazılarıyla “eğitimi geçtikten” sonra, karşılaştığı herhangi bir el yazısını tanıyabilir. Buradaki ben özellikle “tanıyabilir” fiilini kullandım, “tanır” demedim. Geleneksel bilgisayar programlama ile yapay zeka programlamaları arasındaki en önemli fark burada yatıyor. Makine öğrenimi ile eğitilmiş bilgisayardan, günümüzdeki yaygın olarak gördüğümüz bilgisayarın yaptığı gibi daha önceden veritabanında sakladığı bir veriyi bulup çıkarması değil, tamamen farklı yeni bir girdiye karşın, daha önceden öğrendiği bilgileri sentezleyerek “tahmin” yapmasını istenir. Bu tahmin her ne kadar yüzde 100’e yakın olursa, o derece iyi derece eğitilmiş yapay zeka uygulamanız vardır.

Derin ögrenim (deep learning) ise makine öğrenimi tekniklerinden birisi. Doğanın kopyalandığı bu alanda, biyolojik beyinde birbirlerine bağlı olan nöronlar taklit edilmeye çalışılıyor. Fakat biyolojik beyinde herhangi bir nöron kendine yakın mesafedeki başka bir nörona rastgele bağlantı kurabilirken, derin öğrenim ya da yapay sinir ağlarında nöronların kendi aralarındaki bağlantılarını yine kendi katmanları içerisinde yaptığını görüyoruz. Kullanılan katmanların sayısı ya da diğer anlatımıyla derinliği, yapılan işlemin hassasiyetini haliyle de yüksek işlem gücüne gereksinimi artıran faktörlerden birisi.

Google, Facebook ve Baidu
Yapay zekaya sahip bilgisayarların gücünü anlama açısından, kullanıldıkları alanlardaki problemin karmaşıklığı bir ölçü olarak kullanılabilir. Örneğin Satranç ve Go gibi strateji oyunlarının çözüm kümeleri oldukça geniş. 19×19 bir masada oynanan Go oyununda, bir kişinin yapabileceği hamle kombinasyonları, matematiksel olarak 10 üzeri 170 olabileceği hesaplanmış, satranç da ise bu rakam 10 üzeri 40. Bazen salt rakamlara bakmak işin büyüklüğünü ya da karmaşıklığı anlamaya yetmeyebilir.

Ben size karşılaştırma yapabileceğiniz başka bir rakam daha vereyim.

Tüm evrende, sadece dünyada değil, gözle görülen maddelerdeki atomların sayısının 1080 civarında olduğunu tahmin ediliyor desem, sanırım bahsedilen oyunlarda çözülmek istenen problemin ne kadar karmaşık olduğunu daha iyi gösterir.

screenshot-2016-10-04-03-10-18Yapay zeka ilk olarak Satranç oyununda kullanıldı. Zamanının en iyisi Kasparov ve IBM Deep Blue 1996 yılında karşılaştı ve insanlık ilk yenilgisini yapay zekaya karşı o zaman aldı. Satranç bir anlamda ilk adımdı, fakat Go oyunu ise tamamen başka bir ligin oyunuydu. Dünyanın en iyi Go oyuncularına karşın o zamanın uygulamalarının ve bilgisayarların çok fazla bir şansı olamadı, taki Mart 2016 yılına kadar. Google’un tasarladığı DeepMind Go bilgisayarı, dünyanın en iyileri arasında gösterilen Koreli Lee Sedol adlı oyuncuyu Go oyununda 4-1 yendi. Google DeepMind Go, yapay zekanın şu an ulaştığı epik noktayı göstermesi açısından oldukça heyecan verici bir ürün, hatta biraz da korkutucu

Şu an sadece Google değil, Facebook, Microsoft ya da Çin arama motoru Baidu, yapay zeka uygulamalarının ve altyapılarını geliştirme yarışı içerisindeler. Yarış derken, kıyasıya bir yarıştan söz ediyorum.

Örneğin Google mühendislerinin Go müsabakasındaki başarısını anlattıkları akademik makaleden daha önceden haberdar olan Facebook mühendislerinin, duyurunun yapılacağı günün bir öncesinde kendi Go yapay zeka uygulamasının açıklaması hatta Facebook başkanı Zuckerberg’in, projeyi yürüten mühendisin kendi masasından sadece 6 metre uzakta oturduğu ile övünmesi, yarışın boyutunun şiddetini gösteriyor.

