Özgün Adı: Turing’s model of the mind
Görünüş itibariyle tamamen insana benzeyen bir makine ile bir insan arasındaki fark nedir? Descartes Yöntem Üzerine Konuşma’sının 5. Bölüm’ünde bu soruya makinelerin her ne kadar belirli davranışları taklit edebilseler de asla düşüncelerimizi başkalarına aktarırken kullandığımız kelimeleri ve işaretleri biz insanlar gibi bir araya getiremeyecek, kendilerine söylenen her söze anlamlı bir cevap veremeyeceklerini (dil sahibi olamayacaklarını) ve makinelerin yalnızca belirli bir iş için tasarlanabildiklerini, akıl gibi her iş için kullanılabilecek evrensel bir alete sahip olamayacaklarını iddia ederek cevap veriyordu.[1] Bu makale, Descartes’ın bu iki meydan okumasına bir cevap niteliğinde değerlendirilebilecek matematiksel bir model, bugün adlandırdığımız haliyle Turing makinesi ve Alan Turing’in bilişsel bilime olan katkısı hakkındadır. Makalenin de iddia ettiği gibi Turing’in bilişsel bilime olan katkısı çoğunlukla dolaylı ve anlaşılmak için de oldukça karmaşıktır. Ancak makalenin de gösterdiği gibi Turing makinelerinin bilişsel bilime, zihni anlama çabamıza, zeki davranış ile beyin arasında nasıl bir ilişki olduğuna dair anlayışımıza yaptığı katkı tartışılmazdır. Her ne kadar bugün bilişsel bilimde Turing tarzı modellerden uzaklaşılıp çeşitli başka tarzlarda modeller üzerinden insan zihnini ve mekanizmalarını anlamaya çalışıyor olsak da Turing makinesinden etkilenen ve zihnin içsel mekanizmalarının Turing tarzı bir hesaplamalı modelden ilhamla açıklanabileceğine dair umut bugün de bilişsel bilim içerisinde yerini bulmaktadır. Çalışmalarıyla hayatımızın neredeyse her alanını değiştiren ve bizi yeni bir dünyaya taşıyan Alan Turing’i hem doğum hem de ölüm yıldönümünü içeren bu ayda onun çalışmalarının etkisi ile anmak bizim için memnuniyet verici. Bununla beraber eşcinsel olması dolayısıyla dönemin İngiltere’sinde ciddi baskıya maruz kalmış, başta LGBTI+ bilim insanları olmak üzere tüm LGBTI+ için sembol isimlerden biri olan Turing’i Onur Ayı ve Onur Haftası bağlamında da andığımızı ifade edelim, umuyoruz başkalarına zarar vermeksizin istediği gibi yaşamak isteyen herkes için uygun bir gelecek bekliyor bizi. Zihni, zekayı ve nihayetinde insanı anlama sürecinde hangi engelle karşılaşırsa karşılaşsın “Wir müssen wissen, wir werden wissen!”[2]diyerek yoluna devam etmek için çaba sarf eden, bu çabasıyla bizlere de ilham olanlara saygıyla.
Keyifli okumalar!
CogIST
Bu bölüm (Turing’in Zihin Modeli[3]) Alan Turing’in zihne dair en iyi anlayışımızı sunan alana, bilişsel bilime olan katkısını incelemektedir. İnsan zihninin (bir anlamda) bir bilgisayar olduğu fikri bilişsel bilimin merkezindedir. Turing bu fikrin gelişmesinde önemli bir rol oynamıştır. Turing’in bilişsel bilim üzerindeki etkisinin tam bir seyri karmaşıktır ve matematiksel mantıktaki görünüşte soyut çalışmaların psikolojide nasıl bir devrimi tetikleyebileceğini göstermektedir.
Alan Turing devrimsel bir fikre katkıda bulunmuştur: zihinsel faaliyet hesaplamadır (computation)[4].Turing’in çalışmaları bilişsel bilim olarak bilinen alanın temelinin atılmasına yardımcı olmuştur. Günümüzde hesaplama zihnin nasıl çalıştığını açıklamanın temel unsurlarından biridir. Bu bölümde Turing’in hesaplama kavramını kullanarak zihni anlamaya yönelik erken girişimlerine dönüyor ve bilişsel bilimin başlangıç döneminde oynadığı rolü inceliyorum.
1. Mühendislik ve Psikoloji Karşı Karşıya
Turing yapay zekada (YZ) kurucu bir figür olarak oldukça meşhurdur ancak kendisinin bilişsel bilime olan katkısı pek bilinmemektedir. Yapay zekanın amacı zeki bir makine yaratmaktır. Turing yapay zeka alanında araştırma yürüten ilk kişilerden biridir; 1941 gibi erken bir tarihte makine zekası üzerine çalışmıştır ve 29 ile 30. Bölümlerin de açıklayacağı gibi daha sonra yapay zekayı şekillendirecek fikirlerin çoğundan ya sorumluydu ya da bu fikirlerin öncüsüydü.
