{"id":2005,"date":"2022-01-09T15:00:17","date_gmt":"2022-01-09T15:00:17","guid":{"rendered":"https:\/\/cog-ist.com\/?post_type=blog_content&p=2005"},"modified":"2025-09-07T20:29:56","modified_gmt":"2025-09-07T20:29:56","slug":"moravecin-paradoksu-tirthajyoti-sarkar","status":"publish","type":"blog_content","link":"https:\/\/cog-ist.com\/en\/blog_content\/moravecin-paradoksu-tirthajyoti-sarkar\/","title":{"rendered":"Moravec\u2019in Paradoksu \u2014\u00a0Tirthajyoti Sarkar"},"content":{"rendered":"

\u00d6zg\u00fcn Ad\u0131:\u00a0Why math is easy for AI but gardening is not: Moravec\u2019s paradox | by Tirthajyoti Sarkar | Towards Data Science<\/a><\/p>\n\n\n\n

Moravec\u2019in Paradoksu<\/strong><\/h1>\n\n\n\n

Introduction<\/strong><\/p>\n\n\n\n

G\u00fcc\u00fcn\u00fc b\u00fcy\u00fck veri setlerinden, derin n\u00f6ral a\u011flar ve istatistiki makine \u00f6\u011frenmesi gibi karma\u015f\u0131k algoritmalardan (destek vekt\u00f6r makineleri, k\u00fcmeleme, rastgele orman vs.) alan yapay zeka sistemleri; finanstan sa\u011fl\u0131\u011fa, sat\u0131\u015ftan ula\u015f\u0131ma g\u00fcnl\u00fck hayat\u0131m\u0131z\u0131n her alan\u0131nda derin ve d\u00f6n\u00fc\u015ft\u00fcr\u00fcc\u00fc etkilere sahip.<\/p>\n\n\n\n

Netflix\u2019in film \u00f6nerme sistemi, Amazon\u2019un \u00fcr\u00fcn tahmin sistemi, Facebook\u2019un be\u011fenebilece\u011finiz \u015feyleri size g\u00f6stermekteki \u00fcrpertici kabiliyeti, Google\u2019\u0131n asistan\u0131, DeepMind\u2019\u0131n AlphaGo\u2019su, Stanford\u2019\u0131n insan doktorlar\u0131 alt eden yapay zekas\u0131\u2026 Makine \u00f6\u011frenmesi yaz\u0131l\u0131mlar\u0131 yiyip bitiriyor.<\/a> Liste uzay\u0131p gidiyor\u2026<\/p>\n\n\n\n

Bu g\u00fc\u00e7l\u00fc algoritmalar\u0131n ortak noktalar\u0131ndan biri, g\u00f6revlerini yerine getirirken karma\u015f\u0131k bir matematik kullan\u0131yor olmalar\u0131.<\/a> Bir g\u00f6r\u00fcnt\u00fcy\u00fc s\u0131n\u0131fland\u0131r\u0131p b\u00f6l\u00fctlerken, \u00f6nemli kararlar verirken, bir \u00fcr\u00fcn \u00f6nerirken, karma\u015f\u0131k bir olay\u0131 modellerken ya da muazzam boyuttaki bir veri i\u00e7inde gizlenen \u00f6r\u00fcnt\u00fcleri bulurken, sofistike matematiksel teknikler kullan\u0131yor yapay zeka.<\/p>\n\n\n\n

B\u00fct\u00fcn bu matematiksel i\u015flemler<\/a> o kadar karma\u015f\u0131k ki; bir insan, hatta bir grup insan, bu i\u015flemleri kafas\u0131ndan, kalem ka\u011f\u0131t kullanarak veya bilgisayar kullanarak yapamaz. Yapay zeka ve makine \u00f6\u011frenmesi sistemlerinin cazibesi tam da burada: Bu sistemler, karma\u015f\u0131k matematiksel ak\u0131l y\u00fcr\u00fctmelerini, bol miktarda ham veriyi olas\u0131l\u0131ksal modeller ve istatistiki kurallar yard\u0131m\u0131yla i\u015fleyerek otomatize edebiliyorlar.<\/p>\n\n\n\n

Fakat bu makalede, yapay zeka sistemleri i\u00e7in her \u00e7e\u015fit otomasyonun bu kadar kolay olmayaca\u011f\u0131n\u0131 g\u00f6rece\u011fiz.<\/p>\n\n\n\n

Ak\u0131l Y\u00fcr\u00fctmenin Otomasyonu, Motor Becerilerin Otomasyonuna Kar\u015f\u0131<\/strong><\/h1>\n\n\n\n