Zuckerbeg, kendi mühendislerinin 6 ay içerisinde 0,1 s’de yeni bir Go hamlesi yapabilecek yapay zeka altyapısı ortaya çıkartıklarını ve kendi platformlarının, geliştirilmesi yıllar süren “önceki sistemlerden” çok daha iyi olduğunu iddia etti.

Donanım cephesinde durum
Yazılım dünyasının devleri yapay zeka altyapılarını ve uygulamalarını yarışı ile meşgul olurken, donanım şirketleri de bu uygulamaları en verimli şekilde çalıştırabilecek yeni donanım mimarilerini ortaya çıkarmak üzerine çalışıyorlar. Çok iddialı olabilir fakat, bilişim tarihinde belki de ilk kez, yazılımın yani uygulamaların gereksinim duyduğu işlem gücü, mevcut donanım ürünlerinin verebileceğinin çok önüne geçti. Bu köklü bir değişimi işaret eden bir milat aslında.

screenshot-2016-10-04-03-11-05Yapay zeka uygulamalarının bu derece yaygınlaşmasından önce, donanımın yazılıma karşın bariz bir üstünlüğü bulunuyordu. Şimdi ise geleneksel donanım şirketleri bu dönüşüme ayak uydurmaya çalışıyor. Bu konuda ilk olarak grafik kartlarının üzerinde yapay zeka yazılım altyapısını optimize eden Nvidia’nin bariz bir üstünlüğü gözümüze çarpıyor. Nvidia geleceğini yapay zeka altyapısına ve o altyapının üzerinde çalışacağı donanımı geliştirmek üzerine şekillendiriyor.

Intel geçtiğimiz son ay içerisinde yapay zeka alanında çalışan iki start-up şirketini, Nervana Systems ve Movidius’u iki hafta arayla satın aldığını açıkladı. Kendini yenileme aşamasındaki Intel’in, derin öğrenme alanına attığı bu stratejik adımlar oldukça dikkat çekici. En büyük genel amaçlı mikroişlemci üreticisi olan Intel, yapay zeka alanına çok hızlı bir giriş yapıp gelişen bu pazarda geride kalmamaya çalışıyor. Daha hızlı genel amaçlı mikroişlemcilere gelecekte de ihtiyaç duyulacak, fakat bu pazarın büyüme ivmesinin yavaşlaması ya da duragan olması bekleniyor.

Yapay sinir ağı sistemlerinin eğitilmesi konusu oldukça sıcak bir konu. Nervana Systems, bu iş için hem bir donanımsal hızlandırıcı hem de bir yazılım paketi üzerinde uğraşıyordu. Nervana Systems’ın iddiasına göre, yapay sinir ağlarını eğitimini hızlandırmak için kullanılan mevcut grafik kartları bu iş için aslında çok da uygun değil. Kendi yazılım paketini Nvidia donanımı üzerinde geliştiren Nervana’ya göre, grafik kartları bu konuda olması gerekenden fazlasıyla iyi. Fazlasıyla iyi olmak, her zaman iyi anlamına gelmiyor. Yapay sinir ağlarını eğitmek için de kullanılan grafik kartları, hem oyun grafiği ve video için hem de yüksek performanslı bilgi işlem (HPC) uygulamaları için gerekli fonksiyonları da bünyesinde barındırdığından çok verimli bir son ürün değil. Nervana System, aynı alan içerisine, sadece derin öğrenme algoritmalarının çalışabileceği, daha düşük güçte, daha yüksek performansla çalışabilecek daha verimli bir hızlandırıcı tasarlanabileceğini gösterme yarışında Intel ile birlikte çalışacak.

Makine öğrenimi konusunda çalışan yeni donanım startup şirketlerini dikkatli izlemek gerekiyor. Bu ay içerisinde, yine kendini ilk kez tanıtan Wave Computing, Nervana Systems gibi makine öğrenimi için optimize ettiği bir donanım mimarisi duyurdu. Nervana Systems’ın ya da Wave Computing’in üzerinde uğraştığı ürünler, mevcut genel amaçlı işlemciler ile beraber grafik kartlarında olduğu gibi “hızlandırıcı” olarak kullanılabilecek.

