MASTER ALGORİTMA — Yapay Öğrenme Hayatımızı Nasıl Değiştirecek?

TSK’YA KARŞI 12 KOPMLO
7 Ekim 2017
HRANT’IN KATİL(LER)İ…
7 Ekim 2017

MASTER ALGORİTMA — Yapay Öğrenme Hayatımızı Nasıl Değiştirecek?

Pedro DOMINGOS : 
 
Washington Üniversitesi’nde
bilgisayar bilimi profesörüdür. Veri bilimindeki en prestijli ödülü olarak kabul edilen SIGKDD Innovasyon Ödülü’ne layık görülmü
ş bir bilim adamıdır.
 
 
Belki farkında değilsiniz ama yapay öğrenme, hayatın her alanında  yayılmış durumda. Kitap satın almak için
Amazon.com sitesine veya video izlemek için Netflix’e girdi
ğinizde yapay öğrenme sistemi size yardımcı olmak
için ho
şlanabileceğiniz bazı tavsiyelerde bulunur. Facebook size
gösterilecek güncellemeleri belirlemek için yapay ö
ğrenmeyi kullanır. Bilgisayarı her kullandığınızda yapay öğrenme muhtemelen bir yerlerde devreye girer.
Geleneksel olarak bilgisayarların iki
sayıyı toplamaktan bir uça
ğı  uçurmaya
kadar herhangi bir 
şeyi
yapmasının tek yolu, bunun nasıl yapılaca
ğını açıklayan bir algoritmayı bütün
ayrıntılarıyla yazmaktı.
Cep telefonunuz da algoritmalarla doludur.
Bunlar yazım hatalarınızı düzeltmek, sesli komutlarınızı anlamak, iletim
hatalarını azaltmak, barkodları okumak ve daha birçok 
şeyi yapmak için sürekli görev başındadır.
Toplum, öğrenen algoritmalarla adım adım değişiyor.
Yapay ö
ğrenme bilim, teknoloji, ticaret, politika
ve sava
şı yeniden şekillendiriyor. Uydular, DNA dizileyiciler
ve parçacık hızlandırıcılar do
ğayı en
ince ayrıntısına kadar inceliyor ve ö
ğrenen algoritmalar veri akışını yeni bilimsel bilgilere dönüştürüyor. Şirketler müşterilerini
hiçbir zaman olmadı
ğı kadar çok
tanıyor. En iyi  seçmen modellerine sahip olan aday seçimi kazanıyor,
tıpkı Obama’nın Romney kar
şısında
kazandı
ğı gibi.
Google’ın sürücüsüz otomobili, yoldan
çıkmamayı kendi kendine ö
ğretti:
Hiçbir mühendis A noktasından B noktasına nasıl gidilece
ğinin adım adım talimatlarını veren
bir algoritma yazmadı. Hiç kimse bir otomobili kendi kendine gidecek 
şekilde nasıl programlayacağını bilmiyor ve kimsenin bilmesi de
gerekmiyor, çünkü ö
ğrenen
algoritmayla donatılmı
ş bir
otomobil, sürücünün ne yaptı
ğını gözlemleyerek
bunu ö
ğrenir.
Homo sapiens, kendini dünyaya adapte etmek yerine dünyayı kendine
adapte eden türdür.
Yapay öğrenme bu milyon yıllık destanın en yeni bölümüdür:
Onunla birlikte, dünya sizin ne istedi
ğinizi
anlıyor ve parma
ğınızı bile
kıpırdatmanıza gerek olmadan iste
ğinize
göre de
ğişiyor. Çevreniz-bugün
sanal olarak, yarın fiziksel olarak- sihirli bir orman gibi, siz hareket
ettikçe kendi kendini yeniden düzenliyor.
Her yıl yüzlerce öğrenen algoritma geliştirilir ama hepsi aynı birkaç temel fikre
dayanır. Bu kitap da, i
şte
bu temel fikirler hakkında ve yapay ö
ğrenmenin dünyayı nasıl değiştireceğini anlamak için de onları gerçekten
bilmeniz gerekti
ği
hakkındadır. Ezoterik olmaktan çok uzak ve bilgisayarlardaki kullanım
alanlarından oldukça ayrı olan bu temel fikirler, hepimizi ilgilendiren
sorulara yanıt verirler: Nasıl ö
ğreniriz? Bunun daha iyi bir yolu var mı?
Neleri öngörebiliriz? Ö
ğrendiğimiz şeylere güvenebilir miyiz?
Yapay öğrenme içindeki rakip düşünce ekolleri bu sorulara çok farklı yanıt
veriyor. Belli ba
şlı beş tane vardır ve bunların her birine
bir bölüm ayırdık. Yapay ö
ğrenmenin
be
ş ana kolunun her biri kendine özgü Master
Algoritma’ya sahiptir.
Master Algoritma, prensipte her türden
alandaki veriden bilgiye ula
şmak
için kullanabilece
ğiniz
genel amaçlı bir ö
ğrenicidir.
Master Algoritma, e
ğer
varsa, dünyadaki geçmi
şşimdiki ve gelecek tüm bilgi birikimini
verilerden elde edebilir. Onun icadı, bilim tarihindeki en büyük ilerlemelerden
biri olacaktır.
Yapay Öğrenme Devrimi
Algoritmalar çağında yaşıyoruz.
Sadece bir iki ku
şak önce, algoritma denince
ço
ğu kişinin zihninde bir şey canlanmazdı. Günümüzde ise algoritmalar uygarlığın her köşesinde. Gündelik hayatın her dokusuna işlenmiş durumda. Sadece cep telefonunuz veya
dizüstü bilgisayarınızda de
ğil  evinizde,
cihazlarınızda ve oyuncaklarınızda da. Bankanız, insanların orada burada dü
ğmelere dokunduğu devasa bir algoritmalar yığını. Algoritmalar uçak  seferlerini
planlıyor ve daha sonra da uçakları uçuruyor. Algoritmalar
fabrikaları i
şletiyor,
malları satıp sevk ediyor, tahsilat yapıyor ve kayıt tutuyor. Her bir
algoritma aniden duruverse bildi
ğimiz
haliyle dünyanın sonu gelirdi.
Algoritma, bilgisayara nelerin yapılması gerektiğini söyleyen talimatlar dizisidir.
Bilgisayarlar, transistor adı verilen milyarlarca küçük anahtardan olu
şur ve algoritmalar bu anahtarları saniyede
milyarca kez açıp kapatır. En basit algoritma, anahtarı çevirmektir. Bir
transistorun durumu, en küçük bilgi da
ğarcığıdır: transistor etkinse bir, değilse sıfır. Bankanızın
bilgisayarlarındaki  bir bit, hesap bakiyenizin yeterli olup olmadı
ğını söyler. Sosyal Güvenlik
Kurumu’nun bilgisayarlarındaki bir ba
şka
bit, sizin hayatta olup olmadı
ğınızı söyler.
