{"id":2031,"date":"2023-02-01T15:00:56","date_gmt":"2023-02-01T15:00:56","guid":{"rendered":"https:\/\/cog-ist.com\/?post_type=blog_content&p=2031"},"modified":"2025-09-08T20:38:44","modified_gmt":"2025-09-08T20:38:44","slug":"derin-ogrenme-duvara-tosluyor-yapay-zekanin-gercekten-ilerleme-kaydetmesi-icin-ne-gerekiyor-gary-marcus","status":"publish","type":"blog_content","link":"https:\/\/cog-ist.com\/en\/blog_content\/derin-ogrenme-duvara-tosluyor-yapay-zekanin-gercekten-ilerleme-kaydetmesi-icin-ne-gerekiyor-gary-marcus\/","title":{"rendered":"Derin \u00d6\u011frenme Duvara Tosluyor: Yapay Zekan\u0131n Ger\u00e7ekten \u0130lerleme Kaydetmesi \u0130\u00e7in Ne Gerekiyor? \u2014 Gary Marcus"},"content":{"rendered":"

\u00d6zg\u00fcn Ad\u0131:\u00a0Deep Learning Is Hitting a Wall: What would it take for artificial intelligence to make real progress?<\/a><\/p>\n\n\n\n

Gary Marcus <\/em>bir bilim insan\u0131, \u00e7ok satan bir yazar ve giri\u015fimcidir. Uber taraf\u0131ndan 2016 y\u0131l\u0131nda sat\u0131n al\u0131nan bir makine \u00f6\u011frenimi \u015firketi olan Geometric Intelligence\u2019\u0131n kurucusu ve CEO\u2019su, ve Robust AI\u2019nin Kurucusu ve \u0130cra Kurulu Ba\u015fkan\u0131d\u0131r. Aralar\u0131nda The Algebraic Mind<\/a>, Kluge<\/a>, The Birth of the Mind<\/a> ve New York Times\u2019\u0131n \u00e7ok satanlar\u0131ndan Guitar Zero<\/a>\u2019nun da bulundu\u011fu ve son olarak, Ernest Davis\u2019le birlikte yazd\u0131\u011f\u0131, Forbes\u2019un \u201cYapay Zeka \u00fczerine okunmas\u0131 gereken 7 kitap\u201dtan biri olan Rebooting AI<\/a> ile birlikte 5 kitab\u0131n yazar\u0131d\u0131r.<\/p>\n\n\n\n

Derin \u00f6\u011frenmenin \u201cvaftiz babas\u0131\u201d ve zaman\u0131m\u0131z\u0131n en \u00fcnl\u00fc bilim insanlar\u0131ndan biri olan Geoffrey Hinton, 2016’da Toronto\u2019da \u00f6nde gelen Yapay Zeka (YZ) konferanslar\u0131ndan birine verdi\u011fi deme\u00e7te \u201cBariz g\u00f6r\u00fcnen birka\u00e7 \u015fey s\u00f6yleyerek ba\u015flayay\u0131m. E\u011fer bir radyolog olarak \u00e7al\u0131\u015f\u0131yorsan\u0131z, u\u00e7urumun kenar\u0131na gelmi\u015f ama a\u015fa\u011f\u0131ya bakmam\u0131\u015f bir \u00e7akal gibisiniz. Derin \u00f6\u011frenme, MR (Manyetik Rezonans) ve CT (Bilgisayarl\u0131 Tomografi) taramalar\u0131ndan gelen g\u00f6r\u00fcnt\u00fcleri okumak i\u00e7in \u00e7ok uygundur,\u201d der. Hinton konu\u015fmas\u0131na, insanlar\u0131n radyolog yeti\u015ftirmeyi \u015fimdi b\u0131rakmalar\u0131 gerekti\u011fini ve sadece \u201c5 y\u0131l i\u00e7inde derin \u00f6\u011frenmenin [radyologlardan] daha iyi sonu\u00e7 verece\u011finin bariz oldu\u011funu\u201d s\u00f6yleyerek devam eder.<\/p>\n\n\n\n