Yapay Zeka, Matematik ile G\u00fczel \u00c7al\u0131\u015f\u0131r<\/strong><\/p>\n\n\n\n

Konuyu oldu\u011fundan k\u0131smen daha basit g\u00f6sterme pahas\u0131na da olsa, modern yapay zeka sistemlerini otomatize edilmi\u015f matematiksel ak\u0131l y\u00fcr\u00fctme sistemleri olarak d\u00fc\u015f\u00fcnebiliriz.<\/p>\n\n\n\n

Ve bu hep b\u00f6yleydi, ge\u00e7mi\u015fte de.<\/p>\n\n\n\n

1980 ve 90\u2019l\u0131 y\u0131llarda, sembolik mant\u0131k<\/a> ve uzman sistemleri<\/a> reva\u00e7tayd\u0131. Hat\u0131rlayal\u0131m ki, sembolik mant\u0131k, karma\u015f\u0131k bir ak\u0131l y\u00fcr\u00fctme paradigmas\u0131ndan ba\u015fka bir \u015fey de\u011fil.<\/p>\n\n\n\n

2010 ve 20\u2019li y\u0131llara geldi\u011fimizdeyse, \u00f6z\u00fcnde devasa lineer cebir \u00e7\u00f6z\u00fcc\u00fclerin ve istatistiki da\u011f\u0131l\u0131m modellemecilerinin oldu\u011fu sistemleri geli\u015ftiriyor ve kullan\u0131yoruz.<\/p>\n\n\n\n

Ana yakla\u015f\u0131m, sembol temelli (t\u00fcmdengelimci mant\u0131k) olmaktan \u00e7\u0131k\u0131p veri temelli (t\u00fcmevar\u0131mc\u0131 genellemecilik)<\/a> hale geldi, fakat bu iki yakla\u015f\u0131m\u0131n ortak paydas\u0131 de\u011fi\u015fmedi: Yapay zeka sistemleri, karma\u015f\u0131k matematik ile g\u00fczel \u00e7al\u0131\u015f\u0131yorlar.<\/p>\n\n\n\n

Kim Daha Zeki, Bir Bah\u00e7\u0131van m\u0131 Yoksa Bir Matematik\u00e7i mi?<\/strong><\/p>\n\n\n\n

Bu elbette retorik, hatta k\u0131r\u0131c\u0131 olmaya yakla\u015fan nitelikte bir soru. Zeka farkl\u0131 insanlar i\u00e7in farkl\u0131 anlamlar ifade edebilir ve bir mesle\u011fi icra eden insanlar\u0131n, ortalamada dahi, di\u011ferlerinden daha zeki oldu\u011funu d\u00fc\u015f\u00fcnmek i\u00e7in bir sebep yok.<\/p>\n\n\n\n

Ne de olsa, zekay\u0131 tan\u0131mlamak olduk\u00e7a \u00e7etrefilli bir i\u015f.<\/p>\n\n\n\n

Tamam, \u015fimdi biraz geri d\u00f6n\u00fcp zekan\u0131n daha k\u0131s\u0131tlanm\u0131\u015f bir tan\u0131m\u0131na bakal\u0131m.<\/p>\n\n\n\n

\u015e\u00fcphesiz ki bug\u00fcn\u00fcn yapay zeka sistemleri, aslen, b\u00fcy\u00fck \u00f6l\u00e7ekli i\u015flem sistemleridir. Bir derin \u00f6\u011frenme sistemi; ard\u0131 ard\u0131na gelen katmanlarda bulunan i\u015flemci sinir d\u00fc\u011f\u00fcmlerinden, b\u00fcy\u00fck miktarda vekt\u00f6rle\u015ftirilmi\u015f verinin y\u00fczlerce kez tekrarl\u0131 \u015fekilde ge\u00e7irilmesi yoluyla e\u011fitilir. Mesele, en temelde, \u00e7arpma, toplama ya da mant\u0131ksal VE \/ VEYA gibi basit i\u015flemlerin milyarlarca kez yap\u0131lmas\u0131na indirgenebilir.<\/p>\n\n\n\n

B\u00f6ylece, dar bir anlamda, yap\u0131lan i\u015flem say\u0131s\u0131yla yapay zekan\u0131n ak\u0131l y\u00fcr\u00fctme kabiliyeti aras\u0131nda bir denklik kurabiliriz. Bu durumu, tek gizli katmanl\u0131 bir sinir a\u011f\u0131n\u0131n XOR problemini \u00e7\u00f6zemezken<\/a>, 152 katmanl\u0131 ResNet\u2019in<\/a> binlerce g\u00f6rseli y\u00fcksek isabetle s\u0131n\u0131fland\u0131rabilmesinde g\u00f6rebiliriz.<\/p>\n\n\n\n