İkinci en basit algoritma, iki biti birleştirmektir. Bilgi kuramının
babası olarak tanınan Claude Shannon, transistorların birbirine yanıt
olarak açılıp kapatıldıkça ne yaptı
ğını fark
eden ilk ki
şidir: uslamlama.
İnsanlar genellikle bilgisayarların tamamen
sayılardan ibaret oldu
ğunu
şünür, oysa bilgisayarlar sayılardan değil tamamen mantıktan ibarettir. Sayılar ve
aritmetik, mantıktan yapılmı
ştır,
tıpkı bilgisayarda geri kalan her 
şey gibi.
Michelangelo, yaptığı tek şeyin heykelleri mermer bloğunun içinde görmek ve heykel ortaya çıkana dek de
ta
şın fazlalıklarını yontmak olduğunu söylemiştir. Benzer bir biçimde, algoritma da ister bir uçağın otomatik pilotu ister yeni bir Pixar
filmi olsun amaçlanan i
şlevi
gerçekle
ştirmek için bilgisayarlardaki aşırı transistörleri kesip atar.
Her bilgisayar bilimci, karmaşıklık canavarıyla her gün mücadele eder.
Bilgisayar bilimciler sava
şı kaybettiğinde karmaşıklık hayatlarımıza girer. Büyük olasılıkla birçok
sava
şın kaybedildiğini fark etmişsinizdir.
Yine de algoritmalar kulemizi giderek daha fazla zorlanarak da olsa in
şa etmeye devam ederiz. Her yeni algoritma
ku
şağı,
daha öncekilerin üstüne in
şa
edilmek ve kendi karma
şıklığının yanı sıra onların karmaşıklığıyla da başa çıkmak
zorundadır. Kule gittikçe yükselir ve tüm dünyayı kaplar ama çökmeyi
bekleyen kâ
ğıttan kuleler gibi gittikçe daha
kırılganla
şır. Bir algoritmadaki ufacık bir hata
yüzünden milyar dolarlık bir roket patlayabilir veya milyonlarca ki
şi elektriksiz kalabilir. Algoritmaların
beklenemedik bir biçimde etkile
şime
girmesi sonucunda borsa çökebilir.
Programcılar ufak çaplı birer tanrıysa,
karma
şıklık canavarı da şeytanın
ta  kendisidir.  Küçük  adımlarla  sava
şı  kazanmaktadır.  Bunun  daha  iyi
bir 
yolunu bulmak
gerekir.
Bazı öğrenen algoritmalar bilgi dağarcığını öğrenirken, bazıları yetenekleri öğrenir. “Bütün
insanlar ölümlüdür” bir bilgi da
ğarcığı parçasıdır.
Bisiklet  sürmek ise yetenektir. Yapay ö
ğrenmede bilgi dağarcığı genellikle
istatiksel modeller 
şeklindedir çünkü çoğu bilgi dağarcığı istatistikseldir:
Bütün insanlar ölümlüdür ama yalnızca yüzde 4’ü Amerikalıdır.
Yetenekler ise genellikle prosedürler 
şeklindedir: Yol sola kıvrılıyorsa direksiyonu sola
cevir veya önüne bir geyik çıkarsa frene bas. (Ne yazık ki bu satırların
yazıldı
ğı tarihte, Google’ın sürücüsüz
otomobilleri, geyikleri rüzgârda uçu
şan
plastik po
şetlerden ayıramıyordu.)
Prosedürler genellikle çok basittir ve
karma
şık olan, onların temelindeki bilgi dağarcığıdır. Hangi elektronik postaların istenmediği belliyse hangilerinin silinmesi gerektiğini bilebilirsiniz.
Satranç tahtasında hangi pozisyonun iyi oldu
ğu belliyse hangi hamlenin yapılması gerektiğini (en iyi pozisyonu sağlayan hamleyi) bilebilirsiniz.
Yapay öğrenme birçok farklı şekle bürünür ve birçok farklı ad
alır: örüntü tanıma, istatistiksel modelleme, veri madencili
ği, bilgi dağarcığı keşfi, öngörücü analiz, veri bilimi,
adaptif sistemler, özörgütlenmeli sistemler vs. Bunların her  biri
farklı topluluklar tarafından kullanılır ve farklı ça
ğşımlara
sahiptir. Bazıları uzun bir yarı-ya
şam süresine sahiptir, bazılarında bu süre daha
kısadır. Bu kitapta yapay ö
ğrenme terimini bunların tümünü kapsayacak şekilde geniş anlamda kullanıyorum.
Yapay öğrenme bazen Yapay Zekâ ile (Artificial
Intelligence -AI) karı
ştırılır.
Teknik olarak, yapay ö
ğrenme
Yapay Zekânın bir alt alanıdır ama öylesine büyük ve ba
şarılı bir şekilde gelişmekte ki gururlu ebeveynini şimdiden gölgede bıraktı.
Yapay Zeka’nın amacı, bilgisayarlara insanların hâlihazırda yaptığı şeyleri daha iyi yapmayı öğretmektir ve öğrenme bunların en önemlisi olarak
görülebilir. Ö
ğrenme
olmadan hiçbir bilgisayar insana uzun süre ayak uyduramaz; ö
ğrenme olduktan sonra gerisi gelir.
Bilgi işleme ekosisteminde, öğreniciler süper yırtıcılardır. Veri tabanları, arama
robotları, dizin olu
şturucular
vs uçsuz bucaksız veri tarlalarında sabırla i
şini yapan otçullardır. İstatistiksel algoritmalar, çevrimiçi analitik işlem vs yırtıcılardır. Otçullar
gereklidir çünkü onlar olmadan di
ğerleri de var olamazdı ama süper yırtıcıların
hayatı daha heyecanlıdır. Arama robotları bir ine
ğe benzetilebilir, web tüm dünyaya yayılan
bir çayır ve her web sayfası da bir sap ottur. Arama robotu i
şini tamamladığında, hard disklerinde web’in bir kopyası durur.
Dizin olu
şturucu, tıpkı bir kitabın sonundaki
dizin gibi, her sözcü
ğün
göründü
ğü sayfaların listesini oluşturur. Veri tabanları filler gibi
büyük ve  a
ğırdır
asla unutmazlar. Bu sabırlı hayvanların arasında istatiksel ve analitik
algoritmalar verileri kompakt hale getirip ayıklar ve bilgiye dönü
ştürür. Öğreniciler bu bilgiyi yer, sindirir ve bilgi dağarcığına dönüştürür.
Sanayi Devrimi, elle çalışmayı otomatik hale getirmiş, Bilgi Devrimi de aynı şeyi zihinsel çalışma için yapmıştır ama yapay öğrenme otomasyonun kendisini otomatik hale getirir. Bu
olmaksızın programcılar ilerlemenin önündeki engel haline gelirler. Bunun
sayesinde ilerlemenin hızı artar.
Tembel ve pek de parlak olmayan bir
bilgisayar bilimciyseniz, yapay ö
ğrenme
sizin için ideal bir u
ğraştır çünkü bütün işi öğrenen algoritmalar yapar ama
bütün övgüyü siz alırsınız. Öte yandan ö
ğrenen  algoritmalar, şiirsel adaletin neticesi olarak işimizi elimizden alabilir.
