Güncelleme Tarihi:
Otonom araçlardan otomatik çeviri sistemlerine, konuşma ve metin analizlerinden görüntü işlemeye kadar uygulama alanlarını düşündüğümüzde yapay zekanın çok büyük bir ilerleme kaydettiğini söyleyebiliriz. Hatta birçok durumda yapay zeka, belirli görevlerin yerine getirilmesinde bizlerin gösterdiği performanstan daha iyi performans gösterebiliyor. Bu tip uygulamalarda yeni bir ticari endüstrinin ortaya çıkışına da tanık oluyoruz.
Yapılan bazı teorik çalışmalar, aslında pratikte ‘hesaplanamayan’ bazı durumlar olduğunu gösteriyor. Yapay zeka çalışmalarının önemli isimlerinden Alan Turing de bazı hesaplamalarının asla bitmeyebileceğini (yüzyıllar alabileceğini) kanıtlamıştı. Örneğin, bir satranç oyununda yapılacak sıradaki birkaç hamle kolaylıkla hesaplanabiliyor. Ancak 80 hamlenin yapıldığı bir oyunun sonuna kadar tüm hamleleri hesaplamayabilmek, pek de pratik bir işlem değil. Saniyede 100 bin tirilyondan fazla işlem yapan bir süper bilgisayarla bile bu işlemler yılları alabilecek seviyede.
Yapay zeka çalışmalarının ilk zamanlarına baktığımızda ise genellikle az sayıda kombinasyon içeren problemlerde başarılı sonuçlar verdiğini görüyoruz. Ancak satranç gibi karmaşık oyunlarda olasılık tahminleri için büyük sinir ağları ve makine öğrenme teknikleri kullanılıyor. Şu an için bazı uygulamalarla karşımıza çıksa da gelecekte insan-makine etkileşimi ile yapay zeka sistemlerinin insanlarla dostane bir şekilde iletişime geçmesi, sosyal alışverişlerde bulunması bekleniyor.
Yapay zekanın öğrenme sürecinde iki etkin yöntem bulunuyor. Bunları düşünce teorisi ve fiziksel öğrenme adı altında toplayabiliriz. Düşünce teorisinde yapay zeka, aslında kişinin geçmiş konuşmalarını hatırlıyor ve uygun bir sosyal etkileşim kuruyor. Böylelikle kişinin ihtiyaçlarını karşılamaya odaklanıyor. Yapay zeka bu öğrenme sürecinde kişinin geçmiş konuşmalarına ihtiyaç duyarak, elinde ne kadar fazla veri varsa o kadar verimli bir etkileşim kuruyor.
Ancak benlik duygusunu somut verilere dayandırmak, yapay zekanın fiziksel bir bedene ihtiyaç duyduğu anlamına da geliyor. Konuşma sistemlerinin sadece gömülü kalmaması, somut hale getirilmesi ve bununla birlikte fiziksel öğrenme süreci yapay zekanın öğrenme sürecini ve kişilerin ondan faydalanma sürecini daha etkin hale getiriyor. Günümüz robotik çalışmalarında, robotların tıpkı bebekler gibi öğrenme sürecinin nasıl olması gerektiğine odaklanılıyor. Bedeni olmayan bir yapay zeka temel bir sınırlanmaya sahipken, robot bedenlerle yapay zeka kalıcı sosyal etkileşimler kurabiliyor.