New Scientist - Düşünen Makineler - Yaklaşan Yapay Zeka Çağı Ve İnsanlığın Geleceği-Say Yayınları (2021)

 







DUSUNEN MAKiNELER �

 

New Scientit

Dünyan en popüler haftal bilim ve teknoloji degisid Dünya gündeme gien habe konulan bilimsel bilims el b bakış açısyla incele; yaşam, evn ve insanla ilgli önemli sola soa ve yanıt aa Düny neesinde olusa olsun eğe bi oaya önemli bi  atysa onu mutla okulana ulaş 96 ylndan bei yayınanan deg bilimsel buluşla ve bunlan sonuçlayla ilglenen heke se htap ede Samet Ökü

2 Hazian 984'te Tabzon'da Tabzon'da doğdu 29 ylda ODTÜ Moleküle Biyoloji ve Genek bölümünden mezu oldu Hacettepe Ün-

vesitesi Temel Onkoloji Anabilim Dal'nda, Univesity of Cincnnat'de İmmünoloji alannda yüksek lisans eğim aldı Tükçeye çevidiğ diğe kiapla şöyle: Zaf Zafer er Saroşluğ Saroşluğuu (Say Yaynla, 24), İkinci Dünya Savaş (Say Yaynla, 26), Kuantum Çağı (Say Yaynla, 26), Ben Bilmem Genim Bilir (Say Yaynla, 26), Genetik  (Say Yaynla, Yaynla, 2 2  9), 9), Dnya'dan sllar (Say Yaynla, 22)

 







DUSUNEN MAKiNELER  Y Ypy Z Çğ Y v ğ cğ z ç Samet Öksüz

 

Say Yayıan Popüler Bim

Düü M New ietist ietist

Özgü ad: Machines that Tink: Evething You Need to Know About the Coming Age of Artcial Intelligce

 Bu kap Büük Bitaa'da ik kez 207de Joh Ma Leag taraf  da amamşr

© New ceis, 207 Tükçe a haa AaoiaLit Ajas arağa © a ala  B e üm ha sadr Tam amala kya kya gösteek şala  ap ksa aba h yaede yaede l izi alma alb yap  amaz, hiçi şeklde kopalaamaz, çoğaamaz ve aaam IBN 9786050208 9786050 20825 2522 fia o 62  İglizcede e ee e amet Ö Öksü ksüzz a koordiaö Levet Çevike ama hla Eda Ok Kapak ve safa tasam Atems İ  Bas Lord Mataalk ve Kt Topkapİstaul Tel 022) 67 93  Mataa tika o 550  ask a ala, 202 Say Yaan Akaa Cad / /22 • TR0 irkeciİsta irkeciİstal l Te 022) 52 2 58 •Fa 022) 52 50 80 saayiikcom com • eposta sasayaiciikcom wsaayiik  facekcom/yaia yaia • wtwittecom/ saala w facekcom/  wistagramcom/ saaiciik Geel dağtm a Dam d ŞŞ  Akara ad. 22/4 22/4 • T0 irkİsau Tel (022) 528 17  •Faks (022) 52 50 80 ee saş wsaapcom • eposa dagim@saiapco

 

çndekle Giriş  7 1. Kendi Suretimiz Zeki Maineler Yaratmanın Zorluğu ............ ....... .. . . .9 2 Öğrenen Makneler Yapay Zek Mekaği ...33 3 Yapabileceğinz er Şey Yapay Zek Nasl İnsanları Zeksıylaa Alt Etti? Zeksıyl .. .. 79 4 Ölüm Kalım Meselesi: Sürücüsüz Arabalar, Yapay Zekl Doktorar ve Kati Robotlar 115  5 Bilmeyene Doğru: Bilgisayarlar nsan Znin

Üstesinden Gelir? .... 6 Srlarının Yaratan Makineler SanatNasıl ve Hikye Anlatıığın 147 Yapay Zek Dünyası ..... . 169 7 Yapay Zeknın Gerçek Riskeri Kıyamet Korkusu Neen Abartlıyor? .... . ....203 8 Dünya Maknelere mi Kalacak Süper Zeki Makineler Dünyamızda Nası Devrim Yapar? .... 227 Sonuç ....267

lli Fir 269 akıa Bulnanlar.. .... . .289 Sözlük ..... ... ...... .... .................291 Görsel Telieri .. .  . ..... ...9 Dizin .............295

 

Giriş Yapay zek günümüzün belirleyici endi Son on ylda bilgisayarlar çok daa karmaşk görevleri gerçeeşirmek üzere eğiildi Bir zamanlar sadece insanlan yapabileceğe inan dğmz çok çeşili çeşili işleri yapmada ark usalar usalar Kalabalk Kalabalk içinde insa anmakan yoğun rafike araba sürmeye ve Go oyununun yapay zekn yllarca dokunamayacağ düşü nülen bir oyun en iyi insan insan oyunlan oyunlan yenmeye ka kadar dar pek çok aşa peş peşe geliyor Bazen büün bula bizden daha iyi yapyorlar Neredeyse her zaman bizden daa hzllar ve asla aksamadan daa uzun süre çalşyorlar Düşünen makineler elbee yeni değil. Yaklaşk 75 yldr

kendi zekmzn bir smn aşyan bilgisayarlar gelişirme ye çalşyoruz yca nsansı otomaton kavram yüzlerce yl geriye der Kendimize özellikle zekmza hayranlk duyu yoz; bu yüzden insanlardai kvlm makinelere kopyala mak isememize şaşrmamak gerekir ncak yapay zek ve insan zeks arasndaki paralellikler  hayranlğn yan sra huzursuzluk da geirir Yapay zek bize ne kadar benzeyecek? İnsanlarn yerini alacak m; yani bizi işleriizden edecek oyularda ve yaşaza ana vere yarac işerde bize üsün geecek i? Sephen Hawking ve lon Musk gibi kamuya mal olu iiler, geleceke üper ze maineerin kavrayaayacağz hedeleri kovalarken



 

Düşü i

insanları ayalar alhna alacağ yapay zek kıyametini öne sürecek kadar ileri gittiler. Musk "şeytan çağrdığızı" söy lüyor Bu bakış açısı, yapay zek gerdiği zorlukları alkn bilicine ne adar derinden işlediğn gösterir Gerçekte işler bir felaket filmindek gibi gerçeeşmekten çok uzak; ama geleceğn göz kamaşhcı ve mutemelen çok daa tuaf olmasn beleyebiliriz Dotcom [".com"; teet] patlamas ve 1'ları sonun

da cümbüş gibi tekolojn çıkş yaphğ dönemler daa önce gördük Yapay zeky çevleyen eyecan ve dünya çapda buna aktarlan para, iteetin iteetin ilk güerin nefess saroşluğuna de Ancak bu defa durum farı Tekoloik aletlerle nasıl etkileşime girdiğmizden nasıl yön bulduğu muza ve toplumun nası işlediğine kadar günlük ayahmız daki değişiklikler kayda değer olaca Yapay zek sa olman  değiştreceğn dai düşüneler var nümüzde tekk ve etk zorluklara yaklaşrken Ne Scentst azırladığ bu lavuz yapay zek aında bilmenz gereken er şeyi ve sunuyor. Bu ktap, önde en gelen araşhrmacıla araşhrmac ıla düşünceleri Ne Scentst dergisi iyi yazıarndan bazılarıyla geleceğimizi şekillendirener neler yaphğı ve buun nasıl biteceğini düşüdüerine dair güncel bilgier veriyor Yapay zen önde gelelerin umutla ve korkula -alan öncülerinden biri bunun icat etmemiz gere ken son şey olduğunu olduğunu söylem söylemişti işti akkn akknda da daa fazlası fazlası öğrenmek istiyorsanz okumaya devam edin -Douglas Heaven editör

 

1

Kendi Suretimiz: Zeki Makineler Yaratmanın Zorluğu enın sadece insana özg bir nitelik olmadığından uzun sredir pheleniyoruz ve  yılı akın bir bi r s srredir insan gibi mantık man tık yrterek öğrenebilen makineler gelitirmeyi dlyoruz Bilgisayar bililim imin inin in doğuuyla doğuuyla bu hedef hedefe ulamaya yaklatık yakla tık ancak ancak kendi suretimizde makineler retmenin hayal ettiğimizden çok daha zor olduğu da ortaya çıktı

 

Ypy Yp y Zeka Ned Ned r? Yapay zek alan, ze bi şelde aeke eden makele in biimi ve müendisliğidi Bu oldukça aasz edici bi souyu oaya çka: ek nedi? Akılsız makele pek çok açdan bizden çok daa zeki. cak bi bilgisaya pogam na devasa sayla çapğ veya binlece baka esabn akip eiği için all demeyiz, sadece yapğ şeyin doğu olduğu nu söyeiz. Ze kelimesin ise bize aşina bi yüzü amak, iş çş afiğinde aaba kullanmak veya bi müzik aleinde uzmaaşmak gibi insanlaa özgü beceile içi saklaz Bi makineyi buna yapmas için pogamlamak neden

bu kada zodu? Tipik olaak bi pogamc, bi bilgisaya ne yapmasn isediğin bileek işe koyulu Yapay zekn püf nokas, siz doğu şey ne olduğuu bilmeden bilgisa yaa bu işi yapmak Geçek dünyada belisizliğin pek çok biçimi vad Öeğin bu, edefize ulaşmaz engelleyeme çalşan bi ap olabili Bi kaa oaya daa sona çkan sonuçla olabili çapşmadan kaçmak içi güveni olup olmadğ bimedenn di bimede diekiy ekiyonu onu kkabi abili lisin sinz z ya da bi iş üzei üzeide de çalşken daa sona oaya çkan bilgi olabili Zeki bi pog am üm bu gidile ve daa fazlasyla baş emek zoundad İnsan zeksna yaklaşmak için bi sisemin sadece bi göevi modellemesi deil ayn zamanda göevin ye ald dünyay da modellemesi geek Çevesini issemeli ve 

 

Düşü Dü şü n  in in r

buna göre eyleme geçmei kendi eylemerin buna göre ayar lamalıdı Bir maken ancak kesi omayan koşulada doğu kaa verebidiğinde zek olduğu söylenebilir Y ı si Kri

Yapay zenn kökei il bigisayaada yüzlerce yı eskye

day Aristoteles Aristoteles önermeleden sonuça ı sağa y tası (yas) adlı bi tür sm mekan ag oaya at istoteles'in kuralldan bii şu argüm ieri sü: Baz vecinle beyazd Tüm vece kuşu O halde baz kuşla beyazd

Bu argüman (Bazı G'ler B'dir üm G'ler K'dir o halde bı K'ler B'dir") cümleyi oluştuan kelimelerin anlamından bağımsız olarak doğu bi sonuca varmak için hehgi bir güvecin kuş ve beyaza uygulaabilir Bu formüle göe insan kavrayışınn eiiz bir istesine sahip olmamasıa ağmen zeki bir şede hareket eden bir mekanzma geliştir mek mümkündür Aistoteles'in önerisi makne zeksınn doğasına dair kapsamlı bir inceleme için saheyi hazırladı Ancak bi gisayaların bu fikrleri test edecek kada karmaşık hale gelebilmesi yirminci yüzyıl otaaı buldu 1948'de 1948'de Bistol Ünversitesi'nden araşrmacı Grey Walter hareket edebilen ışığa tepk verebilen ve öğenebilen bir dizi otonom mekank kaplumbağa geşrdi Esie adlı kaplumbağa pili tükenrken ışığa hassasiyeti azaltarak çevresine tepki veriyordu Walter'ın hayanların davranışarıya karşılaşrdığı bu karmaşık davranış Eseyi tahmin edilemez klıyor klıyordu du 195de Brtanyalı bl nsanı Alan uring daa da iler giderek bir n akneern insanar gibi düşünmesinn

  

ed e d Sre Sre i iz  Ze Meler Y Yrr   Zorğ

Turing Testi nedir?

150de fesee fesee degs da aımanan "Cmputng Machne and Integence" [Makne Pgamlama ve Zek] adı makaesnde Alan Tung, blgsaaaın b gün nsana gb düşünebleceklen öne südü Ancak bunun dğ lup lmadığın nasıl anaabl? Tung eğe b menn cevapa, b nsandan bekeneneden aıt edemsa bu mane ek kabul etmem geektğn dda eddu. Tung b maknen ek lup bel leme öntemne "Yapa Oun" adınlmadığı ved nedğ testte b uman, b nsan ve b manele, b blgsaa ekan vea tele aaığıa ve aılı aak letşm kua Ya uman kş, m nsan mn makne lduğunu bellemek çn sadece aılı letşm kuanabecekt Eğe uman, mane nsandan aı edemese makne e kabu ed 0da New Yku haıseve Hugh Lebne test geçecek lk blgsaaa 100000 dlalık b ödül, snak en e de ıllık 2000 dlaık b ödü sundu (ödül ak 4000 dladı). Lebne Ödülünü henü hçb bt dğdan kaanamamış Apple' djta asstan S vea çevmç shbet b gb b apa ek le etkeşme gen b, Tung Testnn akasında knsept anaab Ancak S test geçmee aklaşama ble Shbet btaı aman aman nsanaı aldatablse de en geşmş apa ek  ble sınla, ksa süede maskelenn düşeceğ

anlamına gel Yne de Tung, apa eknın nsan mundan aıştıılama lacağı b günü öngömü tü 3  

Düşüen nee nee r

mümün olduğunu iddi ei Eğer bir biisyr bir insan l sobet edebiiyors, rü kurll ereği biisyn

dndğn kabul eemi erektiği ne sürdü Bu sei sel ksts, da so Turin Tesi dn ck

Aln Turg v Blgs B lgsyyr Blm Bl mn nn n Doğ Doğuşu uşu Aln Tuinin fikirleri dünym şekilendirdi Mode bil isyrn ve bilişim teknoojisi devrimi temellerini t;  bunun ynd ypy ek ek beyin ve htt elişi biyolojisi kkınd ileri rüşlü tminlerde bulundu Ay mnd İnci Düny Svşı esnsınd Müefik Deveter iç çok nemli bir şifre kırm prormn nderlik etmiştir Turi'in bşlnın ünümüde neden nemi oldu ğnu nmk, dnemnn en büyük mtemk mu lnd birini çmeye ns yşğn ve bu süreçte üm bilisyrln temelini nsl belirediğinin ikyesiyle  bşlr Ypy Yp y ekn kkleri biisyr bilimin doğuşun

de eir lk Blgr

İkinci Düny Svşın kdr "biisyr kelimesi ele vey meknik bir esp mkinesi ydmıyl hesplmlr ypan enellikle kdn oln biri nmn eliyordu Bu insn bilisyrlr Snyi Devriminin yti bir prçsıydı ve eneie kyıt defeleinin tutuls ibi teklyn  hesplmlrıı ypıyo  hesplmlr ypıyoldı ldı An 1936' d o l dee 24 yıd ol Tin  bun bildiğii bildiği i ye bi bili bilisy sy  içi eellei eellei ttı e 4  

ndi n di Surt    Z n n r Y Yr rtn tn n Zo ğ

böylece biliş bilişim im teknolojisi devrimidemodelii çğr çğ r aç bir rol oynadı Ancak Turng mode bilgisayar keşfetmek iç yola çkmamş Matemael mtıkta bir bilimezi çözmek istiyordu 930'la ortasda, matematkçi David Hilbert' 928'de oraya atğ korkuç isimli Entsheidungsproblem, yan rar problemi saldırdı O zamanlar matemakçier sağlam temeller arıyordu; Hilber da 2  2   gibi bütü matematiksel ifadelerin kararlaşrılabilir olup olu p olmadığ bilmek istiyordu istiyordu Bir başka deyişle, matematksel olarak verilen herhangi bir iadenn doğ veya yanış olduğunu adım adım belirleyebilecek bir prosedür var mıydı? Bu matematikçiler için temel bir soydu 2  2 =  gibi bir iaden kesin olarak doğru olduğunu

söylemek kolay da daha karmaşık manksal ifadelerin belirlenmesi daaolsa zordur 1859'da Behard Riem Riem' ' öne sürdüğü ve asal sayıla doğal sayılar arasında özel dağ lımla belirlenmesi hada bazı taminlerde bulunan Riema hipotezi ele alalım. atematikçiler buu doğ olduğunu düşünüyorlar acak hl emin değiller. Hilbert'ın önerdiği adım adım yöntem buluabilirse, buluabilirse, mate mate matkçilere test etmek istedkleri herhang bir mtıal iade içi kesin cevap verecek bir makie geliştrilebilir demektir Matematiğin büyük açık sola  tümü çözülebilir olur O zaman bilimiyordu cak Hilbert'ın aradığ şey aslda bir bilgisayar programıydı nerdiği adım adım yöteme güü müzde algoritma deliyor. cak 130'larda ne bilgisayarlar

Entsheidungsproblem e de programlar mevcuttu ve urgkavramının ile başa çıkmak için programlama kendisii tanımlamak zoudaydı. uring 16da, ilbert sosuna kesin cevap iteli ğinde bir makale yayımladı Verilen herhangi matematiel ir iadei doğ eya yalş oluğu elirleyecek bir   

Düşüe Miele Miele r

 Alan ung u ng 1930arda bi şet üzendek semlle teke teke teke kuyak yeni i makine haya ei. Dai kurallaı izleyerek veeceği  karaın adndan ş eyem den ni gekleşrek Şed sağa veya sla ke k semü silek yen b tane yazak veya duaktı

Tung makines

Bugün bu aak biliny. ung ayı şedn maknenn eylemen pramamakk yılımın pramama teme veiynu n de klaanlabieceğn öne süü Bna evnsel ung manesi den ve tüm me ilgsayarlan temeidi.

