Yapay Zekâ Nasıl Öğreniyor?

Vitalii Gulenok / iStock

Günlük hayatta adını sıkça duyduğumuz yapay zekâ, artık sadece bilim kurgu filmlerinde karşımıza çıkan bir teknoloji değil. Akıllı telefonlardan sağlık uygulamalarına, sosyal medyadan trafik sistemlerine kadar pek çok alanda çalışıyor. Peki bu “yapay zekâ” gerçekten nasıl öğreniyor? İnsan gibi düşünebilir mi?

Yapay Zekâ Nedir?

Yapay zekâ, insan zekâsını taklit eden bilgisayar sistemlerinin genel adıdır. Bu sistemler, kendilerine sunulan verileri analiz eder, örüntüler bulur ve bu örüntülere göre tahminler yapabilir. Ancak burada "zekâ" kelimesi, insanlardaki gibi bilinçli düşünmeyi, hissetmeyi ya da empati kurmayı ifade etmez. Yapay zekâ, sadece sayı ve veri ilişkilerine dayalı olarak çalışır.

Yapay Zekâ Nasıl Öğrenir?

Bir insan öğrenmek için gözlem yapar, deneyim kazanır ve bu bilgileri hafızasında saklar. Yapay zekâ ise öğrenmek için çok miktarda veriye ihtiyaç duyar. Bu veriler sayı, fotoğraf, yazı veya ses kaydı olabilir. Yapay zekâ bu verileri işler, aralarındaki benzerlikleri ve farklılıkları analiz eder. Örneğin bir sisteme binlerce kedi ve köpek fotoğrafı gösterildiğinde, zamanla bu iki hayvanı ayırt edecek özellikleri öğrenebilir. Ancak bu öğrenme, ezberlemeye değil; verilerdeki örüntülerin istatistiksel olarak modellenmesine dayanır. Kulak şekli, tüy deseni gibi ayırt edici özellikler, sistemin parametrelerine işlenir ve bu sayede yeni bir fotoğraf gördüğünde hangi hayvana ait olduğunu tahmin edebilir.

Tahmin Etmek Öğrenmek midir?

Yapay zekânın yaptığı “öğrenme”, aslında istatistiksel bir tahmin sürecidir. İnsan gibi deneyimleyerek değil, çok miktarda veri üzerinden örüntüler analiz edilerek gerçekleşir. Bu sürece makine öğrenmesi adı verilir ve yapay zekânın öğrenmesini sağlayan en temel yöntemdir.

Makine öğrenmesinde sistemler, geçmiş verilerle bir model oluşturur. Bu model sayesinde daha önce hiç karşılaşmadığı bir durumda bile, ne yapması gerektiğine dair tahminde bulunabilir. Örneğin bir e-posta filtresi, daha önce binlerce e-postayı inceleyerek hangi mesajların “gereksiz” (spam) olduğunu öğrenir. Mesajlardaki bazı anahtar kelimeler, yazım tarzları veya gönderen adresleri gibi özellikleri analiz eder. Sonra yeni bir e-posta geldiğinde onu gelen kutusuna mı yoksa gereksiz klasörüne mi atması gerektiğine karar verebilir.

Devonyu / iStock

Benzer şekilde, bir evin fiyatını tahmin etmek isteyen bir yapay zekâ, evin büyüklüğü, oda sayısı ve bulunduğu semt gibi özellikleri içeren verilerle eğitilir. Eğitildiği verilerden öğrendiği örüntüler sayesinde yeni bir ev için yaklaşık bir fiyat tahmini yapabilir.

Dil modelleri de bu mekanizma ile çalışır. Örneğin ChatGPT gibi sistemler, cümleler içinde bir sonraki kelimenin ne olacağını tahmin etmek üzere eğitilir. Milyonlarca cümle üzerinden eğitilen bu modeller, kelimeler arasındaki istatistiksel ilişkilere dayanarak bir sonraki sözcüğü belirler.

Bu süreçte yapay zekâ, öğrendiği bilgileri klasik anlamda hafızasında tutmaz ya da bilinçli şekilde anlamlandırmaz. Bunun yerine, çok sayıda örneğe bakarak belirli parametreleri ayarlar. Bu parametreler üzerinden istatistiksel tahminler yaparak karar verir.

Yapay zekâ hata yapar mı?

monsitj / iStock

Tıpkı insanlar gibi yapay zekâ da hata yapabilir. Öğrenme sürecinde yanlış tahminlerde bulunması mümkündür. Ancak bu hatalar, sistemin kendini geliştirmesi için bir fırsat olarak değerlendirilir. Sistem, yaptığı hatanın yani yanlış tahminin nedenini analiz ederek modelini yeniden düzenler. Böylece aynı yanlışı tekrar etme olasılığı azalır.  Bu süreç, bir öğrencinin yanlış çözdüğü bir soruyu öğretmeniyle çözüp öğrenmesine benzetilebilir.

Dem10/iStockphoto.com

Yapay zekâ sistemleri, verileri analiz ederek karar verebilir ve önerilerde bulunabilir ancak bu, bilinçli düşünebildikleri, duyguları ve sezgileri olduğu anlamına gelmez. Öğrendikleri her şey sayılar ve örnekler üzerinden gelişir. Yani bu sistemler, dünyayı verilerle anlar. Örneğin bir yapay zekâya binlerce kedi fotoğrafı gösterildiğinde, o fotoğraflardaki renk, şekil ve desen gibi sayısal özellikleri çıkarır ve yeni bir fotoğraf gördüğünde bu özellikleri karşılaştırarak karar verir. Aynı şekilde dil öğrenirken de kelimelerin hangi kelimelerden sonra gelme ihtimalini istatistiksel olarak hesaplar. Kısacası yapay zekâ, gördüğü örneklerden sayılar aracılığıyla kalıplar öğrenir ve bu kalıplara dayanarak tahminler yapar.

Gelecekte bizi neler bekliyor?

Yapay zekâ, her geçen gün daha da gelişiyor. Gelecekte sadece teknolojik cihazlarda değil, eğitimden sağlığa, güvenlikten eğlenceye kadar pek çok alanda daha akıllı sistemlerle karşılaşacağız. Öğrenme tarzına özel içerik hazırlayan uygulamalar ya da robot öğretmenler artık hayal değil. Sağlık alanında hastalıkları henüz ortaya çıkmadan tahmin eden sistemler, kişiye özel tedavi yöntemleri ve robot cerrahlar hayatımıza girebilir. Güvenlikte yapay zekâ, şehirlerin trafik akışını düzenleyerek kazaları azaltabilir ya da afetlere karşı erken uyarı sistemlerinde görev alabilir. Sanat ve eğlencede ise yapay zekâ, sadece destekleyici bir araç değil, kendi üreten bir araç olarak karşımıza çıkabilir. Bu nedenle yapay zekânın ne olduğu, nasıl çalıştığı ve neyi “öğrenebildiği” gibi sorulara yanıt aramak, sadece bugünü değil, geleceği anlamak açısından da çok önemli.

Kaynaklar:

• Russell, S., & Norvig, P. (2021). Artificial intelligence: A modern approach (4th ed.). Pearson.
• Goodfellow, I., Bengio, Y., & Courville, A. (2016). Deep learning. MIT Press.
• IBM. (n.d.). What is artificial intelligence? IBM. https://www.ibm.com/cloud/learn/what-is-artificial-intelligence
• MIT Technology Review. (n.d.). Artificial intelligence. https://www.technologyreview.com/

Yazar Hakkında:

Mustafa Barış Emektar

ODTÜ Bilgisayar Mühendisliği Yüksek Lisans Öğrencisi