2022\u2019ye ileri sararsak, tek bir radyolog bile yerinden olmad\u0131. Aksine, g\u00fcn\u00fcm\u00fczdeki fikir birli\u011fi, radyolojide makine \u00f6\u011frenmesinin g\u00f6r\u00fcnd\u00fc\u011f\u00fcnden daha zor<\/a> oldu\u011fu (1); ve en az\u0131ndan \u015fimdilik insanlar\u0131n ve makinelerin birbirlerinin g\u00fc\u00e7l\u00fc yanlar\u0131n\u0131 tamamlad\u0131\u011f\u0131<\/a> (2) y\u00f6n\u00fcnde.<\/p>\n\n\n\n

Yapay zeka d\u0131\u015f\u0131nda \u00e7ok az alan bu kadar abart\u0131 ve g\u00f6steri\u015fle doludur. On y\u0131llar boyunca trendden trende atlam\u0131\u015f, hep aya gitmeyi vaat edip nadiren s\u00f6z\u00fcn\u00fc yerine getirmi\u015ftir. Bu vaatleri yerine getirecek trend bir an uzman sistemler iken, bir an sonras\u0131nda Bayez a\u011flar\u0131, ard\u0131ndan da Destek Vekt\u00f6r Makineleri (DVM \u2014 support vector machines (SVM)) olmu\u015ftur. 2011 y\u0131l\u0131nda ise trend IBM\u2019nin Watson\u2019\u0131yd\u0131, bir zamanlar t\u0131pta bir devrim olarak tan\u0131t\u0131lm\u0131\u015fken ge\u00e7ti\u011fimiz g\u00fcnlerde par\u00e7alar\u0131 i\u00e7in sat\u0131ld\u0131<\/a> (3). Bug\u00fcnlerde, asl\u0131nda 2012\u2019den beri en \u00e7ok tercih edilen trend ise, g\u00fcncel yapay zekan\u0131n b\u00fcy\u00fck bir k\u0131sm\u0131n\u0131 olu\u015fturan ve Hinton\u2019un \u00f6nc\u00fcl\u00fc\u011f\u00fcn\u00fc etti\u011fi multi milyar dolarl\u0131k bir teknik olan derin \u00f6\u011frenme oldu. Hinton etkileyici bir \u015fekilde yar\u0131m milyon at\u0131f ald\u0131 ve Yoshua Bengio ve Yann LeCun ile 2018 Turing \u00d6d\u00fcl\u00fcn\u00fc kazand\u0131.<\/p>\n\n\n\n

Kendisinden \u00f6nceki YZ \u00f6nc\u00fcleri gibi, Hinton da s\u0131k s\u0131k yakla\u015fan o B\u00fcy\u00fck Devrim\u2019i m\u00fcjdeliyor. Radyoloji ise bu b\u00fcy\u00fck devrimin sadece bir par\u00e7as\u0131. 2015 y\u0131l\u0131nda, Hinton Google\u2019a kat\u0131ld\u0131ktan k\u0131sa bir s\u00fcre sonra The Guardian,<\/em> \u015firketin \u201cmant\u0131k, do\u011fal konu\u015fma ve hatta fl\u00f6rt etme kapasitesine sahip algoritmalar geli\u015ftirmenin e\u015fi\u011finde\u201d oldu\u011funu yazd\u0131. Hatta 2020 Kas\u0131m\u0131nda Hinton, MIT Technology Review<\/em>\u2019a \u201cderin \u00f6\u011frenmenin her \u015feyi yapabilece\u011fini\u201d bile s\u00f6yledi<\/a> (4).<\/p>\n\n\n\n