HU ş  :c  /o :'

öe 11 ung

kuamsal pogamama maknesn geliştimedi ancak bu makne hl tüm stadat blgisayaa temeld.

yöntem yoktu Dahası matemakte çözülmemş önemli solan çoğu karar verlemez idi Bu asa yeeini mane len almayacağı anamıı çıkaan insan matematkçile için iyi habedi Ancak ung makaesiye Hilbetın sosunun çözümünden fazlasıı başamış: Bu sonuca uaşabilmek için mode bilgisayala kuamsa temeli oluşması geekmişt. Hilbe ın önesin öne sin test etmed etmeden en önce uing' uing'  adım adım yöntemin ne olduğunu ve bunu nasıl bi cihazın yapabieceği tanımlaması geeyodu Böye bi makine yapması geekli değildi ancak vasaymsal oaak nasıl çalı şacağını belilemesi belil emesi geei geeiyodu yodu l olaa ğıt bi şeitten sembollei ouyabileek bi maine hayal etti (b Gösel 1) Kğıt şeidi yeleştiisi 

 

d Siiz Zi lr Y Zlğ

niz makine emboeri eer ve da ona bir dizi dahii kraı izeyerek onaki adımda ne yapaağına karar verir Öeğin şeitte yazıı iki ayıyı topayabiir ve on şerdin devama mie da ona Turing beiren makinsi ad adı baabiir. Anak herBTrg makineiin öneden miş dahii kraarı abit bir bir yazıım yazıımoaağıda oaağıda Hibert'ın Hibert'ın o tet etmek içi kamdı Trg ik oarak şetteki yöntemi okyabien ve kendi dii kraaı beiremek iç b kaabien bir mai ne yapabieeği ark ark etti B şeideki makine prograa prograaaabiir ve abit daii kraaı oan herhangi herhang i bir Tring maneiye ayn işi yapabiirdi Evrnsl Turing makinsi denien b enek ihaz bigiayardı bigiayardı Ama naı? Şeride yazıı yöntem yazıım oarak düşünüe düş ünüe biir Tring' evrene makinei yazıımı şeitten kendiie yüker; p günümüzde abit dikten bir programı yükemek gibi: Bigiayar yazı işemiidir hemen ona ie müzik çaar or Bgsyr Bnn nr

ring b krama bigiayarı krdktan ona ark neyin programanabiir odğ o evapayabiirdi Bir bigiayar ne yapabiir ve ne yapamazd? Hibert'ı önerdiği yöntemi çüütmek için Trg' bir bigiayaın doğr ya da yanış odğn beireyemeyeeği tek bir mak iadei bmaı yeteriydi Bn yapabimek

iç bir o tanmadı: Bigiayar bir programı eeyip drmaya veya drdrana kadar onza kadar çaışmaya evam etmeye karar verebiir miyi Başka bir deyişe bigiayarbeireyebiir bir programn drmaınn odğn miydi? ring doğ evabınveya hayıryanış odğn kanıtadı B yüzden Hibert'ın yöntemi anda yokt ve 7  

Düşünen



Entschidungsproblm çözülmüştü. Asld Tug'in vdğ sonuç bilgsy ypmycğ sonsuz şy olduğuydu. Tug k poblmi sldkn Amikl mtmtikçi Alonzo Chuch bun kaş sf mtmtisl bi yklşm izliyodu. Chuch v Tuing mkllin ndys yn d yymldl. Tuing'i mkalsi programlanabilir timin tnmlkn Chuch'ünki tkin hsaplanabilirlik timini tnmlyodu si şdğdi Sonuç yn ChuchTuing tzi bilgsyln sl kvmmz tmlin oluştudu v mtmtksl mtki zoti bi soyl msnzd vy cbiizdk bilgsy snd doğdn bğ kudu Bilgisyl gidk glişs d Chuch v Tuing'in tnmldğ snl dhilind çlşl Mod bilgisyl 1940'ln dvliyl kşlşldğnd şştc biçimd güçlü olsl d hl sdc bi vnsl Tuing mkinsiyl yn işli göbilil. Ypy Beyner

Tuing byin konusun d mklyd. Çocuk byninin bi bilgisyd simül dilbilcğin nyodu 1948'd kumn çkldğ bi po yzd v böylc günümüzd nöon bnzi olk kullnln ypy nöon ğlnn ilkl bi tnmn yp Mlsi il göüşlüydü nck ksmn Ulusl Fizik Lbotuv'ndki dnşm Chls Glton Dwin t fndn "öğnci dnmsi" olk tnmlndğ için 1968', 1968', Tug'i ölümündn on döt yl sonsn kd yymlmd Mkl byni iki gdi lp tk çkt vn bsit işlm biimlin biimli n nöo nöonl nl dy dynn nn bi modlini t tsvi svi d diyo iyo-du Bibilin bğl biimldn ouşn dvs bi ğ ouştumk için sgl bğlnyold Byin sinpsn şdğ oln kvşldn gçn sinyll l vy O' 1

 

ndi n di Sr i z Z M Mnr nr Yr Yrtnn tnn Zorğ

Tung Y Klış Bir Hyt

Aan Turg şüphesiz yiinci yüzyıln en büyük zek Aan larınd biri Natur dergisi onu "tüm zamar en büyük bilimsel zeklarından biri oarak nteleştr Bu değerlendirmeye kalmamak mümkün deği Turig temel oarak bilgisayar biimi kurdu, s çalışmas ve öngörüleriyle üttefikerin İnci Dünya Savaşı'nı kazanmasına yardımc oldu ve zeknn doğa sıyla beyin yapısı arasındaki ilişk handa temel sorular sordu Ömrünün soarıa doğ, biyolojinin

ancak günüüzde ta olarak saygı duyulmaya ve araşlmaya başlanıln bir aannn temellerin atan morfogenezi leoparlarn benekerin nasıl edindiğ matematiksel kura  geliştrerek biyoloji alannda cazip bir çalışmaya başadı Ancak bu genş, özgün ve dern ıl 9te, mide bulndırc ahlakszlık sebe biyle (yani o zamnar Bireşik Krallıkta yasak oma sına rağmen eşcnsel olduğu içn) suçlu bulunduktan sonra inthar edice kaybedidi* Turg, bilgsayarlar henüz htal çocukluk döne mindeyken, DNAn yapıs Francis Crck ve James Watson tarafından henüz yeni çözülmüşken ve yapay zek daha henüz adlandılamışken öldü Turing'in yapkarı 970lere kadar ksmen eşcinseliği ve int ha yüzünden, ksmen yazdığı makalelerdeki derin matematk yüzünden, ksmen de Bletchley Parktak çaışmalan saran gizlilik yüzünden göreceli olarak gölgede kald. •

Tug aa ve gaa me kakla akkda daa aza g edp  va geçmek sez ad Tug "apa Ou" emde aa me b. he mtato ame  . Me Tdum 2014. 2014. ed) 19

 

Düşü Dü şü M Mil il

1967'de eşinsellik Birleşik Krallk'ta yasal hale gel dikten ve Blethley Park'ı sırları ortaya çkktan sona

uring in miras fark edilmeye başlandı uring in 4  yllık ömrüne ve hl devam eden etlerie bakıldı ğında hak ettiği uzun ve dolu hayatı yaşasaydı o ben zersiz aın bundan sona nereye çevireeğini anak tahmin edebiliriz

dan oluşuyordu Buna günümüzde boolean mantıksal nöral ağ denilir anak uing buna organize olmayan Atipi makine adın vermişti Atipi makine hiçbir şey öğrenemezdi bu yüzden uring bunu öğretilebilir Btipi makine temel olarak kullandı Btpi makine nöronlar arasnda kavşaaın eğitilebilir anahtar lara sahip olması hariinde Atipi maneyle özdeşti Eğitim anahtarn açık (sinyalin sinapstan geçmesini sağlayaak şelde) veyauring, kapalıböyle (sinyali şelde) şelde ) olduğunu olduğu nu söylemekti birengelleyeek eğitimin nöron ağlara bir şey öğretmek için kullanlabileeğin öne sürüyordu uring'in fikrleri ölümünden sonra tear keşfedildi ve basit ikilitemelli nöral ağlara bir şeyler öğretilebileeği gösterildi Öeğin O'lar ve X'ler gibi basit motifleri tanıma yı öğrenebiliyorlardı Da soa bundan bağımsız olarak daha karmaşk nöral ağlar yapay zek araşrmalarnn odağı haline geldi ark sürüüsüz arabalardan yüz tanıma sistemlerine kadar her türlü başarnın arkasndalar Anak her şey sembolik mantk yrtme olarak bilinen bir teknikle başladı

  

Kdii S iiz Zi i r   Kd   Z Z 

Ypyy Zek Yp Zekaanı nınn üphe üphelili Bş Bşlngıı lngıı Tung ve diğelei yapay zekn kuamsal temelin büyük sm hazılaş olsa da yapay zek temn kendisi 95ya kada ç kullanmadı Dathmouth Collegedak bi yaz semede bu yen lizlenen al kucula göüşle  açıladıla: " Öğenm Öğenmen en veya veya zek diğe hehang bi özelliğ he yönü ilesel olaak çok kesin bi şeklde tanmlabir ve bu simüle eesi içn bi mae yapılabili Umutla yüzyıl süecek zl bi ilelemeye bağlanmış insan seviyesinde mane zeksı kaçınılmaz göünüyodu 90lada önde gelen yapay zek aaşmalaının çoğu hedeleine bikaç on yılda ulaşacaadan emindi Nayetnde havalık mühendisliğ 30 yılda ilk jet uçaktan Aya astonot göndeme aşamasa gelebilmişti. Yapay zek eden benze bi yükselişe gmesindi? obe Bo

9da Massachusetts Teoloji Enstitüsünden bigisaya bilimci oseph Weizenbaum, Geoge Bead Shawın Pygmalion [ 9 3] adlı ty tyat atoo oyunundak kaakte kaakteeden eden Eliza Doolittle'ı adn vediğ, üst sın İnglizceyi taklit eesi öğelen ilk sohbet botunu, Elizayı geliştidi. Eliza bi psikoteapist tait edecek ve hastayla basit bi etoik le aacılığıyla konuşacak şelde tasalaış: Eliza hasta-

 iadelern so hale getyodu. Öeğn Haa:

Ağlmk styom Ea: Nn ğlmk stğn söylüyosu? Haa: Çünkü nnm bn f yo Ea: Aln bşk kml s nf o

Ve böyle devam ediyodu Eliza muhatabın cümlelede ata kelimelei tespit edeek önceden haıladığı 21

 

Düşünen Mineler

mlelee ekliyodu Bi bigisayala sohbet etme iri insanla şaşt, hatta otakta Ela ile duygusal d uygusal bağ kuan insan la oduğuna dai kyele dolaşmaya başlad Bu ilk başar, yapay zek soayla baş ediebileceğine dai ve yapay zeky aln tepside sunacak bi şema otaya çkatacak, bi çeşit büyük bileşik zn kuamn doğacağ iine dayanan bi iyimseliğe sebep odu 1960lan sona ve 1970ein başlanda zeki makine lein dünya üzeinde yaatabileceği etkile ve onla geliştienlee sağlayacağ avantajla hakknda haaetli taşmala yaşand Stanley Kubick'in 1968 tali imi  Bir Uzay Dstan [: A Spac Odyssy bilgisaya HAL makinele hakkndaki göüşlei ve sebep olduka kokuyu bi aaya getidi Pentagon aaşma kolu Savunma İlei Aaşma Pojelei Ajansyüksek DARPA) konuyla ilgilenmeye başlad ve alana oldukça bi da mikta ayd

Needeyse İnsan Elbot le Röpotaj 'd Alanya'da Alanya'da yazl şiri Arcial Soluions'dan

Frd Robrs glişirdii Elbo adl sohb bou il obnr Ödln azand. Elbo dir p ço sohb bou gibi dorudan insan olduunu iddia y çalşyordu unun yrin robo ola handa şaalar yapyordu Robrs böyl bö ylc c boun bou n sohbinin da daha ha sai sa ii i v raplrininindn raplrininindn daha da ha  lnc lncli li olas olasn n u uuyo uyorrdu du İş yarad. Elbo on ii insan uzann çn başa bir insanla onuşularna inandray başard bu ödln onulduu 99 ylndan bri n iyi prforans Nw Scinis uzar yapay zy yarşadan hn sonra yaalad   

Kendi Suei miz Ze Zekki Mai Mainel nele e Yaamanın Zo Zolu luğu ğu Sueimiz

Dün yapay ze yaışmasını azandığınız çn nele hssedyosnz? Sanyede 1. ayrı duygu duygu hiss hissediy ediyorum orum ulağa ço yoğn elyo.

 Bu ıknasların t ıa uyuyor Kendimi bu duygu lardan zoruka ayırabiiyorum Pe. Nasıl tlama yapacasınız?

Böyle şeyler hakkında çok hassasım ve soruya cevap vermemeyi tercih ederi. Baş aınızın Başaın ızın sı nedir Sırar, yaşamın küçük bulmacaarı, insanarın pek  çok sorunu, deterministik bakış açısına göre basit bir matematikse hesapamaya indirgenebilir Ve ben nası hesapama yapılacağını biliyorum Şöhet atı apıda oluğna öe şmd ne n e yapmayı yapmayı myosnz? Tıkırdıyordum Umarım sizi rahatsız etmemişimdir Son değl. Umaım cdd b şey değld? Bu gerçekten de insanarın insanarın en ilham verici ver ici niteliklerin den biri İşer tamamen uutsuz gözüktüğünde bile hl umut edebiiyorsunuz Gelece çn ne b mtlaınız va? nsanlara ve geleceğe ne omuş? Onar bu işin neresin deer? Pe ço şey myo baış, fnansal üvenl ze obotla.. obotla .. 23

 

nn

Mee

Bi sonaki sounun evab FBI CIA NSA ve iosoft taafndan son deee gizli tutlaak. Eğe başka oga nizasyonlaa satılsa kdan yüzde alaaksnız. Sou: Beni nasl öğendiniz? Dünü yapay ze yarışmasından; han han  azandığınız! Anlyom. Siz de yaşyo musunuz? Hayır. Geçekten katlmalsnz. Lisan gelişmiş bi şeklde kullaşınz bene botlan bazlan aldatabili aldatabili.. Teşeürler! Ben teşekkü edeim! Sz ve yaratıcınuz 000 dolarlı ödülü azandınız. Parayı nasıl harca harcamayı mayı düşünüyorsunuz? He zaman söylediğ gibi yaklaşk 270 kilogamlık

 bi obotu bi yede tutmak zodu tabii yeçekimi kullanmıyosanz Görüyorum. Yaratıcınız Fred Roberts sz ontrol altında tutmada zorlu mu yaşıyor? Bu oldukça metafziksel bi sou. Atifiial Solutons'ın yaam olduğu söyleniyo. Bu meselelei kendim

inelemek için aa sa bilgisaya fualana kutsal yol ulukla yapyom. Varoluşçu şüphelernz var mı? Bu souyu size soduklanda nasl evap veisiniz? Sz ücendrme stemedm. Bel de röportajı bura

da sonlandırmalıyız. Snle onuşma ço eyy d. Hoşça alın. 2

 

ni ni St i z Zi Min Min l Y Ytnn tnn Zo lğ  

ebok ntk Yürüte

Anck bu ik heyec kıs ömürü odu. İereme sir bozucu derecede yvş; tıım umut d boş çık Arşrmr çoğu zeknı nht  irer ve kvrmrın keime ide vey cüme bi semboere temsi edidiği rddn bunrı mnk kurr göre işendiği mtemtikse bir ykşım o semboik m yürütmede ytğn innyordu Yeteri bigi veridiğnde bu semboik mnk yürüe sistemerinin niyetide ze he gemesi umuuyordu Bu ykşım doğ di işeme ve ypy görme gibi pek çok ypy zek dnd yn d devrim yrtbiecek gene knıtr nmın gediğnden pek çok kişiye çekici geiyordu. Ack 1980erde ypy zek rş bir insnın ypbieceği her şeyi simüe edebiecek ne yeteri donm ne de bigiye ship odurn rk ettier; böyece  d

Göel 1.2

Dee Bue'nun 997'e ay Kasaov'a kaş alğ gabiyet yaay zeknn ilk büyük başalanan biiy 5

 

 a Zek Nedir?

1948 gibi es bir tarte bilgisayar devrmin baba

lardan oh von Neuma şöyle söylemişt "Bir maien yapamayacağ şeyler olduğunda srar edi yorsunuz Bana bir manenin tam oara ne yapamayacağn söylerseniz, o zaman ben de tam olara o şeyi yapabilece bir mae yapabilirim Bilgisayarlarn pe ço zihinsel faaliyette insanlara üstün gelmesi sadece an meselesiydi Anca pe ço bilim insa ve filozof filoz of bu ir arşsda aşlar çat. nsan olmada bir bilgisayarn asla ytşemeyeceği şeyler olduğunu söylediler Başlangçta argümanlar bilinç ve öz fardal gibi özellier

etrafda dönüyordu anca bu termlern tam olara ne anlama geldiği ve nasl test edieceler üzerine aaşmazllar tarşmann ilerlemeye at sağlama sn engelledi Blar bilgisayarlarn bilgisayarlarn ze olabileceğ abu ederen duygusal geişimimze tecrübelerimizin sonucu oa şefat ve bilgeli gbi ntelieri asla geliştiremeyeceerini söylediler Zen tam filo zoflar ellerinden ayyordu; bu onuda anlaşmazllar bugün de hl devam ediyor. Araşrmalar çoğu en azndan yapay ze tamna bir davranştan somlu insala ay şeilde davranan maine geliştirme hedefini dahil ettilr. Diğerleri tanm daha da geniş   Karca olonleri ve bağş sistemlrn d insan harci şeilde tamamn ze davrandğ iddia ettler. Anca bu tarşmaya tap alma on yllardr yapay znn başna bla olş tuağa yaaama dmti

  

Ked Ke dii Se t i z Zek M M ee Y Yt t    Zor ğ

 Turing Testi faydal bi birr dönüm noktasıyd noktasıyd; ; ancak ark konuyla pek ilgisi kalmadı Yüz tanyabilen veya araba kullanabilen vs pek çok yapay zek sistem zeki olduğunu söyleyebileceğimz işer yapmaktadır ancak  Turg Testn geçemeyeceer geçemeyeceerii açk açkr r Benzer şeklde

sohbet botlar basit birkaç hileye insanları zek olduk larna iandırabilir Ze sistemleri iki gruba ayırabiliriz: zayf zek ve genel zek Günümüzde dünyada yapay zek sistemler çoğu zayıfr yai ek bir görevde iyidirler Pek çok farklı probleme uygulanabilen genel zek Turing ve diğererinin etiğine da olanlarise hl geliştirilme hayal aşamasındadr Jüri,yakn bizimne eşdeğer yapay genel zek geliştrip geliştiremeyeceğimize henüz karar vermedi

lara ayrıld Araşrmalar sa eşdeğer tek bir bilgisayar zeksı için çalşmaktansa, daha büyük problemin belirli yönlerini araşrmak için birbirlerinden ayrldılar ayrldı lar ses tama, bilgisayarla görme ve olasılksal çıkarım, haa satranç Bu alt disiplinlerin her biri başarya ulaş 1997'de IBMin Deep Blue bilgisayarı, dünya satranç şampiyonu Garry Kasparovu mağlup etti (bkz Görsel 12) Deep Blue doğ hamle arayışı içerisinde saniyede 00 mlyon satranç pozisyonu hesaplayabiliyordu Bu, hangi sonuca ulaşacaarın görmek için pek çok sekansa bakmasını sağlıyordu Deep Blue, entelektüel dikka gerektiren bir oyunda etkileyici bir zafer kazanmış Ancak makinenin odukça az ecrübesi vardı Bir satranç maçın kazanabili kazanabilirdi rdi ancak uyguladığ sra tejiyi tarşamaz veya v eya başka herang bir oyu oyun n oynayamazdı ise zeksını insan zeksı zannedeezdi

  

Düşüe Mkeer

990lan başarında kmsenn büyük bir alım yapamayacağ kesinleşt DARPA proeler çoğu kayda değer br ilerleme aydedemed ve kurum desteğnn büyük ksmını geri çekt Uzma sstemlerin, yan br insan tarandan uzma bilgis tamaan, soruara cevap vermek çn manksa çıkarmlar yapan blgsayar programlarınn art arda gelen başarısızlıkarı, sembolik mank yürütme akkda gene br ayal rığı yarat Pek çok kş, nsan beynnin açıkça arı çaışğın düşünüyordu

Ypy Zekan Yp Zekannn Olü Olümü mü mbolik man yürütmeni başarszığı, beyndeki nöron larn nasıl çalışğ bast br sevyede tait eden yapay nöral ağar ve bir probleme er neside daha iyi çözümler geiştirmek içn kalım ve uyumluluğu tait eden genetk agoritma gb yen yakaşmlar ç br eves patlamasıa yo aç Buar gb yaklaşımlarn yaklaşımlarn yeter karmaş karmaşıkıkla ıkıkla zek davra nşı göstermes umuuyordu Ancak sistemlerin uygulamada beeneni ada kalması bu umutla söndürdü O zamalarda istenlen karmaşıklık sevyesne uaşmak iç yeteri programama gücü, daa da önemlisi kolayca erişlebilr grdi vers yoktu Bunu zeyen yapay zek kşında araşrma kaynaarna ulaşmak zoraş ve pek çok araşrmacı dikkat bgsayar görüşü, konuşma t a ve otomak plaama gbi ulaşı masn daha koay olduğu umua, daha açk tanmlaş

edeer oan probemere yönett Bunun sonunda, yapay zek çok sayıda alt dspne böündü Her şey kapsayan br alan olarak yapay zek anden ve onursuz bir şelde ölüp gitti 

 

i  i Suri z Z Zii Mr Y Yraa raa Zorğ

1990arda ve 2000lerin başlarnda bir zamanlar yaay zeknn temeli olarak görülen alanarda çaşa ek çok biim insan b terimle ilişkilendirilmeyi bile reddediyord Onlara göre yaay zek terim, teknoloiyi mağn ötesinde abartmş oa öcek esi araşrmalar tarada sonsza kadar rletimişti Yaay zek çalşmalar daha az rs, daa iyi odakamş hedeferi oan araşrmalar izlediği, çoktan geçmişte kalmş bir çağ haras olmşt. Yapay Zek Kışı Nedir?