İşletmeler yapay öğrenmeye neden sıcak bakıyor?
Google neden Yahoo’dan çok daha değerli? Her ikisi de web üzerinde
reklam yayınlamaktan para kazanıyor ve her ikisi de en önemli u
ğrak noktaları. Her ikisi de reklam satmak
için açık arttırma yöntemini, kullanıcının bir reklamı tıklama olasılı
ğını (olasılık ne kadar yüksekse
reklam o kadar de
ğerli) öngörmek
için de yapay ö
ğrenmeyi
kullanıyor. Ancak Google’ın ö
ğrenen
algoritmaları, Yahoo’nunkilerden çok daha iyi. Bu elbette  ki piyasa
de
ğerlerindeki farkın tek nedeni değil ama oldukça önemli. Öngörüldüğü halde gerçekleşmeyen her tıklama, reklamcı için boşa harcanmış bir fırsat ve web sitesi için de gelir kaybıdır.
Google’ın yapay öğrenmenin büyük bir tutkunu olduğu ve Yahoo’yla diğerlerinin ona yetişmeye çalışğı şüphe götürmez.
Web reklamcılığı, çok daha büyük bir fenomenin sadece tek
göstergesidir. Her piyasada, bir i
şlem
gerçekle
şmeden önce üretici ve tüketicilerin
ba
ğlantı kurması gerekir. İnternetten önce, bunun önündeki
ba
şlıca engeller fizikseldi. Yalnızca, kendi
bölgenizdeki kitapçıdan kitaplar alabiliyordunuz ve onun
da  rafları sınırlıydı. Ama istedi
ğiniz her kitabı her an elektronik okuyucunuza indirebildiğinizde, problem artık seçeneğin çok fazla olmasıdır. Milyonlarca
kitap satan bir kitapçının raflarına nasıl göz atabilirsiniz ki?
Şirketler büyürken üç aşamadan geçer:
 İlk başta her şeyi manuel olarak yaparlar: Aile işletmelerinin sahipleri
şterilerini kişisel olarak tanır ve buna uygun ürünler sipariş eder, sergiler ve tavsiye eder. Bu aşama sorunsuzdur ama genişlemeye açık değildir.
 İkinci ve en mutsuz aşamada, şirket
bilgisayar kullanmaya ihtiyaç duyacak kadar büyür. Programcılar, danı
şmanlar ve veri tabanı yöneticileri
devreye girer ve 
şirketin
otomatik hale getirilebilecek tüm i
şlevlerini
otomatikle
ştirmek için milyonlarca satır kod yazılır.
Çok daha fazla insana hizmet verilir ama yine de yeterli de
ğildir: Kararlar işlenmemiş demografik
kategorilere göre alınır ve bilgisayar programları insanların
sonsuz çok yönlülü
ğüne
yanıt verebilecek kadar esnek de
ğildir.
Bir noktadan sonra ihtiyaç duyulan
her 
şeyi yapmak için yeterli programcı ve
danı
şman olmaz ve şirket ister istemez yapay öğrenmeye yönelir.
Nasıl ki veri tabanlarına sahip olmayan
bir banka sahip olan di
ğer
bankalarla rekabet edemezse, yapay ö
ğrenmeyi kullanmayan bir şirket de diğer şirketlere ayak uyduramaz.
Yapay öğrenme, şişirilmiş bilimsel yöntemdir. Hipotezleri üretme,
test etme ve ıskartaya çıkarma veya rafine etme sürecini izler. Ama
bilim insanları  hayatları boyunca sadece birkaç yüz
hipotez ortaya atıp test edebilirken, bir yapay ö
ğrenme sistemi aynı şeyi bir saniyeden kısa sürede yapabilir. Yapay öğrenme, keşfi otomatik hale getirir. Bu nedenle hem bilim hem de
i
ş dünyasında devrim etkisi
yaratması hiç 
şaşırtıcı değildir.
Bilgisayarlar icat edilmemiş olsaydı, bilim 20. Yüzyılın ikinci
yarısında durma noktasına gelirdi. Bilim insanları halen kaydedebildikleri
sınırlı ilerlemeye
 
odaklanmış oldukları için bunu hemen fark
etmeyebilirdi ama bu ilerlemenin üst sınırı çok ama çok daha
alçakta olurdu. Benzer bir biçimde, yapay ö
ğrenme olmaksızın birçok bilim dalında gelecek on
yıllarda verim dü
şerdi.
2011’de “büyük veri” fikri
hiç olmadı
ğı kadar yaygınlaşınca, yapay öğrenme küresel ekonominin geleceğinin merkezine oturmuştur. Günümüzde yapay öğrenmenin kendini hissettirmediği bir insani uğraşı alanı neredeyse
kalmamı
ş gibidir; müzik, spor ve şarap tadımı gibi en zayıf görünen
adaylar bile bunların arasında yerini almı
ştır.
Master Algoritma
Yapay öğrenmenin uygulama yaygınlığından daha da şaşırtıcı olan şey, bu farklı şeylerin tümünü aynı algoritmaların
yapmasıdır. 
İki
farklı problemle kar
şı karşıyasanız, Yapay öğrenme olmadıkça iki farklı program
yazmanız gerekir. Aynı altyapının bir kısmını, örne
ğin aynı programlama dilini veya aynı veri
tabanı sistemini kullanabilirler. Ama örne
ğin satranç oynayan bir program ile
kredi  kartı uygulamaları gerçekle
ştirmek isterseniz hiçbir fayda sağlamaz.
Yapay öğrenmede, öğrenmesi için uygun veriyi sağladığınız
takdirde aynı algoritma her ikisini de yapar. Aslında Yapay ö
ğrenme uygulamalarının büyük bir çoğunluğundan sadece birkaç algoritma sorumludur.
Sinirbilime dayalı argüman 2000  yılının  Nisan  ayında,  MIT’de  görev  yapan  bir  sinirbilimciler ekibi Nature dergisinde olağandışı bir
deneyim sonuçlarını duyurdu.
Bir dağ gelinciğinin
beyninin ba
ğlantılarını yeniden oluşturdular: Gözlerin bağlantılarını işitsel kortekse (beynin sesleri işitmekten sorumlu olan kısmına) ve
kulakların ba
ğlantılarını görsel kortekse
yönlendirdiler. Da
ğ gelinciğinin ciddi bir biçimde sakat kaldığını düşünebilirsiniz ama öyle olmadı: İşitsel korteks görmeyi, görsel korteks de işitmeyi öğrendi ve dağ gelinciği iyiydi.
Normal memelilerde görsel korteks
retinanın bir haritasını içerir: Retinanın kom
şu bölgelerine bağlanan nöronlar kortekste birbirlerine yakındır. Bağlantıları yeniden kurulan dağ gelinciklerinde, işitsel korteks retinanın bir
haritasını geli
ştirmişti. Görsel girdi dokunma algısından
sorumlu beden-duyusal kortekse yönlendirilirse, o kısım da görmeyi ö
ğrenir. Diğer memeliler de bu yeteneğe sahiptir. Doğuştan
görme engellilerde görsel korteks, beynin ba
şka işlevlerini üstlenebilir.