Donanım şirketlerinden bahsederken, bu yılın Mayıs ayında yaptığı süpriz açıklamayla kendi yapay zeka işlemcisini Tensor (TPU) işlemcilerini tanıtan Google’dan da bahsetmek gerekiyor. Silikon Vadisinde uzun zamandır donanım konusunda çalışan mühendisleri işe alan Google’un üzerinde uğraştığı gizli donanım projesinin yapay zeka çipi olduğu açığa çıkmış oldu. Mevcut donanım ürünlerinden farklı bir zihniyetle tasarlanan TPU, daha şimdiden Google içerisinde bir çok kullanım alanı bulmuş. DeepMind Go bilgisayarının içerisinde de hızlandırıcı olarak da kullanılan TPU çipi, aynı zamanda Google Harita ve Arama motorunda kullanılıyor.

Yapay zeka tehdit mi?
Google’un Go oyununda ortaya koyduğu yapay zekanın, oyundaki gibi strateji gerektiren herhangi güncel hayattaki diğer problemlere uygulanmaması için önümüzde bir engel yok. Daha fazla veri ve daha fazla işlem gücüyle bulunduğumuz bu noktanın da ötesine çok yakın zamanda geçeceğimiz gözüküyor. Hatta daha yolun başında olduğumuzu söyleyebilirim. Yapay zekanın uygulanabileceği problemler arasında, şirketlerin yapacakları bir sonraki stratejik finansal hamle, ya da ülkeler arası savaşlarda alınacak stratejik kararlar olabilir.

Oxford Üniversitesi Felsefe Bölümü profesörlerinden Nick Bostrom, yazdığı en son kitap “Superintelligence (super akıllı)” da yapay zekanın insanlığa sağlayacağı bu faydalardan bahsederken, aynı anda bu teknolojinin insan ırkının sonunu getirebilme ihtimalinden de söz ediyor. Benzetme yaparken, evrim sonrasında kendi varlıklarını devam ettirmeleri kendi ellerinde olmayan gorilleri gösteriyor. Yaşayan canlılar arasındaki en akıllı varlık olan insan, isterse çok kısa bir süre içerisinde herhangi bir canlı nüfusunu, hatta evrildiği gorilleri dünya yüzeyinden silebilir.

Buna benzer şekilde, eğer varlığımızın devamı için süperakıllı makinalara muhtaç bir insan ırkına evrilirsek, bu insanlık ırkının sonu anlamına gelir demiş yazar. Bostrom, kendi kitabında insanlığın tam olarak hakim olamadıkları ve kendi varlığının farkında olan bir yapay zekaya ulaşma noktasını, nükleer silahlardan da çok daha tehlikeli bir tehdit olarak görüyor. Şu an elimizdeki imkanlar, o noktanın daha çok gerisinde olduğumuzu söylüyor.

Evet DeepMind kendi kendine oyun oynayarak daha yeni stratejiler geliştirebiliyor, dünyanın en iyi oyuncularını yenebilecek bir kapasiteye sahip olabilir fakat kapatma düğmesi halen Google’daki mühendislerin elinde. En azından şimdilik…

Yorumlar
btbilgi
PAYLAŞ
blank
1973 yılında İstanbul’da doğdu. 1995 yılında Yıldız Teknik Üniversitesi Elektronik ve Haberleşme Mühendisliği programını bitirdi, aynı yıl aynı bölümde master programına kabul edildi. BTHaber dergisinde teknoloji editörü olarak görev yaptı. 1998 yılında ABD’nin Los Angeles şehrindeki Güney Kaliforniya Üniversitesi (USC) Bilgisayar Mühendisliğine bölümüne başladı. 2000 yılında master derecesini alarak Silikon Vadisi'nde Sun Microsystems şirketinde mühendis olarak çalışma hayatına başladı. 2004 yılından beri AMD şirketinde çalışıyor, 2010 yılından beri de, aynı şirket de mühendis yönetici olarak görev yapıyor.