Yapay zekanın aksine bilişsel bilim zeki bir makine yaratmayı amaçlamaz. Bunun yerine insan zekasına has mekanizmaların anlaşılmasını amaçlar. Görünüşte insan zekası mucizevidir. Nasıl akıl yürütürüz, dil anlarız, geçmiş olayları hatırlarız, ya da şaka yaparız? Bu fenomenleri açıklamak için nereden başlayacağımızı kestirmek bile zordur. Oysa, seyirciye mucize gibi görünen bir sihirbazlık numarasının sahnenin arkasındaki makaraların ve kaldıraçların ortaya çıkarılmasıyla açıklanması gibi, üretiminin arkasında yatan mekanizmaları bilseydik insan zekasını da açıklayabilirdik.
Bu doğrultudaki ilk adım mekanizmanın pek de görünmeyen bir parçasını incelemektir: insan beyni. Buradaki bir zorluk da insan beyninin hayret verici karmaşıklığıdır: 100 milyar nöronu ve 100 trilyon civarındaki bağlantıdan oluşan bir ağı içererek evrendeki en karmaşık nesnelerden bir tanesidir. İnsan zekasının mekanizmalarını beyinde arayarak ortaya çıkarmak neyin aranıldığına dair bir fikre sahip olunmadığı sürece imkansızdır. Beynin hangi özellikleri zeka ile ilgilidir? Bilişsel bilimdeki temel ve en verimli varsayımlardan bir tanesi beynin zekayı ortaya çıkarmakla ilgili özelliğinin (property) beynin gerçekleştirdiği hesaplamalar olduğudur.
Bilişsel bilim ve yapay zeka birbirleriyle ilişkilidir: ikisi de insan zekası ile ilgilenirler ve ikisi de hesaplama kullanırlar. Ancak yine de projelerinin farklı olduğunu görmek önemlidir. Yapay zeka, kullandığı mekanizmalar insan zekasının mekanizmalarıyla aynı olsun ya da olmasın zeki bir makine yaratmayı amaçlar. Bilişsel bilim ise insan zekasına has mekanizmaları ortaya çıkarmayı amaçlar. Bu iki proje prensipte birbirinden bağımsız sürdürülebilir.
Yapay bir uçan makinenin yaratılması için kuşların ve böceklerin nasıl uçtuğu probleminin çözülmesine gerek olmadığını düşünün. İlk helikopterin uçmasından bu yana 100 yıldan fazla bir süre geçmiş olmasına rağmen, bugün bile kuşların ve böceklerin nasıl uçtuğu anlaşılamamıştır. Benzer şekilde zeki bir makine yaratmak isteyen birisi de insanların nasıl zeki davranış ortaya çıkardığını bilmek zorunda değildir. Yapay zeka için iyimser olunmasına rağmen bilişsel bilim için kötümser olunabilir. Zeki bir makine inşa etmenin mümkün olduğu ancak buna karşın insan zekasının mekanizmalarının anlaşılamayacak kadar içinden çıkılamaz ve karmaşık olduğu düşünülebilir. Buna alternatif olarak insan zekasının açıklanabileceği ancak zeki bir makine inşa etmenin mühendislik açısından imkanlarımızın dışında olduğu da düşünülebilir.
Turing’in zamanında yapay zeka için iyimserlik hüküm sürerken bilişsel bilim projesi arka planda kalmıştı. Talih artık tersine döndü. Artık pek az yapay zeka araştırmacısı Turing’in öngördüğü türden bir genel, insan benzeri zeka yaratmayı hedefliyor. Bilişsel bilim ise oldukça umut vadeden bir araştırma projesi olarak kabul ediliyor.
Bilişsel bilim ve yapay zeka kabaca psikolojinin mühendislikten ayrıştığı gibi ayrışır. Bilişsel bilim insan zekasını anlamayı, yapay zeka ise zeki bir makine inşa etmeyi amaçlar. Turing’in yapay zeka projesine olan katkısı iyi bilinmektedir. Peki Turing bilişsel bilim projesine ne gibi bir katkıda bulunmuştur? Hesaplamalı modellerini mühendislik tasarıları oldukları kadar psikolojik modeller olarak da tasarlamış mıdır?
2. Zeki Bilgisayarlar Yapmak
Turing çalışmalarında psikolojiyi nadiren doğrudan ele alırdı. Bununla birlikte hesaplamalı modellerin insan psikolojisine ışık tuttuğuna inandığına dair iyi deliller de var.