Duyma engellilerde de i
şitsel
korteks aynı 
şeyi
yapar. Görme engelliler, ba
şlarına
takılan bir kameradan dillerine yerle
ştirilen
bir dizi elektroda video görüntüleri göndererek
dilleriyle “görmeyi” ö
ğrenebilir.
Yüksek voltajlar parlak piksellere kar
şılık
gelirken, dü
şük voltajlar koyu piksellere karşılık gelir. Ben Underwood adlı görme
engelli çocuk, gezinmek için yarasaların yaptı
ğı gibi sesle yer belirlemeyi (ekolokasyon) kendi
kendine ö
ğrenmiştir. Diliyle çıkardığı seslerin yankılarını dinleyerek
engellere çarpmadan yürüyebiliyor, kaykaya binebiliyor ve hatta basketbol
oynayabiliyordu. Tüm bunlar, beynin yalnızca ba
ğlantılı oldukları farklı girdilere göre
ayırt edilebilen farklı duyulara tahsis edilmi
ş (örneğin
gözler, kulaklar, burun) alanlarında aynı ö
ğrenme  algoritmasının kullanıldığını kanıtlar.
Yaşamın sonsuz çeşitliliği
bir tek mekanizmanın sonucudur: do
ğal
seçilim (seleksiyon). Daha da dikkat çekici olan, bunun bilgisayar
bilimcilerin çok a
şina
oldu
ğu türden bir mekanizma olmasıdır.
Yinelemeli araştırmaya çok benzer: Bir problemi birçok
aday çözümü deneyerek, en iyi olanları seçip düzenleyerek ve bu
adımları gerekti
ği
kadar tekrarlayarak çözeriz.
Evrime dayalı argüman
Evrim bir algoritmadır. Victoria döneminde
ya
şamış olan bilgisayarın öncüsü Charles Babbage’ın
ifadesiyle, Tanrı türleri de
ğil türleri yaratmanın algoritmasını yaratmıştır.
Darwin’in Türlerin Kökeni kitabının
sonuç kısmında sözünü etti
ği “basit
bir ba
şlangıçtan en güzel sonsuz biçimin
türemesi” en güzel birlik fikriyle çeli
şir: Tüm bu biçimler, DNA dizilimlerinde kodlanır ve
hepsi bu dizilimlerin de
ğiştirilmesi ve birleştirilmesiyle ortaya çıkar. Sadece bu algoritmanın
bir tanımından yola çıkarak, onun sizi ve beni üretebilece
ğini kim tahmin ederdi ki?
Evrim bizi öğrenebiliyorsa yeterince güçlü bir bilgisayarda
uygulanması ko
şuluyla öğrenilebilecek her şeyi öğrenebilir.
Evrim, basit bir öğrenen algoritmanın yeterince veriye sahip
olması durumunda ne kadar çok 
şey başarabileceğinin en büyük örneğidir. Evrimin girdisi, şimdiye dek var olmuş tüm canlıların deneyim ve kaderidir.
Master Algoritma tilki mi, yoksa kirpi mi?
İnsan eli basittir; dört parmak ve bir başparmaktan oluşur ama sayısız araç yapabilir veya kullanabilir.
Kalem, kılıç, tornavida ve çatal için el neyse, algoritmalar için de
Master Algoritma odur.
Isaiah Berlin’in unutulmaz biçimde
belirtti
ği gibi, kimi düşünürler tilkidir yani birçok küçük şeyi bilirler ama kimileri de kirpidir yani
tek bir büyük 
şeyi
bilirler.
Aynı şey öğrenen
algoritmalar için de geçerlidir. Umarım Master Algoritma bir kirpidir ama e
ğer tilkiyse onu yakın bir zamanda
yakalayabilmemiz mümkün olmayabilir. Günümüzün ö
ğrenen Algoritmalarının en büyük problemi, çok
sayıda olmaları de
ğildir; çok
faydalı olmalarına ra
ğmen
henüz istedi
ğimiz her şeyi yapmamalarıdır.
Bilim günümüzde tam anlamıyla bölünmüştür; her alt topluluğun kendi jargonunu konuştuğu ve yalnızca kendisine yakın birkaç alt topluluğu görebildiği bir Babil Kulesi’dir. Master Algoritma tüm
bilimlerin birle
ştirici
bir görünü
şünü sunacak ve potansiyel olarak
her 
şey hakkında yeni bir teoriye yol
açacaktır.
YAPAY ÖĞRENME ÜZERİNE KURULU DÜNYA
Günümüzde dört tür veriniz olabilir:
Herkesle paylaşğınız veriler,
Arkadaşlarınız ve iş arkadaşlarınızla paylaşğınız
veriler,
Çeşitli şirketlerle
(bilerek veya bilmeyerek) payla
şğınız veriler,
Hiç paylaşmadığınız
veriler.
Amazon ve TripAdvisor’da yaptığınız değerlendirmeler, eBay geribesleme skorlarınız,
LinkedIn özgeçmi
şleriniz,
blog yazılarınız, tweet’leriniz vs ilk veri türüne girer.
Bu veriler çok kıymetlidir ve dört veri
türü içinde en az sorunlu olanlarıdır.
Siz istediğiniz için herkes bu verilere ulaşabilir ve bunlardan faydalanabilir.
Paylaşmak ya da Paylaşmamak, Nerede ve Nasıl?
Atlantic’ten Alexis Madrigal’ın işaret ettiği
gibi, günümüzde profiliniz olsa olsa yarım sent kar
şılığında
satın alınabilir ama internet reklam endüstrisi için bir kullanıcının de
ğeri yılda l.200 dolar kadardır.
Google’daki verileriniz yakla
şık
20 dolar, Facebook’taki verileriniz yakla
şık 5 dolar eder vs.
Bu verilere henüz hiç kimsenin sahip
olmadı
ğı verileri de ekleyin. Bütünün değerinin parçaların değerinin toplamından fazlası olduğunu da düşünürsek, tüm verilerinize dayalı bir model,
binlerce parçaya dayalı binlerce modelden çok daha de
ğerlidir. Amerika Birleşik Devletleri büyüklüğündeki bir ekonomi için yılda bir trilyon
doları a
şan bir meblağdan kolayca söz edebiliriz. Bu durumda, Fortune 500
listesine giren bir 
şirket
haline gelmek i
şten
bile sayılmaz. Bunu deneyip dolar milyarderi olursanız, nereden esinlendi
ğinizi unutmayın.
Elbette ki mevcut şirketlerden bazıları dijital
modelinizi barındırmaya can atacaktır. Örne
ğin, Google. Sergey Brin, “Google’ın beyninizin
üçüncü yarısı olmasını istiyoruz” 
diyor. Google’ın satın aldı
ğı bazı şirketlerin kullanıcı veri akışının, Goolge’ın kullanıcı veri akışını tamamlayan cinsten
olması  muhtemelen tesadüfi de
ğildir.