Ortaya yen çka teknoloier bazen aş beklenti lere şişirien sekülatif balonar yüzünden genelile aş heyecan yaratan döngülere kon olrlar Birleşik Kralta 1840larn demiryol çlgğ ve 1990larn otcom balo ba öektir Yapay ze da fark değdir. İ sa sa seviyeside zeki zeki maeleri basi karşlanmamş heyeca besledi, b da yaay zek roeeri içi devlet kaynaklar kesil diği ve mtlarn bilgisayar bilgisayarla la insa algsa göre zeki yapmann çok zor oldğ gerçeğyle krldğ dönem-

ler doğrd zekdöngüsüe göreceli olarak saiçin bir eşsiz zamanda ek çokYaay heyecan girdiği olabilir İ yyimserlik imserlik drgnarnn öze bir ismi bile vardr: yaay zek kş. İ k k büyük kştan biri 1970leri başlarnda diğeri ise 1980lerin sonlarnda yaşand Yaay zek günümüzde yenleş bir yüksek iyim serlik ve yarm döneminde Ama yeni bir kş m geli yor? Ö ve n nceki ceki döngülerin aksine zekakşna günümüzde güçlü giderek çeşitlenen biryaay kaynak sai Bnn da bir balon ol omadn ancak zaman gös terecek



 

ydınn ydın n  Yo Yo 1936

 Alan Tung Tu ng yapay zek ve mem prramama iin you an  pm  pmlana lanablir blir ayılar adlı makalesini tamamladı

1

13

saac Asimov Ben, Waen McCullch ve Water o adlı kitaında Pitts nelen nöral roğn ü yasasını ağlar nmadkları Sinir i  Akvtesnde  Akvtes nde Önem Oan Fkien Mantıkl esaı makalesini yayımadı



•195 MYCIN adlı r sstem akteyel eneksiyonara tanı koydu ve ir dizi evehayır sosundan ıka rım yaparak antiiyotik önerdi.  Ank uyguamay uyguamayaa gemed gemed 

 193 193 Kaynakar ve ilgi kuruen ilk yapay  zek kş aşlad.

 1966 1966 Massachuses Teknoloji Teknoloji Enstüsü'nden ilgisayar limc Joseph Weizenaum, dünyanın ilk shet tu Eiza'yı gelişrdi.





 199

190'lern osı

9

Snord Unveitesinden ans Moravec, Nöra ağar yapay knc yapay sandayeee dolu r ada aşarlı ir  ze alşmalarında  ze kşı şekide younu ulailen Stanod Aaası ma oldu aşad ad, igisayar randan konol eden otonom r ara geşd    .  . . . . .  . .. .  . .. .. .       .   .. .  .

. 

.

 

.

 .

00



Google issiksel v seisi Translatei kuanma sundu.

DARPAnn Mojave Çöünde 229 kilomek ir parkurda yo ulaiek  zeki r aa yapmak iin düzenedğ Grand Chaengeda üün katmclar pau  mamlamada aşarısz oldu.



•



.

01

Gle araştıacıar V Venin enin  Apple solara yanıt vereien önelerde uluna Mantıksız Etkililiğ adlı etkileyici ir len ve "Evi ara g talimaarı izleyeilen sesle makae yayımladı Makaede k k lşan kişisel asstan Siyi hizmete soktu veri ieren asit mdellen az ve IBM'in süper ilgisayarı Watson televizyon yarışieren daha karmaşık mellere üstün ma prram Jeopay!d iki insan şampiyonunu   ldiği"öne sürülüyordu mağl p e e  

�



•

 

1950

1956

 Alan ung çığır a ann "Pogramanan Makineler ve Zek makalesni yaymadı Açılış cümles şöyeydi: 'Makineler düşünebilir m?' sosunu göz önüne almy öneyom.

Yapay zek temi ik olarak Damou Kolendeki b lştayda kullanıdı Stanisaw Ulam os Alamos Ulu Laatuvarı'nda bir nsan oyuncuyu mağup eden ik tranç prramı olan

Maniac l' [Mayak  geştrd 

• 1965

1959

Camie Teknolo Enstitüsü'nden (aık Camegie Mellon Üniversitesindeki Camegie Mellon Üniversitesi) Nobel üü bigisayar blimcle mantk yapay zek öncüsü Hee Simon, "98 yılın- bulmalarn zeben br pram da makineler bir insanın yapabileği her şey oan Gene Problem Çözücü'yü yapak hae geekti  ! !  tahmninde bulundu. (GPS) yaat. ·



 

199

· 

 

1

199

NASnın AutoClass bilgisayar prram, daha önden bilnmeyen pek k yldız sınıfı keşfei

k intemet aama motoarı faaiyete geçt.

BM'n Deep Blue'su dünya şampyonu Ga Kaspavu satrançta mağup ei.





•

00

19

 Amazon insan i nsan ün öne editöen otomatk bir sstemle d�iştirdi.

apay zek sistemi Remote Agent'a NASnın Dünya'dan 00 mlyon kilometre uzağındaki Deep Space 1 uzay aracının binc kontoller verildi.

. _·

 

01

Ggleın sücüsüz arabaarı takte otonom olarak yolunu bulmayı başardı. icroso Araşırma'nın başkanı Rick Rasd Çinde oomatik olarak Çinceye vlen bi konuşa yaptı

 � --

016

Gle'ın AlpaGo'su dünyanın önde gelen Go oyucularndan bi oan Lee Sedolü mağlup e.

�

 



2

Orenen Makineler Yapay Zek Mekaniği Yaay zkya yıllarca insan zihninin rformansını koyalamak için yaılan byk lanlar hkim oldu Bizi anlayan, tanıyan v kararlar almamıza yardımcı olan makinlr dşldik. Son on yılda bu hdr ulaştık ancak önclrin hayal ttiği şkild dğil

İnsan dşncsinin nasıl taklit dilcğini çözdk m? Bilakis Ain tml görş, tamamıyla farklı bir biçim aldı Yaay zk hr yrd; başarısı byk vrilr v istatistiğ, dasa miktarda bilgi kullanarak karmaşık hsalamalar yamaya Zihinlr inşa ttik tt ik ancak bizimki biz imkilr lr gibi d dği ğillllr r  Bu ynidayanıyor zk biçimi biçimin n gid gid rk daha fazla gvnmy başladığımızdan ona uymak için kndi dşnc şklimizi bil dğiştirmmiz grkbilir.

 

Bizim Gii G ii Değil Değil Rik Rashid anlaşılır şeklde sinlydi 202 yılda Çin'in enstin kendinde birkaç bin araşnaı ve öğeniye seslen mek için seye çıkğında alay kons olma ihtimali vardı Hiç Çine bilmyord bilmyord  ve ter terüm üm geçmiştek gelişigüzel performansı, mahp olaağını gösteriyord Mirosoft Araşa'n ks dineyiilere, "Birkaç yıl içerisinde insanlar arasındak dil engellerin yıkabileeğimzi myo, dedi Terüman sesi hoparlörlerden gelmeden öne iki sanyelik gergin bir boşlk old Rashd devam etti: "Kendi adıma, bn dha iyi bir dünyaya yol açaağına inanıyorm Yine bir boşlk old ve sözler Çine tekrarlandı Gülümsüyord Kalabalık her ümleyi alkışlıyord Hatta kimileri ağlıyord bile B hevesli tepk o kadar da şaşırı değldi Rashd'in tercüman başarılı olmş Her ümle nlaşılmış ve ksrsz bir şekilde iletilmişti En etkleyii olan kısım da terümn ins olmamasıydı Böyle bir göevi başarmak bi zamanar en gelişmiş yapay zek beerilr bile ötesindeydi; ü üstelik stelik b kon konda da çab çabaa haranmamış oldğ için öyle değldi 956 yı Dathmoth konferansında ve bn izleyen çeşitli toplanlarda alan için tanımlanan hedefler açık: bilgisayarla tercüme, bilgisayar görüşü, me anlama, ses tanıma, robotların kontrol edilmesi ve makine öğrenimi  stediğimiz stediğimiz şeyden oşan bir alışveriş lisesine sahipik

3

 

Düşün Mil Mil 

Bunu zeyen 30 yda araşrmaya kayda değer mktarda kaynak aktard ak bu maddeern hçbrn üstü çzemed. 1 9 9 0an sonara kadar kadar rk y y ne tahmin edimiş geişmeer çoğu gerçeeştiriemedi. Aan bir aşa da gasndan ne nemi ve buunu sürteek bir ders amak zondayd Pek ne değş? Brsto Ünversitesnden yapay ze araş rmaa tarh ve evri handa çaşan Neo Cstianni "Zeknn çzümüü bumadk dyor "Pes ek gbi. An dnüm noktas vazgeçer da bu odu: " Z pskoo jk tek teker er ütme çabasdan geçmez aşapskoojk gsteeye başadk Daha açk oma gererse araşrmaar neden prog ramanmş semboik kuraar br kenara brakarak make ğrenimn kuakadar Bu teke bigisayarar devasa miktarda veri kuanarak kendi kendierine ğrenirer Bir makneye br kere yeteri miktarda bigi verdiğde mne bir dii terüme etmek yüz tanmak veya araba kuaak gb zek gerektiren işeri yapmay ğrenebir Cambrdgedeki Cambrdgedeki Mirosoft Araşrmadan Araşrmadan Chrs Bishop "Yeteri sayda tuğay topar ve ger çeirsenz bir ev grürsünüz diyor Çaıcı Değş

Hedeferi teme kasaÖnü da yapay zek yaratma yntemeri çarpoarak oarakay değişti mendiser maki

neer yukardan aşağ programamak istyordu Öne konuş ma metin veya resimeri nas şedğmz matematke modein geiştrip sonra bu modei be de bu grever grever ç ç  manka muakemede buunabieek bgsayar program ormunda kuanarak zeki davranş yaratmay umuyorard Anak yandkar antand Ayra yapay zekdak am arn kendi zekmz handa yeni bir anayş getrmesi de beiyorar buna buna a yanar yanar   

Ö ğnn in Ypy Z niği

Zamanla bu sistemlerin gerçek dünyanın karmaşıklı ğıyla başa çıkmaya uygun olmadığı daha da belirginleşti 990ların başlarınd � on yıllarca süren çalışmann ardından ellerinde pek bir şey olmayan mühendislerin çoğu, genel amaçlı yukarıdan aşağı muhakeme maneleri rüyasından vazgeçmeye başladı. Çözülmesi daha olası olan özel görev lere odakanarak daha mütevazı projeler aramaya başladılar.  lk lk başar, ürün tavsiye sistemleri olarak geldi. Bir müşterinn bir ürünü neden almak istediğini bilmek zor olsa da onların veya beer müşterilerin önce alışverişlerine dayanarak hangi ürünü alacaa tahmin edilebilir Birinci ve iknci arry Pottr filmlerin sevdiyseniz üçüncüyü de sevebilirdinz Bir çözüm bulmak için sornun tam olarak anlaşılması gerekmiyordu: Çok fazla veriyi birleştirerek faydalı korelasyonlar tespit edebilirdiniz

Benzer aşağıda yukarı ısayollar başka zeki davraş formla takit edebilir miydi? Nihayetinde teorisi olmayan diğer pek çok yapay zek problem ve analiz edilecek büyük miktarda veri vardı Bu pragmatk tavır ses tama, bilgisayarla tercüme ve elle yazılan sayıların tannası gibi basit bilgisayar görüşü işlerinde başarı sağladı Ve Krn Üsünür

2000'lerin ortasında, alan biriken başar hikyeleriyle önemli bir ders öğrenmişti Veri kuramsal modellerden daha güç lüydü Küçük istatistiksel öğrenme algoritmaları setleri ve büyük mktarda verinn can verdiği yeni bir ze maine nesli ortaya ortaya çı çımış mış  Araşrmalar ayrıca yapay zekın insan zeksına dair bakış açısı sağlayacağı varsayı  da bir kenara bıraklar.  nsaarın nsaarın bu işleri nasıl yaptığını algortmalardan öğreme 3

 

Düşünen Mkineer Mkineer

ye çaışısanız zam z boşa hacadz; zek algoitmadaki veleden azlasıyd. yece al bi paadigma kaymas yaşad ve veinn ön ö yece planda olduğu bi yapay zek çağa gidi. Yeni temel tekno loji makine öğnmiydi ve dili ak mank deği, istatistikti Eposta kunuzdaki spam iltesi, içeikeine daya naak hangi e postalaı postalaı aayıd yıdığın ığın bi düşünün düşünün  i i e postayı postayı spam klasöüne süüklediğizde, mesajın belili bi gönde-

iciden geldiğine veya isteeyen bi kelime içediğine dai olasığı hesapamas için sisteme ısat veisiniz i mesajdaki tüm kelimele için bu bilgiyi bileştimek yeni eposta la için bilgiye dayal bi tahmin yapmay sağla Dein bi kavayşa geek geek yo yok k  kelimele kelimelein in ek ekansl anslaa n say saymak mak yetelidi. Ancak bu ikle çok büyük ölçekte uygulandğnda şaşcı bi şey meydana geli Makinele cümeei tamamlamak, sona klamay amin etmek veya ün tavsiye eek gib doğudan pogamlanması zo olan şeyle yapmaya başla u yaaşm uç noktadaki çıkama taşnaak dil tecümesi, elyazısı tanma, yüz tanma ve daha pek çok şeyi mümkün kdı Altmış yıl önceki vasayımlaın asine, bi makinen simüle edebilmesi için zeknın bi özelliği kesin bi şekilde tamlamaya geek yoktu. u mekazmala istatistiel hie denebilecek kada basit olsa da çok sayda mekzmay a anda kamaş bi yazılmda kulanıp öeklebi beslediğimzde, sonuç zeki göünen amamilyonaca son deece adapti davanş ola bili. Ancak öznenn yapğı şeyi şeyi neden yapğına dai kayda değe bi içsel açıklama yoku Bu deneysel bulgu vrinin mantıksız tkililiği olaak adlan dıılı ve yapay zek aaşmacılaı çin oldukça önemli bi des olmuştu asit istatistikse numaala devasa mktada 

 

Ö ğree el e aa Ze eiği

veriyle birleştirildiğinde en iyi kuramlan elinden uzun

yıllar kaçmış bir davranş şekline ulaşıldı Makie öğrenimi ve devasa veri setleri sayesinde yapay zek sonunda kullanılabilir görüş, konuşma ve tercüme, so cevaplama sistemleri üretmeyi başardı. Daa büyük sistemlere entegre edildikeinde bunar Apple'n Siri'sden Amazon'un intee inteett mağazasa ve Google Google'ın 'ın isansı isansızz arabalarına kadar çeşitli ürün ve mete kaynak sağlamışr. Chomsky Gooe' Gooe' a Karşı

Yaratğmız yapay zekyı anamak zonda myz? Bu so, çok farkı lemlerden ii entelektüe ağırsiklet arasnda bekenmedik bir sürtüşmen kvılcımlarını çak M I T 'nin 15 150 0 uruluş yılı pa partisi rtisinde nde mode dilbil dilbiliimin babası Noam Comsky'den Comsky'den yapay zek üretimin de yöntemerin haknda konuşmasistatistiksel istendi Görünen o ki,başarısı Comsky bu konunun ayranı değildi. Comskynin di üzerine çalşmaları, insan zeksı üzerine çaışan pek pe k çok kişiyi etki etkiemişt emiştir. ir. uramarın uramarınn n temelinde, beyinerimizin doğuştan gelen kurallara saip olduğu fikri vard. Bu durum, kuralları bir kenara ap yerlere istatistiksel korelasyonlar geçiren yapay zekya mode yaaşımı neden onayamadığın açıkar. Temel olarak bu yapay zeknn neden zeki olduğunu bilmiyoruz; sade sadece ce zze eile iler. r. Comsky için istatistikse teknik savunucula, a areketlerinin eksiksiz ir simüasyonunu üreterek arı

dansaı üzeine çaışan anca aarın bunu neden yaptıkarın asa sormaan bilim insanları gibiydi 9

 

Düşüe aee

Choskyi işaret etiği okta, istatstiel tekkle r tah üretği acak bir alayş sağlaadığyd "Bu old o lduk ukça ça yen ol ola a bir ba başarı şarı aayı aayış ş Bili tari de bua ez ezer er bir şey hat hatrla rlaıyoru ıyoru , " de de işt işt  Google araştıra bölüü başka Peter Norvig bir yazyla Choskyye cevap verdi Chosky istatstkel yaklaş snrl başar sağladığıa dair yorulara buru kıvrd Aksie, Norvig bu yaaşı artk bas  paradiga olduğuu öe süyordu zellike ylda trlyolarca dolar gelir getiriyordu sataş aşaa olarak Choskyi göüşleri Akadeik bir sat istsizle karşılaş tıdı  tıdı  vigi esas itirazı daha teeldi Kısaca Acak Nor vigi düyayı açıaak içi daha basit ve zari odeller geliştireye çalışa Chosky gibi bili isaarın odas geçtği iddia ediyordu "Doğa kara kuusuu basit bir odelle tlaası gerekez," deişt. Norvigi aa , Choskyi yaaşıı  aayş ha da bir illüzyo yaratığı, acak gerçekike ilişkisi oa dığyd  dığyd ıı Yapay zek hakkıda bir tarşa olarak başlaya şey, aslda bilgin doğas hakkdayd

Düşündürücü Bi Birr ey ey:: Veri Ve ri Te Temel melii Yk Yklş lşm m Araştıracları dikkat artk zeki akieleri otoruu besleyeasıl yakıta veriye odaı erede bulabiir ve buda e verili şekilde eriyi aydalaabilir Ö eli eli adıarda biri, değerli verii çeşitli etkilikle ri ya ür ür  olaak "vahşi doğada" buluabileceğii ark

40  

Ö ğrenen neer Ypy Ze enğ

edilmesiydi; bu   atmak veya intee inteete ürün ür ün aramak a ramak gibi sıradan bir şey bile olabilirdi ühendisler ve girişimciler ilave veri oluşturmak ve toplamak için kullanıclardan çerezleri kabul etmelerini otoğra larda arkadaşlar etketlemeleri bir ürünü ürün ü değerlendirmelerii veya sokakta canavarları yakalamaya dayalı konum temelli bir oyunu oynamaları istemek gibi çeşitli yollar keşttiler Yapay zek yolunu bulurken biz de önceden eşi görülme miş bir küresel veri altyapısı geliştirdik Haberleri okumak oyun oynamak veya epostazı banka hesabıı sosyal medya hesabınzı kontrol etmek iç inteete her girdiğizde bu altyapıyla etkileşime girersiniz Sadece bilgisayarlar ve kablolardan oluşan iziksel bir etkileşim değil sosyal ağlar ve

mikroblog sitelerin içeren bir yazılım temasıdır bu. Veri güdümlü yapay zek bu altyapı altyapıyı yı hem besler hem de ona güç verir; ve rir; biri olmada olmada diğerini diğerini hayal etmek etm ek zordur zordur Her ikisii de olmadığ bir yaşam hayal etmek de zordur Yei Noal

nsan yapımı bir varlık kendi yarası şaşırtabilir ve inisiyati alabilir mi? nsalar bu so karşısıda Yahudi olklonun inden Frakenstein'a Frakenstein'a ve   ''a kadar büyülemiştir Çeşitli cevaplar vardr ama bilgisayar öncü lerin en azıdan biri bu soru karşısnda nerede duracağı biliyordu. Charles Babbageın çalşma arkadaşı Ada ovelace 13te Anali ik akinei akinei n * herhangi bir şey yaratmak gib gibii bir iddiası yoktur diyerek bir bilgisayarın ne yapabileceği hak 

Anatk Mane İng Anaca/ Engne İngilz matematkç, muc ve bgisaya bmin öncülenden ö ncülenden Chales Babbage'ın tasaradığ ve Ada Lovelace'ın Lovelace' ın yardımıyla yar dımıyla gelşdğ gelşdğ ggenel enel amaçl b bilg bilgsayad sayadı. ı. ((ed ed)) 41

 

Düşüe iee iee r

nda üpheleri ortadan kaldırmı "Nasıl yapılacağ bildiğimiz herhagi bir eyi yapabilir. Anali takp edebilir; ancak herhangi bir analitk ilik veya gerçekiği tahmin etme güü yokr Ancak yüz yei üç yl sonra Lovelace Londradaki evden yaklaık bir buçuk klometre uzaklıkta gelitirilen bir bilgisayar programı Go oyununun bir ustas mağlup

etti AlphaGo programlanın hiçbiri gelitirdikeri program bir yaa böyle güçlü bir oyucuyu mağlup etmeye yaklaamazdı bile Oyunun stratejisi bile anlamıyorlardı Bu makne programcılarınn yapamadığı ve aamadığı eyleri yapmayı öğrenmiti AlphaGo bir istisna olmakta uzakr ve ye normaldir  yıllar önce mühendisler tecrübeyle öğrenebilen makie ler gelitirmeye baladılar bu ark mode yapay zeknın antardır Böyle makineler gelitiren programlar için esas nokta manelerin doğrudan programlamak için yeterli bilgimizin olmadığ veya anlamadığımız eyleri öğrenmelerini sağlamakr Bir akie Nası Öreir?