Turing beyin-benzeri (brain-like) bir bilgisayar inşa etme fikri ile büyülenmişti. Turing’in B-makineleri, 29. Bölümde tasvir edildiği gibi, beynin eylemlerini yeniden üretme girişiminden ilham alıyordu. Turing öyle bir makine yapma arzusunda olduğundan bahseder ki bu makine “beyni taklit edecek”, “insan bilgisayarın davranışını taklit edecek”, “bir insanı alacak … ve onun parçalarını … bir takım mekanizma … bir çeşit ‘elektronik beyin’ ile … değiştirmeye çalışacak”. “Dijital bilgisayarları beyinler olarak görmek o kadar da abes değildir” ve “temel problemimiz bir makinenin bir beyni taklit etmesi için nasıl programlanacağıdır” gibi iddialarda bulunuyordu.[5]
Açık ki Turing yapay zeka mühendisliğine ve psikolojiye düşen işin bir şekilde bağlantılı olduğunu düşünüyordu. Peki bu ilişkinin doğası hakkında ne düşünmekteydi? Kastetmiş olabileceği üç farklı şeyi ayırt etmeliyiz:
1. Psikoloji, mühendisliğin başarılı olması için standartlarını belirler. İnsan davranışı zeka hakkındaki kavrayışımızın başladığı yerdir. Zeki davranışı ilk etapta yalnızca insanların yaptığı bir şey olarak anlaşılır. Psikolojinin sağladığı bir şey insan davranışının detaylıca izah edilmesidir. Bu izah ise daha sonrasında zeki makinelerin davranışı için bir kıstas sağlayarak yapay zekanın hizmetinde kullanılabilir. Bir makinenin zeki olup olmadığı, bu makinenin psikoloji tarafından belirlenen standartların uygun bir biçimde idealize edilmiş versiyonunu ne kadar iyi sağladığına bağlıdır. Psikoloji yapay zeka ile ilişkilidir çünkü psikoloji zeki davranış ile ne kastedildiğini detaylandırır. Bu bağlantı zeki davranışa özgüymüş gibi görünmektedir. Örneğin kuşların veya böceklerin nasıl yaptığı bilinmeden de uçmanın ne olduğu gayet iyi anlaşılabilir.
2. Mühendislik için bir ilham kaynağı olarak psikoloji. İnsan beyninin zeki davranış ürettiğini biliyoruz. Yapay zeka mühendisliği problemi ile başa çıkmanın bir yolu da insan beynini incelemek ve ondan ilham almaktır. Ancak “ilham almak” ilişkisinin nispeten zayıf bir ilişki olduğuna dikkat edin. Bir tasarımdan, o tasarımın nasıl çalıştığı pek anlaşılmadan da ilham alınabilir. Kuşların uçuşlarından etkilenen bir kişi yapay bir uçma makinesine kanat ekleyebilir. Ancak bu projenin başarılı olması mühendisin bir kuşun kanatlarının nasıl o kuşun uçmasını sağladığını bildiği anlamına gelmez. Gerçekten de kanatların bir kuşun uçmasını sağlamasıyla, mühendisin yapay makinesinin kanatlarının uçmayı sağlaması aynı olmayabilir- kanat çırpma bir durumda temel bir öge olabilirken diğerinde olmayabilir. Bir yapay zeka mühendisi beyinlerin nasıl çalıştığını bilmeden de beyinlerden ilham alabilir.
3. Psikoloji insan zekasını beynin hesaplamalı mekanizmaları açısından açıklamalıdır. Önceki iki iddianın aksine bu iddia insan düşünce mekanizmalarının hesaplamalı olduğu fikrini kapsar. İlk iki iddia bu fikirle uyumlu olmasına rağmen bu iddiayı içermez. Gerçekten de ilk iki iddia psikolojinin ne yapması ya da ne yapmaması gerektiği konusunda bir şey belirtmez. Psikoloji ve mühendislik arasında psikolojiden mühendisliğe yönelik tek yönlü bir etkileşimi tasvir ederler: psikoloji mühendislik başarısının standartlarını belirler ya da psikoloji mühendisliğe ilham olur. Bu iddia ise farklıdır: psikolojinin yapay zeka mühendisliği projesinin hesaplamalı çerçevesini benimsemesini tavsiye eder. İnsan zekasını yapay olarak simüle etme girişimlerimizle birlikte onu açıklama tarzımız da hesaplamalı olmalıdır.
Turing bu üçüncü (bilişsel bilim) iddiasında bulunmuş mudur? Turing kesinlikle bu iddiaya yaklaşmıştır ve son bölümde de göreceğimiz gibi Turing’in çalışmaları bu iddiayı desteklemek için başkaları tarafından kullanılmıştır.
Yukarıdaki alıntılarda Turing yapay zeka için olası bir stratejiyi tasvir etmektedir: elektronik bir bilgisayarda beynin mekanizmalarını taklit etmek. Bu stratejinin işe yaraması için beynin taklit edilmesi gereken ilgili özelliklerinin hangileri olduğunun bilinmesi gerekir. Turing bu önemli özelliklerin “beynin soğuk yulaf lapası kıvamına sahip olması” ya da sinirlerin herhangi belirli bir elektriksel niteliği olmadığını söylemektedir.[6] Bunların aksine, ilgili özellikler arasında beynin “bilgiyi bir yerden başka bir yere iletebilme ve depolayabilme” yeteneklerinden bahseder:[7]
Beyinler neredeyse [elektronik bilgisayarlar sınıfına] düşmektedir ve bunun, temel özelliklerinde herhangi bir değişiklik olmaksızın gerçekten de böyle olduğuna inanmamız için her türlü gerekçe var gibi görünmektedir.
