Özgün Adı: The AI revolution will be led by toasters, not droids
Janelle Shane, aieirdness.com’da mizah yazmak için sinir ağları eğitmektedir. Ayrıca kendisi optik alanında araştırma yürüten bir bilim insanıdır ve Boulder, Colorado’da yaşamaktadır.
Geleceğin akıllı algoritmaları mutfakta kullanışlı oldukları kadar ayaküstü sohbette ve harita okumada da marifetli olan çok amaçlı robotlara mı benzeyecek? Yoksa dijital asistanlarımız daha çok özel cihazlardan oluşan bir çanta- geveze bir şefin aksine bir mutfak dolusu teçhizat- gibi mi görünecekler?
Eğer bir algoritma çok fazla işin altından kalkmaya çalışırsa başını derde sokabilir. Aşağıda verilen tarif yapay zekanın (YZ) örneklerle öğrenen bir çeşidi olan yapay sinir ağları (YSA) (artificial neural network) tarafından üretilmiştir. Bu spesifik algoritma çorbadan turtaya, oradan ızgaraya kadar, akla gelebilecek her türlü tarifi içeren 30.000 tarif kitabını tetkik ettikten sonra kendi tarifini yazmaya çalışmıştır. Sonuçlar ise biraz alışılmışın dışında diyebiliriz:
Yayma tavuk pilavı
Peynir/yumurta, marul, peynir
2 lb (0,91 kg) yürek, çekirdekli
1 fincan rendelenmiş taze nane ya da ahududu turtası
Yarım fincan catrimas*, rendelenmiş
1 yemek kaşığı sıvıyağ
1 tuz
1 biber
2 adet yarım yemek kaşığı şeker, şeker
Mayasız olan malzemeleri birleştirin ve kıvam alana kadar çırpın. Daha sonra yumurta, şeker, bal ve kimyonu ekleyin ve kısık ateşte pişirmeye başlayın. Mısır şurubu, kekik, biberiye ve beyaz toz biber ekleyin. Kremayı ısıtarak kaba ekleyin. Kalan 1 çay kaşığı kabartma tozunu ve tuzu da ekleyip pişirin. 176 derecede 2 saat ile 1 saat arası pişirin. Sıcak servis edin.
Porsiyon: 6 Kişilik
Şimdi ise aynı algoritmanın her türlü tarife göz atmak yerine yalnızca kek tariflerini irdeleyerek oluşturduğu diğer bir tarife bakalım. Tarif mükemmel olmayabilir, ancak önceki tariften çok çok daha iyi diyebiliriz:
Vera Ladies Havuçlu Kek
Kekler, alkol
1 paket sarı kek karışımı
3 su bardağı un
1 çay kaşığı kabartma tozu
11/2 çay kaşığı karbonat
¼ çay kaşığı tuz
1 çay kaşığı toz tarçın
1 çay kaşığı toz zencefil
½ çay kaşığı toz karanfil
1 çay kaşığı kabartma tozu
½ çay kaşığı tuz
1 çay kaşığı vanilya
1 yumurta (Oda sıcaklığında)
1 fincan şeker
1 çay kaşığı vanilya
1 fincan kıyılmış ceviz
Fırını önceden 350 derecede ısıtın. 22 santimlik kelepçeli bir kalıbı yağlayın
Keki yapmak için: Kıvamlanıp sarı bir renk alana kadar yumurtaları yüksek hızda çırpın ve bir kenara koyun. Ayrı bir kapta yumurta beyazlarını koyulaşana kadar çırpın. İlk karışımı kalıba dökün ve sulu hamuru düzeltmeye çalışın. Kek hamurunu fırında 40 dakika kadar ya da hamura bir kürdan batırdığınızda temiz çıkıncaya dek pişirin. Kek kalıbını 10 dakika soğumaya bırakın. Tamamen soğuması için tel bir rafın üzerine çıkarın.