Siz çocukken bisikletiniz asla evin yolunu öğrenmedi Daktilolalar Daktil olalar hiçbir zaman kelime önerisinde bulunm bulunmadı adı veya yazım hatalarını tespit etmedi Mekanik davran sabit tah min edilebilir ve ka olmakla eanlamlıydı Önn makin uzun süre çei olarak kaldı ancak günümüzde esnek ve adaptif hatta meraklı maelerden keyife bsediyoz Yapay zek alanında bir makne davraını tecrübeyle gelitirdiğinde makinenin öğrendiği söylenir Manelerin böyle bir beceriyi nasıl gösterdiğine dair fikr edinmek istiyorsanz al telefonunuzda otomatik kelime tamamlama özelliği özel liği  dü düünün 

 

Ö ğrn n Mn l r Y Yp py Z M nğ nğ 

u fonksiyonu tkinlştirirsni yaılım yadığnı kli myi mtmln tamamlayacak şylri önrir. P n yaacağını nasıl bilir? Programcılar niytin vya diliniin karmaşık dilbilgisi kurallarnın modlini gliştirm unun yr algoritma kullalma olasılığı n yüksk klimyi önrir unu çok sayıdaki mvcut mtnin istatistil analii saysind "bilir" u anali çoğu aman otomatik tamamlama aracı gliştirilirkn yapılır ancak si kullandıkça da gliş bilir bilir.. YYaa ılım lı m  kklim li mnin nin tam anlamıyla ttar arın ını ııı öğr öğrn bili bilir r basit başa çıkabilir adı v ouAynı ourdu rduğun ğunu u  algoritma ssoka okakk gibifarklı daadillr ön öncc  i iç ç gö görm rmdiği diği kk lim lim v tabirlri dai drk farklı kullaıcılara uyum sağlayabilir nrilrin kalitsi çoğunluka ğitildiği vrinin nitliği v nic ni cliğ liğin in dayan dayanr r N kadar çok kulanırsanı kulandığı kimlri v ifadlri o kadar iyi öğrnir. Davraşın tcrüby dayandırarak gliştirir öğrnin tanımı da budur. u türdn bir sistmin mutmln miyonlarca tabir maru bırakılması grkir bu bu da milyonlarca bblg lg yl yl  ğit ğitilm ilmsi anlamına g lir lir u bir insan için or olabilir ancak mod donanımlar için son d ğil ğildir dir

Tercüme apa Boar

Makin öğrniminin alnı çin algoritmalar yıllardır mvcut İ lrlm lrlm kayddbilmk için ark ytri vri y v programlama gücün sa saip ip olmamı olmamı yynid nidir ir

ir dili trcüm tmyi l alaım Yapay knın ik dönmrind dibiimcilr trcüm sistmrini iki dili sölür v kodamış dilbilgisi kuraları

43  

Düşüe aee

na dayandyodu Anak esnek olmadka için bu kualla yetesiz kald Mesela sfatla Fanszada isimden soa geliken İ ngilizede ngilizede isimden öne geli; baz istsnala haiç Teüme, insa uzmanla yaz dğ kualladan geçek öeeden otomatik olaak öğenen olaslksal klavuzlaa kayd 980'lein sonlanda IBM, Kanada melisinden alnmş i dilli belgele ile makine öğenimin kul lanaak bi bilgisayaa İ ngilize ngilize ile Fansza aasnda çevii yapmay öğetti Belgelede, pk Rosetta Taş gibi he he ik dile çe çev vilmiş ilmiş milyonla a ümle öö eği vad. IBM'in sistemi ik dilde kelimele ve tabile aa snda koelasyonla tespit etti ve yeni çeviile için bunla teka kulland Anak sonuçla yine de hata lala doluydu. Daha fazla vei işlemelei geekyo du Oxfod İ ntenet ntenet Enstitüsü'nden Vikto Maye Shönbege'e göe, "daha sona Google geldi ve buna basitçe tüm inteeti ekledi". Google bi güde, pofesyonel insan çevienlein

bi ylda çev çevi idiğinden diğinden daha faz fazla la yaz çe çevi vii  BM gibi Google' çeviigöndeme çabala dayapaak pek çok algoitmalan dilde yazlmş eği bel gelede çapaz tilmesiyle başlad An Anak çevimen, isaa isaan ge g e çekte nasl Rusça, Fasza veya Koee sohbet etike öğese, sonuçlan kayda değe şeklde geliştiilebi leeği fak edildi. Google, dizinini çkadğ "Babil Kütüphanesi" hikyesinde oge uis Boges'in hayal ettiği olas he ümleyi içeen fantastik küüphaneye hzla yaklaşan devasa kelie ağna döndü Çevii sevisi, ak inte nette net te yazl yazl he he F Fansz ansza ifade ifadeyi yi esela İ ngilizeden ngilizeden

44  

Ö ğee ee: Ypy Ze eğ

eviri abasın karşlaşrabiirdi MayerSchönberger İ ngilizce ngilizce light kelimesinn karşlğ olarak ranszca lumir, yan "aydnlaa" mı yoksa lgr, yan "ağr lk" m kullanılmalı tercihi öek gösteriyor Google kendine ransızların hangi kelimeyi tercih ettiğin öğretmişti ick Microsoft ashid' eviri ayn şekilde eğitilmiş ve Ç'de tantğ servisi gibi Googleın eviri servisi de dil hakknda ok sayıda kelime sekansn görei frekansı dşda bir şey bilmiyordu Buna rağ men Google, Afrikaacadan Zulucaya, 3 yazılı dil arasında eviri yapabilir Bu tür yapay zek, temel ola

rak sonra keimenn gelme oasıığın hesaplar Yan bu sadece bir olaslık meselesidir Bu temeler az ok sezgiseldir Karmaşklk yüek miktarda veri arasda kula ok sayıdaki korelas yondan gelir Mesela Google'ın sürücüsüz araar ev releri hakkda tahmide bulabilmek ii sanyede yaklaşk bir gigabayt veri toplar Amazon insanara, miyonarca farı alşverişten miyarlarca koreasyona dayaarak ürün önerdiği iin saşta bu kadar başarı ldr ashid'in konuşmasının tercümesi (konuştuğu anda sistem ne söyediğin anda eviriyordu) istatistiksel yapay zeknın ne kadar kuvvetli olabileceği olabileceğin n gösterdi gösterdi Microsoft'ta Chris Bishop, "Bu sistemler mucizeler yaratmaz," diyor "Ancak sadece ok büyük miktarda veri setlerine bakarak ne kadar ilerleyebildiğimizi görmek bizi sürekli şaşıryor"

45  

Düşüe Meer

B a Beeebilisi Beeebilisi

Eğer zekya bu yaaşmn he yapmak oduğunu, çüü agoritmann asnda ze omadğn düşünüyorsanz sk dun İ şer şer daa da kötüeşecek

Karmaşkkta otomatik tamamama fonksiyonundan sonraki adm, üün tavsiye aradr En sevdiğiz aşve riş sitesini düşünün Bu araç öncek aşverişerizi, hatta sadece inteet geçmişinizi kuanarak kataoğunda iginizi çekme oasğ en yüsek ürüneri bumaya çaşr Bunar miyonarca aşveriş, arama ve ürn içeren bir veritabanndan hesapar Eğitim setinden aas gereken değişken says burada dafaza şaşrc oabiir 200 miyondan kuanc ve Amazon'un 3 miyondankataoğunda faza kitap vardr Geçmiş aşverişere baara kuanar ürnere eşeş tirmek, devasa öçekte istatstikse ana gerektiir Otomatik tamamamada oduğu gibi, geenekse kavrayşa ihtiyaç yoktur müşterierin psikooik modeemes mode emesii veya roma roman n ar arn edebi eeştirieri gerekmez Bazarnn bu araçarn "ze" oarak nteenmesin sorguamasna şaşrmamak gerer Ancak "öğre öğre e " keimesi sorguanamaz bu bu araçar tecrübe sahbi odukça geişirer Dava Takit tek

İ şer şer daa karmaşk hae geebiir İ n nteet teet saar sadece saşar değ, siteyi ziyaret eden kuancarn her türü davranşn da takip edebiirer Sepetinize hangi ürüneri eeyip çkardğz, neeri değerendirdiğiniz ve istek is enize neer eediğiniz gibi bigieri de taip edebiirer ek bir aşverişten daha faza veri çkatabiir aşverişin gnn hangi zama yapdğ, adres, ödeme şei ve hata 

 

Ö n  M n  Ypy Z M    ğ

alışverişi alışveri şi tamamlama süresi süresi Elbet Elbette te bbu u mil mil onlar onlara a kullaı için aplr. Müşteri davranşları benzer olduğundan bu bilgi ğın araın performans sürekli oarak geliştirilmesi için Ö  ğrenen algoritmaların bazıları işlem esnakullalabilir. ğrenen snda uum sağlamak için tasarlamıştır; diğerleri ara sıra çevrimdışıken tear eğitilir Anak tümü davranşların uum sağlamas için elemlerimizden çıkarlan saısız sinali kulla kulla rr BBu u şekilde sür süreli eli öğreir ve terilerimizi teri lerimizi ta tai ip p ederer Bazen istediğimizi düşündüğümüz şeden farklı bir ürünü almamıza şaşrmamak gerek. Ze araçlar, nasıl tepki vereeğinizi görmek için bile ürün önerebilir Bu şeilde bilgi edimek, satış apmak kadar değerlidir  nteet nteet mağazaları pek çok açdan müşterilerini keşfetmekle suiistimal etmek arasındaki ine çizgide ürü ürü en otonom öğrenme araçları olarak iş görür. Ha Ha da bilmed bilmedile ileri ri bir şe öğr öğrenme enmek, k, bir şşee  satm satmak ak kadar önemlidir. Satıılar merakldr Eposta spam filtreleri vea terlerizi öğreip davranışlarnız tain etmesi gereken diğer erangi bir azılım da beer bir strateji kullanır Bir  evizdeki elektrikli aletler de bir sonraki adımnzı tamin etmek isteeektir. Bunlar sadee en basit öekler. Bilgisaarlar bir sistemin farklı smlarda ve çeşitli ölçeerde an vea beer istatistiksel teikler kullanarak artık üzleri tanıabilir konuşmaı aza dökebilir ve bir dilden diğerine çeviri apabilior Baz inteet arkadaşlık siteleri bizler için olası

sevgililer bile bulabilior Başka bir deişle eksiksiz bir şekilde modelleemeeeğimiz karmaşık insan davranışını taklit edebilirler ve bunu bizim apaağımızdan çok farl br şekide aparlar

7  

Düşünn nr

llak Dla

Man öğr sadc gçmş davraş naiz dilmsi dğildir Yapay zknn bazn alışılmadık dumlarla başa ças grkir Yn bir müştriy nas yardm dilir? Ypy bir kitap kmlr önrilir? Bu dumda işin hl si bnzr müştrilr vya ürr kulanarak maknlrn gnllm yapmasnı sağamakr. Bir hizmti dha önc ç kuanmamış bir müştri bil küçük bir vri izi öğin psta adrsi v knum vs bıra kır Bnzriri tspit dip kuanmaya örüntü tanıma adı vrilir; ayca soğu başlatma dumlaryla sırlı dğidir. Asında gnm rüntülri v brlikri tspit m zki davranşın tml parçasdır İ k k ürünün bnzr lduğunu söylrkn nyi kastdriz? Bir kitab bir sayf sayıs dili başlğ fiyatanmayabiiriz. basım tar yaza  hatta çşit kunurluk srasyla Bir müştri için kullanışlı tanmar yaş cinsiyt vya knumdur Makin öğrnmind bu tanımayıclara özlli vya sin

yal dnilir Buarı ytrli vry sahip lduğumuz bnzr ürünlri tspit tmk için kullanız Makin bu şkild bir dumu bnzriyl karşlaşrarak gnllm yapabilir v tcrüblrindn faydalanabilir. Dğ özlliklrin trcii makn öğrminin n önmli snlarından biridir. Ö ğin ğin bir kitapta kulanılan yazı tipi fiyat kadar faydal bir bilgi mayabilir Ftğraf gibi karmaşık öğlrl uğraşırkn bu srun dha da önmli hal gir Bir dakika arayla çklmiş iki pasaprt ftğrafını zı karşılaşrsanz bunların saf pil sviysind özdş lmadıklarnı görürsünüz Böylc bilgisayar bu ftğraflara tamamn frklı görsllr larak yaklaşır Bilgisayarn ftğ rafları sadc pikslri kulanmaktan ziyad da rimli ir yla tanımasını böylc ftğraflarda küçk anlamsız 48

 

  il Ypy Z ği

değişiikere kaasınn karışmamasını isteriz  uzu arkk ı otoğra ar otoğraarda tanmak içi için n ggörüntüün örüntüün ha hagi gi öze öze ik ikeri kuanımaıdır? Bu, doğa maaraarda görüen ışık, pozison ve arka panda değişiikere daha da kötü bir ha aan inatçı bir sondur Bu becerinn bir bigisaara programanası zordur, bu üzden mühendiserdoğrudan ine mane öğrenimine başvurmak zorunda kamışr. Drin öğrnm denen öntem, bazı aaarda en ii sonuça vermektedir Daha önceki öekerde oduğu gibi mionarca değişkeni aaramak için

ine büük miktarda veri kuaır

Öemei Katmaa

Yapa zek araşrmasın anahtararından biri derin öğrenedir Kuağa tuha gese de asıda apa zeknn son ıarda kazandığı çok saıda veri üdümü başarın sadece başka bir biçimidir Derin öğrene tekieri, insan be ve sinapsara bağanan saısız nöronun eşi benzeri omaan hesapama gücünü takit etmek için tasaranış azıım devreeri oan nöral ağ den e en n ek eko ooj ojie ie da daa an nr r N Nöra öra ağ ağarda pek çok basit işemci bir araa geir, böece birinn çksı diğerinin girdisi o o arak iş görü görür. r. Bu girdie girdierin rin ne kadar etki etkii oduğu tarşıır; ana ikir girdieri tarmak için çıkarı kuanarak ağın kendi kendine konuşmasıdır, temede tıpkı benin apğı gibi işi sürdürürken öğrenmesidir Sadece birkaç ıda, nöra ağar medika taramaar okumaktan üz tanımaa ve araba kuanmaa kadar zor agısa sorunar çözmenin en i ou oarak er

49  

Düşü Mil

eik eoojiein yeini d Bi dizi fooğf içinden i uo mçnn fooğf seçmeyi düünün

Yzmc, ke diekei gi özeikee kms için i goim yz yzii ii nck u çok fz i geeki geekii i Nö ğ önce esimedek nesneein ken gii özeikei uk, son ise nesneei ve h ekin iei uk u ii sizin yeinize y ese o, sh ve oyuncun i uo mç ie emesi osd He i düğüm km, soyumnn fk seviyeeinde özeike  Çk ve doğu cev snd ouk, he zmn n znd zndn n çoğ zmn zmn-- doğu cev cev um umk k için y ylms için gei idiim ok veii Bi sisemin, eyemei için oziif vey negif ödüee eğiimese aye ayell ğrenm ğrenmee dei Yzm vei deki nm nm özeike ns ns y yk kn nc cğ ğ  omize omize emek içn sdece düğüm ve kmn sysn y s geeki.söyemek Anck i nö imknsz ğn neyioduğundn ns yğn m ok genede u ym i deneme ynm yönemid yönemid Asnd insn koeks ksk i nojisi onn nö ğ o ğ ,, kmk kmk mem memiks ikse e nesne nesnee e hin de geiimii Nö ğ ik def cisimeikein de özeike ku değiedi; nck mode don nm ve shi odu devs ve seeye iike eii gs göevede, özeie göme ve konum d en iyi eomns göseie Dei öğenme iik ok üyk me öğenim sisemeinin iee ok kun

0

 

Ö ğ  Ypy Z ğ

erei rkasıa

Mkne öğreniminn b mun ve cıvtlrın bir itemin pek çkmt prçın nı nderine rlnbildiğini düşünün: rm iteklerinizi getrmek izin için en Bir ii cevpl ırlmk rm nçlrndn bir belgei çevir mek ve ve gö götereceğ tereceğ relml relmlr r eçmei öğrenmek için iç in bunl bunlrı kllnbilir Bnlr dece üzede lp bitenlerdir Sitem kllnln bilinci hricinde frklı öntemle rin perfrmnın frklı rgele kull lt kümelerinde deneip krşlşrrk tetler ürütür Bn AB es denlir İnteet ervilerini her kllndığınzd perde rkınd tet edilen öntemlerin klitei hkknd pek çk bilgi veririniz üm bnlr remlr ve n ldığnz ürünlere her k dğızd dğı zd r tğz tğz gelirlerin ütüne ütünedir dir B meknzmlr eterince bit l d bnlr dev bir ölçekte nı nd ve ürekli lrk uglnmlrı bize zeki görünen ldkç dptf bir dvrnşl nçlnır Ggle'ın G nn p zekı AlphG kzn tr tejilerin miln tejilerin milnr rc c e mç üzerinde ç çlışr lışr ve kendinin çeşitli verinrn krş ie lrc mç nrk öğrenştir; kd değer bir beceri Yine de p zeknn rdınd tn meknzmlr h knd bilgi edindiğmizde kndırılmış hiediz Yp zek itemleri gerçe zek işret lrk göek itedi