Daha fazla katman, daha fazla i\u015flem, yapay zeka i\u00e7in daha fazla g\u00fc\u00e7.<\/p>\n\n\n\n

Dolay\u0131s\u0131yla, i\u015flem g\u00fcc\u00fcn\u00fc zeka ile, di\u011fer bir deyi\u015fle karma\u015f\u0131k i\u015flemler yapabilme becerisini daha y\u00fcksek seviye zeka ile ba\u011fda\u015ft\u0131r\u0131rsak, matematik\u00e7i bu kar\u015f\u0131la\u015fmadan galip ayr\u0131l\u0131r, de\u011fil mi?<\/p>\n\n\n\n

En az\u0131ndan, y\u00fcksek seviyeli ak\u0131l y\u00fcr\u00fctme i\u015flerinin, kafam\u0131zda karma\u015f\u0131k hesaplar yapmadan kolayca halledebilece\u011fimiz bah\u00e7\u0131vanl\u0131k gibi s\u0131radan i\u015flerden daha fazla hesaplama gerektirdi\u011fine bir \u015fekilde kendimizi ikna edebiliriz.<\/p>\n\n\n\n

Fakat g\u00f6r\u00fcnen o ki, bu yanl\u0131\u015f bir \u00e7\u0131kar\u0131m olurdu.<\/p>\n\n\n\n

Bir yapay zeka sistemi i\u00e7in bir matematik\u00e7i olmak, bir bah\u00e7\u0131van\u0131n becerilerini elde etmekten daha kolay. En az\u0131ndan g\u00fcncel yapay zeka sistemleri i\u00e7in durum bu.<\/p>\n\n\n\n

Moravec\u2019in Paradoksu<\/strong><\/p>\n\n\n\n

Hans Moravec<\/a>, Avusturya do\u011fumlu bir Amerikal\u0131. Kendisi bir robotik\u00e7i ve bilgisayar bilimci. \u015eimdi ise, Carnegie Mellon \u00dcniversitesi\u2019nin Robotik Enstit\u00fcs\u00fc\u2019nde<\/a> misafir \u00f6\u011fretim g\u00f6revlisi.<\/p>\n\n\n\n

Kendisi, robotik ve yapay zeka \u00fczerine yapt\u0131\u011f\u0131 \u00e7al\u0131\u015fmalarla ve teknolojinin etkileri \u00fczerine yazd\u0131\u011f\u0131 yaz\u0131larla tan\u0131n\u0131yor. Moravec ayr\u0131ca transh\u00fcmanizm<\/a> \u00fczerine bir\u00e7ok yay\u0131n\u0131 ve \u00f6ng\u00f6r\u00fcs\u00fc bulunan bir f\u00fct\u00fcrist.<\/a><\/p>\n\n\n\n

Moravec, 1980\u2019lerde, Marvin Minsky<\/a> ve Rodney Brooks<\/a> gibi alan\u0131nda \u00f6nde gelen bilim insanlar\u0131yla bir g\u00f6zlemde bulundu: \u201cGeleneksel varsay\u0131mlar\u0131n aksine, insanlarda y\u00fcksek seviye olan ak\u0131l y\u00fcr\u00fctme, az miktarda hesaplama gerektiriyor. Fakat, insanlarda g\u00f6rece d\u00fc\u015f\u00fck seviyeli olan duyumotor (sensorimotor) beceriler, muazzam hesaplama kaynaklar\u0131 gerektiriyorlar\u201d.<\/p>\n\n\n\n

Moravec \u015f\u00f6yle demi\u015fti: \u201cBilgisayarlar\u0131n zeka testlerinde ya da dama oynamakta bir yeti\u015fkin kadar becerikli olmas\u0131n\u0131 sa\u011flamak g\u00f6rece kolay, ama konu alg\u0131lamaya ve hareket etmeye geldi\u011fi zaman, onlara bir ya\u015f\u0131ndaki bir \u00e7ocu\u011fun becerilerini vermek \u00e7ok zor ya da imkans\u0131z.<\/em>\u201d<\/p>\n\n\n\n

Bu g\u00f6zlem, g\u00f6rsel s\u0131n\u0131fland\u0131rma gibi darac\u0131k bir alanda insan seviyesinde alg\u0131 yetene\u011fi g\u00f6steren ResNet-50 modeli gibi yapay zeka sistemlerinin bulunmad\u0131\u011f\u0131 d\u00f6nemlerde, 30 y\u0131ldan daha uzun bir s\u00fcre \u00f6nce yap\u0131lm\u0131\u015ft\u0131. Fakat bu g\u00f6zlemin isabetlili\u011fi, bug\u00fcn bile g\u00fcc\u00fcn\u00fc koruyor.<\/p>\n\n\n\n