Keki tamamen soğuması için kalıptan çıkarın. Ilık servis edin.
HereCto Tarif Kitabı (1989), Canadian Living’deki Kitchen&Hawn’dan
Porsiyon: 16 kişilik
Eğer tarif adımlarını yakından incelersek burada pişirilenin yumurta sarısından ibaret olduğunu görebiliriz. Yine de bu bir gelişmedir. Yapay zekanın özelleşmesine izin verdiğimizde takibini yapmak zorunda kalacağı şeylerin sayısının azalmış olduğunu görüyoruz. Böylelikle ne zaman çikolatayı ne zaman patatesi kullanması gerektiğini, ne zaman pişirmesi ne zaman kaynatması gerektiğini kestirmesine gerek kalmamış oluyor. İlk algoritmanın pirinç, dondurma ve turta üretebilecek bir harikalar kutusu olmaya çalıştığını varsayarsak, ikinci algoritmanın daha çok tek bir görev için özelleşmiş, tost makinası gibi bir şey olmaya çalıştığını görebiliriz.
Harikalar kutusundan ziyade tost makinası yapmanın daha anlamlı olduğu, makine öğrenmesi algoritmalarını eğiten geliştiriciler tarafından da tasdik edilmiştir. Bunu mantıksız görmek de mümkündür, çünkü Batı bilim kurgusu Star Wars’taki C-3PO ya da bulunduğu filme ismini veren WALL-E benzeri bir yapay zeka portresi çizmeye meyillidir: bunlar aynı zamanda yapay genel zeka (YGZ) (artificial general intelligence) örneği olarak da bildiğimiz birçok görevin altından kalkabilen ve dünyayla bir insan gibi etkileşim kurabilen özdevinirlerdir. Ancak bazı oluşumlar makine öğrenmesini fark ettirmeden- ve de başarıyla- daha sınırlı amaçlara ulaşmak üzere kullanmaktadır. Örnek bir algoritma olarak müşterilerin telefon faturalarıyla ilgili -sınırlı sayıdaki- sorularıyla ilgilenebilen bir sohbet robotu düşünülebilir. Başka bir algoritma ise müşterinin hangi amaçla ulaştığını tahmin edip bu tahminleri telefonları cevaplamakla yükümlü müşteri temsilcisine raporluyor olabilir. Bunlar sınırlı bir aralıkta işlev sergileyen yapay dar zeka (YDZ) (artificial narrow intelligence) örnekleridir. Öte yandan Facebook, otel rezervasyonları, tiyatro biletleri, papağan ziyaretleri** ayarlama amaçlarını yerine getirmekte başarısızlığa uğrayan sohbet robotu M’i emekliye ayırmıştır
WALL-E düzeyi yerine tost makinası düzeyinde YDZ sahibi olmamız ise kapsamlaşmaya çalışan bir algoritmanın karşılaştığı görevlerde giderek kötüleşmesinden kaynaklanmaktadır. Verilen başlıktan yola çıkarak fotoğraf üretmeye çalışan bir algoritma burada örnek olarak verilmiştir. Aşağıda verilen fotoğraf “bu, kafasında siyahlıklar bulunan, kısa gagalı, sarı bir kuştur” ifadesinden yola çıkılarak oluşturulmuştur. Algoritma yalnızca kuşlardan oluşan veri tabanıyla eğitildiğinde büyük ölçüde başarılı olmuştur: (garip unicorn (tek boynuzlu at) boynuzuna rağmen)
Ancak algoritmaya dur işaretinden tekneye, ineklerden insanlara herhangi bir şeyi üretme yetkisi atadığımızda zorlanma başlar. Burada ‘büyük bir pizza dilimi yiyen bir kızın görüntüsü’nü üretme girişimi yer alıyor:
Tek bir konuda başarılı olan ve birden çok konuda başarılı olan iki algoritma arasında bu kadar büyük fark olduğunu düşünmeye alışkın değiliz. Ancak günümüz algoritmaları insan beynine kıyasla çok daha kısıtlı bir zihinsel güç sergilemekte olup her yeni görev onları daha da zayıflatmaktadır. Tost makinası ebadında bir cihaz düşünün: bu cihaza ekmekleri kızartabilsin diye birkaç yuva ve biraz da ısıtma rezistansı eklemek işten değildir. Ancak bunu yaptığımızda başka seçeneklere pek de yer bırakmamış oluruz. Eğer bu cihaza bir de pirinç haşlama, dondurma yapma işlevlerini de eklemeye çalışırsak ekmek yuvalarımızdan en azından birini kaybetmiş oluruz ve büyük ihtimalle hiçbir görevinde başarılı olmayan bir cihazımız olmuş olur.