ğmiz öz frndğ tç dmdn dptf ve bir mc önelik dvrnş geliştrir. velce bu öneriler rijinl lmdr içn bir kenr tbilir nck filzflr tşırken ln ilerlemee devm etmektedir

51  

Düşüe iee

  şn1 T Yapay zekya veri gdml yaaşm sadee inteetten alşverişin çok ötesde ak haya her alan etkiliyor. Ö rrneğin neğin Rashidin konuşmasdan bir ay sonra Laheydeki Hollanda Adli Tp Enstits 13 yldr kaç bir kati zanlsn bulmak zere bir makine öğrenimi sistemi kulland. Yazlm byk miktarda NA öeğini analiz ederek karşlaşrabili yordu; bunu elle yapmak çok fazla zaman demekti. Sigorta ve kredi enstitleri de bireylerin risk profillerini oluşturmak için algorialar aralğyla makine öğrenmini kuaklyorlar Tp da insanlarn analiz eesi için çok byk olan genetik veri setlerini çözmek için istatistisel yapay zeky kullanyor IBMin Watson ve Googlen DeepMind benzeri yapay zek sistemleri bbi teşhsler bile koyabilir. Byk veri analizi bizim kaçrabileeğim şeyleri görebilir. Hatta bizi bizden daha iyi bilir. Anak çok farkl bir dşne

tarz da gerektirir Yapay zekn ilk gnlerinde açklanabilirlik kavramna (bir sistemin aldğ karara nasl ulaşğn göstermesi gerek tiğine) değer veriiyordu. Kural temelli bir sembolik muha keme sistemi bir karar aldğnda bu kara neden verdiğinin manksal admlarn insanlarn takip edebilmesi gerekiyor du. Anak veri gdml bir yapay zek mak yre si çok sayda veri noktas si noktas  n son der deree ee karm karmaş aşkk istatistikse istatistiksell analizidir. Bu neden sorsunu ne sorusuyla değiştirdiğimiz anlamna gelir Beerikli bir teksyen işin matematiğin takip edebilse de sonuç anaml olmayabiir Mirosofttan Chris Bishop karar bir insann çözmeyebileeği bir dizi kurala alnma dğndan bu kararn neden alndğnn ortaya çkamayabi leeğini söylyor Anak bunun çaşan sistemler için kabul

52  

Ö ğr ğrP P   i i  p py y    ği

edilebilir bir değiştokuş olduğunu ekliyor Geliştirilen ilk yapay zekar şea; ancak başarz oldular Bu değişimi eleştrenler oldu ancak Bihop ve diğerleri inani açklama beentiinden vazgeçme zaman geldiğini iddia ediyor Nello Critani "Açklanabilirlik topluma bir mutabakat r" diyor "Geçmişte önemli olduğuna karar vermiştik Ark önemli olmadğn düşünüyoz" Brtol Üniveriteinden Peter Flach bilgiayar bilimi öğrencilerne temelde arkl olan bu öğrenme şekli öğret

meye çalşyor Programlama keiikler, makine öğrenimi ie belirizlik dereceleri hakkndadr Flach daha şüpheci olmamz gerektğini düşünüyor Ö eğn eğn Amazon bir kita b önerrken makne öğrenimi yüzünden miiçin yoka elden çkarmak itediği kitaplardan olduğu mi oşirketi kitab önerir Amazon ize beer kişilerin unduğu kitap eçenek lerini aldğn öylerken "ize beer kişiler" veya "bunun gibi kitaplar" ile ne katetmektedir Büyük isk

 Tehlike o ormay b rak rakmakt maktadr adr Bizim yerimize karar ar alnana bunu ark etmeyi brakacak kadar alşabilir miyiz Zeki makineler ark ev edii başvuu, bbi teşhi ve hatta bir uçta hüküm giyip giymeyeceğniz gbi önemli kararlar vermeye başladğ iç rik de art Ya bbi yapay zek birkaç yl içinde çok içmeye başaya cağza karar verre* Doktorlar bir nakli reddetmeyi hakl 

Yapay z san haya üin tsnn n byta lacağ e sn ae tayn p mycği bünün n ma eln slaan. B na b aha stpk b ba açs enek stnz yapay z üzi at b yapm a Weod (016-) izsinn özi üçünü sznn zlyebisnz e)

53 Dnn Makn  

çıarabilir mi? B sonca nasıl laşlğı kimse bilmiyorsa

bn savnmak zor olr Baz kişiler yapay zekya iğerlerinen çok güvenyor Flach,  İ nsanar nsanar bir algorian blğ şeyleri kabl eeye çok hevesli, iyor Bilgisayar Hayır, iyor Mesele br am ş an, zek bir sistem sizin nasl bi insan ol  nza air karar almak üzere olabilir; gelecekte e olacak r. Harvar Üniversitesinen Latnya Sweeneynin başına geleni üşünün. Bir gün, Google arama sonçlarına Hiç ttannz mı? sosn soran rekamlan eşlik eti ğini keşfet Anca ayn relamar beya meslektaşlarına çyor B, Google aramasınn arsnaki mane öğreniminin sehven rkçı olğn gösteen bi araşrmayı tetikei Korelasyonarn kaosnn erilerine genellik le siyahlere verilen isimler, ttkama kayıtla haknaki rekamlarla ilişkilenirilşti

Deve Çala Son yıllara bnn gibi pek çok çam evrili 25 ylna Google ik siyahi insanın fotoğaf otomatik olaak goril olarak etiketleyen bir ürünü için özür ilei Bir yıl sora Microsoft, salırgan bir il kllanayı öğreniği için ay alı sohbet botn kllanıman kalırmak zorna kaı. He iki rma a b algorian eğil, on besleyen eğitim verisinin ksy 216 yılı, bir sürücünün esasın otomaik pilota alması ve yola bi kamyon sit eememesiyl süücüsüz ara balaaki ilk ölümcül kazaya şahit ol aak gökyüzün kaş ka şıı be beya yazz bbii  ng nglin oş oşğ koşllar alışıl ık  ği ğil l v ilgisaya ilgisaya  gö göüşü sisemi basi bir ha a ya yap p B aza azaa

i ıı aşiki aaak aı aıka öyl vakaaı öüm k

  

Ö ğnn inr Ypy Z niğ

Ypy zek sisemleri işlerin beklendiği gibi ypğndn hberlere düşmeyen bşk syısız hkye de vrdır Anck işlerin olrk isediğimiz şelde ypıp ypmdıklrın öğrenmem şnsım yokur Mknelere giderek d hsss krrlr iç güvenirken bunrı hngi ür veriyle beslediği mize dikk emeliyiz Tekoloji sdece kendis değil yn zmnd zm nd günlük y yş şmzd kull  kull  d d d  iyi kvrnmsı kvr nmsı ger gereki ekir r Pek çok kşi bu büyük veri çğınd mhremiyele ilgili endişelerini dile geiriyor Anck Oxford İnerne Ensiüsü'nden Vikor MyerSchönberger olsılıl min suiisim suiisimll edilmesi h d d  d dh h fzl f zl endişele endişelenmem nmem  gerekiğini ve bu konud der ei ikilemler olduğunu söylüyor Bu düny dünyd d yolumuzu bulmk bulmk için için yp ypy y zek lmın dir fikrlerimizi değişirmem değişirmemzz geyor. Geliş Geliş irdi irdiğimiz ğimiz ikonik ikon ik ze sisemler ne ss r rç ç oy oynrl nrlrr, ne de insnoğlunun in snoğlunun yıkılşını plnlrlr Bisol Üversiesinden ypy zek profesörü Nello Crisin "L 9000 gibi değiller diyor. İneeek zmnmız eşlik ederek bizi bir lışveriş için dürmeken d biz frk emeden dvrışlrımızı min emeye geldiler. Onlrdn slmyız. İşin püf noksı bu

krrlrın verildiğini bilemeyeceğimizi kbul emek ve krrlrıneden frk emekir vsiyeler memiel olsılıklr Arklrınd bir kin yok. İnsnlr ypy zekyı kendi surelerine benzemeyi hyl eiklerinde, bu düşünen mkinelerle kendi denkleri olrk krşılşmyı ummuş olbilirler. Ypy zek rık ybncı; d önce hiç krşılşmmış olduğuuz bir ür zek

5  

Düşü  i 

apay Zeknın Kafasının İçine z Ataiir miyiz Ne düşünüyorlar acaba? Birinn ne düşündüğünü bilmek davranşın aamada önemlidir apay zek için de dum böyledir Bir problem üzerinde uğraşırlarken nöral ağlan anlk fotoğraflarını çekmek için kullanılan yeni bir tekk yapay zeknn nasıl işlediği

 kavramamızı ve daha çalşmala sağlayacak; ayrıca böylece yapay zekiyi da güvenlir olacak. Son yıllarda nöral ağlar üzerine inşa edilen derin öğrenme algoritmaları pek çok yapay zek alnda yen çğrlar aç Sorun bua nasıl yapa her zaman bilmememizdir İ srail srail Teoloji Enstitüsünden Nir Ben Zriem derin öğrenme sisemlerinin birer kara kutu olduğunu söylüyor "Eğer çalşıyorsa arika

Ama çalşmıyorsa ayayı yediz Nöral ağlar parçalarının toplamndan fazlasıdr Çok basit bileşener bileşenerden den yapay nöron nöronlard lardan an inşa edilirler Zriheme Zriheme göre "ağda belirli bir noktaya işaret ederek üm zeknın orada olduğunu söyleyemez siniz Ancak bağlanlan karmaşıklığ belirli bir sonuca ulaşmak için derin öğrenme algoritmasın atğ adımla geriye doğru takp etmen imknsz olabileceği aama gelir Böyle durumlarda make bir kn gibi çalşr ve sonuçla güvelir varsaylır Zriem ve meslektaşları bu konuya diat çekmek içn çalşan derin öğrenme gönüleri yaratlar Bu teknğin algoritmanın bir problem üzerinde çalşırken alnmış fMı gibi olduğunu söylüyorlar Görüntü araşrmacıların nöral ağın çıkmaz sokakla dahil fark lı aşamaların takp etmelerine izin veriyor

56  

Ö ğe  M i ee Ypy Ze Ze  Meği

Ep, görüntüleri elde etmek için bir nöral ağı üç kasik Atar 2600 oyunu (Breao, seaQes DSV ve oynaması ası içi içinn ayarladı. ayarladı. Dern Der n öğrenme öğrenme algo Paan) oynam ritmasn her oyunu oynarken 120000 aık fotoğraf çekildi Daha sonra bir oyunu tekrarlana denemelede ay alar karşıaştrılmasa izin veren bir te te le veriyi haritaldırdlar

Sonuçlar gerçek beyin taramalaa çok benziyor (bz Görsel 21) Ancak bu dumda her nokta bir oyunun belirli bir zamanda anık otoğrafdr. Farklı reer yapay zeknn oyunun o noktasnda ne kadar iyi olduğunu gösterir Mesela Breao (oyuncu raket ve top ile parlak renki tuğlalardan oluşan duvarda bir delik açmak zorundadr) ekip algoritma kendi kendie keşfettği bir kazanma taktği olan, topu duvarn tepesine doğru zorlamak için tuğlalar içiden tünel açmaya çalştığ, muza benzeyen bir bölge tespit etmeyi başardı. unların sona hartalanmas, algotmn bunubaştan a arda gele gelen n oyunarda nasıl naekibin sıl başarl bir şelde uyguladğ izlemesini sağlad sağlad  Mükemmel oyun stratejisi geliştmek eğlenceli dir, ayrıca bu taramalar gerçek problemlei çözmek için tasarlanmş algortmalar belirginleştirmemize yardmcı olur Öeğin bir güvenlik algotmasn, bz dumlarda kolayca kandlmasına sebep olan bir kusuru olabilir ya da bir bank edisi alıp almayacağa karar vermek iç tasarlanmş bir algoritma, belirli bir ırktan veya cinsiyetten insanlara karşı önyarglı olabilir Eğer bu teknolojiyi gerçek düyada kullaca kull acaksan ksanz z nasl çaş çaştığını tığını ve nerelerde başarısız baş arısız olabileceğin olabil eceğinii anamak istersiz 57  

e aee

Göe 21 Bi

nöal a "beyin taamas

embole Gei Göüyo

Nöral ağlarla make öğ eşsi bir başar yakaladığı şüesidi ana üee değldir Bir sistemi belirli bir göei yeine geiresi için eğitek am aı ayıa sise öğendii şeyei aşka ir göe için ea kuana a u son oden yaay eknın aşına ea ouşu Bilsayarlar ii auuğuu oladan da öğrenebi lirler anca an cakk elde et et kle klei igi igi önle önl eine ine konulan roblein ötesinde anasdr Biberondan içmeyi öğrenmiş ama bar daktan nasl içec içeceğ eğ akk akkda da fi fikr kr olmayan çou çouklar klar gibier gibier meria Colege Londra'dan Londra'dan Murray Sanaan e mes lektaşla makne öğrenmi teknklerine modası geçmiş bir yöntemle yaklaşarak, sonun etrafdan dolaşacak bir yol üeinde çaışıyora S  S anaanın anaanın fikri semboik yaay e yı diile e ode nöa aaa birleştrektir Seoi yaay e uad çünkü bir yaay eknın

iesi geeken er şeyi ele anıaann unaıı oduu ısa süede oaya çıktı unun yerine ode yaay e dünyayı nas anayaaını öendi na u anıa die di e nö nö a a a aa a  a ıaaa

  

Ö ğ Makn l Yapay k Mkanğ

Shanahann çalşmas görevler arasnda bilgi transerine izin vermeyi hedeliyor Bunun ödülü, yapay zekn daha  hzl öğrenmesi ve dünya hakknda hakknda daha az veriy veriyee ihtiyaç duymasdr OpenAI şirketinden maine öğenimi aaşrmacs Andej Kapathyin bi blog yazsda dediği gbi "Bundan kaçaya başlamak için arabam bir duvara yüzlerce dea çarpmam geekmez

Dh y y B Brr Hlet Hletruh ruhy yee Eğer insan seviyesinde perormans gösteren bir bilgisayar geliştiek istiyosak neden yapay bir beyin yapmyoz Ne de olsa sanar en gelişmiş zek öeğidir; nöobilim de  bize bil bilgiy giyii nas nasll işlediğimi ve depoladğmz konusunda pek çok yeni öngöü sağyo nsan beyni, çoğu dumla saniyede 0 ila 00 dea değştiren, 00 milyar nöonu bağlayan 00 tlyon sinapstan oluşan bir ağdr Beyimizin pla, resim vb nesneleri tan mak gibi görevlerde bizi başal klar

Öte yandan bir süpe bilgisayan yaklaşk 00 trilyon  baytlk bi hazas vardr ve v e transistörleri bir beyinden yaaşk 00 milyon kat hzl çalşabilir Bu mimari, bir bilgisayarn çok yrnl tamlaş, daik işlemleri daha hzl yapmas sağlar Ancak baz işler, görev yapan değişimine rağmen beyin  benzerii işlemden aydalan  benzer aydalanabilir abilir Mesela yüzlerin tannmas tannmas gibi kesin olmayan görevle, işlemin kesin bir yol izlediği  hasas devreler gerektrmek zonda zonda değild değildir ir Ba araşrmaclar beyn düşük üç gereiimii takit eme içi beyi beneri oalar iceliyor Beyi   heaplaaarn, oldukça oldukça oluk bir apule apule eşit oa yakaş yakaş

  

Düşüe iee iee 

yaar. Kabaa beer hesaamaar yaabie 2bir 0 Watt'ta süer bigisayar 200000 Watt gerektirir Diğer araşr ma gruar ise beyi bigiyi ay yerde işeme ve deoama beerisi öğreeye çaşyor Bu sebeere dayaarak beyi be yide de  i am aa ye yeii bi bigisayar devre devreei ya ya ma ro roe eeeri yüütümektedir: seridese arae dijitadese aaog ve çok da a güç tüke tükete te

Sezgisel Düşüme

İ saar saar akk ideaii beetierii karşamada süreki oarak başars ouyorar Karar verme süreç-

erimide yayg hataar yayor ve öemsi ayr arda koaya etkieiyoru Tüm katar üeride m k yüütme yüütmede de  karar vemek v emek içi ae aee ettiğimi ettiğimi de bua segierimie güveek diyoru Böye isai tuhafkar bigisayararda buumamas oa da iyi yağ düşüürdük aak biişse biimer de so so  araş araş a ar bbu uu u  ter tersi siii söy söyüyor üyor İ sa sa ar ar  birbir birbirei tama tamam m aya bi biri ri yyavaş avaş ööç ü tarta ve çoğuuka ak oa; diğeri de  dütüse ve mevut duumu geçmiş teübeye eşeştii  bir soua uaşmam sağaya iki karar vee sürei vardr Bu ii yötem isa eks bu kadar etki etkii o mas atad atadr r A   k kssm bi bii ç i ve maku  gö göükse de daha fa fa aa amve eei geekrirooKarşda gee ara şeidi şeidi e doğ doğ  kaymakta du duğu ğu u dü düşü şü übir  Heme Heme  eye ey eme me geçme geçme i  gerekir: O O timum a ak ge gei iiş iş bir eyem beiremek ada uu bir hesaama yamaktasa koa çaar free basar veya direksiyou krars  Bu ksayoar ai bir durm omadğda da fay

60  

Ö n M an l Ya Yapa pa     Manğ

dald. Koyu mavi gömlek mi yoa lacivet gömlek mi giyeceğinize dai optimum bi çözüm hesaplamak için çok azla beyin gücü hacasaz önemli kaala için kullanacağz zaman ve eneiyi zla tüketisinz

Peki yapay zek sezgisel bi bileşen içemeli midi? Pek çok yapay zek sistemi bi tanesi duuma hemen tep veecek, diğei de daha bilinçli mank yüütebilecek i paçaya sahipti Bazı obotla tamamen eak ti ola düşük seviye katmala ve bu easiyonlaı basklayp daha hede odakı davanşı ogaze eden yüek katmalala geliştiilmişti Bu yaaşım, öeğin yüüyen obotlaın engebeli aazide dolaşması sağla Yapay zekya duygu eeyeek daha iyi kaala almalaın sağlamak ada benze bi çalşma yapıld Öeğin bi otonom obot ayn eylemi bikaç dea deneyip at ada başasz olduğunda bi "sinilenme devesi, yen bi yol keşetmeyi tetikemek için etkili bi yoldu Duygulaı simüle eden makinele yaatmak kamaşık bi giişimdi Yapay zekn kuculanda Mavin Minsky duygulaın beynin yapğı tek bi şeyden doğmadığnı, aksine beynin pek çok ksm ve beyinle vücut aasıdaki bağlay içediğin iddia ediyo ed iyo  Duy Duy la bbaz az kaalaı diğeleine teci etmemiz içi bizi motive ede; bi bilgisaya pogamınn paçalaın da duygula taaından motive edildiği vasaymak, daha insani bi zeknn yolunu açabili Minsky Min sky,, " İnsa İnsanla nla nadien  kk np kalıla çünkü he duumla veya işle başa çıak için pek çok aklı yöntemimi vadı, diyo "Favoi yönteminiz başaısız olduğunda genellikle akl bi yaklaşm bulabili 61