Görünüşte bu hala yapay zeka mühendisliği ile psikoloji arasındaki tek yönlü bir etkileşim izlenimi veriyor: beynin hangi özellikleri yapay zeka mühendisliği ile ilgilidir? Ancak yukarıdaki iddiaların aksine bu tek yönlü etkileşim insan beyninin nasıl çalıştığına dair belirli bir görüşü varsayıyor: beyin, zeki davranışı hesaplamalı özellikleri aracılığıyla (ve belki diğer bazı şeylerle de birlikte) üretir. Bu bilişsel bilimin iddiasına oldukça yakındır. Dolayısıyla Turing yukarıdaki üçüncü iddia (mühendislik stratejisi aracılığıyla bilişsel bilim iddiası) gibi bir şeye bağlı görünmektedir.
Ancak Turing’i böyle yorumlamakta bir problem vardır. Turing’in kullandığı anahtar terimler –”yeniden üretme”, “taklit etme”, “kopyalama”, “simüle etme”- çalışmalarında özel anlamlara sahiptir ve yukarıdaki yorumlama ile uyumsuzdur. Bu terimler ya “güçlü” ya da “zayıf” olarak yorumlanabilirler. Güçlü yorumlama “yeniden üretme”, “taklit etme”, “kopyalama” ya da “simüle etme” sistemin içsel çalışma tarzının kopyalanması anlamına gelir — sistemin davranışına yol açan kaldıraç ve makaraların eşdeğerini kopyalamak. Zayıf yorumlamada ise “yeniden üretme”, “taklit etme”, “kopyalama” ya da “simüle etme” sistemin genel olarak girdi-çıktı davranışını kopyalamak anlamına gelir — sistemin kullandığı yönteme gerek duymadan sistemin davranışını yeniden üretmek. Güçlü yorumlama, beynin çalışma tarzının “taklidinin” gerçek bir beyin ile aynı tarzda olmasını gerektirir. Zayıf yorumlama ise beynin taklidinin genel olarak aynı davranışı üretmesini gerektirir.
Yukarıda güçlü yorumlamayı varsaydık. Ancak Turing çalışmalarında zayıf yorumlamayı kullanmaya yönelmiştir. Zayıf yorumlamanın kullanılması, Turing’in en bilinir olduğu hesaplamalı sonuçları kanıtlamak için önemlidir (Bölüm 7’ye bakınız). Eğer zayıf yorumlama doğru yorumlama ise Turing’in sözlerinin yukarıdaki şekilde anlaşılması yanlıştır. Beyni taklit etmek beyinlerin nasıl çalıştığını bilmeyi gerektirmez — beyinlerin ürettiği tüm davranışları bilmek yeterlidir. Bu doğrudan psikoloji ve mühendislik arasındaki ilk ilişkinin kapsamına girer: psikoloji, mühendislik başarısı için standartları belirler. Bir beyni taklit etmek — beynin tüm davranışını yeniden üretme (zayıf) anlamında- yalnızca psikolojinin yapay zekanın yeniden üretmeyi amaçlaması gereken tüm davranışı belirlemesini gerektirir. Psikolojinin insan psikolojisi için hesaplamalı bir teori benimsemesini gerektirmez.
Turing’in güçlü yorumlamayı zayıf yorumlamaya tercih ettiğine dair kanıt var mıdır? Turing psikolog W. Ross Ashby’e şöyle yazmıştır:[8]
ACE üzerine çalışırken hesaplama için pratik uygulamalardan ziyade beynin eylem modellerini üretme olasılığıyla ilgileniyorum. … Bu sebeple, beyin her ne kadar gerçekte nöron devrelerini aksonların ve dendritlerin büyümesi yoluyla değiştirerek işliyor olsa da en azından ACE içerisinde bu olasılığı da gözeten fakat ACE’nin esas yapısının değişmediği, yalnızca herhangi bir zamanda mümkün olan davranış tarzını belirten verinin değiştiği bir model yapabiliriz. [9]
Bu, Turing’in bilişsel bilim iddiasına benzer bir şeyi onayladığını gösteriyor: beynin hesaplamalı özelliklerinin bir beynin simülasyonunda asıl olan özellikler olduğuna inanıyordu. Ne yazık ki bu da daha önce gördüğümüz aynı sorundan etkileniyor. “Beynin eylemlerinin hesaplamalı bir modelinin üretilmesi” güçlü ya da zayıf bir yorumlamaya tabi tutulabilir. Beyin ile aynı tarzda çalışan bir model üretmek (güçlü) anlamına da gelebilir, aynı tüm davranışı üreten bir model üretmek (zayıf) anlamına da. İki tür hesaplamalı model de Turing ve Ashby’i etkilemiştir. Ancak yalnızca ilki bilişsel bilim iddiası lehindedir.
Turing, 1951 BBC radyo yayınını kışkırtıcı bir biçimde şu sözlerle bitirdi:[10]
Bütün bir düşünme süreci bizim için hala oldukça gizemlidir, ancak düşünen bir makine yapma girişiminin bize nasıl düşündüğümüzü anlamamızda oldukça yardımcı olacağına inanıyorum.