Google ve Facebook gibi şirketler yarışa önde başlayacak olsalar da çıkar çatışması nedeniyle dijital modelinizi
barındırmaya uygun de
ğildir.
Bu 
şirketler reklamları hedef kitleye
yönlendirerek para kazanırlar ve sizin çıkarlarınızla reklamcıların çıkarları
arasında denge kurmak zorundadırlar. Beyninizin ilk veya ikinci yarısının çatı
şan bağlılıklara sahip olmasını istemeyeceğinize göre, beyninizin üçüncü
yarısında bunu neden isteyesiniz?
Dikkat çekici bir olasılık da hükümetin
verilerinizi mahkeme kararıyla incelemesi veya hatta modeliniz bir suçlunun
modeline benziyorsa Azınlık Raporu (Minority Report) filminde
oldu
ğu gibi suçu önlemek için sizi hapse
atmasıdır. Veri 
şirketiniz
bunu önlemek için her 
şeyi şifreleyebilir ve şifreyi sadece size verebilir.
(Bugünlerde 
şifreli
veriler üzerinden 
şifreyi çözmeden
de hesaplamalar yapabilirsiniz.) Alternatif olarak, her 
şeyi evinizdeki hard diskinizde
tutabilirsiniz ve 
şirket
size gerekli yazılımı kiralar.
Kendi krallığınızın anahtarlarının kâr amacı güden bir kurumun
elinde olması fikrinden ho
şlanmadıysanız
bunun yerine bir veri birli
ğine
katılabilirsiniz. (Böyle bir veri birli
ği yoksa kendiniz kurmayı düşünebilirsiniz.)
Yirminci yüzyılda işçiler ve işverenler arasında denge sağlamak için sendikalara ihtiyaç duyulmuştu. Yirmi birinci yüzyılda da benzer bir
nedenle veri birliklerine ihtiyaç duyulacaktır. 
Şirketler, verileri toplama ve kullanma
noktasında bireylerden çok daha büyük bir kapasiteye sahiptir. Bu güç
dengesizli
ğine yol açar ve veriler ne kadar değerli olursa, onlardan öğrenilebilecek modeller o kadar iyi ve
faydalı olur ve dengesizlik de o kadar büyür.
Veri birliği, üyelerinin verilerin
kullanımı hakkında 
şirketlerle
e
şit şartlar altında pazarlık etmesini sağlar. Belki de sendikalar da sürece dahil
olabilir ve üyeleri için veri birlikleri kurarak tabanlarını geni
şletebilirler. Fakat sendikalar meslek ve
bölge temelinde örgütlenirken, veri birlikleri daha esnek olabilir. Ortak
noktalarınızın çok oldu
ğu
insanlarla bir araya gelirseniz ö
ğrenilen
modeller sizin için çok daha faydalı olacaktır.
Bir veri birliğine üye olmak, diğer tüm üyelerin verilerinizi görebileceği anlamına gelmez; herkesin havuza konan
verilerden ö
ğrenilen modelleri kullanabileceği anlamına gelir. Veri birlikleri,
politikacılara isteklerinizi iletmenin
bir aracı da olabilir. Verileriniz, dünyayı oyunuz kadar, hatta daha fazla
etkileyebilir, çünkü yalnızca seçim günlerinde sandık ba
şına gidersiniz. Diğer tüm günlerde verileriniz oyunuzdur. Ayağa kalkın ve ne kadar kalabalık olduğunuzu  gösterin!
Şimdiye kadar mahremiyet sözcüğünü hiç kullanmadım. Bu tesadüfi değil. Mahremiyet veri paylaşımı sorunun yalnızca bir boyutu ve
bugüne kadar birçok tartı
şmada
yapıldı
ğı gibi ona odaklanarak sorunun
bütününü gözden kaçırırsak yanlı
ş sonuçlara
ula
şabiliriz. Örneğin verilerin asıl amaçları dışında her
türlü kullanımını engelleyen yasalar a
şırı miyoptur.
İnsanlar bir web sitesinde profil
bilgilerini doldururken yaptıkları gibi  ba
şka yararlar uğruna
mahremiyetten vazgeçmek durumunda kaldı
ğında, mahrem değeri “Mahremiyet endişesi duyuyor musunuz?” gibi soyut sorulara alacağımız yanıtlardan çok daha düşüktür. Fakat mahremiyet tartışmaları genellikle soyut sorular
üzerinden yürütülüyor.
AvrupaBirliği Adalet Divanı, insanların unutulma
hakkının yanı sıra hatırlama hakkına da sahip oldu
ğuna karar kılmıştır; bu hatırlama kendi nöronları aracılığıyla da olabilir, bir sabit disk aracılığıyla da. Şirketler için de aynı şey geçerlidir ve bir noktaya kadar kullanıcılar, veri
toplayıcılar ve reklamcıların çıkarları örtü
şür. Dikkatin boşa harcanması hiç kimsenin yararına değildir ve daha iyi veriler daha
iyi ürünler üretir. Mahremiyet, ço
ğu zaman aksi düşünülse de birinin kaybının diğerinin kazancı olduğu bir oyun değildir.
Günümüzde çoğu insan, hem kendileri hakkında ne kadar çok veri
toplandı
ğının, hem de bunun potansiyel külfet ve
yararlarının ne oldu
ğunun
farkında de
ğil. Şirketler bir patlama endişesiyle bunu şimdilik sessiz sedasız yürütmekten memnunmuş gibi görünüyor. Ama er ya da
geç bir patlama ya
şanacak ve bunu
izleyen büyük karga
şada
hiç kimseye hizmet etmeyen çok ha
şin yasalar çıkacak. Bu nedenle şimdiden farkındalığı artırmak ve herkesin neleri paylaşıp neleri paylaşmayacağı ve
payla
şğı verileri nerede ve nasıl paylaşacağı hakkındaki bireysel tercihlerini
yapmasını sa
ğlamak
en iyisi.
Sinirsel bir ağ işimi
elimden aldı
Mesleğinizde beyninizin ne kadarını kullanıyorsunuz?
Beyninizi ne kadar çok kullanıyorsanız o kadar güvendesiniz. Yapay Zekânın
ilk zamanlarında bilgisayarların beyaz yakalılardan önce mavi yakalıları i
şinden edeceği düşünülmüştü. Çünkü beyaz yakalıların işleri beyni daha çok
kullanmayı gerektiriyordu. Ancak beklenen olmadı. Robotlar otomobillerin
parçalarını bir araya getiriyorlar ama in
şaat isçilerinin yerini almadılar. Öte yandan
yapay ö
ğrenme algoritmaları kredi analistleri
ve do
ğrudan pazarlamacıların işini ellerinden alıyor. İnsanlar için durum tam tersi olsa da
makineler için kredi ba
şvurularını değerlendirmek, bir inşaat alanına takılıp düşmeden gezinmekten daha kolaydır.