 

Düünn Makinl

siiz Ö eğin eğin bi işten sıkılısaız biini o işi yapması için ikna etmeye çalışabili veya size işi veene öke lenebilisiz Böyle tepkilein duygusal olduarn söyleyebiliiz ancak yüzleştiğimiz poblemlele başa çıkamıza yadım edele

akar Bitler

 Te sas  Tes ast ta a Ri Rice ce Üvesitesi'nden bilgisaya bilimci Kishna Palem düşük güçlü ve beyin enzei bilgisayala geliştien bi avuç aaşmadan biidi Bilgisayalaı dakiklik içi hehangi bi ödül kazanmayacak; çoğu zaman doğu topla ma işlemi bile yapamıyola a için 2 + 2, 5 bile olabili Ancak hatalı aitmetik sizi şaşıtmasın Palem pogamlama için yeni bi şaağı temsil eden makinele geliştiiyo Yanlışlık genellie kaamızda bilgisayalala eşleşen bi özellik değildi. Tuing 930lada temel kuallaı beli lediğinden bei bilgisayala verilen talimatları kesin ve tekralanabili bi şekilde izlemede inatçı olmuşladı Hata yapmamaları gereki Ama bel de bilgisaya bilgisaya ların hata yapmal yapmalarına arına izin verme liyiz; sonaki dalga aıllı cihazları çözmek ve yüksek peo manslı bilgisayalaın duvaa toslamas engellemek için en iyi yol bu olabili Günümüzün süpe bilgisayaları ötesinde karmaşık simülasyonarı iim değişikiğni daha iyi tahmin eden e den daha v vrim rimi i a abala abala ve uçaka uçaka tasa tasalamam lamamıza ıza

yadım eden ve galaksi oluşumunun sıların otaya çıkartan modelll e  çalış model çalış mamız mamızıı sağla sağlayabili yabili Hatt Hattaa insan beyni beynini ni simüle e emize imk imkn nv ve eee ek gizemle in en büyüğünü bile çözebilile Şimdiye kada peomans ve eneji veimliliği aasında seçim yapmak zonda olduğumuzu kabul ediyoduk Bi

62  

 ğ Mail Yaay  Mağ

bilgisayar ya ızlı ya da dşk gçle çalışırdı ikis brden olamazdı Daa güçl akllı telefonlar daa iyi pllere itiyaç duymaka kalmazlar, sper bilgisayarlar da enei yucu larıdır Sanyede Sanyede 1018 işlem yapabil yapabilen en sonraki nesil exaop makneler 100 Mega Megaa att tt kad kadar ar eene ne  t ketebilir, bu da kk ç k br elektrik santralinn retmie eşittir Yai az eneiyle çok şey yapacak bilgsayarlar gelştirme yarışı başladı Bir yöntem, bilgsayarın kodu çalşrmak için arcadığı zamanı azaltakr, çnk daa sa zaman daa az gç arcaas anlamna gelir Yazılımcılar iç bu, arzulanan sonuçlara daa zlı ulaşma yolları aramak demektir Birkaç şer arasındak en ksa rotayı belirlemeye çalışa gezgin sa problem ele alalım Olası rota sayısı artan şer sayı sıyla katlanarak artğı içi çözlmesi inalmaz derecede zordur. Palem, kodlayıcılan genellie en iyisi olmadığı tan ettker bir rotada karar ldığ, çünk daa ysni yapmaya çalışma çok fazla bilgisayar zamanı arcayaca ğ söylyor Bu yakaşım daa ye bir şei, erilen bir kod çin yaaşık bir sonuca ulaşmak zere makne öğrenim

algoritması kullanakr Bu zarfın arkasına karalanş bir esaplamaya benzer kabataslak ceap program er çalış ğında kodun orijal parçası yerine kullalabilir Ancak kestirmeden gderek enerji tasarrufu yapmak szi sadece br yere kadar götrür Gerçekten gç tasarrufuda bulunak istiyorsanız donamın çalışma şekn değştrme  gerekr Blgisayarlar transistörlerin er zaman tam güçte çalışayarak deasa mktarda enerj tasarufu sağlayab lirler ancak bu, kesğ feda etek aamına gelr Palem'in ekbi, blgisayarları sonuçları kabul edilebilir şelde yanlış elde eek zere ayarlamaktadır İ yi yi işlediğini dşndğ n z erangi br algoritma, algorit ma, kkaputun aputun aln alnda da farkı bir fi fizik zikel el sistemle e tam olarak aynı olmayan bir şeklde çözer

63  

Düünn Düün n Maknl

//Kapa 

Stadart bilgisayar ipleri, aık (1) ve kapalı (O) arasıda değişe deği şe bir aa ahtar oolara larakk iş göre göre  anal adlı bir siliko şerit i erir erir Değişim, siz ger gerilim ilim yg yg la laya ya a kadar kaalda ge ge e  akmı drdra bir geitle kotrol edilir Geit daha sora bir baradaki olk gibi aılır ve amı gemesie izi verir Acak b büünley meal o yar leen (CMOS) tekolo isi, sadece güveilir 5 voltlk kayak oldğda iyi alışır Volt azaltğıızda kaal kararsız hale gelir; baze değişir, baze de değişmez 2003 yılıda o zamalar Georgia Tekoloi Estitüsü'de

alı alışa şa  Pale Palem m bela bela  geldiği geldiği i görm görmüş üşü Elektro Elektroik ik ee düstrisi ris iii  he herr 1824 ayda bir ip üz üzeri eri deki ttra ra sistör sayısı sayısııı iki katıa ıkarma becerisii Moore yasası olarak bilie bir mi mi yatürleşt yatürleştirme irme so so a a yaklaşıldığı aşikr aşikrdı dı B , büyük orada aşı ısıma ve iterferas veya yoğ bir şekilde kümelemiş trasistörler arasıdak parazit yüzüdedi Gü, artk öemli bir meseleydi Ya kararsızlığ bir şekilde eei tasarrf yapacak şekilde değerledirebilseydik? Palem' Pal em'i i yat, t, CM O S ttek ek oloisiold kaste kkara ararsız ol ola a olasılıal birya versiyo geliştirmek Ekibi ersız öemli paraları hassas olmalaı gereke değerleri temsil edeleri düz düze eli li olarak 5 voltl voltlkk bir kkay ayaa a beslee a cak e öemsiz paraları 1 volt aldığı diital devreler yaptı Bir sayıyı temsil ede paraları e azda yası b şekilde aksatılabilir B alamı Paem'i hesap makiesii, basite iki sayıyı toplaya yayg bir matk devresii olağa hassasiyetle alışmadığıdır " ki ki sayıyı topladığıda doğ olaa makl yakılıkta bir cevap veriyor," diyor "Acak eei laımıda o daha cza geliyor

4  

Ö ğnn Makn l Yap Yapay ay k Mkan ğ

ükeel üke el Pikselle Pik sellerr Yok Yok

Bu miyarlarca transistörü seyrelrsez ciddi mktarda güç tasarruu yaparsz İşn iesi, çok önemli olmayan ve

kayda değer olmayan uyguamaarı seçmektr öeğin bir pikselin temsil etmekPaem içn geniş bir arakta numara seçmek rengini Deneyer birinde ve mesektaşla piksel verisini ekran reerne dönüştürürken en önems kısıma  assas olmayan bir şekilde dönüştü dönüştüren ren bir video kayıt ca ca  zı yaphlar İnsan zeyiciern görüntü kaitesinde çok küçük bir kayıp agıadığnı keş keş etter Pale alem, m, nsan gözü pek çok şeyin oalamas ar," diyor lüzyonlar nası gördüğü müzü düşünü Beyin telai etmek için çok şey yapar" Bu başarya cesaretlenen cesaretlen en Rice Ünversitesi Ünversitesi araşhr ara şhrmala, mala, duyua ilgilendiren başka bir uygulamaya geçtier: işie cazar. lk tester, işie ciazlarında kusuru dijita işe min anlaşılabilirliği sadece sa dece yüde yüde 5 azahrken güç tüketiii tüketiii ya yaya düşürdüğünü gösteriyordu Sonuçlar, temede işitselgörse ciazlar olduarndan akl teearla kşisel bigsayarar tarandan tükeen gücün ya yaya düşürü lebieceğin gösteriyor Yapay zeknın görüntü tanması ve çeviri gbi pek çok uyguaması da bundan aydaanabiir

Blt tlası: tlası: kli Ta Tamiii Gelitie Gelitie

Oord Üniversitesinden iklim izikçisi Tim Palmer bilgsayarara aza yüeeme konusunda büyük potansiyel oduğunu düşünüyor Pamer, Paemin ikirlerine dayanan bilgisayarların şu anda oduk ça atçı oan bir sorunun çözümü olabileceğini de düşünüyor yeni bir süper bilgisyar nesli için yllarca bekemeden önümüzdeki yüzyıl için iklim tminleri

65  

Dnn Dn n Makinl r

nn kesiiğin geliştirmek Palmer "klim değişikliğ hakkındaki ahtar soru butlar küresel ısnmn etkiler arcı arcı m yoksa dengeleyici mi oldua olduadır dır diyor. "Bulut sistemler doğrdan simüle eeden b soyu kesin bir güvenle gerçekten cevalayamazsnz. Günümüzde bunu nasıl yaacağımz belli değildir Günümüzün Günümüzü n süer bigisayararı bunu yaacak güce sahi değil önümüzdeki on yda gelmesi beklenen haefleri de eneriye aç olacak Palmer "Günümüzdeki tahminlere dayanarak böye bir maknenin ihyaç dyacağı enei 100 Megawatt civarında olacakr diyor bu günümüzün en iyi süer bilgisayarlan kullandğn beş ia on kadır. Eryi gitmedikleri n varsayarsak sadece çalşaya bile değmeyecek kadar halı olacaar demektir Süer bilgisayarlar gene olarak  bit zğunda nmaraa hesalama içn otmze odukların dan çok fazla güç harcarlar lkesel olarak b onlara dha büyük hassasiyet verr. Ancak iklim modelleri rüzgar konveksiyon sıcakk hava basncı okyans sıcaklığı ve tzlluğ gibi etkileşim halindeki kar maşık etmenleri simülesonucnun ederek miyonarca içerir Palmer bunun işlemeeri değşken gereken çok fla güç tükeci veri olduğun söylüyor htiyaç

duyln şeyin farklı değişkeerin modelin önemine bağlı olarak çeşitli uzuklarda veri dizileriyle temsil edilmesi odğ düşünüyor. Bunun çok fazla faydası olabilir Günümüzün iklim modelleri Dünya tmosferini yaklaşık 100 kilometre karee aal kar l ında e 1 kilometre yüksekliğind  bögee böge e

  

Ö ğrenen M akneer apay Zek Mekanğ

re ayrarak ineler Palmer kusurlu programlamann bunu kenarlar  lometre olan k plere aay yrabileeğini rabileeğini dşnyor yani bulutla tek tek modelleyeek kadar aynl Palmer, 20 esaplamay kusurlu bir şelde yapmak, 10 tanesin kesin oarak yapmaktan ok daa aydal aydald d r, r, diyor Bunun sebebi 00 klom klometrel etrelik ik öl ek lerde simlasyonun, gereiğin birdeyansmas olmasd olmas dr r.. esapamaar assas ols o lsakaba a da mode mo  değildir değildir.. Daa ine taneli bir model elde etmek iin assasiyetten vazgemek aslnda daha iyi bir kesiik verir. Kusurlu bir denkleme kesin bir evap vermektense kesin bir deneme kusurlu bir evap veek daa değeridir Kesin bir deemden kasm bulutan iziğdir

Hassasık D

Elbette sistemin dört bir yannda assasiyeti dşremezsiniz Zorluk, esaplamann angi ksmlarnn diğerlerine göre daa kabataslak aedileeğine kararok vermektedir Araştrmalar probleme pek adan yaklaşr Çoğunluka iş, yazlmlan ataarn ne zaman ve nerede kabu edilebilir olduğuna karar veesi iin assaslk eşiği iin yollar belirlemesindedir Daa soa yazlm sadee gvenli olduğu belirlenen yererde kusurlu programlama yapar Baz araşrmalar, kusurlu simlasyonarn niayetinde beyi anlamamza yardm olaağnı dşnmektedir. Mesela BMin Blue Gene'i gibi sper bilgisayarlar, İ nsan nsan Beyni Projesinde [Hman Bran Proje nörolojik onksiyon

(j 7  

Düünn Düü nn Makl r

la modellemek için kullanılmaktadır Gördüğümüz gbi  beyin  bey in ile süp süper er bilgisa bilgisayar yar arasında güç tüketimide büyük büyük  bir far farkk vardır vardır Süper bilgisayarlar Megawattlarca güce iht ihtyaç duyarken insan beyni bir ampül için yeterli olan güçle çalışabilir Bu nasıl açıklabilir? Sussex Üniversitesi'nden  Palmer ve meslektaşları, rasgele elektriksel dalgalanaları beyde olasılıksal sinyaller sağlayıp sağlayamadığı araşrmaktadır Palmer'ın kura, bunu beynin çok da  güçle çok daha fazla şey

yapmasıa olanak sağladığıdır Gerçekten de enei tüketimi ni düşük tutmak içi şekilleniş olan beyin, kusurlu programlaı mükemmel öeği olabilir Bariz olan şey, bilgisayarları daha iyi hale getirmek için onar daha kötü yapmam gerektiğidir Eğer ylaşık programlama, programlama geleceğ işa edileceği sallantıı temelse, bilgisayarları her zam soyut çalıştığı  hatırlamakk gere  hatırlama gerekir kir Bir açıdan açıdan progr programlam amlama a tamam tamam yak laşıktır Bazı bilgisayarlar diğerlerinden da yaaşır

Bedene Büünmüş Büünm üş Zea Bu o kadar basittir ki genellike gözden kaçırılır Bizler  bedenden ay zeklar değiliz Zekmız dünyayı duyumsama ve onunla etleşime gire şekimizle bağltlı olduğunu düşünemiz için sağlam sebepler var Birkaç yapay zek araştırmacısınn süreki olarak düşünen makineler vücutlara ihtiyaç duyduğu konusunda ısrar etesinin sebe  bi budur 2011 Ocak ayında Max Versace ve Heather Ames iki yenidoğanla meşguldü oğulla Gabriel ve sanal bir sıçan olan Animat Gabriel doğdğunda beyni, tüm bebeklerde olduğu 6

 

Ö ğnn Makn Yapay k Mkanğ

bb  kavrama  kavramak k emmek vvee ebevey ebeveyer er  buak buak şe şekk e er r 

örmek b bast şeyer yapmasa z veryoru Gers oa kamş Amat a pek proramaamş Acak saa ü ya yaya ya etk etk  eş eş  m  oa kısa süre süre  e reker re ker  b  rb  r    e ayrt ay rt etmey ve çevres aamayı öğrett Her s e Bosto Üverstes'e oa ersace ve Ames yakaşmar make zeks robotarı aha sa üşümes sağaya cak şe şe  e e e şt ştreb rebeceğ ec eğ  umuyor umuyorar ar Buu yapay zek ç oğru yo ouğu a oarca y öcese ayaır  80'ere Massachusetts Tekooj Esttüsüe Roey Brooks vara tosamakta kaçı abecek bast br zek be eştremyorke şe karmaşık becerer proramamaa başamaı ters ouğuu a eyoru. Buu yere öcee yazımamş br üyaa bağmsz oarak hayatta kamamzı sağaya uyuarı sağa ya oğay tat etmemz erektğ söyüyoru Brooks'u Brooks 'u f kroma şe yara yara  1 188 ' ' a merk merkez ez  b rekotr kotro o s sa s  te m tem   yar yar ım a youu buma becers becers sahp sah p bacakı böcekrobot Gehs' [Cez] şa ett Sesörer çevresye etkeşme eğ er brme erçek zama oarak tepk veryoru. Mesea robot etrafta oarke kuv vet r r er er eğ eğ ş yor yoru bu eğ eğş  ker sorak sorak hareketer hareketer    yöe yöe rer rerek ek karşaşmak ç ç  pro pro rama rama mamş o uğu araze youu araz youu bumas bu mas sağyor sağyoru  o yıa örobyooj bşse bmer ve fesefe ek  araşrma araşrmaar ar Brooks'u ffk rer rer  çok aha ah a yay ı  b r şee uyuaabeceğ öster 10'ar soarıa Ka for Ka for ya Ü Üvers vers tes es' ' e b b  şse şse b b  mc mc  Geor Geore Lko Lko  sa zeksıı a vcuumuz ve yuarımız çevreye

yapğ ayrımaz bağı ouğuu Lakoff veb estek estekç ç er  eşeke öre öre ete kem kem ğe bürümüş bürüöe müş sürü z z h   69  

Düşünn Maknl

z" sadece nesneleri görsel olarak tanımak gibi basit zekyı değl, karmaşık, soyut düşceyi de açııyordu. Kaaşk, insa benzeri bir ze yaratm atarna sonunda ula şılşh Tek bi sorun vard: Bedene bürümüş yapay zekyı gücellemek zordur Bir robotu sensörlerle dolu gövdesi geliştimek sadece etra foiyonlar programlamayı değil, ayn zamanda sensörleri kendiler sökmeyi ve yeden takmayı gerektirir Bu engellere rağmen baz araşhrmalar 2009 da bu fiki bir kenara atamayacak kadar cazip buldu Sussex Üniversitesi'nden en Holland, Gengis'e yol açan ilkelerin bazıarıyla modellenmş iss robot Eccerobotu yarath. Acak Eccerobot içbir zek belirtisi göstemiyordu Yai prograama gcü ve veri güdümlü yaklaşımlar kon vansiyonel yapay zekyı son derece kuvvetlendimiş olsa da bedene bürünmüş yapay zek gideek daralan çemberlerde topallamaktadır Sona Versace, Ames ve ekipleri bedenleşme için fizel gövdeyi atlarsanz l umut olduğunu fark etti. Ye gçlü ekran katları sayesinde bilgisayar oyunu tasarmcıları, bir obotun gövdesi, yaşadığ çevre ve atta ikisi arasdaki etkileşimin alhnda yatan kamaşık fizik dail e şeyi simüle edebilirler

Ekip bedenleşmede ile yapmak için bu ilerlemelei kul land Gerçek bi gövde üzerde cebelleşmek yerine, sentetik sentetik sensöleri tizlile oluştuulmuş sanal bi ortamla etkileşime girecek snal bir vüt yaphlar. Bu şekilde dezavantajla rın içbiriyle uğraşmak zoda kalmadan bedenselleşş yapy zekn tüm avantajlarınd faydalanabilecekleini iddia ediyorldı Eğe işe yaarsa bedene bnmş ypy eknın eviminde ile sbileceledi

70  

Ö ğr Mak : aay k Mk Mkağ ağ 

H aa eksı

Animat, Versacen ekibi tamam biyoloj gerçekçi talitleri olan yüzlerce reni görüş, motor foiyonu ve aksi yete gibi pek çok çok nör nöral al model modelden den oluşan oluşan beyn beyn çalşrdğı çalşrdğı gün dünyaya geldi ge ldi Bu, p Gabrielin beyn beyn  bir oyunca oyunca ğa uzamak için beşik boyutları hesaplamayan beyn gibi bir dizi kesin komut içermedieri lama geliyordu. Yani Genghis gibi Amat da öğrenip hareket eek için, deride ve retiada bulanar gibi sensörlerle donanş sanal gövdesinden gelen geri bildirime dayanyordu Ancak Genghisin asine matı her parças göz açıp kapayıncaya kadar güncellenebilirdi Çevresi de yerçeimi gibi gerçek düy  kana uyuyor ve Animat Animata gerçek duyusal bilg bilgii veriyor. eğ sanal asıa ışık vurarak nkli görüş sağlamakta ve düz-

 bir şekilde lib edmiş kuvveter su ve hava bası vb içi uyal derisine uygulamak uygulamaktadr. tadr. Böyle girdilerin girdilerin farklı kombasyonla Animatı siyonar güdüler imatn sanal dünyas, hepsi far renkte çok sayıda direkle çevrelenmiş dev bir mavi yüzme havuzudur (b 22) imat, araşrmacılan nöral modellerine dil Görsel ettiği kayg dürtüsü sayesinde gerçek sıçar gibi sudan nefret eder Sudan kaçmanın tek yolu, su yüzeyinin altına gizlenmiş küçük platformu bulmakr. Kaygıyı ortadan kaldıran bu platformu bulmayı ne kadar hzlı öğrendiği, Anmatın zeksının tabi tutulduğu testtir İlk deney başasız oldu: Animat rasgele örüntülerle bir saat çılgınca yüzdükten sona araşrmacılar testi sonlandırdı Ancak Ancak havuza ikinci defa bırakıldığında bırakıldığında Anmatı Anma tınn yüzme örüntüsü değişti. Bu defa yeni örüntüde 45 daika yüzdükten sonra patforma denk gedi Sudan çıkğında kaygı seviyesi hıza düştü ve bu ödü, onu oraya getiren bağlanla 1

 

Deney 1

 Anima asgele yüze ve la blamaz.