Buradaki zorluk “yardımcı olmanın” da “ilham olmak” gibi bilişsel-bilim iddiasını Turing’e iliştirecek kadar spesifik olmamasıdır. Düşünen bir makine yapma girişiminin psikolojiye yardımcı olabileceği birçok yol vardır: yaratılan makineler faydalı olabilecek yoğun hesaplamalar yapabilirler, makineleri inşa etmek bize tüm zeki sistemler için geçerli olan üst düzey ilkeleri öğretebilir, makineleri inşa etmek psikolojiyi insan yeterliliklerinin bir belirlenimini vermesi için motive edebilir. Bunların hiçbiri Turing’i bilişsel bilim iddiasına bağlı kılmaz.
Turing’in yazıları bilişsel bilim iddiasıyla tutarlıdır ancak belirsizlikten uzak şekilde ona bir destek sağlamazlar. Bir sonraki bölümde Turing’in modern dönem bilişsel bilim üzerindeki daha net ama farklı türden bir etkisini göreceğiz. Son bölümde ise Turing’in hesaplamalı modellerinin başkaları tarafından nasıl psikolojik modeller olarak ele alındığını ve kullanıldığını göreceğiz.
3. Matematikten Psikolojiye
Turing psikolojiyi etkileyen bir dizi hesaplamalı model önermiştir. Burada yalnızca bir tanesine odaklanıyorum: Turing makinesi. Görünürde Turing makinesinin amacı matematik hakkındaki kimi sorulara açıklık getirmektir — özellikle de hangi matematiksel önermelerin mekanik bir yol ile kanıtlanıp kanıtlanamayacağı sorusuna. Turing’in modelinin bir başka amaç için de kullanışlı olduğunu göreceğiz: insan düşüncesinin bir modeli olarak da yani… Bu ikincil fayda aşırı derecede etkili olmuştur.
Bir Turing makinesi, bir katibin soyut, matematiksel bir modelidir. Bir insanın kendi başına, mekanik bir tarzda, hiçbir şekilde zeka veya sezgiye dayanmadan matematiksel bir problemi çözdüğünü hayal edin. Turing bizden bunu “yalnızca sonlu sayıda koşula sahip olan bir makineyle” karşılaştırmamızı ister.[11] Bu makine, Turing makinesi, başlığında sonlu sayıda içsel duruma ve üzerine semboller yazıp silebileceği, karelere bölünmüş sınırsız uzunlukta boş bir şeride sahiptir. Bu makine herhangi bir anda şeridinde yer alan bir sembolü okuyabilir, bir sembol yazabilir, bir sembolü silebilir, komşu kareye gidebilir veya içsel durumunu değiştirebilir. Her durum için bir sonraki adımda ne yapması (sembol okuma, yazma, silme, durum değiştirme, başlığı hareket ettirme) gerektiğini belirten sonlu bir dizi talimatla (bir geçiş tablosu) davranışı sabitlenmiştir.
Turing, hangi matematiksel görevlerin bir katip tarafından gerçekleştirilip gerçekleştirilemeyeceğini bilmek istemişti. Yeterince zaman ve kağıt verilen bir katip herhangi bir sayıyı hesaplayabilir mi? Bir katip bize hangi matematiksel ifadelerin ispatlanabilir hangilerinin ispatlanamaz olduğunu söyleyebilir mi? Turing’in dehası, insanlar hakkındaki bu görünüşte yanıtlanması imkansız soruların Turing makineleri ile ilgili olacak şekilde yeniden formüle edilirlerse yanıtlanabileceğini görmekti. Eğer Turing makinelerinin çözebileceği problemlerin bir katip tarafından çözülebilecek problemlerle aynı olduğu gösterilebilirse, bir Turing makinesinin hangi sorunları çözebileceğine ilişkin herhangi bir sonuç, bir katibin hangi sorunları çözebileceğine ilişkin bir sonuca taşınacaktır. Akıl yürütmemiz açısından Turing makineleri, katiplerin vekilleri olabilirler.
Bir Turing makinesinin çözebileceği problemlerin bir katip tarafından da çözülebileceğini kanıtlamak kolaydır. Çünkü katip, Turing makinesinin işlemlerinin üzerinden basitçe elle geçebilir. Bir katibinin çözebileceği sorunların bir Turing makinesi tarafından da çözülebileceği şeklindeki tersine iddiayı kanıtlamak ise daha zordur. Turing bu ikinci iddia için formel olmayan güçlü bir argüman sunar. Argümanı önemli ölçüde katip hakkındaki psikolojik akıl yürütmeye dayanıyordu:[12]
[Katibin] herhangi bir andaki davranışı, o anda gözlemlediği semboller ve “zihin durumu” tarafından belirlenir.[Katibin] bir anda gözlemleyebileceği sembol veya kare sayısıyla bir B bağı olduğunu varsayabiliriz. Daha fazlasını gözlemlemek istiyorsa ardışık(successive) gözlemler kullanmalıdır. Dikkate alınması gereken zihin durumlarının sayısının da sonlu olduğunu varsayacağız. Bunun gerekçeleri, sembol sayısının kısıtlanmasının gerekçeleriyle aynı niteliktedir. Sonsuz sayıda zihin durumunu kabul ettiğimiz takdirde bazı durumlar birbirlerine “gelişi güzel şekilde yakın” olacak ve karıştırılacaktır.