OpenAI\u2019\u0131n olduk\u00e7a karma\u015f\u0131k Dota oyununda insanlar\u0131 yenen inan\u0131lmaz program\u0131n\u0131 hepimiz g\u00f6rd\u00fck,<\/a> fakat siz, yapay zekan\u0131n, \u015fimdiye kadar hi\u00e7 lise seviyesinde bir masa tenis\u00e7isini yendi\u011fini g\u00f6rd\u00fcn\u00fcz m\u00fc?<\/p>\n\n\n\n

Amat\u00f6r bir kul\u00fcp tak\u0131m\u0131yla kar\u015f\u0131la\u015fan bir robot futbol tak\u0131m\u0131? Yapraklar\u0131 k\u0131saltabilen, \u00e7i\u00e7ekleri yeterince hassas bir \u015fekilde toplayabilen ve bah\u00e7eyi kusursuz bir \u015fekilde sulayabilen, tamamen otonom bir robot bah\u00e7\u0131van?<\/p>\n\n\n\n

Neden yok, bir d\u00fc\u015f\u00fcnelim\u2026<\/p>\n\n\n\n

\u0130nsan Yeteneklerinin Biyolojik Temeli<\/strong><\/p>\n\n\n\n

\u0130nsan yeteneklerinin tamam\u0131, do\u011fal se\u00e7ilim s\u00fcrecinin tasarlad\u0131\u011f\u0131 d\u00fczenekler kullan\u0131larak, biyolojik bir \u015fekilde hayata ge\u00e7irilir. <\/em><\/strong>Ayr\u0131ca, bu s\u00fcre\u00e7, enerji sarfiyat\u0131n\u0131n optimize edilmesine olduk\u00e7a \u00f6nem verir.<\/p>\n\n\n\n

\u0130nsan beynini bir d\u00fc\u015f\u00fcn\u00fcn. Bu s\u0131k\u0131\u015ft\u0131r\u0131lm\u0131\u015f i\u015flemcide 80 milyardan fazla n\u00f6ron, sadece lo\u015f bir ampul\u00fcn g\u00fcc\u00fcyle (~20 watt)<\/a> ate\u015fleniyor. Bu 1400 graml\u0131k s\u00fcngersi yap\u0131\u015fkan \u015feyin, bilinen evrendeki en y\u00fcksek enerji verimlili\u011fine sahip<\/a> i\u015flemciye d\u00f6n\u00fc\u015fmesi s\u0131ras\u0131nda muazzam bir optimizasyon ger\u00e7ekle\u015fti.<\/p>\n\n\n\n

\u0130nsan becerilerinin evrim yoluyla geli\u015fmesi, inan\u0131lmaz s\u0131k\u0131 optimizasyon kriterlerine uyan tasar\u0131m geli\u015fmelerini korudu. Fakat bu optimizasyon s\u00fcreci yava\u015f ve belirli bir becerinin evrimini \u015fekillendirip y\u00f6nlendirebilmesi i\u00e7in uzun bir zamana muhta\u00e7.<\/p>\n\n\n\n

Bu y\u00fczden, basit\u00e7e \u015fu s\u00f6ylenebilir: Bir beceri ne kadar eskiyse, onun tasar\u0131m\u0131n\u0131 geli\u015ftirmek i\u00e7in do\u011fal se\u00e7ilimin o kadar fazla vakti olmu\u015ftur.<\/p>\n\n\n\n

Soyut d\u00fc\u015f\u00fcnme ve y\u00fcksek seviyeli matematiksel ak\u0131l y\u00fcr\u00fctme, olduk\u00e7a yak\u0131n zamanlarda geli\u015ftiler. Bu y\u00fczden de, bunlar\u0131n uygulamalar\u0131n\u0131n ve arkalar\u0131ndaki mekanizmalar\u0131n \u00f6zellikle verimli olmas\u0131 beklenmez.<\/p>\n\n\n\n

Y\u00fcksek Seviyeli Ak\u0131l Y\u00fcr\u00fctme, Yak\u0131n Zamana Kadar, Evrimin Can\u0131 Ci\u011feri De\u011fildi<\/strong><\/p>\n\n\n\n

Bir saniye durun ve kendinizi 200 bin y\u0131l \u00f6ncesinde, kocaman Afrika savanlar\u0131nda ya da Amazon ya\u011fmur ormanlar\u0131nda bir homo sapiens olarak hayal edin.<\/p>\n\n\n\n

A\u015fa\u011f\u0131daki becerilerden hangilerini daha \u00e7ok \u00f6nemserdiniz?<\/p>\n\n\n\n