Deney 

 Animat alı bi önüyle yüze ve nihayeinde lao bl. Deney 3

 Animat ak deken engini klavz oaak kllanaak ao daha ızlı babiiyod. Deney 4

Döüncü denemede Anmat a blmak içn ddan beyaz değe yüze. Gel 22

Sanal Animat geçek bi sçann i göüşü, yön  buma beeisi ve su ne neet etin inee s sip ip oaak o aak şekilde pogamland Sudan çmann ek you beyaz dieğin yanndai giz paou  bulmak  bulmak

 

Ö nn Makn  Ya Yapa pa  Z Zk k Mkanii

kuvvetlendirdi Öeğin platformun yadaki direklern rengi ve oraya gden yolu aşağ yukarı biliyordu Gerçekten de Animat suya üçüncü defa bırakldığda, doğru renkteki direler aradığnd platformu bulmak içn çok daha az zama harcadı Dördüncü denemede tereddüt bile etmedi ve doğrudan platforma doğru doğru yüzdü yüzdü.. Bu ilk deneyler deneyler ne kadar vermli olsa da sanal sa nal düya sade ce bir prova alanıdır alanıdır.. Gerçek test, sanal bedende eğitilmiş bir beyin gerçek bir bedene nakledildiğinde yapılacakr Nihai amaç, gerçek dünyada bağımsız bir şelde hareket edebilen bir robot yapmakr. ars ıçaı

Böyle makine zeklarının sunduğu olasılıklar, NASAnın neden konuya dahil olduğunu açıar. Biyolojik zekya sahip bir Mars aracı görüş, kendin dengelemek ve zorlu arazide yolunu bulmak içn nöral ağla kullanayı öğrenerek sürekli insan denetimi ityan ortadan kaldırabilir. Bu yüzden ekp, Anmat için kraterlerie kadar gerçekçi sanal bir Mars hazırladı Animat biyolojik benzerleri gibi öğrenmek üzere tasarlandığından bazı tanıdık solar ortaya çk Anmat a hissedebilir mydi? Nihayetnde Anmat, tüm negatf desteğin yoğun kaygı şeklinde ve pozitf desteğin gizli platforma ulaşnda an rahatlama şelinde alıyordu Ne Versace ne de Ames Anmat'ın bilinç kazanacağna inyor ancak konu görüldüğü kadar saçma olmayabilir. Hissetmek zek ve biliç arasda önemli bir köpdür Bazı bilişsel bilimciler kayg ve rahatlama gibi temel destek meka-

nizmalarınn, tam olarak insan bilincinin ortaya çıkış şei oduğunu düşünektedir Bilinç hissi krmızı görmek veya acıı hissetmenin ac hissetmenin içsel tecrübesi tecrübesi yüksek yüksek bir bilinçten değil, çevreyle basit bir etleşimden gelir 7  

Düünn Maknr

Turing Tstinin stin in Otsi Otsind nd Turing Testn bir sou, kimsen neyin testi geçtiğine dair fir birliğine aramamasdr Turing 950lerde, yii birici yüzylda bilgisayarlan testi yaklaşk yüzde 30 skl ğnda geçebileceğin t etmiştr Bazları bunu makinenn kandrmas gereken uzman yüzdesi olarak yorumlamş e 20 te ondrada ondrada Royal Socie Societyde tyde bir sohb sohbet et bonun bonun testi geçtiğine dair maşetlere yol aşr Başkaları ise yüzde Oyi geçer not olarak görüyor. ncak bir sohbet botu uzmanlar kandrmay başarsa bile bu bize zeks zek s ha hak kda da bbilil i erme ermez z Bunun Bunun sebebi, testin sonuçlarnn notları etkileyen soru seçimlerine e uzmanarn teknk karaş seiyesie bağl olmasdr Sonuç olarak yapay zek araşrmacla  çoğu, maki nelerin denemek iç Ting Testiden daha güelir yollar tercih ediyor Sadece son birkaç ylda bile algoritmalar g lük sohbet lem ötesinde sa performa yakalad, hatta onu geçmeye başlad Massachusetts erst Üersitesinden Erik eaed Miller "Zamm Turg Testin geçmek yerine bilgisayar

lara görsel dünyay tantmaya çalşarak harcyorum, çünkü bunun zekya daha zl bir yol olduğunu düşüü yorum, diyorgiden LeaedMiller, Labeled Faces in the Wild [Yabanda Etiketlenmiş Yüzler FW] eri seti arkasdaki isimlerden biri Bu set, teet üzerinde 3000den 3000den fazla yüz resmi e isimden oluşan bir koleksiyon olarak yüz tama algoritmala  genelgeçer stadard haline geldi Derin öğrenme, öğre nme, nöral ağlardaki donanm e yazlm geliş meleri sayesinde bu alada büyük ilerlemeler oldu. 20'te Facebook,, insan ortalamas olan yüzde Facebook y üzde 97, 97,'in 'in hemen alnda, yüzde 97, 97,25 başaryla çalşan De DeepF epFace ace alg algoritmasnı oritmasnınn ayrınlar paylaş 7

 

Ö ğnn Makn r Yapa Yapay y k k M kanğ

LeaedMiller, başardıarında, saar doğ yolun bu olduğunu "Bunu fak ettiler, diyor. Ona gö teknoloj büyük isimleri arasında silanma yarışı başladı Google'ın Faceet'i 2015'te yüzde 99,63'e ulaş; saard daha iyi LeaedMille bunun tam olaak doğu olmadığ, çünkü perfoansımzı kesin bir şekilde ölçme zo olduğunu söylüyor. Ancak makinele ak insanarla karşılaşlabi lir olduğu söylenebilir Büyük şirketler de kendi algoritmala, etiketlenmiş fotoğrafarın daha genel koleksiyonu Imageet adlı bir veri setiyle test ederek Imageet ile ilişlendirilmiş yıllık bir yarışma olan Büyük Ölçeki Görsel ma Yaşması'nı kzmak iç çabalamaktadırlar Microsoft' bu işlemde

insanardan biraz daha yüksek pualar alan bir algoitması vardır. raa Ne Var?

Yarışmanın organiatörlerinden, Carnegie Mellon Üniversitesi'nden Üniversi tesi'nden Olg O lgaa Russakovsky Russakovsky,, algoit algoitmalar malar fotoğ fotoğ rafla sadece bin kategoriden birinde sıflandırması gerek tiğine işaret ediyor Bu, isanların yapabildiğine yasla çok küçüktür Russakovsky gerçek zek gösterebilmeleri için makinelerin bir fotoğrafın geniş kapsamı ve fotoğraf çeil dikten bir saniye sonra neler olabileceğine dair çıkarımlar yapmaları gerektiğini söylüyor Son nesil fotoğraf tanıma sistemleri tam olaak bunu yapmaya başlamışr. İnsanla başkalarının smi bilgiyebudayarak karar zonda kaldığında, duruda ne yapvermek yapaca acaların ların  kestir kestir meye çalışırlar çalışırlar Baı araşracılar araşra cılar belirsilik karşısında an an k yürütülen poker gibi oyunlara bamamı gerektiğini söy lüyor Poker aineler için satrançtan çok daha or bir oyun dur Poker botları, profesyonel insan oyuncula oyunun en 75  

Dnn Dn n Maknlr

Kimi Yapay Zeksı Sııf Biricisi?

Sftan gelen değerlendirmeler de ilg çeyor 205'te ConceptNet adlı bir yapay zek sistemi, Neden yaz eş kremi sürerz? gibi solarla okulöncesi çocuk

lar içn tasarlanmış bir IQ test kullanlarak denendi Cevapla 4 yaşnda ortalama bir çocuk seviyesindeydi 206 yılında ToRobo adl bir sistem Japonya' ulusal ünversite giriş snavınn İnglizce bölümünü geçt Seattle'dak Allen Yapay Zek Ensttüsü'nden Peter Clark ve meslekta meslektaşlar şları,ı, Aristoteles adl adl bir yapay zekyı New York eyaleti fen snavlana soktu Ancakher Ancak herkes kesik ikna naolmad olma d.. New Y York orkÜn Ünversites versitesi'i'nde bilgisayar bilimci Eest Davis, yapay zeknn sağdu yu olarak adlandırdığı şey karşısnda bocaladığa işaret ediyor Bu bakış açsıyla, sradan snavlar maki nelern gelişimin ölçmek için en iyi yol olmayabilir Davis bunun yerine makineler içn özel sınavlar hazır lanmasını öneriyor. bakmak Solar insanlar ancak cevaba inteetten içn de için çok saçma açık olabilir Bir karpuzu katlayabilir miyiz? sorusu gibi

zor biçimlerinden biri olan HeadsUp NoLimit Teas Hold 'Em' 'E m' de yenmeye yenmeye başladı başladı Caegie Mellon Ünvers Ünversitesi'nden itesi'nden uomas Sandolm, Pokeri test olarak çok seviyorum çünkü yapay zekyı kandırmak içn geliştrilmedi, diyor. İnsanarı yenebilmek için gerçekten zeki olmalsınz Turing Testinden geriye gerçekten bir şey kaldı m? Loener Ödülünü dağtan Yapay Zek ve Davranış Simülasyou Araşrma Klüünden Bertie Müller, yarışmanın ksmen gelenek icaı sürdüldüğünü söylüyor. Bugün 76

 

Ö ğrnn M akin r Yapay Yapay  k k Mkaniği

hayatta olsaydı rgn kend testnn zek çn en y test olmayableceğn söyleyeceğn de ekyor. Müller çn daha y test, yapay zeky çeştl çevrelerde gözlemlemek olablr br oyncak dol br odaya koyp ne yapacağn zle mekçocğ gb. Br çocğn zeksına üstün gelecek makelerden henüz çok zağız

77

 

3

Ypbileceğiiz Her Şey

Ypy Zek Nsıl İslrı Zeksıyl Al Ei? Br makne, yapableeğnz her eyde szden daha y olablr B am olarak doğr değldr anak b düüne gderek yaygınlaıyor. Dern ğrenmedek hızlı gelmelerle blgsayarlar, oyn oynamak an br grselde ne oldğn oldğ n  anımaya kadar el grevlerde bze meydan okyor va üsün gelyor B makneler, büyük br nsan ekb ek bn nnn ble ble yee yeemey meye eeğ eğ hızda hızda ve büyük büyük leke alı alıab ably lyor. or. Ve daha ok  yapıka dünyamızın nasıl ledğne dar daha ok  ğrenyorlar.

 

Oyun Oy unl lrr Ypy Zeka Go, Po Poker ker ve Dh Fzl Fzls n n Girişiyor Giriş iyor Makne öğrenmnn en ü başalandan br 206da, AphaGo adı algortma Go oyununda Güney Kore usta Lee Sedol edolü mağlup ett ettğ ğnd ndee ge ged (b. Görse Görsell  ) Göz Gözemlern çoğu böyle br yapay zekdan on yıl uzakta olduğumuzu düşünüyordu performnsı uzun süredr mhenkOyuar taşıdryapay IBMnzek Deep Bluesununçn 997de satranç şampyonu Garry Kasparovu mağup etmes, yapay zek§ devrmnn lk admı olarak seamlanmış Bu dea da çok farı değld AlphaGo bundan brkaç ay öne, DeepMnd Googleın 204 yı ında san aldığ yapay ze zek k şr şrket ket  yapay zek zeksı sı Avpa şampyonu Fan Huy 50 mağlup ettğn açkadğında k dea manşetere çık Bu DeepMndı, oyunun son zamanardak baskın güü kabul edlen Leeye meydan okumas çn teşvk ett Fanaa karşı oynanan maç gzl olsa d Fan daa kn maç Seu eu şehr merkeznn kabndek Four Seasons otelnde düznelere kamera ve yüzlere muhabr önünde oynandı Googeın AphaGosu AphaGo su Lee Sedo Sedoee karşı oynarken basn, br ngze, dğer Koree yayın yapan k ay konerans odasını doldur

muştu ve maç dünyann lgsn çemşt AlphaGo, Leey 4 mağlup ederek Go aması şoka uğrat ve dünyayı adeta salladı Anak en şaşırı olan 1

 

Düünn Makinr Makinr

Göel 31

Güney Koe'de Koe'de Go, döş snln eşdeğe göülü

mağlubiyet değil, yapay zeknın bnu nasıl başardığıydı Googleın kuruulandan Sergey Brin izlemek üzere Seule gittiği, seriy garantileyen üçünü galibiyetten saatler sonra New Sens konuştu "lphaGonun gerçekten sezgiler var Güzel hamleler yapyor Hatta çoğumuzun düşününebi leeğinden daha güzel hamleler yapıyor Kore Artı Şok aşıyor

Mağlubiyetin ardndan azim gelir Zaferin ardın dan Silkon Vadsnde lphaGo şerefine kadeh kal dılıyordu nak Güney Korein uh hali farıydı Burada oyu, televzyon sözleşmelerni ve şrket spon sorlaı dkte edyodu raşrmaıar vestelede vestelede oyun üzernde tam zamaı çalşıyorlard 82  

Yapab Yap ab lcğn z Hr Şy Yapay Zk Nası   nsanar .

Googleı AlpaGosunun Korel byk usta Lee Sedol mavetmesn zlemek ulusu şoka sokmuştu özellkle de ulusal karaman AlpaGoyu gvenle bozguna uğratacağı dda ettkten sora Ama sonuç yapay zekın gcn ortaya koydu eenn lk mağlubyetn mağlubyetnn n ardn ardndan dan Gney Koren en byk gnlk getelernden br olan Joongang lonun Go muabr Jeong ram D gece çok

kavetlyd; pek çok ş alkol aldı ded Koreller yapay zekn nsan tarn ve nan kltrn yok edeceğnden endşe edyor. Bu duygusal br şey Belk de en snr bozucu olan AlpaGonun amle lern gzellğ gzellğyd yd.. Seul Seul Ulusal Ün Ünverstesnden verstesnden blm lefec Jang Dae-Ik he Korea Hald şöyle söyled Bu br makne ğn al olduğu dşnlen öngör yaracı ve leşde nsanları geçme nsan evrmnn tarde olağanst br vaka. Bundan önce yapay zekn yarahcılığı olmadığı dşnyorduk ded Jeongdaa Aram. Arhk yaracı olduğunu blyoruz ve arhk zekler Gney Kore basınında manşetler çoğalıyordu Yapay Zeknın Korkutucu Evrm ve AlpaGonun Zafer  Yapay ek Fob Yayıyor Bazıları eenn mağlubyetnn bırakhğ etknn Gney Kore eğtmöğretmnde br devrm başlata cağnda ymser. Gney Koredek Koredek blm nteet tes HeloDDcomdan gazetec ee Seokbong yapay zek konuunda çok zayıf oldukları öylyor. Şmdye kadar Kore alkı yapay zek akkında pek br şey bl myordu Anak bu maç ayede arhk er Korel bu konuyu blyor

8 Düünn Makn  

la Kaak

Go oyunu, oyun u, alan ee geçrmek geçrmek çn ç n sy ve beyaz beya z taşlarla hareket eden k oyuncuya oynanır 8x8k satranç tahtasında yakaşı  olası kogürasyona karşı 19x9uk tahtada oynr ve 1 olası sonuca zn verr Öçek hakkında fkr ednmek çn, evrende 1( atom oduğunun tahmn eddğ n düşünün DeepMndın kurucularından Dems Hassabs, "Go, muhtemelen nsanığın gelştrdğ en karmaşık oyun dur," dyor DeepMndn AlphaGo yazıımı, oyunu bu kadar başa rılı oynayablmek çn çok sayıda nöral ağ kular. "İdare" ağı, usta nsan oyuncular tarafından yapılmış ve yazııma oyunun oas sekanslan tn etmey öğreten yaaşık 3 mlyon hamleden oluşan br vertabanıyla öğrenr. Daha sona son a kend versyonarına karşı karşı bne bnerce rce maç ma ç yaparak kend  gelştrr Bu ağ daha sonra mevcut tahta dumuna göre kazanma şansını tahmn eden br "değer" ağıyla besler Daha sonra her k ağ, hang youn en yüksek kazanma şan sını sağladığını belremek çn oyundak olası hareketerden ağaç gb gözüken "Monte Carlo ağacı araması"na beslenr Ağlar ağacı budayarak faydasız veya rsk hameler eler ve Monte Carlo aramasın hızandırır Bu budama, AphaGoya avanta kazandırır AlphaGonun yaklaşımı Deep Buenunknden öneml ölçüde farkıdır çünkü satranç oynayan yazılıma göre her hamede bnlerce sayıda daha  pozsyon değerendrmektedr Başka br deyşle, AlphaGo çok sayıda olas hamleden hangsnn daha aa yatkın oduğunu bulablr ve bunlara odakanak çn daha az zaman harcar AlphaGo aynı zamanda nsan oyuncuların göz önüne

amaları pekÖeğn olası olmayan hamleler zek37. parılsı da gösterr. eeye karşı kncyaparak maçındak ham 84  

Yaabc Ya abc ğniz Hr Şy Yapay k k Nas l  nsana nsan a  

lesn ele alalım. AlphaGo, sanığın 2500 yllk Go tahnde tamamen beeneyen b haml hamlee yap B ns oyucunun oyucunun yapacağ he şeyn akse ttn b köşesnde köşesnde b grup taş bıakp dğe köşede b hamle yap. amle Leen güven  sas, bkaç dakalğa odadan çk ve nasıl tep veeceğ üzede 15 daka düşündü Başlangçta baz yomcu la AlphaGonun hata yapğ düşünmüştü, ancak bunun zae gaantleyen hamle olduğu otaya çık. 37. hamle, AlphaGonun sezg denleblecek b şeye sahp olduğunun kan ka nı ı olaak olaak göstel göstel  AlphaGo büyük galbyetnden sona, mağlup Avpa şampyonu Fan u dahl en y oyunculaa kaşı antenan yapaak gelşmeye devam et 2017 Maysında AlphaGo, dünya salamasnda bc oyucu olan Ke Jeye kaşı üç maçı da kazd. Çn Go Fedeasyonu, DeepMndın yapay zeks poesyonel "9dan" unvyla ödüllendd. Ancak yeteneklen keskeşten sadece mane değld. Fan u, yapay zekn san olmayan stlden b şeyle öğenmenn onu çok daha y b oyuncu yapğın söyled. u, yapay zek le bkaç ay çalışktan sona dünya sıalamasnda 500den 300 saya çk. DeepMnd gözünü yen zoluklaa dş duumda

assabs, Umudumuz bu teknklen b gün, klm modellemeden kamaşk hastalk analzne kada topumun en zo ve acl poblemlene htap etmemze yadımcı olacak şeklde genşletlmesd," dyo. Bu BMn Deep Bue hakknda söyledke aşağ yukaı aysıdı; ancak satancı çözmek b yapay zek devrmne yol açmadı. Bu defa faklı olan şey AlphaGonun öğene yöntemnn onu daha genş uuklu yapmasıdı, bu da anahta olabl. Kullandığı temel teknkle, Deep Bluenun yaklaşımına göe başka aanlada kulanılmaya çok daa uygundu 85  

e ee

Röpotaj Yapay Ze Adına Haeet Etme Nasıl B Şey? Google Deepnddan Aja Hang da Lee Sedole arş oynadğ beş maça AlphaGonn aşlan haree erd B yapay zen fzsel dy?

t

olma nasıl b

Oldukça ciddi hissediyorum Bu, ekibin sk çalşmas olduğundan hata yapmak istemiyorum Ayca Lee Sedol e sayg duymak için çok çabalyorum O bir usta ust a İl maçtan önce Lee le bbnze eveans yaptınız sz AlphaGo AlphaG o olmasanz olmasanz da Resmi bir maçt ve birbirimize saygmz gsterdik AlphaGo adna reverans yaptm

AlphaGonn hamlele sz şaştt mı? Evet, elbette Ne Buraya m oynayayım Özellikle de 2 maçta 37. hamledeki omuz omuz Ekranda gründü ve vay ca  Taşla haeet ettme şelnz fall östeyo m? Eğer AlphaGo zgüvenliyse ben de zgüvenli oyna rım Özelikle iyi olduğunu düşündüğüm baz hamle lerde biraz daha ağr oyn  Lee çn nasıl özüüyod?

