2015 yılında Gelecek Burada Konuşmaları ile başlayan bilgi, deneyim ve ilham paylaşım platformumuzu 2017 yılında gelecekburada.net’e, yani buraya taşımış ve yıkıcı teknolojiler konusunda Türkçe içerik eksiğini gidererek; başta öğrenciler olmak üzere Türkçe bilen herkese bilgi aktarmak, ilham vermek üzere yola çıkmıştık. Zamanla değişen içerik tüketim alışkanlıklarına ayak uydurmak adına; bugünden itibaren podcastlerimizle de otobüs yolculuklarınıza, bulaşık yıkama ritüellerinize, sabah trafiğindeki enerjinize, akşam trafiğinde evinize dönme heyecanınıza ortak olmak ve okuduğumuz, yazdığımız en iyi içerikleri size, sizin istediğiniz ortamlarda sunmak için yeni bir yola girmeye karar verdik.
Bundan sonra haftada bir yayınlanan Gelecek Burada Podcast bölümleri ile yapay zekâ, 3B yazıcılar, sanal gerçeklik, uzay ve blockchain gibi yıkıcı teknolojiler konusunda yaşanan gelişmeleri, kaçırmamanız gereken ilham verici içerikleri ve daha nicesini paylaşacağız. İlk bölümü şu an için sadece Anchor üzerinden ve Spotify‘dan dinleyebilirsiniz. Çok yakında Apple Podcast ve Google Podcasts başta olmak üzere diğer platformlarda da yerimizi alacağız.
Aşağıda bölümün metnini okuyabilir ve bahsi geçen linklere ulaşabilirsiniz.
Gelecek Burada Podcast | 1. Bölüm: Yapay Zekâ
“Bilgi, deneyim ve ilham paylaşım platformu Gelecek Burada’ya hoş geldiniz.
Bugün ilk podcastimizi çekiyoruz, biraz heyecanlıyız. İlk bölümde genel olarak yapay zekâdan bahsedeceğiz, biraz daha bilgiye önem verdiğimiz bir bölüm olacak ancak ilerleyen bölümlerde daha çok sosyokültürel gelişmelerden bahsedecek, birlikte sohbet edeceğiz.
İlk olarak yapay zekâyla ilgili birkaç kavramdan bahsetmek istiyorum, daha sonra olayın bilgi kısmına geçiş yapabiliriz. Otonom araçlar, deepfake, chatbotlar, YouTube, Instagram gibi platformlardaki sosyal medya algoritmaları, kişiselleştirilmiş reklamcılık yani çerezlerin kullanılması sürekli bahsettiğiniz veya arattığınız konuların reklamlarıyla karşılaşıyo olmanız, yüz tanıma…
Bilgisayarlarımız ve telefonlarımız ayrılmaz birer parçamız oldu, bu bahsettiklerimin çoğuyla kimimiz bilerek kimimiz de farkında bile olmadan haşır neşir olmuştur.
İşte bu şekilde yapay zekâ son yıllarda hayatımızın her alanına hızlı bir giriş yaptı. Peki, hakkındaki gelişmeleri kimi zaman heyecanla kimi zaman da evhamla takip ettiğimiz yapay zekâ nedir, ne değildir, ne olacaktır, nasıl çalışır? İşte tüm bu sorularımıza hep birlikte cevap bulmaya çalışacağız. Ben bu alanda uzman birisi değilim, sadece meraklıyım, öğrenmek araştırmak yeni şeylerle karşılaşmak ve az ya da çok öğrendiğim şeyleri birileriyle paylaşmak bana keyif veriyor. Zaten şu an beni duyuyorsanız yani bu podcasti dinliyorsanız sizle bu yönden epey benziyoruz demektir.
