Yapay Zekanın Öğrenme Kapasitesi

Bu makale “Yapay zekâ tehlikesi düşündüğünüzden daha garip” konferansına değişik bir bakış açısı sunmak için yazılmıştır. Konferansta yapay zekadan neden korkulmasına gerek olmadığı gayet güzel açıklanıyor. Ama yapay zekanın öğrenme kapasitesi hakkında bir şeyler söylemek gerekiyor.

Amerika yerlilerinin Avrupalı insanlarla ilk karşılaşmalarını hatırlayalım. Onların makinelerini, gemilerini anlayabilecek durumda değillerdi. Dolayısıyla o şeyleri kendilerinin bilgi altyapılarıyla nasıl tanımlayabilirlerdi. Elbette en kolay şekilde kavrayabilecekleri şekilde etiketlemelilerdi. Makineler sihirdi. Gelenler de muhtemelen tanrılardı. Yani kendilerinin o güne kadar biriktirdikleri doğa bilgisi altyapıları ancak bu kadar çıkarsamaya yetebiliyordu.

“Birisi Tesla'nın oto-pilot yapay zekasını kullanırken ölümcül bir kaza oldu, fakat tasarlandığı üzere otoyolda kullanmak yerine, şehrin sokaklarında kullandılar. Olan şey de şuydu; bir kamyon, arabanın önüne sürdü ve araba fren yapamadı. Yapay zekâ kesinlikle resimlerde kamyonları saptamak üzere eğitilmişti. Fakat olan şey şu gibi görünüyor, yapay zekâ otoyolda giden kamyonları saptamayı öğrenmişti, yani kamyonları arkadan göreceğimiz bir şekilde öğrenmişti. Yanı görünen kamyonların otoyolda olmaları beklenmez ve yapay zekâ bu kamyonu gördüğünde, büyük olasılıkla bir yol işareti olarak algıladı ve altından geçmenin güvenli olduğunu düşündü.” diyor Janelle Shane.

Elbette görmeyi çok sade şekilde öğrenmiştir sürücüsüz araba. Bu yüzden hatalar yapmaktadır. “...Ancak tüm bunlar, yıllar sürmüş körlüğün ardından ameliyatla görme yetisini yeniden kazanmış hastalarda izleneceği üzere, öyle pek de zahmetsiz gerçekleşen şeyler değildir. Bu hastalar dünyayı birdenbire görmek yerine, görmeyi yeniden öğrenmek zorundadır. Dünya, onlar için başlangıçta çevrelerinde uğuldayıp duran bir şekil ve renk bombardımanından ibarettir; gözleri, görüntüleri son derece berrak biçimde algılama yetisine sahip olduğu halde, beyinlerinin gelen verileri yorumlamayı öğrenmesi zaman alacaktır.” şeklinde yazar nörolog David Eagleman.

İnsanlar için bile görmeyi öğrenmek oldukça zahmetlidir, üstelik yeniden öğreniyor olduğu zaman bile. Yapay zekadan derinlemesini görmeyi öğrenmesini beklemek için henüz erken. Görmeyi öğrenebilmesi için bekleyebileceği karşılaşmaların neler olabileceğini iyi tahmin etmesi gerekir. Bunun için şeyleri resim olarak değil nesne, araç olarak da tanıyor olması gerekir. Oysa şuanda, arkadan görünen kamyonla, yandan görünen kamyon farklı şeylerdir. Kamyonu bir nesne, bir araç olarak bilmemektedir. Nesne olarak bilebilmek daha derin bir kavrayışı gerektirir. Peki bunu sağlamak nasıl mümkün olur!