Beyninizin büyük bir kısmı görmek ve
hareket etmek için ayrılmı
ştır;
bu, etrafta dola
şmanın
zannedildi
ğinden çok daha karmaşık olduğunun bir işaretedir.
Evrim sayesinde kusursuz hale geldikten
sonra bunu ço
ğunlukla bilinçdışı bir biçimde yaptığımız için etrafta sorunsuzca dolanmayı doğal karşılarız. Narrative Science şirketi, beyzbol oyunlarının oldukça
iyi özetlerini yazabilen bir Yapay Zeka sistemine sahip ama aynı sistem
roman yazamaz, çünkü, George F. Will’in ho
şgörüsüne sığınarak,
hayatta beysbol oyunlarından çok daha fazla 
şeyin olduğunu
söyleyebiliriz. Konu
şma
tanıma, bilgisayarlar için zordur, çünkü konu
şan kişinin
neden bahsetti
ği hakkında hiçbir fikriniz olmadığında boşlukları doldurmak, konuşmacının rutin bir biçimde yuvarladığı sesleri anlamak zordur.
Algoritmalar, hisse senedi dalgalanmalarını öngörebilirler ama bunların
politikayla ili
şkisini
kurabilmek için hiçbir ipucuna sahip de
ğiller.
Bir meslek ne kadar çok bağlam gerektiriyorsa, bilgisayarların
onu  ba
şarma
ihtimali o kadar dü
şüktür.
Sa
ğduyu yalnızca anneniz size bunu öğütlediği için değil,
bilgisayarlar sa
ğduyuya
sahip olmadı
ğı için de önemlidir.
Bir bilgisayar işinizi yapmayı öğrendiyse, onunla rekabet etmeye kalkmayın; ondan
yararlanın. H&R Block halen faaliyette ama vergi beyannamesi
hazırlayanların i
şi
eskisinden çok daha az zahmetli; çünkü artık i
şin zahmetli kısmı büyük ölçüde
bilgisayarlar tarafından yapılıyor.
Bugünlerde en iyi satranç oyuncuları, yarı
insan yarı programdır. Borsa analistlerinden beysboldaki yetenek avcılarına
kadar daha birçok meslek için de aynısı geçerlidir. Rekabet, insanla makine
arasında de
ğil, makinesi olan ve olmayan insanlar
arasındadır.
Veri ve sezgi, binici gibidir; attan hızlı
ko
şmaya çalışmayın, atı sürün!
Bilgisayarların ve robotların her şeyi daha iyi yapabileceği bir gün gelse bile ki bu yakın
gelecekte olmayacak-en azından bazılarımız için halen i
ş olacaktır.
Bir robot kusursuz bir biçimde barmenlik
yapabilir ve mü
şterilerle
küçük sohbetler bile edebilir ama bar i
şletmecileri sırf insan oldukları için
insanları çalı
ştırmayı tercih
edebilirler. Günümüzde el i
şi ürünlerin
daha çok ra
ğbet
görmesi gibi, insan garsonların çalı
şğı restoranlar
da daha çok ra
ğbet  görecektir. Filmler,
otomobiller ve sürat teknelerine ra
ğmen
insanlar yine  tiyatroya gidiyor, ata biniyor ve yelkenlilerle
seyahat ediyorlar. Daha da önemlisi, bazı profesyonellerden gerçekten
de vazgeçilemeyecek çünkü i
şleri
bilgisayarların ve robotların do
ğası gereği sahip olmayacakları bir şey gerektiriyor: insan deneyimi.
Samimiyet ve yılı
şıklık
gerektiren i
şlerden söz etmiyorum, çünkü bunu
taklit etmek zor de
ğil;
robot evcil hayvanların ba
şarısı bunun
bir göstergesidir. 
İnsan
olma deneyimi olmaksızın hiçbir 
şekilde
anlayamayaca
ğınız beşerî bilimleri kastediyorum. Beşerî bilimlerin yok olma sarmalına
girdi
ğinden endişelensek de diğer
meslekler otomatik hale geldikten sonra küllerinden do
ğacaklar. Gittikçe daha çok şey makineler tarafından ucuza yapıldıkça,
sosyal bilimcilerin katkısı daha da de
ğer kazanacak.
Aksine, bilim insanlarının geleceği, ne yazık ki çok parlak değil.  Gelecekte tek bilimciler
pekâlâ bilgisayar bilimciler olabilir; yani bilim bilgisayarlar tarafından yapılabilir.
Emeğin toplam değeri önemli ölçüde
şğü için doğal kaynaklarının ülke nüfusuna oranı önem
kazanacak. Bu oranın en yüksek oldu
ğu ülkeler,
en  varlıklı ülkeler haline gelecek.
İnsanlar en az şimdiki kadar insan ilişkilerinde, kendini gerçekleştirmede ve spiritüellikte anlam
arayacaklar. Geçimini sa
ğlama
ihtiyacı, insanlı
ğın
barbarca geçmi
şinin bir diğer örneği
olarak tarihin tozlu sayfaları arasında yerini alacaktır.
Savaş insanların işi değil
Bilimi otomatik hale getirmekten daha zor
olsa da askerlik de otomatik  hale getirilecek. Robotların ba
şlıca kullanım alanlarından biri, insanlar
için çok tehlikeli olan 
şeyleri
yapmaktır ve sava
şmak
da çok tehlikelidir. Robotlar hâlihazırda bombaları etkisiz hale getiriyor
ve insansız hava araçları bir müfrezenin araziyi gözden geçirmesine imkân
tanıyor. Kendi kendine ilerleyen erzak kamyonları ve robot katırlar yolda.
Yakında robotların kendi başlarına tetiği çekmelerine izin verilip verilmeyeceğini karara bağlamamız gerekecek. Bunu savunanlar, bu sayede
insanların zarar görmesini engelleyebilece
ğimizi ve hızlı seyreden çatışma koşullarında uzaktan kontrolün mümkün olmadığını ileri sürüyorlar. Buna karşı çıkanlar ise robotların ahlakı
anlayamadı
ğını ve dolayısıyla hayati kararlarda
onlara güvenemeyece
ğimizi
savunuyorlar. Ancak onlara bunu ö
ğretebiliriz.
Daha derinlerdeki soru, buna henüz hazır olup olmadı
ğımızdır.
Askeri gereklilik, orantılılık ve
sivilleri ayırt etmek gibi genel prensipleri ortaya koymak zor de
ğil. Ancak bu prensiplerle somut eylemler
arasında uçurum vardır ve askerlerin muhakeme gücünün bunlar arasında bir
köprü kurması gerekir.