Bu konudaki ilgi ve alakanın artmasıyla paralel olarak bilgi kirliliği ve kuruntular cok fazla. Şu an sokağa çıksak rastgele insanlara “Yapay zekâ hakkında ne biliyorsunuz?” diye sorsak herhalde en çok alacağımız cevap “Robotlar dünyayı ele geçirecek” olurdu. Nedense bir şey hakkında çok fikrimiz yoksa onun bize evham veren, değişik gelen, heyecanlandıran, tehlikeli olabilecek yanlarını benimseye daha meyilli oluyoruz. Ayrıca bu sadece sokaktaki vatandaşa ait olan bi görüş de değil. Tesla’nın kurucusu ve CEO’su Elon Musk yapay zekâ hakkındaki gelişmelerden endişe duyduğunu belirtmişti. ( Ki kendisi, bu görüşünün aksine, geçtiğimiz aylarda kendi kendine giden otonom aracı Tesla Model S’i tanıttı.) Yakın zamanda hayatını kaybeden ve kıyamet teorileriyle tanınan dünyaca ünlü fizikçi Stephen Hawking de “Yapay zekâ insanlığın son buluşu olacak.” diyerek bu konudaki endişelerini dile getirmişti. Ünlüsü olsun sıradan vatandaşı olsun herkesi çevresinde toplayan bu Hollywoodvari bakış açısı -yani dünyayı ele geçirip insanlığın sonunu getiren robotlar- aslında yapay zekânın müthiş yanlarını görmemize engel oluyor. Biz bu içi boş kuruntulara takılırken endüstride çığır açan, insan hayatını çok daha kolay hale getiren gelişmeleri kaçırıyoruz. Bu konuya ilgisi olan fakat bilgisi olmayan biri bu kuruntu diyebileceğimiz fikirlere kapılıp gitmek yerine, derin öğrenme makine öğrenmesi gibi kavramlar hakkında sadece 1-2 cümle okuyarak kendine çok daha konuya dair ve gerçekçi şeyler katabilir. Yani öğrenme sürecimizde bunlar ve bunlar gibi kavramları göz önüne alıp, hayal gücümüzün sınırlarını zorlamamız gerekiyor.
Her geçen sene, hatta her geçen ay, her geçen gün bu konuda biraz daha bilgileniyor ve hevesleniyoruz. Tabii ki bir yerden sonra bunun birey bazında olması yetmeyecek, ulusal olarak yapay zekâyı kabullenip bu konuda bilinçlenmemiz gerekecek. Bu konuda ufak bir örnek vermek istiyorum daha doğrusu ufak bir anekdot.
Go oyunu, basitçe 19×19 bir tahta üzerinde siyah ve beyaz taşlarla iki kişinin karşılıklı oynadığı bir oyun. Bu oyun Çin’de yüzyıllardır oynanıyor ve çok önemli çok ilgi görüyor. “2016’da Çin’de AlphaGo isimli yapay zekâ programı efsanevi Go şampiyonu Lee Sedol’u üç oyunluk bir turnuvada yeniyor. Bu oyunlar Çin’de 280 milyonu TV başına kitliyor ve Lee’nin yenilmesi çoğu insanın kalbini kırıyor. Ama insanlar yenilginin sebep olduğu hayal kırıklığına kapılmak yerine, bunu yapay zekânın gücünü kullanmak için bir ilham haline dönüştürüyorlar. Yani nasıl Rus uydusu Sputnik’in kalkışı, Amerikalıları aya ilk ayak basma konusunda tetiklediyse bu kalp kırıklığı da Çin hükûmetini yapay zekâ hakkında bir nevi gaza getirdi. Ve gelecek on senede yapay zekâda global bir lider olma amacını açıklayan bir toparlanma çağrısında bulundular. Çin birkaç sene öncesine kadar inovasyondan çok kopya teknolojiler üreten bir yer gibi göründüğü için bu çağrı çok önemli.