Turing’in stratejisi, katibin bir sorunu çözmek için bir Turing makinesinden daha fazla içsel kaynak sağlayamayacağını savunmaktır. Bu nedenle, bir katibin çözebileceği problemler sınıfı, bir Turing makinesininkinden daha geniş değildir. Bu, yukarıdaki ilk iddia ile bağlantılı olarak, Turing makineleri tarafından çözülebilecek problemlerin bir insan katip tarafından çözülebilecek problemlerle tamamen aynı olduğu yönündeki kritik iddiayı ortaya koymaktadır.
Turing’in argümanı bir zayıf modelleme uygulamasıdır. Amacı, Turing makinelerinin ve insan katiplerin aynı sınıf problemleri çözdüğünü göstermektir: aynı davranış örüntüsünü üretme yeteneğine sahiptirler. Argüman, bir Turing makinesinin katibin davranışını kopyalayabileceğini ve bunun tersini (zayıf modelleme) göstermeyi gerektirir. Turing makinesinin, katibin davranışını oluşturmak için içsel psikolojik mekanizmalarını da yeniden ürettiğini(güçlü modelleme)göstermeyi gerektirmez. Güçlü modelleme, Turing’in Entscheidungsproblem (Karar problemi) üzerine çalışmasının gerektirdiğinin ötesine geçer, ancak bilişsel bilim için ihtiyacımız olan şey de budur.
Burada psikoloji için daha fazla ilgi çekici bir şey olmadığı sonucuna varılabilir. Yine de Turing’in argümanı düşünmek için bir duraklamaya yol açmalıdır. Turing’in argümanı, katiplerin ve Turing makinelerinin içsel işleyişinde en azından bazı benzerliklerin olmasını gerektirir. Benzer türde içsel kaynaklara sahip olmadıkları takdirde Turing’in, katibin kaynaklarının Turing makinesinin kaynaklarından tür olarak farklı olmadığı argümanı işe yaramaz. Bu, bir Turing makinesinin, insan katibin zayıf bir modelinden daha fazlası olduğunu gösterir. Aynı zamanda bir Turing makinesi, her ne kadar üst düzeyde ve soyut olsa da katibin iç işleyişinin bir tasvirini sağlar. Turing makineleri, katibin dışa dönük davranışını yakalamanın yanı sıra katibin davranışının arkasında yatan kaldıraçlar ve makaralar hakkında da bazı bilgiler verir.
4. Beyninizin İçsel Turing Makinesi
Bir Turing makinesi, insan zihninin mekanizmalarının psikolojik açıdan gerçekçi bir modelini sağlar mı? Turing hiçbir zaman yazılı olarak bu sorunun peşinden gitmedi, ancak bu soru başkaları tarafından ele alındı. Filozof Hilary Putnam, Turing makinesinin iyi bir psikolojik model olduğunu savundu. Putnam, bir Turing makinesinin yalnızca matematiksel bir problemi çözen katibin zihni için değil, zihinsel yaşamın diğer yanları için de iyi bir model olduğunu iddia etti.[13] Putnam’a göre bütün insani zihinsel durumlar (inançlar, arzular, düşünceler, hayaller, hisler, acılar) bir Turing makinesinin durumları ve şeridi olarak anlaşılmalıdır. Bütün insani zihinsel süreçler (akıl yürütme, bağlantı kurma, hatırlama) bir Turing makinesinin hesaplamalı adımları olarak anlaşılmalıdır. Psikolojik açıklama içsel bir Turing makinesinin doğası ve işlemi cinsinden bir açıklama olmalıdır. Beyin ancak bir Turing makinesi uyguluyor olarak görüldüğü takdirde beynin zihinsel yaşam için nasıl bir katkıda bulunduğu doğru bir biçimde anlaşılabilir. Putnam’ın önerisi, yukarıda tanımlanan bilişsel bilim iddiasının hoş bir biçimde kapsamına girer.
Putnam ve diğerlerinin psikolojik bir model olarak Turing makinesinden memnuniyetsiz kalmaları pek uzun sürmedi.[14] Neden uzun sürmediğini anlamak pek de zor değildir. İnsan beyninde net bir “şerit” veya “başlık” yoktur, insan zihinsel durumları zaman içinde adım adım değişen atomik durumlar değildir, insan psikolojisi seri değildir: birbirleriyle iş birliği yapan veya birbirleriyle rekabet eden paralel mekanizmalar içerir. Eğer zihin bir bilgisayar ise, Turing makinesi gibi bir bilgisayar olması pek olası değildir.