Robot ordulara yöneltilen bir diğer itiraz, savaşı çok kolaylaştırmalarıdır. Ancak robotlardan tek taraflı olarak feragat edersek, bu bize bir sonraki savaşta pahalıya mal olabilir. Birleşmiş Milletler ve İnsan Hakları İzleme Komitesi’nin savunduğu mantıksal yaklaşım, kimyasal ve biyolojik savaşı yasaklayan 1925
Cenevre Protokolü’ne benzer bir biçimde robot sava
şını yasaklayan bir anlaşmanın imzalanmasıdır. Ancak bu, aradaki önemli
bir ayırımı kaçırıyor. Kimyasal ve biyolojik sava
ş sadece insanların çektikleri
acıları artırırken, robot sava
şı bu
acıları önemli ölçüde azaltabilir. Sava
ş makineler tarafından gerçekleştirilirse ve insanlar yalnızca komuta
kademelerinde yer alırsa hiç kimse ölmez veya yaralanmaz. Belki de
yapmamız gereken 
şey,
robot  askerleri yasadı
şı ilan
etmek yerine-hazır oldu
ğumuzda-insan
askerleri yasadı
şı ilan etmektir.
Robot askerler gerçekten de savaşları daha olası kılabilir ama
aynı zamanda sava
ş etiğini de değiştirecektir.
Ate
ş açma/açmama ikilemi, hedefler başka robotlar olduğunda çok daha kolay hale gelir. Günümüzde savaş tarifi imkânsız bir dehşet olarak yalnızca son çare olarak
görülür. Bu modern bakı
ş yerini
biraz farklı bir sava
ş görüşüne bırakacaktır: Tüm
tarafları yoksulla
ştıran
ve belki her ne pahasına olursa olsun uzak durulamasa bile önlenmesi
herkese fayda sa
ğlayan
bir büyük yıkım.
Ayrıca savaş kimin en büyük yıkımı yapabileceğini; görmek için girişilen bir rekabete indirgenirse,
aynı rekabet neden en çok 
şeyi üretmek konusunda gerçekleşmesin?
Her halükârda, robot savaşını yasaklamak pratikte mümkün
olmayabilir. Büyük ve küçük her ülke, yarının sava
ş robotlarının öncülleri olan
dronları yasaklamak 
şöyle
dursun geli
ştirmekle meşgul, çünkü tahminen sağladıkları faydaların risklerden daha
a
ğır bastığını düşünüyorlar.
Her silahta oldu
ğu
gibi, robotlara sahip olmak di
ğer
tarafın olmadı
ğına güvenmekten daha güvenlidir.
Gelecekteki sava
şlarda
milyonlarca kamikaze dron geleneksel orduları dakikalar içinde imha
edecekse, onların bizim
dronlarımız  olması  tercih  edilir.  Üçüncü  Dünya  Sava
şı  bir  tarafın   diğer tarafın sistemlerini kontrol altına almasıyla
saniyeler içinde olup bitecekse daha akıllı, hızlı ve dirençli bir a
ğa sahip olsak iyi olur.
Bilgisayarlar her geçen yıl daha çok iş yapmakla kalmıyor, daha çok
karar da alıyorlar. Kimin kredi alaca
ğı,
kimin neyi satın alaca
ğı,
kimin hangi i
şe alınacağı ve terfi edeceği, hangi hisse senetlerinin yükselip düşeceği, sigorta priminin ne kadar olacağı, polis memurlarının nerede devriye gezip
kimleri gözaltına alaca
ğı, hapis cezalarının ne kadar uzun olacağı, kimlerin flört edeceği ve dolayısıyla kimlerin doğacağı; tüm bunlarda yapay öğrenmeye dayalı modeller
rol oynuyor.
Modern uygarlığın çöküşüne
neden olmaksızın tüm bilgisayarlarımızı kapatabilece
ğimiz noktayı çoktan geride
bıraktık. Yapay ö
ğrenme bardağı taşıran son damla; bilgisayarlar kendi kendilerini programlamaya başlarsa onları kontrol etme umudu
kesinlikle son bulur. Stephen Hawking gibi seçkin bilim insanları, çok geç
olmadan bu konunun acilen ara
ştırılması için çağrıda bulunmaktalar.
Sakin olun. Master Algoritmayla donatılmış bir Yapay Zekanın dünyanın
kontrolünü ele geçirmesi ihtimali sıfır. Nedeni gayet
basit: 
İnsanların aksine bilgisayarlar iradeye
sahip de
ğiller. Evrimin değil mühendisliğin ürünleridirler.
Sonsuz bir güce sahip bilgisayar bile yalnızca bizim irademizin bir
uzantısı olacaktır, korkulacak bir 
şey yok.
Yapay Zekâ bizim yavaş düşündüğümüz şeyleri hızlıca düşünecek ve bundan tüm dünya faydalanacak. Kendi adıma
yeni robotları içtenlikle kar
şılıyorum.
Bildiğimiz akıllı varlıklar insanlar ve hayvanlardan
ibaret oldu
ğu, onlar da kendi iradelerine sahip
oldukları için, akıllı makinelerin kontrolü ele geçirmesinden
endi
şe duymak doğaldır. Ancak zekâ ve özerk irade arasında
hiçbir ba
ğlantı yoktur. Daha doğrusu, aralarında kontrol
hattı bulunması ko
şuluyla
zekâ ve irade aynı bedende bulunmayabilir.
Richard Dawkins, The Extended
Phenotype 
[Geni
şletilmiş Fenotip] adlı kitabında bir hayvanın
genlerinin kendi vücudundan fazlasını kontrol edebildi
ğini ve guguk kuşu yumurtalarından kunduzların yaptığı bentlere kadar doğanın bu tür örneklerle dolu olduğunu gösterir.
Teknoloji insanın genişletilmiş fenotipidir. Bu,  anlayabileceğimizden çok daha karmaşık hale gelse bile kontrol etmeye devam
edebilece
ğimiz anlamına gelir.
İki milyar yıl önce, özel
havuzlarında, nam-ı di
ğer
bakteri sitoplazmalarında yüzmeye giden iki DNA zincirini gözünüzde
canlandırın. Çok önemli bir karar almak üzereler. Bir tanesi “Kaygılıyım, Diana. Çok hücreli
yaratıklar üretmeye ba
şlarsak kontrolü ele geçirirler mi?” diye soruyor.
Hızla ileri sarıp 21. Yüzyıla geldiğimizde DNA halen hayatta ve
iyi  durumda. Aslında hiç olmadı
ğı kadar iyi durumda; gittikçe artan oranda
trilyonlarca hücreden olu
şan
iki ayaklı organizmalarda güven içinde ya
şamını sürdürüyor. Çift sarmal oluşturan dostlarımız o hayati kararı
verdikleri andan  bu yana uzun bir mesafe kat ettiler. 
İnsanlar DNA’ların şimdiye kadarki en becerikli eserleri;
DNA’mızı yaymadan e
ğlenmemize
imkan tanıyan do
ğum
kontrolü gibi 
şeyleri
icat ettik ve özgür iradeye sahibiz (veya sahipmi
ş gibi
görünüyoruz).  Ama  yine  de  e
ğlence  anlayışımızı  DNA  şekillendiriyor  ve   haz yaşayıp acıdan kaçmak için özgür irademizi
kullanıyoruz; bu da büyük ölçüde DNA’mızın varlı
ğını sürdürmesi için en iyi olanı tercih
etmekle örtü
şüyor.