Bilimkurgusal bir örnek verelim. İnsanların galaksiler arası yolculuk yapabilen bir uygarlıkla tanıştığını varsayalım. O uygarlıktan yolculuğu mümkün kılan bilimi öğrenmek istemiş olsunlar. Neler olurdu acaba. Anlatılan çoğu şeyi farklı anlayacaklardır. Yanlış ayrıntıları birbirine bağlayacaklardır. Çünkü altyapıları hazır değil. Egitilmeleri zahmetli olacaktır. Önce altyapı olacak bir sürü farklı konunun da anlatılması gerekecek. Muhtemelen insanların fizik bilimi altyapıları oldukça değişecek. Tıpkı genel göreliliğin yer çekimi kanunlarının altyapısını geçerliliğini sarsması gibi, galaksiler arası yolculuk yapma bilimi o zamana kadar keşfettiğimiz bilimi geçersiz kılabilir. Yeni olguları anlamakta güçlük çekebiliriz. Böyle bir durumda umalım da 80 milyar sinir hücresi bu kadar geniş konuyu anlamaya yetsin. Yani insanlar da kendilerini aşan bilgiyle karşılaştıklarında komik çıkarsamalar yapabilir. İşte bu durum, sürücüsüz arabanın yolu anlamasının geniş ölçekli haline benzemektedir.

Janelle Shane sürücüsüz arabanın, yola aniden çıkan bir kanguruyu da algılayamadığını belirtmiştir, “Many of us thought we’d be riding around in AI-driven cars by now - so what happened?” yazısında. Araba, böyle sıra dışı durumlar için eğitilmemiştir çünkü. Doğrudur. Ama bir de şöyle düşünelim. Bir insanın doğumdan itibaren hiç hayvan görmemiş duymamış olması mümkün olsaydı neler olurdu acaba. Diyelim ilk kez bir kanguruyla karşılaşmış olsaydı kim bilir nasıl korkardı. Hayrete düşerdi. Onun ne olduğunu anlamakta zorlanırdı, yani bir hayvanın varlığını da ilk kez tanık olduğunu düşünün.

“Amazon, algoritmanın kadınlara karşı ayrımcılık yapmayı öğrendiğini keşfettiği zaman, bir özgeçmiş-sıralama algoritmasından vazgeçmek zorunda kaldı. Olan şey şuydu, yapay zekâyı geçmişte işe aldıkları insanlara ait örnek özgeçmişlerle eğittiler. Yapay zekâ da bu örneklerden, kadın okullarına gitmiş olan veya özgeçmişinin herhangi bir yerinde "kadın" kelimesi geçen, -- "kadın futbol takımı" veya "Kadın Mühendisler Derneği" gibi -özgeçmişlerden kaçınmayı öğrendi. Yapay zekâ, insanların yaptığını gördüğü bu şeyi kopyalaması gerekmediğini bilmiyordu. Teknik olarak da yapmasını istedikleri şeyi yaptı. Sadece, yanlış şeyi yapmasını istediler.” şeklinde konuşuyor Janelle Shane. Amazon'daki örnek ilginçtir. Ama aynı görev bir insana da verilebilirdi. O da önceki özgeçmişleri inceledikten sonra Amazon'da kadın çalışanların pek sevilmediğine karar verebilirdi. İşe alımlarda, insanların yaptığını gördüğü bu şeyi aynen kopyalayabilirdi. Üstelik cinsiyet eşitliği konusunda bazı insanları eğitmek algoritmayı eğitmekten çok daha zor olabilir.

Doğumundan beri kafeste yetişen bir kuş düşünelim. Bu kuşun bir gün doğaya bırakıldığını varsayalım. Dışarıdaki nesneleri tanımakta zorlanacaktır. Ağacın dalları diye bir şey bilmeyecektir. Olaylar arasında bağlantı kuramayacaktır. Çünkü gerçek hayat, öğrendiği sade dünyası gibi değildir. Yemek, yem kabında değildir artık. Besine ulaşması için ne yapması gerektiğinden emin değildir. Hayatta kalması zor olacaktır. Balığı seçebilmek için insan parmaklarını da arayan yapay zeka gibi, yemek için yem kabını özellikle aramak zorunda olduğunu düşünebilir kuş.