Bu arada Lee Sedol geçtiğimiz haftalarda emeklilik kararını açıkladı. Yapay zeka ile 5 maç yapan ve bunlardan sadece 1 tanesini kazanabilen efsane şampiyon yaptığı açıklamada aldığı tek galibiyetine de muhtemelen teknik bir hatanın sebep olduğunu ekledi. Ayrıca açıklamasında “Bir numara olsam bile, ortada mağlup edilemez bir varlık var.” demesi makinelerin gücünü açıkça gözler önüne seriyor.
Neyse, konumuza dönelim:
Yapay öğrenmenin en çok bilinen 2 yolu machine learning (makine öğrenmesi) ve deep learning (derin öğrenme). Tanımını yapacak olursak, makine öğrenmesi matematiksel ve istatiksel işlemler ile veriler üzerinden çıkarımlar yaparak tahminlerde bulunan sistemlerin bilgisayar ile modellenmesidir. Böyle söyleyince biraz karmaşık oldu değil mi? Öyleyse hemen basitleştirelim. Makine öğrenmesinde kaynağınız elinizdeki veri grubudur ve algoritma bu veri grubundan çıkarımlar yaparak kendi mantığını kurar. Düşününce bu oldukça heyecan verici, bir bilgisayara önce veriyi öğrenme sonra da o veriyi anlamlandırma yeteneği kazandırıyoruz. Makine öğrenmesi kendi içinde denetimli ve denetimsiz olmak üzere 2 şekilde gerçekleşiyor.
Denetimli (gözetimli) öğrenmede etiketli veri setleri vardır. Sisteme bir girdi verir ve karşılığında alması gereken çıktıyı söylersiniz. Eğer sistemin aldığı çıktı sizin tanımladığınızla uyuşmazsa hesaplamalar tekrardan ayarlanır. Bu süreç hata oranı en aza inene kadar devam eder.
Denetimsiz(gözetimsiz) öğrenmede ise veri setlerinin belirli bir yapısı yoktur. Girdileri verirsiniz ve sistem sınıflandırmasını kendisi yapar.
Bu işlemlerin bir tık daha ilerlemiş haline derin öğrenme diyoruz. Makine öğrenmesinin aksine derin öğrenme pek çok katmanda aynı anda işlem yapar. Bir grup makine, öğretim algoritmalarını aynı anda işleyerek tek sonuca varmaya çalışır.
Bunu şöyle örnekleyebiliriz. Varsayalım ki elimizde bir portakal bir de salatalık var. Makine öğreniminde turuncuysa portakaldır, yeşilse salatalıktır veya yuvarlaksa portakaldır, uzun ve düzse salatalıktır şeklinde parametreleri teker teker tanımlayıp sonuca ulaşmaya çalışıyorduk. Oysa derin öğrenme bu parametreleri kendi kendine ayırt edip öğrenir. Tek yapmanız gereken salatalık ve portakalın resimlerini derin öğrenme sistemine göstermektir; sistem şekil, renk gibi ayırt edici kuralları kendisi tanımlar. Yani farkı anlamak için kullandığı şeyleri dışarıdan almaz, kendisi oluşturur.
Böyle bahsedince çok kolaymış gibi görünüyor ama bilgisayarların bu ayrımı yapabilmesini sağlamak öyle hafife alınacak bir şey değil. Bu ayrımın en sağlıklı şekilde yapılmasını sağlamak için bilgisayarlarımıza oldukça farklı ve büyük veri grupları tanımlamamız gerek. Yani farklı bir deyişle gerçek dünyada işler halde olabilmesi için olasılık ve özellik çeşitliliğini arttırmak şart. Örneğin bir yüz tanıma sistemine sadece beyaz ırk görüntülerini verirseniz, başka ten renklerini ayırt edemez. Bu tarz durumlar hem işlevselliği azaltıyor hem de etik anlamda sizi sıkıntıya sokuyor.