Kendimizi silikona dönüştürmeye karar verirsek DNA’nın ölümü gerçekleşebilir ama yine de iki milyar yıl varlığını sürdürmek büyük bir başarıdır. Bugün vereceğimiz karar da buna benziyor: Geniş, birbiriyle bağlantılı, insandan üstün, sırrına erişilemez Yapay Zekalar üretmeye başlarsak kontrolü ele  geçirirler mi?
Genler için çok hücreli organizmalar
neyse, bizim için de Yapay Zekalar odur. Yapay Zekalar da bizim hayatta kalma
makinelerimizdir, tıpkı bizim genler için oldu
ğumuz gibi.
Ancak bu, endişelenecek hiçbir şeyin olmadığı anlamına
gelmez. Her teknolojide oldu
ğu
gibi, ilk büyük tehlike Yapay Zekânın yanlısı ellere geçebilecek
olmasıdır. Bir suçlu veya düzenbaz Yapay Zekâyı dünyanın
kontrolünü ele geçirmeye programlarsa, çok ileri gitmeden onu tespit
edip engelleyecek  bir Yapay Zekâ polise sahip olsak iyi ederiz. Çok
sayıda Yapay Zekânın cinnet geçirip kontrolden çıkmasına karsı en büyük
güvence, daha çok sayıda Yapay Zekânın barı
şı   korumasıdır.
İkinci endişe kaynağı,
insanların gönüllü olarak kontrolü teslim etmesidir. Bu bana saçma görünse de
herkese saçma görünmeyen robot haklarıyla ba
şlıyor. Ne de olsa hiçbir talepleri olmasa da
hayvanlara çe
şitli
haklar sunmu
ş durumdayız. Robot hakları da
“empati çemberini” geni
şletmek
için bir sonraki mantıksal adımmı
ş gibi
görünebilir.
Yapay Zekâ kontrolünün sinsice ilerleyişindeki bir sonraki adım, çok daha
zeki oldukları için bütün kararları onlara bırakmaktır. Dikkatli
olun. Daha akıllı olabilirler ama skor fonksiyonlarını tasarlayan ki
şilere hizmet ederler. Bu bir “Oz Büyücüsü”
problemi. Akıllı makinelerle dolu bir dünyada, onların hem girdi (hedeflerin
belirlenmesi) hem de çıktı (sonuçların kontrolü) bakımından istedi
ğiniz şeyleri yaptığından
emin olmanız gerekir. Bunu siz yapmasanız bir ba
şkası yapacaktır. Makineler kolektif olarak isteklerimizi
belirlememize yardımcı olabilirler ama tıpkı demokraside oldu
ğu gibi katılım sağlamazsanız kaybedersiniz. Bugün inandığımızın aksine insanlar kolayca başkalarına itaat edebilir ve yeterince gelişmiş herhangi bir Yapay Zekâyı mutlak
güç olarak görebilirler veya 
İnsanlar sırrına erişilmez bilgisayarlardan talimatlar
almayı önemsemeyebilir; asıl mesele denetçiyi kimin denetleyece
ğidir- Yapay Zekâ daha kusursuz bir
demokrasiye mi, yoksa daha sinsi bir diktatörlü
ğe mi giden yol? Sonsuz nöbet daha yeni başlıyor.
Üçüncü ve belki de en büyük kaygı,
makinelerin lambadaki cin gibi  bize istedi
ğimiz şeyi
de
ğil, ağzımızdan ne çıkarsa onu sunmasıdır. Bu
varsayımsal bir senaryo de
ğil; öğrenen algoritmalar bunu hep yaparlar.
Sinirsel bir ağı, atları tanıması için eğitiriz ama eğitim verilerindeki tüm atlar kahverengiyse yalnızca
kahverengi lekeleri tanımayı ö
ğrenir.
Bir saat satın alırsınız ve Amazon size benzer ürünler olarak ba
şka saatler tavsiye
eder;  halbuki saat, artık satın almak istedi
ğiniz son şeydir. Bilgisayarların bugün verdiği tüm kararları incelerseniz -örneğin kimlerin kredi aldıkları-çoğu zaman gereksiz yere
kötü olduklarını görürsünüz. Beyniniz bir destek vektör makinesi
olsaydı ve kredi de
ğerlendirme
bilginiz berbat bir veri tabanına dayansaydı sizin
kararlarınız  da  kötü  olurdu.  
İnsanlar  bilgisayarların  çok  akıllı  hale       gelip dünyanın kontrolünü ele
geçirmesinden endi
şelense
de asıl problem, çok aptal olmaları ve hâlihazırda
dünyayı kontrol etmeleridir.
Günümüzde bilgisayarlar halen o kadar
akıllı olmasa da zekalarının geli
ştiğine şüphe yok. İkinci Dünya Savaşı sırasında Enigma şifre kırma projesinde Alan Turing’le
birlikte çalı
şan İngiliz istatistikçi I. J. Good, daha
1965’te yakla
şan zekâ patlamasına değinmişti. Good, kendimizden daha zeki makineler
tasarlayabilirsek onların da kendilerinden daha zeki makineler tasarlayabilece
ğine ve bu şekilde devam edecek sonsuz döngüde insan
zekâsının çok gerilerde kalaca
ğına
i
şaret etmişti.
Son Söz
Yapay öğrenme hepimizin hayatını etkiliyor ve onunla ne
yapmak istedi
ğimize hepimiz birlikte karar ·vereceğiz.
İstatistikçiler özellikle gelecekle
ilgili tahminler yürütmenin ne kadar zor oldu
ğunu bilirler ve bilgisayar bilimcilere göre geleceği tahmin etmenin en iyi yolu onu
bizzat 
şekillendirmektir ama incelenmemiş gelecek şekillendirmeye değer değildir.
Size bir veda hediyesi sunmak istiyorum.
Newton kendini sahilde oyun oynayan bir
çocuk gibi hissetti
ğini, çakıl
ta
şı veya deniz kabuklarıyla oynadığını ama hemen ileride hakikatin büyük
okyanusunun ke
şfedilmeyi beklediğini söylemiştir. Üç yüzyıl
sonra, müthi
ş bir çakıl taşları ve deniz
kabukları koleksiyonumuz var ama ke
şfedilmemiş büyük
okyanus halen göz alabildi
ğine
uzanıyor ve vaatlerle ı
şıldıyor.
Arma
ğan bir tekne- yapay öğrenme-ve şimdi
yelken açma zamanı
Tugberk
Tugberk
Azıcık okur yazar, çok dinleyen az konuşan, içindeki çocuğu öldürmeyen, ama polyannalarla pek anlaşamayan sıradan yurdum insanı ... Yaşamak adına insanca adamca, kavgadan gürültüden uzak tüm çeşitliliklerimizle bir olabilmek ...

Bir cevap yazın

E-posta hesabınız yayımlanmayacak. Gerekli alanlar * ile işaretlenmişlerdir

This site uses Akismet to reduce spam. Learn how your comment data is processed.

%d blogcu bunu beğendi: