Google’ın satın aldığı Deep Mind’ın binlerce yıllık bir Çin oyunu olan Go oyunu için geliştirdiği sistem ise yapay zeka algoritmalarının geldiği en son noktayı temsil ediyor.
Haberin Devamı
90’larda IBM’in Deep Blue makinesinin satranç efsanesi Gary Kasparov’la yaptığı (ve ikinci senesinde kazandığı) maç, bilim kurgu romanlarındaki akıllı makineler konusunu hatırlattı herkese. Aslında yapay zeka algoritmalarından çok o ana kadar yapılmış en güçlü işlemcilerin saniyede yaptığı 200 milyon hesaplama sonucu elde ettiği bir avantaj ve önemli bir satranç ustasından aldığı destekle kazandı Deep Blue. Gary Kasparov seviyesindeki bir usta ise saniyede sadece iki pozisyon hesaplayabiliyor ama açıklaması zor bir içgüdü ile hareket ediyor. Artık satranç konusunda çok fazla çalışma da yapılmıyor, insanların iyi bir algoritmaya karşı şansı yok.
Google’ın satın aldığı Deep Mind’ın binlerce yıllık bir Çin oyunu olan Go oyunu için geliştirdiği sistem ise yapay zeka algoritmalarının geldiği en son noktayı temsil ediyor. Geliştirdikleri derin öğrenme algoritmaları önce Avrupa Go şampiyonunu, sonra da bu sene dünyanın en iyi oyuncusu Koreli Lee Sedol’ü yendi. Go’daki muhtemel pozisyon sayısı evrendeki atom sayısından daha fazla ve satrançtan farklı olarak oyun sırasında Go tahtasına baktığınızda kimin avantajlı olduğunu anlamak dahi zor. Onlarca yıl sonra olabilir diye düşünülen bu gelişme, yapay zeka tartışmalarını ‘robotlar dünyayı ele geçiriyor’ noktasına çok hızlı bir şekilde tekrar getirdi, makine öğrenmesinin ne kadar etkin olabileceğini kanıtladı ve muhtemelen bir çok başka çalışmaya ilham oldu.
İnsanlık için oynuyoruz! Satranç ve Go ‘mükemmel bilgi’ olan oyunlar. Yani her şey açık, herkes oyunla ilgili tüm bilgilere sahip. Poker böyle değil, diğer oyuncuların elini ve masadaki kartları göremediğiniz gibi bir de blöf yapıp yapmadıklarını anlamaya çalışıyorsunuz. Bu kale de bu sene düştü, Libratus isimli bir yapay zeka uygulaması Texas Hold ‘em oyununda dünyanın en iyi dört oyuncusunu 20 gün süren bir mücadele sonucu yendi, oyuncular sadece para için değil insanlık için oynadıklarını söylediler, pokere de felsefi bir anlam yükleyerek! Oyununu sürekli adapte eden, yorulmak bilmeyen ve psikolojisi etkilenmeyen Libratus Carnegie Mellon üniversitesinden olan yaratıcılarını da ünlü yaptı.
Ama her alan böyle toz pembe değil. Örneğin, yapay zeka için en zorlu alanlardan birisi görüntü tanıma. Bir fotoğrafa bakıp içinde ne olduğunu anlatmak bir insan için ne kadar kolay bir işse, bir makine için de o kadar zor. Go’da harikalar yaratan derin öğrenme algoritmaları bir görüntü içerisinde bir fili tanımak için binlerce örneğe ihtiyaç duyuyor ve bu durumda dahi biraz karanlık, flu ya da karmaşık bir görüntüde hata payı çok artıyor. İki yaşındaki bir çocuk ise bir kaç fil resmi gördükten sonra oluşturduğu bir takım basit kurallarla hiç yanılmıyor.
Yani derin öğrenme gibi insan beyninin nöron katmanlarını kullanarak karar verme yapısını taklit etmeye çalışan yöntemler burada pek de başarılı değil. Tabii temel sıkıntılardan biri taklit etmeye çalıştığı beynin insanlığın en az bilgi sahibi olduğu alanlardan birisi olması. Bu konuda eğlenceli örnekler için Google’ın AI Experiments blog’undaki Autodraw uygulamasına bakabilirsiniz.
Peki yapay zekanın hem iki yaşındaki bir çocuğun yaptığını yapamayıp hem de hiç bir insanın yapamadığını yapması nasıl bir çelişki? Sonuçta yapay zeka akıllı mi değil mi? Bunun cevabı duruma göre değişir. Dar yapay zeka (yani poker oynamak ya da x-ray okumak gibi spesifik bir işi yapmak üzere geliştirilmiş) çok hızlı gelişim gösteriyor ve bazen işlerimizi elimizden alma riskini getirse de insanların en büyük destekçisi olmaya aday. Yapay genel zeka ise (yani insan zekasıyla ilişkilendirdiğimiz şekilde bütünsel tanımlanan) hala yolun başında. 30 yıl ya da 50 yıl sonra olacak diye tahminler yapan varsa da bence henüz ne kadar uzak olduğunu tahmin edemeyeceğimiz kadar uzağız. O noktaya geldiğimizde ise dünya bildiğimiz gibi olmayacak! Singularity (tekillik) konusu da bir başka yazıya.