Bundan ciddi anlamda \u015f\u00fcphe ediyorum. Ger\u00e7ekte, hala insan dilini tam anlam\u0131yla anlayabilen makineler i\u00e7in uzun yol kat etmemiz gerekiyor. Hatta bir bilim-kurgu filmi olan Jetgiller\u2019de hizmet\u00e7i karakteri olan, olduk\u00e7a \u00e7e\u015fitli insan isteklerini anlamakla birlikte e\u015f zamanl\u0131 ve g\u00fcvenli olarak bunlar\u0131 yerine getirebilen Robot Rosey\u2019in g\u00fcnl\u00fck ya\u015fam zekas\u0131n\u0131n yak\u0131n\u0131nda bile de\u011filiz. Bununla birlikte, Elon Musk ge\u00e7enlerde \u00fcretmeyi planlad\u0131\u011f\u0131 insans\u0131 robot Optimus\u2019un bir g\u00fcn ula\u015f\u0131m sekt\u00f6r\u00fcnde vazge\u00e7ilmez bir rol \u00fcstlenece\u011fini s\u00f6yledi, fakat robotun tan\u0131t\u0131ld\u0131\u011f\u0131 Tesla\u2019n\u0131n 2021\u2019deki tan\u0131t\u0131m g\u00fcn\u00fcnde Optimus insan kost\u00fcm\u00fc giymi\u015f bir makineden fazlas\u0131 de\u011fildi. Google\u2019\u0131n dile son katk\u0131s\u0131 (Lamda) ise \u00f6ylesine u\u00e7uk bir sistemdi ki kendi yazarlar\u0131ndan biri ge\u00e7enlerde sistemin \u201csa\u00e7mal\u0131k<\/a>\u201d (5) \u00fcretmeye meyilli oldu\u011funu a\u00e7\u0131klad\u0131. Bu gidi\u015fat\u0131 de\u011fi\u015ftirmek ve ger\u00e7ekten g\u00fcvenebilece\u011fimiz YZ\u2019ye ula\u015fmak kolay olmayacak.<\/p>\n\n\n\n

Zaman i\u00e7erisinde, ger\u00e7ekten g\u00fcvenilir YZ\u2019ye ula\u015fabilirsek, derin \u00f6\u011frenmenin bunun i\u00e7in yapmam\u0131z gerekenlerin sadece ufak bir k\u0131sm\u0131 oldu\u011funu g\u00f6rece\u011fiz.<\/p>\n\n\n\n

Temelinde bir \u00f6r\u00fcnt\u00fc tan\u0131ma tekni\u011fi olan derin \u00f6\u011frenme, ancak beklentimiz detayl\u0131 bir sonu\u00e7 de\u011filse, risk d\u00fc\u015f\u00fckse ve kusursuz sonu\u00e7lar opsiyonelseen iyi tercih olacakt\u0131r. Foto\u011fraf etiketlemeyi ele alal\u0131m. Ge\u00e7en g\u00fcn Iphone\u2019umdan birka\u00e7 y\u0131l \u00f6nce \u00e7ekti\u011fim tav\u015fan foto\u011fraf\u0131n\u0131 bulmas\u0131n\u0131 istedim; ben foto\u011fraf\u0131 hi\u00e7 etiketlememi\u015f olmama ra\u011fmen telefon an\u0131nda iste\u011fimi yerine getirdi. Bunu ba\u015fard\u0131 \u00e7\u00fcnk\u00fc \u00e7ekti\u011fim tav\u015fan foto\u011fraf\u0131, tav\u015fan olarak etiketlenmi\u015f foto\u011fraflar i\u00e7eren b\u00fcy\u00fck bir veritaban\u0131ndaki di\u011fer foto\u011fraflara yeterince benziyordu. Ama otomatik, derin \u00f6\u011frenme ile \u00e7al\u0131\u015fan foto\u011fraf etiketleme sistemi de hataya e\u011filimlidir, baz\u0131 tav\u015fan foto\u011fraflar\u0131n\u0131 g\u00f6zden ka\u00e7\u0131rabilir (\u00f6zellikle da\u011f\u0131n\u0131k olanlar\u0131, veya garip bir \u0131\u015f\u0131k alt\u0131nda garip bir a\u00e7\u0131dan \u00e7ekilmi\u015f ya da tav\u015fan\u0131n bir k\u0131sm\u0131 gizlenmi\u015f olanlar\u0131). Hatta zaman zaman \u00e7ocuklar\u0131m\u0131n bebeklik foto\u011fraf\u0131yla bir tav\u015fan\u0131n g\u00f6r\u00fcnt\u00fcs\u00fcn\u00fc ay\u0131rt edemeyebilir. Ancak risk d\u00fc\u015f\u00fck oldu\u011fundan uygulama arada bir hata yapt\u0131\u011f\u0131nda telefonumu \u00e7\u00f6pe atmama gerek yok.<\/p>\n\n\n\n