Janelle Shane yapay zeka konusunda kendi örneğini verirken “Kelimelerin ne anlama geldiğine dair veya isimleri bulurken kullanmaması gereken bazı kelimeler olabileceğine dair hiçbir şey söylemedim. Yani onun tüm dünyası, benim ona sağladığım veri. Dondurma tatları gibi, başka hiçbir şey bilmiyor.” diyor. Haklıdır. Yapay zeka şimdilik emekliyor. Henüz çok az sinir ağı olduğundan fazlasını beklemek haksızlık olur ama. Bazı demokratik olmayan iktidarlar vatandaşlarının dünyayla bağlantısını düşük tutmaya çalışır. Örneğin basın devletin kontrolündedir. Dışarıya kapalı kendi internetini kurmaya çalışır. Böylece vatandaşların beklentilerini mümkün olduğunca düşük tutar. Yönetimin vatandaşları istediği her şeye inandırması daha kolay olur. O insanlar, dünyayı kendilerine anlatıldığından ibaret olduğunu düşünürler. Böylece onları yönetmek daha kolay olur. Yani insanların bilgileri bile, ancak kendilerine sunulandan ibaret olabiliyor bazen, 80 milyar sinir hücresine rağmen.

Evet, YSA'nın gariplikleri olabilir. Ama bu gariplik sinir ağlarının genel yapısından kaynaklanır. İnsan beyninin de böyle garip tehlikeler göstermiyor olmasının nedenleri vardır. Birincisi 80 milyar sinir hücresinin olması. İkincisi doğumdan itibaren yıllarca eğitilmiş olması. Üstelik bir sürü olağan süreçler konusunda. Bu geniş altyapı sayesinde olayları birbirine bağlayabiliyor. Dolayısıyla karşılaştığı durumları kolayca tanıyor. Daha derin anlayabiliyor. Oysa mesela bebekken doğal süreçleri tanımak konusunda çok sık hata yapacaktır.

Şimdi YSA'ları düşünelim. YSA'lar henüz çok az sinir ağından oluşmaktadır ne yazıkki. Dolayısıyla hedeflenen sınırlı bir konuda eğitilebilmektedir şimdilik. Bu yüzden derin bir öğrenme olmuyor. Çünkü gerçek dünyada bir konu diğer birçok konuya bağlıdır. Yani bir nesnenin ne olduğunu öğrenmeden, sadece görüntülerle sürüş öğretmeye çalışmak, eksik bağlantılarla öğrenmesine neden olur. Milyarlarca sinir ağı olan bir yapay zeka hayal edelim; zaten gelecekte böyle olacaktır: Bir bebek gibi bir sürü durumla, nesneyle muhatap edilsin. Yıllarca neyin doğru neyin yanlış olduğu gösterilsin. İşte bu yapay zeka nesneleri gerçekten anlamaya başlayacaktır. Daha iyi bağlantılar kurmuş olacaktır durumlar arasında. Böylece daha derin kavrayış sağlayabilecektir. Örneğin geniş bir altyapıya sahip yapay zeka, parmakların insanların bir uzvu olduğunu önceden biliyor olacaktır. İşaret ettiği balıkları öğrenmesinin istendiğini ayırt edebilecektir. Günümüzdeki sürücüsüz arabalar gibi sadece otoyol bilgisini kapsamayacaktır. Sürüş yapmayı öğrenmeden önce nesneleri daha iyi anlayabilecek geniş bir altyapısı hazır olacaktır zaten. Böyle kapsamlı altyapı, bin iki bin sinir bağlantısına sığmaz elbette. Ama milyarlarca sinir ağını çok uzun süre bir çok durumla eğitmek mümkün görünmüyor şimdilik. Yapay zekayı diğer konularla hiç bağlantısı olmayan dar kapsamlı konularda eğitmek bu yüzden daha kolaydır. Çünkü kurallar kesin ve açık olur. Harici şeylerden haberdar olmaya gerek yoktur. Sıra dışı durumlarla karşılaşılmaz. Böylece konuya hakim olunabilecek kadar öğrenme sağlanabilir. Örneğin satranç veya go oyununda kolayca eğitilebilir. Çünkü satranç gerçek dünyadaki diğer hiçbir olayla bağlantılı değildir. Mesela bir insanın ne olduğunu anlaması gerekmez. Sınırlı sayıda kuralı anlaması yeterlidir. Geniş bir altyapı oluşturulmaz. Milyarlarca sinir ağı olmasına rağmen bir bebeğin bile yıllarca bir çok duruma tanıklık etmeden önce yani geniş bir altyapı biriktirmeden önce dünyayı, nesneleri anlamakta son derece çaresiz kaldığını unutmayalım.