Alan Turing 1950 senesinde yayınlanan Computing Machinery and Intelligence isimli makalesi halen cevabını aradığımız bir soruyla başlar “Makineler düşünebilir mi?” Turing bu zor soruyu cevaplayabilmek için öncellikle makine ve düşünmek kelimelerinin tam olarak tanımlamasıyla mümkün olduğunu söyler.

Turing bu kelimelerin gerçek anlamlarından uzaklaşarak farklı sonuçlar elde edileceğini öne sürer ve “makineler düşünebilir mi?” sorusunun yerine Imitation Game adını verdiği bir oyun ortaya atar.(Aynı isimde filmi de var tavsiye ederim) Imitation Game de bir kadın bir erkek ve bir de cinsiyeti önemsiz sorgulama yapan bulunur. Sorgulama yapanın görevi kimliği belirsiz olan kadın ve erkek katılımcıların cinsiyetini bulmaktır. Bu amaçla diğer katılımcılara sorular sorabilir. Katılımcılardan birisi sorgulama yapana yardımcı olurken diğeri yanıltmaya çalışır. Oyun sonucunda sorgulayan cevabını söyler.

The Imitation Game

Sorgulayan yerine bir makine olsaydı nasıl cevap verirdi? Turing soruyu şu şekilde yanıtlıyor,

“Yaklaşık 50 yıl içinde 109 depolama kapasitesine sahip bir bilgisayarın oynayacağı Imitation Game oyununda yalnızca 5 dakika sorgulama yapmasına izin verilen sorgucunun sonucu doğru tahmin etme oranı yüzde 70 den az olmayacaktır. ”

Bugünlerde zamanın Turing’i haklı çıkarttığını görüyoruz.

Makineler ve zeka hakkında ki zaman yolculuğumuza devam edersek, Marvin Minsky ve Dean Edmonds 1951 yılında ilk yapay sinir ağını simule ettikleri SNARC (Stochastic Neural Analog Reinforcement Computer)  isimli bilgisayarı yaptılar. SNARC belirtilen görevi yerine getirebilme başarısına göre ağırlıkları ayarlayan sinapslar bulunuyordu. Marvin Minksy Society of Minds isimli kitabında insan zihninin “agents” ismini verdiği küçük parçalardan meydana geldiğini fakat bu parçaların ise zihninin olmadığını savunur.

1956 yılın yapay zeka terimi ilk defa John Mccarthy tarafından kullanıldı. Günümüz de ki modern yapay sinir ağlarının temelini atan gelişmeyi ise Frank Rosenblatt ortaya çıkarmıştır. 1958 yılında yayınladığı [the perceptron: a probabilistic model for information storage and organization in the brain] makalesinin başlığında vurguladığı gibi bir neron’un yapay modeli olan perceptron’un tanımını yapar. Bir neron’un biyolojik bir sistemde ki eş olarak modellenebilmesi için 3 soruya yanıt verilmesi gerektiğini söyler. İlk soru bilginin biyolojik bir sistemde nasıl tanımlandığı, bulunduğu ve hissedildiği ile ilgilidir. İkinci soru elde edilen bilginin nasıl hatırlandığı ve saklandığı ile ilgilidir. Son soru ise saklanan bilginin davranışı nasıl etkilediği ile ilgilidir. Frank Rosenblatt insan ve makine arasında ki farkı yaratan ilk soruyu kapsam dışı bırakarak perceptron’u detaylandırır.

Yapay zeka çalışmalarının yanı sıra 1950 senelerde bilgisayarlarında gelişmeye başlamasıyla beraber birçok alanda ilerlemeler kaydedildi. Bunlardan biri de dilbilimi(linguistic) alanı oldu. 1958 yılında Hans Peter Luhn tarafından geliştirilen Luhn Algoritması literatürde metin özetleme alanında yapılmış ilk çalışma sayılabilir.

1960’lara geldiğimiz de yapay zeka araştırmalarında ki ilerlemeler uygulama alanında yeterli olmayınca araştırmalara yönelik maddi destek azaldı. Bu durgunluk dönemi 1980 lerde eski fikirlerin makine öğrenmesi gibi yeni yaklaşımlarla tekrar keşfedilmesine kadar sürdü. 1980’lerde en önemli gelişme Geoffrey Hinton, David Rumelhart ve Ronald Williams tarafından yayınlanan Learning representations by back-propagating errors makinelerin eğitilebilmesini sağlayan geriye yayılım (backprogation) algoritmasıdır. Yapay zeka için asıl dönüm noktası IBM’in ürettiği bir bilgisayar olan Deep Blue’ nun 1997 de dünya satranç şampiyonu Garry Kasparov’u yenmesi oldu. Oysa 1985 yılında aynı anda 32 bilgisayarı Hamburg’ta katıldığı bir turnuvada yenebilmişti(hunonchess.com). 1996 da ki ilk maçı da Garry Kasparov kazanmıştı. Bu yenilgiyle beraber insan makine etkileşimin altın çağı başlamıştır.

The Queen’s Gambit

1997 yılının yapay zeka uygulamalarıyla günümüzün yapay zeka uygulamalarının arasında ki en büyük farklardan biri veridir. Başka bir deyişle makinelerin büyük veri yığınları üzerinde eğitilebilmesi.2012 senesinden sonra yapay zeka kümesinin alt disiplini olan makine öğrenimi 1950’lerde bulunan eski sayılabilecek fikirler sayesinde tekrar ivme kazandı. Günümüzde yapay sinir ağları birçok probleme çözüm bulan çözüm yöntemlerden biri olarak oldukça büyük bir gelecek vaat etmektedir.

Yapay sinir ağlarının bu kadar popülerleşmesinin bir sebebi de, Kasporov’u yenen Deep Blue’nun daha fazla işlem gücüne sahip olması, dolayısıyla daha çok hamle hesaplaması ve daha az hata yapması fakat bu niteliklerin bir makineyi bir insandan daha zeki yapmamasıdır. Bir arabanın bir attan daha hızlı olması arabayı attan daha zeki yapmaması gibi düşünebiliriz. Bu sorunun nöronların bilgiyi saklama ve bir diğer nörona iletme yöntemlerinde aranmasına sebep olmuştur. Nöronların birbirlerinden aldıkları bilgiyi sisteme giren ve çıkan bilgilerden öğrenmesi sistemin hatalarından ders almasını sağlar. Buna makinenin bir problem üzerinde eğitilmesi denir. Bunun yanında yapay sinir ağlarının paralel programlama teknikleriyle kullanılması etkisini oldukça artmıştır. Bu sayede karmaşık problemleri çözebilmesinin, bir resmin içinden bir özellik seçebilmesinin (Convolutional Neural Network), hafızasının olması sayesinde bir cümle kurabilmesinin önü açılmış oldu(Recurrent Neural Network).  Bugün birçok alanda bu yöntemler kullanılmaktadır. Bu uygulama alanlarından birisi de tez konum olan text summarization‘dır.

Yüksek lisans tezimin giriş kısmını oluşturan makalemde söylediğim gibi metin özetleme ve diğer yapay zeka uygulamalarıyla ilgili hem teorik hem de pratik bilgiler yayınlamaya çalışacağım. Başka bir yazıda görüşmek üzere.

Murat.

By mgm

Bir yanıt yazın

E-posta adresiniz yayınlanmayacak. Gerekli alanlar * ile işaretlenmişlerdir