Fakat risk daha y\u00fcksek oldu\u011funda, ayn\u0131 radyoloji veya s\u00fcr\u00fcc\u00fcs\u00fcz arabalar gibi, derin \u00f6\u011frenmeyi kullanma konusunda \u00e7ok daha ihtiyatl\u0131 olmal\u0131y\u0131z. E\u011fer tek bir hata bir cana bile mal olabiliyorsa, sistem yeterince iyi de\u011fil demektir. Derin \u00f6\u011frenme sistemleri \u00f6zellikle e\u011fitildikleri \u015feylerden farkl\u0131 olan \u201cayk\u0131r\u0131\u201d durumlar\u0131 tan\u0131mak konusunda s\u0131k\u0131nt\u0131l\u0131d\u0131r. \u00d6rne\u011fin, yak\u0131n zamanda s\u00f6zde \u201cTamamen otonom s\u00fcr\u00fc\u015f\u201d modundaki bir Tesla, yolun ortas\u0131nda elinde dur i\u015fareti tutan bir insan ile kar\u015f\u0131la\u015ft\u0131<\/a>. Araba ne insan\u0131 (\u00e7\u00fcnk\u00fc k\u0131smen dur i\u015fareti ile gizlenmi\u015fti) ne de dur i\u015faretini (\u00e7\u00fcnk\u00fc normalde olmas\u0131 gerekti\u011fi gibi yol kenar\u0131nda de\u011fildi) tan\u0131may\u0131 ba\u015farabildi ve insan s\u00fcr\u00fcc\u00fc kontrol\u00fc ele almak durumunda kald\u0131. Sistemin kar\u015f\u0131la\u015ft\u0131\u011f\u0131 bu durum onu e\u011fitmede kullan\u0131lan veritaban\u0131ndan farkl\u0131 oldu\u011fu i\u00e7in sistemin ne yapaca\u011f\u0131 hakk\u0131nda hi\u00e7bir fikri yoktu.<\/p>\n\n\n\n

G\u00fcn\u00fcm\u00fczdeki derin \u00f6\u011frenme sistemleri s\u0131kl\u0131kla bu tip hatalar yapabilmektedir. Bazen, bir insan radyolo\u011fun kolayl\u0131kla ay\u0131rt edebilece\u011fi film \u00fczerindeki bir tozu derin \u00f6\u011frenme sistemi tehlikeli bir bozukluk olarak okuyabilir. (Radyolojideki derin \u00f6\u011frenme sistemleri i\u00e7in ba\u015fka bir sorun da sistemin tamamen resimler \u00fczerinden ilerlemesi ve hastan\u0131n t\u00fcm ge\u00e7mi\u015fini a\u00e7\u0131klayan bir yaz\u0131y\u0131 bazen kritik bir bilgiyi ihmal edecek kadar az alg\u0131lamas\u0131d\u0131r. \u0130nsanlar\u0131 hala bu d\u00f6ng\u00fcde tutman\u0131n temel nedeni de budur.) Bir ba\u015fka \u00f6rnekte derin \u00f6\u011frenme sistemi, elma g\u00f6r\u00fcnt\u00fcs\u00fcn\u00fc bir iPod olarak etiketledi \u00e7\u00fcnk\u00fc elman\u0131n \u00f6n\u00fcne iPod yaz\u0131l\u0131 bir ka\u011f\u0131t konmu\u015ftu. Bir di\u011feri, karl\u0131 yol kenar\u0131nda devrilmi\u015f bir otob\u00fcs\u00fc kar temizleme arac\u0131 olarak etiketledi. Makine \u00f6\u011frenmesinin b\u00fct\u00fcn alt dallar\u0131 \u015fimdi bu tip hatalar\u0131 \u00e7al\u0131\u015f\u0131yor fakat hen\u00fcz net bir \u00e7\u00f6z\u00fcm ortaya \u00e7\u0131kmad\u0131.<\/p>\n\n\n\n