Programcıların YDZ algoritmalarından daha çok verim alabilmek için kullandıkları belli başlı püf noktalar mevcuttur. Bunlardan biri transfer öğrenmesidir (transfer learning): algoritma önce tek bir görev için eğitilir, sonrasında ise minimal yeniden öğrenimle farklı ancak yakından alakalı görevleri öğrenebilir. Örneğin, transfer öğrenmesi görüntü tanıma (image-recognition) algoritmalarını eğitmek için kullanılmaktadır. Hayvanları tanımlamayı öğrenmiş bir algoritma, meyveleri tanımlama görevine geçebilecek kenar algılama (edge-detecting) ve doku analizi(texture-analysis) becerileri yolunda halihazırda çok şey kazanmıştır. Ancak algoritmayı meyveleri tanıyabilmesi için tekrar eğitmek bizi katastrofik unutma (catastrophic forgetting) olarak adlandırılan durumla karşı kaşıya bırakır: bu da algoritmanın artık hayvanları nasıl tanımladığını hatırlamıyor oluşunu ifade eder.
Günümüz algoritmalarında kullanılan bir diğer püf nokta ise modülerliktir (modularity). Geleceğin yapay zekalarının herhangi bir sorunu çözebilecek tek bir algoritmadan ziyade oldukça özelleşmiş araçların birleşimi olması kuvvetle muhtemeldir. Örneğin Doom oynamayı öğrenmiş bir algoritmanın ayrık durumda bulunun görüş, denetim ve bellek modülleri vardır. Birbirine bağlı bu modüller aksamalara karşı bir artıklık ve farklı yaklaşımlara dayalı bir soruna en iyi çözümü oylayan bir mekanizma sağlar. Bunlar aynı zamanda algoritmik hataları tespit edip gidermeyi olanaklı kılabilir. Normal şartlarda tek bir algoritmanın kararlarını nasıl aldığını çözebilmek zordur. Ancak bu kararlar iş birliği içerisindeki alt algoritmalar tarafından alınıyorsa en azından alt algoritmaların çıktısını inceleme şansımız olacaktır.
Uzak geleceğin yapay zekalarını düşlediğimizde belki de WALL-E ve C-3PO aramamız gereken droidler değildirler. Bunların yerine, uygulamalarla dolu bir akıllı telefon ya da cihazlarla dolu bir mutfak dolabı gibi bir şey hayal edebiliriz. Algoritmalar dünyasına hazırlanırken, belki de hiçbir zaman üretilemeyecek olan düşünebilen, çok amaçlı harikalar kutularına şartlanmak yerine fazlasıyla özelleşmiş tost makinalarını gözden geçirdiğimizden emin olmalıyız.
Çevirmenin Notları:
*’Catrina’ bir ıspanak çeşidini ifade etmekle birlikte metinde geçen “catrimas” ifadesi olduğu gibi bırakılmıştır.
**Aktarılana göre bir kullanıcı bahsedilen sohbet robotuna papağını için bir ziyaret ayarlanmasını talep etmiştir (Shane, 2019)