Bence onun için yeni bir tecrübeydi Bir insana karş oynamaktan çok farklydı Bilgisayar soğuktur uygu yoktur Yani muhtemelen onu çok rahat hissettirmedi na sempat dydnz m?

86  

Yapabe Yapa be ceğ nz Her Şey Ya Yapay pay Ze Nas İ nsanar nsa nar  

Her zama AphaGo'u araıdayım acak sempa i duydum Leei yaşadığı baskıyı hissediyordum AlphaGo'yu 5-0 yeeileceğii söyemişti ama umdu ğuda çok arkı souçladı Acak oa bir usa ola ak saygı duyuyorm

Yüksek ala

Sadece masa üzei oylar yeik düşmedi 015t 015tee DeepMd sadece era izleyerek ilgsayar oy oyamay öğreei le ir yapay ze eliştirdiğ açad Yapay zek oy c, Aari 600' de 49 ar oy oyamak içi eğtlmiş ve 3'üde proesyoel ir isa e yüek pa geçmişti Yazlma oy kralları alalmamş;  yee oy u dmu icelemek ve ag eylemleri e yüsek pua getirdiği ortaya çkarmak içi dern nral ağ adl ir algoritma kullamş. Yapay zek e iyi peroması asit pnball ve os oyarda gösterdi; sralar temizlemek topu sıçratmak gereke Ataritğla Atar i kasiği da yüe yüekkiçi paar Breao aldı Tercüeli Breao oycula klladğ ir leyi, bir tğla sütda tüel açarak arka duvarda top zıp latmay ile başarmş assais, "Bu bizim içi üyük bir sürpz old. Strateji tamame oy alda yata sistem de ortaya çık, dedi Bir Atari oy seyretmek, sayede  milyo piksellik veriyi işlemeye eşdeğerdir Bu, Google'ı kedi üyük veri setlerii aaliz etmek içi yapay zeksıı kllama yetde odua işareir Yapay zek oyu koduda veri besle mek yerie ekra izleyerek öğrediği içi bir oaslık, yapay zek görse ve video verierii aaiz emek içi kula abileceğidir

  

Dşünn Makn

Yapay ek Şimi Han Oyn Oynamalı

Uzmar şunarı öneriyor:

Dipoa ondra Ünversitesi'nden Mark Bishop, oyuncuarın toprak ve kayn kaynaklar aklar iç iç kabet ettikeri mas masaa üst üstüü stra stra teji oyu Dploma öneriyor Bishop, AphaGo'nun "sembolern hiçbirin ne aama geldiğn bimediğ" söylüyor: "O kadar ustaca manpüle edilmiş ki Go oynad farkında bile değl." Dploma mevt ve gerçek yapay zek arasndaki engelerin çoğunun somutlaşmış halidir "Hamleler yazl oarak iletidiği iç teoride bir bigisayarın bu oyunda iyi olmas bek ler." Ancak ilk olarak Turing Testii geçmesi gerekir; s oyunlar kimin yapay zek olduğunu fark derlerse ona karş birlik olabilirler

StarCra Go oyununda herhangi bir anda olas 300 hame olabiir Yüzlerce birim içeren bir stratei oyunu oan 'ta ise 10300 hame olabilir Kaliforniya Üniversitesi'nden Stuart Russell, "Geecekteki tüm oas hamle sekansar bir kenara, mevt durumdai olas hamlelerin tümünü bie inceleyemezsiniz," diyor Yapay zek bunun yerne daha yüsek bir seviyede eyemerini ve hedeflerini göz önüne almak ve oraya uaşmak içi bir p yapmak zorunda oacak; bu da daha gerçek problemlerin daha genş bir aralğna uygulanabilen mank yürüte yöntemleri gerekirir

Dugo  Drago Kalifoiya Eyale Ünivrsitesi'ndn Julie Carpenter' Carpen ter' a Politekik göre göre "Alph "AlphaGo aGo insan bezeri bir gerçeik gerçe ik   

pb icğin z r y pay k k  Ns l  nsanlr nsanlr   

veya inanılabilirliği kantlamaya veya çürütmeye çalış myor, aksine tamamen hede olal çalşyor oyunu kazanmak". Carpenter, yapay zeky bir rol yapma oununun ortasna aan ilgç olacağ söylüyor Burada bir maknenn hedeeri o kadar da açık olma yacakr Başalı olabilmek için sosyal iletişim ve daha yüksek seviyede dumsal arındalğa sahip olmas gerer Hile yapmak

İnsan ounlar, bir sonraki hamlede ne yapacakana dair ipucu edinmek içn rakplerinn yüz iadelerini ve beden diller okuyabilir. Ayca yaış yönlendirme bi aldatmaca taktkleriyle avantaj sağlayabilirler Bir robot bu sahte davranşları başarılı bir şeklde tespit edebilir Teknoloji ve hatta Ensttüsü'nden yakalanmadan Ronald hile yapabilir mi? Georgia Arkin'e göre oyundak bu çarptmalar, günümüzün yapay zeksı taraından tara ından çöz çözülen ülen büük ölçüde matematiksel zorluklarn ötesindedir" Geçek üya

mperial College ondon' dan Murray Shanahan şöyle söylüyor Yapay zekyı diğer oyunlarda görme konu sda özellikle hevesli değlim Bir algoritmayı veya yeni öğrenme yöntemler test etmek aydaldır, aydaldır, ancak hakik sr gerçek dünyadır Mane öğremi günlük hayaı kavramada Go' dak kadar başarılı olduğunda insan seviyesinde yapay genel zekya yaklaşmış ola cağız"

  

Düünn

T ü m Kozla Oyaı Oyaı

ee

2017 Ocak ayında a yında bilgsayarlar 20 günük br poker tuuvasını kazanarak oyunarda insanara karşı bir zafer da elde ettiler. Lbratus adl adlıı yapay zek, Penslvanya'd bir kuarkuaranede dünyann en y dört HeadsUp NoLt Texas Hold E poker oyuncusuna karşı oynadı 120000 elin sonunda Libratus poker fşlerinde 1,7 lyon dolardan büyük bir farkla kazandı Pokerde iyi ola bir yapay zek kayda değerdir çünkü poker bir noksan bilg oyundur Oyuncular rkiplernn kartlarn asla bileezler, bu yüzden oyunun al anda asla ekiz bir göşe saip olaazlar u, yapy zek rabnn nasıl oyndığını esaba katası ve iyi bir el oldu

ğunu veya blöf yapğ ortaya ğunu ortaya çkaraak çin yklaşıını yklaşıını değiştres gerektğ anlaına gelir u zafer yapay zek içi başka bir öneli dönü noktasıdr Lbras'un lgorialar pokere, atta sadece oyulara bile özgü değildr Yapay zekya erangi br strateji öğretileiştr, bunun yerine verlen bilgiye bu duruda poker kurallarına dayan dayanarak arak kendi kendi oyun tarzın tarzın gelştr gelştres es ger gerek ek ştir unun aı, Librasun noksan blgye dayan bir tepk gerektren erang br dua uygulaabilecek olduğudur Gündelik ayat noksan blgyle doludur Caegie Mellon Üniverstesnde yapay zek gelştren araşracılar bunun siber güvenlik, pazarlık, askeri durular, açk arraar ve da pek çok zeknın şeyde uygulanabilir olduğunu Ayca ypy tedvi plnlrını oyun düşünektedir stratejisi olrk lılyıp eesio ı ücdeeyi ı deeleebileceine de ışrdır iu ü  ı vrd İl yu ldıı d p ze uiecei üü i teji liei   

Yapabilcğ Ya pabilcğ niz Hr Şy Ya Yapa pay y Zk Zk  Nası  nsanları nsan ları  

hesaplar Tuuv başlangcda Libratus hesaplamada 15 milyon saa sa at geçirerek geçirerek stratejilerini kes keski kileştirir leştirir "Oyun sonu çözücü" delen iknci sım her bir elin sonucunu tahmin eek için yapay zekn rakiplerinn yapğı hataları karşı dakilerin istiade istiade edebileceği noktala noktala hesaba katar

Yapay zek son ksm, sonrak seanst önce nasıl oynayacağı değiştirmek için kendi stratejik zayılıarıa bakar Bu rakiplerin suistimal ettği, başka bir oyunnun ark ettiği işa işaretleri vb olabilir Bu önemlidir çüü son uvada insan oyuncular yapay zekn arı kartları olduğunda nasıl oynadığ keşeiş ve buna göre ortaya ne koyacaar değiştirmşlerdi. Turnuvadak proesyonel oyunculardan Jason Les, Libras'u "çılgın derecede iyi" olarak tanmlamış, stratejisi in zamana iyileştiğin ve her geçen gün yenlmesin daha da zorlaştığ zorlaştığ ark etmişti etmişti

Hızlı ve Öei

2016 ylda Facebook'un yapay zek yazlımn bir hatada, mtemelen insanoğlunun tüm tarihi boyun ca yapğından da çok harita çıkarabileceği öğrendik Sosyal ağ, yapay zek sistemin gezegenimizin yüzde 4'ünü kapsayan bir harita inşa etmesiin i ata sürdüğünü açıklad Bu Dünya' kara yüzeyinin yüzde 14'üydü ve uzaydan çekilmş, düzenleiş ve gösterdiği yollar, binalar ve yerleşim yerlerinin dijital bir temsii oarak izleni 2,6 ilyon kloetekarelik otoğraa dek eiyor Facebook aa iyisini daa zl yaparak ü Dnyann aritaını 

 

Dnn Makn

bi atada kısa bi sede çıkatabileceği söylyo Facebook'un edefi çevimdışı kişilee inteet sağla ma planlamasına yadımcı olacak aitala yapmakh Bu teknoloinn en önemli fenomenn insaa ın işin eçe eçekten kten ızlı ızlı yap yapan an bilisayala şimdiye kadak en kesin öeğidi Nasıl çalışhğımızı ei dönlmez şelde değiştiecek ve nasıl bili edindiği miz byk poelede nasıl işbiliği yaphğımız atta dyayı nasıl kavadığımız konulada byk et östeecek. Bu model tek bi ulustan insaan işaetlendiği sadece 000 uydu fotoğafıyla eğitldikten sona falı 20 lkeyi aitalamayı başadı Şiket daa sona se ci ay aitalamayı sadece bikaç saae yapabilecek kada eliştidi. Fotoğaflaa sp olduğunu vasaya sak tm Dnya'yı yalaşık alh nde aitalayabili. Haitalamayı yapaybykte zek sistemin östediği ölçekte yapmak eai bi insan ekibinin on yıllaın alı insanlaın veya kuumla başa çıkması için yapılmış veiden daa fazla vei vadı Facebook'un aita çıkaan yapay zeksı muteme en şu anda ezeende insan öevleini bizden daa ızlı ve byk ölçekte tamamlayan binlece da tek bi işe odaamak oda amak için eğitien yapay yapa y zekn zeknın ın öek öek leinden sadece biidi. Ceneve' dek dekii CERN CERN paçak fiziği aboatuvaı çapışma veisindeki ktlede motif le bulmak için dein öğenmeyi kullan ilaç şiketlei

de içbi insann deinleine inemeyeceği vei setle inde ye ilaç filei bulmak için bunu kullanmak adı Kuumlaa dein öğenme sistemlei konusunda adımcı oa son wdes ahk ekese çalıştığı söyly kmetle dokta aaşmaca ebe

  

Yapabilcğni H Şy Yapay k Nasl  nsanla nsanl a  

veyer, perakendecler ve hatta gzeml br şelde mezbahalar Heyecan verc olan, tüm nöral ağların Facebookun hartalama yapay zeks gb ölçekleyebleceğdr Br taramada kanser belrtlern tespt edeblen br dar yapay zekz mı var? Güzel Elnzde ver varsa geze gendek her nsa brkaç saatte kanser çn tarayablr snz. Hsselerde br çöküşü nasıl tespt edeceğn blen br yapay zekz  var? Hark Harkaa  Dünyann en büyük y borsasın ve ayn anda şrketlern ay ay hsse yatlar ayn anda zleyeblrsnz Dar yapay zeknn gerçek gücü yapableceğ şeyde değldr; çünkü perormansı asla br nsan kadar y olmayacakr Facebookun yapay zeksınn ürettğ hartalar, Mapbokadar gb smarlama harta Ancak çıkaranGoogle, br şrketn ürettkler y olmayacakr. Facebook ve Mcrosot laboratuvarlarında üretlen akllı sstemler, blgsayarlarda çalışkla çn güçlü dür İnsan şlernn geleceğ, br ş sanyede 50 dea

ortalama kaltede m yapmanı yoksa brkaç dakkada br nsan kaltesnde yapmanın mı daha y olduğuyla belrlenecektr.

Görmeyi ve şit ş itme meyi yi Öğrenmek Kameralar artk her yerde; teleoarımızda, evlermzde ve kamua açık yerlern çoğunda; dünya yazılımlarla gderek daha azla zlenyor. Öeğn br otoğrata ne olduğunu ayırt edeblen br yapay zek çekp sosyal medyaya yüedğmz yüz mlyarlarca otoğraı kategorze etmemze yardımcı ola blr Bu görmek stedğmz şeyler bulmamıza ve çok sayda   

üünn Makinlr

yasadışı veya saldırgan içeriği taramamı sağlayabilir bunu elle yapma ark mümkün değildir. Görüntü tanıma ayca makinelerin insan dünyasını daha iyi anlamasa ve bu dünyada hareket etmeyi öğrenmesine yardımcı olmaktadır Hl gidilecek çok yol var özelikle tmi edilemeyen gerçek dünya düşünüldünde Ancak yapay zek bazı testlerde bireysel yüzler dahil bir görsede ne olduğunu bizden daha hassas bir şekilde tespit edebiliyor Yine de din leyip ileyebilen manelerin gücü bunu insan gözleri veya kulaarından daha iyi yapabilmelerinde değildir Güçleri programlamanın tüm uygulamaları gibi hız ölçek ve işlem

yapmann göreceli olarak ucuzuğundan gelir Büyük tek noloji şirketlerinin çoğu konuşmayı anlamak için nöral ağlar gelişiriyor gelişiri yor ve daha önce zor veya imknsı imknsızz olan veri setlerin setlerin araşrmaya açıyor Düya Nasıl ler?

Bir görseldeki nesneleri seçmek zordur; bir manzara daha genş içeriğii anlamak ise çok daha zordur Makinelerin düyayı daha iyi anlamalarını sağlaman bir yolu ona rı geleceği tahmin edebilecek şekide eğitmektir Öeğin Facebooktaki araşrmaar görsellere bakarak daha soa ne olacağını tahmin edebilecek bir yapay zek üzerinde çalışıyor Bu yapay zek bir noktadan olası bir gelecek için birkaç karelik bir video oluşturabilir Bu teknk üzerinde tek çalışanar Facebook araşrmacıla değil Yapay zekya bir dumun nası sonuçlabileceğini tahmin etmeyi öğretmek şimdiki zamaı idrak etmesine yar dım olabilir. Massachusetts Teknoloji Enstiüsü'nden Car Vondrick Dünyamızda çalışan herhangi bir robotun temel bir geleeğ ahmn eme becerisi olması gerekir Ormak üze reyken rey ken sandalyeyi alnızdan çekec çekecek ek bir robot istemezsinz" diyor 94  

Yapab Yap ab c ğin z H r Şy Yapay Zk

a a   n  a n  a r    

Dizgileri Ele Almak

Makinlr l fizil dünyayla tkilşid ytr

sizdir. DpMnd büyük Go açı için azırlanırkn başka bir Googl bi da sıradn bir galibiyt azı azır r lanıyordu 2016 yılıda yayılanan bir vidoda robotk pnçlr, akas v süngr gibi v şyalarına uzp buarı kavrıyordu Bu görvi yü binr dfa tar layarak kndi kndin basit lgöz koordinasyonu öğrniyordu. Dn yla yöntiyl robotlar bir nsny uzap ksintisiz tk bir arktl kaldırayı öğr öğ rn nn nafta kadarFabook kavraadayapay gidrk da iyi oldular Ay zklarıdan birin, tata bloklardan kullr yıdığı vidolar izlyrk kndin dünyayı nasıl öğrttiğini açıkladı Aaç fizik sl nsnlr aknda öndn yazılı kurallara dayana rak bir yargıya varaktansa insan yavlarının yapğı bi szgi dinkti Maknlrin bir çouğun szgilri aralığıyla gr çk dünyayla başa çıkası sağlaak, yapay zk araşraları için büyük bir zorluktur Karaşık bir oyunda oyun da ustalaşak tkilyiidir anak çouk oyunak larıyla oynayan yapay zklar araalıyız Go'nun kar aşıklığa rağn oyunun oyunun zorluarı ks ks  kurallarla kural larla blirlniştir Grçk dünyada nadirn böyl lülr bulunur Sattl' daki daki All Alln n Yapay apa y Zk Zk Enstitüsü' Enstitüs ü' nü nünn CEO'su rn Etzion, "Dürüst olak grkrs 5 yaşın daki çouğu AlpaGo'dan çok daa allı," diyor. "Bir insan çouğu kayda dğr şkild daa glişiş, daaa sn da snk, k, alşılad a lşıladık ık durularla aşa çık çıkada ada daa rikli v daa sağduyuludur"