Bir de yapay sinir ağları var. Bildiğimiz insan beynindeki nöronların yapay hali olan bu yapay sinir ağlarını giriş katmanı, gizli katman ve çıkış katmanı olmak üzere 3 katmanda inceliyoruz. Giriş katmanı adından da belli olduğu üzere giriş verilerini alır. Çıkış katmanı çıktı verilerini döndürür ve bize bir çıktı verir. Gizli katman ise verilerle matematiksel hesaplamalar yapar ve bu katmanların sayısı birden fazla olabilir. Zaten derin öğrenmedeki derin kavramı da birden fazla gizli katmana sahip olmak demek. İşte derin öğrenmenin en zor kısmı bu yapay sinir ağlarını eğitmektir. Bunun için de 1. Gerçekten geniş bir veri bulutu 2.Yüksek bir hesaplama gücüne ihtiyacımız var. Geçtiğimiz birkaç senede dünyadaki mevcut verinin %90’ını ürettiğimizi ve teknolojinin önü alınamaz bir hızla geliştiğini de düşünürsek bu iki gerekliliği sağlamak pek de imkansız durmuyor.
2016 senesinde Microsoft Tay isimli bir chatbot için Twitter hesabı açmış ve insanlardan onunla sohbet etmelerini istemişti. Chatbotlar, internet üzerinden sorularınızı yanıtlayabilen yapay zekâ ürünü yazılımlardır. Chatbotun amacının gündelik konuşma yapmak olduğu belirtilmiş ve “Ne kadar çok sohbet ederseniz o kadar akıllı davranacak ve kişiye özel iletişim kurmaya başlayacak.” şeklinde eklemişlerdi. Ancak Tay 24 saat geçmeden ırkçılık, Nazi sempatizanlığı, soykırım gibi kavramları ve küfür etmeyi öğrendi. Bunun üzerine açıkça doğrulanmasa da Microsoft sohbetlere müdahale etmeye başladı. Hatta bazı kullanıcılar Tay’in doğruyu ve yanlışı kendi kendine ayırt etmeyi öğrenmesi gerektiğini düşünerek Microsoft’u protesto etmişlerdi.
İzlediğimiz bilim kurgu dizilerinden filmlerinden edindiğimiz kazanımlarla yapay zekâdan bahsedilince aklımıza genelde böyle insan özellikleri taşıyan robotlar, konuşan bilgisayarlar falan geliyor. Fakat yaşadığımız zaman diliminde araştırmaların ve çalışmaların büyük bölümü insan hayatını kolaylaştıracak akıllı sistemler ve araçlar üzerine. Akıllı evler, otonom araçlar gibi insanların gündelik hayatında büyük fayda ve kolaylık sağlayacak aynı zamanda sosyal alanlarda toplum hayatını da düzene sokacak yenilikler hayatımıza girmeye çok yakın. Hatta yakın demek yersiz, çünkü çoktan hayatımızda yer almaya başladılar bile. Bunların örneklerini içerik olarak sitemizde zaman zaman paylaşıyoruz. İlerleyen podcastlerde de bu konu başlıklarından daha detaylı bir şekilde bahsedeceğiz.
Tamam yapay zekânın hayatımıza dahil olmaya başlaması çok eski bir gelişme sayılmayabilir. Fakat bu yapay zekânın gündeme ilk kez geldiğini de göstermiyor. Bizler için yeni bir gelişme olmasına rağmen kendisi oldukça yaşlı sayılır. Öyle ki yapay zekâ kavramının ilk gündeme gelmesi 1950’lere dayanıyor. Alan Turing tarafından ortaya atılan Turing testi bir nevi bir bilgisayarın insan gibi davranabilmesinin tanımını yapar. Yani bir duvarın arkasında bir bilgisayar ve bir insan olduğunu varsayalım. Turing testi, testin sorularına verilen cevaplara göre testi yapan kişinin duvarın arkasından cevap verenin insan mı yoksa bilgisayar mı olduğunu anlayıp anlayamayacağına dayanır. Bu testin ortaya sürüldüğü tarihten itibaren büyük bir çoğunluk bir bilgisayar tarafından geçilemeyeceğini varsaymaktaydı. Fakat 2014 senesinde 13 yaşında Eugene Goostman isimli bir çocuğun kişiliğini taşıyan bilgisayar Turing testini geçmeyi başardı. Bu gelişme elbette ki bazı yapay zekâ uzmanlarını kaygılandırdı. Yani yapay zekânın insan zekasına giderek yaklaşması bizleri de endişelendirmiyor değil ama biraz endişe, biraz heyecan, bolca heves, bolca yenilik… Zaten gelecek dediğimiz şey de bunların mükemmel karışımından ibaret.