Son elli yılda psikolojideki hesaplamalı modellerinin sayısında ve çeşitliliğinde bir patlama görüldü. Zihnin en son teknolojiye sahip hesaplamalı modelleri, Turing makineleri gibi çalışmayıp, onlara benzememekteler. En popüler modeller arasında, olasılığa dayalı öngörülerde bulunan ve Bayesçi çıkarım uygulayan hiyerarşik devirli bağlantıcı ağlar bulunur.[15]Bu hesaplamalı modellerin mekanizmaları, Turing makinesi ile çok az benzerlik taşır. Yine de Turing makinelerinin psikolojik modeller olarak, her ne kadar üst düzeyde ve soyut olsa da özünde doğru olan bir yanı var mı diye merak edilebilir. Turing makineleri zihinsel yaşamımızın tüm yönlerini modellemese bile, belki de zihinsel yaşamımızın bazı bölümleri için iyi bir model sağlarlar.
Turing makineleri, zihinsel yaşamımızın en azından bir parçasının iyi bir psikolojik modelini sunar: kasıtlı, sıralı, kurala dayalı çıkarım-katibin matematiksel problemlerini çözerken kafasının içerisinde işleyen yeti. İnsanlar belirli durumlarda kasıtlı olarak zihinsel süreçlerini kurala dayalı ve sıralı bir şekilde çalışacak şekilde düzenlerler. İnisiyatif almadan, içgörü veya yaratıcılık kullanmadan ve diğer zihinsel süreçleri tarafından rahatsız edilmeden kurallara uymaya çalışırlar. Öyle gözüküyor ki böyle durumlarda psikolojik mekanizmalarımız bir Turing makinesinin mekanizmalarına yakınsıyor: zihinsel durumlarımız atomik varlıklar olarak adım adım görünür ve seri bir şekilde değişir.
Daha ince ayrıntılı bir düzeyde -ve beynin işleyişine daha da yaklaşırken- elbette anlatılacak daha karmaşık bir hikaye vardır. Yine de “üst düzey” hesaplamalı bir model olarak Turing makinesi, psikolojinin bir parçası olarak fena gözükmemekte. Beynimiz, belirli durumlarda ve yüksek, soyut bir tasvir düzeyinde bir Turing makinesi barındırıyor.
Zihne dair modern hesaplamalı modeller büyük ölçüde paraleldir, karmaşık ve hassas dinamikler sergilerler ve ayrışık semboller yerine olasılık dağılımlarıyla çalışırlar. Bu modeller Turing makineleri ile nasıl bağdaştırılabilir? İki modeli bütünleştirmenin bir yolu, bir Turing makinesinin bu modellerde sanal bir makine olarak çalıştığı fikrini kullanmaktır.[16]Bu fikre göre bir Turing makinesi bazı alt düzey hesaplamalı süreçlerden zuhur eden bir fenomen olarak ortaya çıkmaktadır.[17]Bu fikir elektronik bilgisayarlardan tanıdık gelebilir: üst düzey bir hesaplama (C# veya Java’da) daha alt düzey hesaplamadan (derleyici veya mikrokodda) ortaya çıkabilir. Elektronik bir bilgisayarın nasıl çalıştığını açıklarken hem üst düzey hem de alt düzey hesaplama tasvirleri önemlidir. Benzer bir biçimde, insan beyninin zekayı nasıl ürettiğini açıklamak için de üst düzey ve alt düzey tasvirlerin önemli olacağını beklemeliyiz.
5. Sonuç
Turing’in bilişsel bilim üzerinde devasa bir etkisi olmuştur, ancak gördüğümüz gibi etkisinin seyrini kesinkes takip etmek güçtür. Bu bölümde iki olası kaynağa baktık: Turing’in yapay zekanın nasıl ilerlemesi gerektiği hakkındaki tartışması ve Turing’in hesaplamalı modellerinin başkalarını nasıl etkilediği. İlk tarafta Turing’in yapay zekanın psikolojiyi nasıl etkilemesi gerektiği hakkında nadiren konuştuğunu ve insan psikolojisinin hesaplamalı olması gerektiği şeklindeki modern zaman iddiasını Turing’e atfetmenin kolay olmadığını gördük. İkinci tarafta ise daha net bir resim ortaya çıktı. Turing’in Entscheidungsproblem üzerine olan 1936 tarihli makalesi, Turing makinelerinin insan psikolojisinin zayıf modellerinden daha fazlası olduğunu ifade ediyor. Putnam ve diğerleri bu fikri benimsediler ve Turing makinelerinin insan psikolojisinin güçlü modelleri olduğunu öne sürdüler. Bu fikir halen geçerliliğini korumaktadır. Bilişsel bilimdeki çok çeşitli ilginç hesaplamalı modellere rağmen, Turing makineleri hala insan zihninin işleyişi hakkında her ne kadar üst düzeyde olsa da temel bir gerçeği kavrıyor gibi görünüyor.
Kaynakça
Clark, A. (2013). ‘Whatever next? Predictive brains, situated agents, and the future of cognitive science’, Behavioral and Brain Sciences, 36: 181–253.