Benim açımdan epey keyifli geçen ilk bölümümüzün sonunda yapay zekanın siber zorbalığı nasıl engelleyebileceğine dair bir haberden bahsetmek istiyorum. Siber zorbalık teknoloji aracılığıyla günümüzde çoğunlukla internet üzerinden bir kişiyi rahatsız etmek, taciz etmek, hayatına dair detaylara hakim olmadan hedef göstermek, utandırmak amaçlı paylaşımların yapılması anlamına geliyor. Bunun için illa kötü niyet taşımak da gerekmiyor, farkında olmadan bile birilerine siber zorbalık yapıyor olabilirsiniz. Bundan kişisel olarak kaçınmak için de asla yorumları okumamak gazeteciler arasında sık sık tekrarlanan bir öneri. Yani insanlar anlık düşünceleriyle bilerek veya bilmeyerek bir şeyleri pat diye yazıyorlar ama bazı durumlarda bu bizler için gerçekten utanç verici bir hal alabiliyor. Yani elbette ki bunlara tamamen engel olamayız veya görmezden gelemeyiz, olumsuz da olsalar bu işin bir parçası sayılırlar. IBM mühendisleri bunun bir nebze de olsa önüne geçebilmek için küfürlü ve kırıcı yorumları filtreleyerek yerlerine daha olumlu alternatifler öneren bir algoritma geliştirdi. Derin öğrenmenin düzgün işleyebilmesi için çok miktarda veri grubuna ihtiyacımız olduğunu belirtmiştik. Mühendisler bahsi geçen sistemi oluşturabilmek için yaklaşık 10 milyon tweet ve Reddit gönderisi topladılar. Algoritma girdiğiniz cümleyi direkt biraz daha nazik bir yoruma çevirmiyor, bunu bir öneri olarak sunuyor. “Bak fikrini bu şekilde de ifade edebilirsin.” havası yaratarak farkındalık yaratmaya çalışan bu “üslup düzeltici” sistem ne yazık ki şu an sadece İngilizce kaynaklı olduğu için ülkemizde kullanılamayacak.Umarım en yakın zamanda Türkçe kaynakların bir araya getirilerek veri setleri oluşturulması hakkında adımlar atılır ve biz de bu sistemin nimetlerinden yararlanıyor oluruz. A
yrıca bunun kadar hatta bundan daha da hassas olan toplumsal diyemiyeceğim dünyada mevcut olan bi sorun: çocuk istismarı. Bu konuda da Microsoft‘un bi girişimi var. Artemis Projesi diye adlandırdıkları araç pedofili işaretlerini önceden görmek ve çocuklara yönelik yapılan bu saldırıların önüne geçmek için metin tabanlı sohbetleri analiz ediyor. Microsoft tarafından Thorn üzerinden ücretsiz olarak sunulan bu sistem umarım çoğu şirket tarafından benimsenir ve işlevsel olarak kullanılır, en azından sosyal platformlardaki çocuk istismarının bir nebze önüne geçmiş oluruz.
Haberlerin daha geniş ve detaylı hali gelecekburada.net’te, linkini podcastin metnini paylaştığımızda ekleyeceğiz.
Bizimle Facebook, Instagram ve Twitter’da gelecek_burada adreslerinden iletişime geçebilirsiniz. Öneri ve eleştirilerinizi duymak bizi mutlu edecektir. Bir dahaki bölümde görüşmek üzere.“