Dennett, D. C. (1991). Consciousness explained. Boston, MA: Little, Brown & Company.
Feldman, J. (2012). ‘Symbolic representation of probabilistic worlds’, Cognition, 123: 61–83.
Putnam, H. (1975a). ‘Minds and machines’. Mind, language and reality, philosophical papers, volume 2, pp. 362–87. Cambridge University Press: Cambridge.
— — . (1975b). ‘The mental life of some machines’. Mind, language and reality, philosophical papers, volume 2, pp. 408–28. Cambridge University Press: Cambridge.
— — . (1975c). ‘Philosophy and our mental life’. Mind, language and reality, philosophical papers, vol. 2, pp. 291–303. Cambridge University Press: Cambridge.
Turing, A. M. (2004a). ‘Can digital computers think?’ Copeland B. J. (ed.) The essential turing, pp. 476–86. Oxford University Press: Oxford.
— — . (2004b). ‘Computing machinery and intelligence’. Copeland B. J. (ed.) The essential turing, pp. 441–64. Oxford University Press: Oxford.
— — . (2004c). ‘Intelligent machinery’. Copeland B. J. (ed.) The essential turing, pp. 395–432. Oxford University Press: Oxford.
— — . (2004d). ‘Can automatic calculating machines be said to think?’ Copeland B. J. (ed.) The essential turing, pp. 487–506. Oxford University Press: Oxford.
— — . (2004e). ‘On computable numbers, with an application to the entscheidungsproblem’. Copeland B. J. (ed.) The essential turing, pp. 58–90. Oxford University Press: Oxford.
Zylberberg, A., Dehaene, S., Roelfsema, P. R., & Sigman, M. (2011). ‘The human turing machine: A neural framework for mental programs’, Trends in Cognitive Sciences, 15: 293–300.
[1] Descartes, René. 1988. The Philosophical Writings of Descartes. Translated by J. Cottingham, R. Stoothoff, D. Murdoch and A. Kenny. 3 vols. Cambridge: Cambridge University Press.
[2] “Bilmek zorundayız, bileceğiz!” David Hilbert’in Alman Doğa Bilimcileri ve Fizikçileri Topluluğu’na yaptığı 8 Eylül 1930 tarihli söylevini bitiriş cümleleri. Bu söz Hilbert’in mezar taşında da yer almaktadır. http://math.sfsu.edu/smith/Documents/HilbertRadio/HilbertRadio.pdf
[3]Bu makale J. Copeland, J. Bowen, M. Sprevak & R.Wilson (Eds.) The Turing Guide: Life, Work, Legacy (2017), Oxford:Oxford University Press içerisinde yer almaktadır. (ç.n.)
[4]Computation terimini metinlerimizin önemli bir kısmında işlemleme olarak çevirdik. Çeviri inisiyatifi dolayısıyla kimi metinlerde hesaplama olarak çevriliyor. İkisi esasen aynı kavrama göndermede bulunuyorlar. (E.N.)
[5] Turing (2004b), s. 484; Turing (2004c), s. 445; Turing (2004d), s. 420; Turing (2004b), s. 482;
Turing (2004d), p. 472.
[6] Turing (2004a), s. 495; Turing (2004d), s. 420.
[7] Turing (2004d), s. 420.
[8] Turing’ten W. Ross Ashby’e mektup, tarih yok (Woodger papers (catalogue reference M11/99); a digital facsimile is in the Turing Archive for the History of Computing [www.alanturing.net/turing_ashby].
[9]Turing’ten W. Ross Ashby’e mektup, tarih yok (Woodger papers (catalogue reference M11/99); a digital facsimile is in the Turing Archive for the History of Computing [www.alanturing.net/turing_ashby].
[10]Turing (2004b), s. 486.
[11]Turing (2004e), s. 59.
[12] Turing (2004e), s. 75–76
[13] Putnam (1975a); Putnam (1975c).
[14] Putnam(1975b).
[15] Clark (2013).
[16] Bkz. Dennett (1991).
[17] Zylberberg vd. (011); Feldman (2012).
İleri Okuma Önerileri
The Universal Computer: The Road from Leibniz to Turing — Martin Davis: Bu kitap Leibniz’den itibaren mantıkta ve matematikte yaşanan gelişmelerin öncelikle Turing makinesine, ardından bilgisayarlara nasıl ortam hazırladığı, hatta onları nasıl mümkün kıldığı hakkında iyi bir giriş niteliğindedir.
The Annotated Turing: A Guided Tour Through Alan Turing’s Historic Paper on Computability and the Turing Machine — Charles Petzold: Turing’in 1936 tarihli On Computable Numbers, with an Application to the Entscheidungsproblem makalesini ayrıntılı notlarla ve tarihsel bağlamı içerisinde analiz eden bu kitap ile meraklı okur Turing makinesinin ne olduğuna, Turing’in neden böyle bir model ortaya attığına, bu modelin matematik ve mantık içerisindeki yerinin ne olduğuna dair daha kapsamlı ve ayrıntılı bir bilgi edinebilir.