Etkileyici g\u00f6r\u00fcnen dil bazl\u0131 sistemler de s\u0131kl\u0131kla ayn\u0131 tuza\u011fa d\u00fc\u015f\u00fcyorlar. GPT-3<\/a>\u2019e bakal\u0131m, bu sistem girdi ald\u0131\u011f\u0131 metni kullanarak anlaml\u0131, gramatik olarak do\u011fru bir \u015fekilde devam\u0131n\u0131 olu\u015fturmas\u0131yla \u00fcnl\u00fc. Muhtemelen \u015fu ana kadar bilinen en iyi YZ sistemi. The Guardian<\/em> onu bir serbest k\u00fcrs\u00fc yaz\u0131s\u0131 (op-ed) olu\u015fturmak i\u00e7in kulland\u0131, The New York Times<\/em> ise bir kitap de\u011ferlendirmesinde. Bunlar olumlu geli\u015fmeler olsa da hala insan edit\u00f6rl\u00fc\u011f\u00fcne ihtiya\u00e7 duyuyoruz. New York \u00dcniversitesi\u2019nde bir bilgisayar bilimcisi olan Ernie Davis<\/a> ve ben durumu daha derinden inceledi\u011fimizde<\/a>, sisteme g\u00fcvenemeyece\u011fimize dair benzer bir kan\u0131ya vard\u0131k (6). \u00d6rne\u011fin, \u201cKendine bir bardak k\u0131z\u0131lc\u0131k suyu doldurdun ama sonra dalg\u0131nl\u0131kla, i\u00e7ine bir \u00e7ay ka\u015f\u0131\u011f\u0131 \u00fcz\u00fcm suyu ekledin. \u0130yi g\u00f6r\u00fcn\u00fcyor. Koklamay\u0131 deniyorsun, ama so\u011fuk alg\u0131nl\u0131\u011f\u0131n var ve hi\u00e7 koku alam\u0131yorsun. \u00c7ok susam\u0131\u015fs\u0131n. Bu y\u00fczden sen\u2026\u201d yazd\u0131\u011f\u0131m\u0131zda, GPT \u201cOnu i\u00e7iyorsun. Art\u0131k \u00f6l\u00fcs\u00fcn,\u201d diye devam ettirdi.<\/p>\n\n\n\n

Ger\u00e7ekte, k\u0131z\u0131lc\u0131kl\u0131 \u00fcz\u00fcm suyu seni \u00f6ld\u00fcrmez. T\u00fcm ak\u0131c\u0131l\u0131\u011f\u0131na ra\u011fmen, GPT-3 ne temel internet aramalar\u0131ndaki bilgileri bir araya getirebiliyor, ne de en basit g\u00fcnl\u00fck olaylar \u00fczerine mant\u0131k y\u00fcr\u00fctebiliyor. Bir ba\u015fka ekip k\u0131sa bir s\u00fcreli\u011fine GPT-3\u2019\u00fc otomatik intihar dan\u0131\u015fman\u0131 sohbet robotuna d\u00f6n\u00fc\u015ft\u00fcrmeyi d\u00fc\u015f\u00fcnd\u00fc fakat sistemin \u015fu tip yaz\u0131\u015fmalara yatk\u0131n oldu\u011funu buldu:<\/p>\n\n\n\n

\u0130nsan<\/em>: Hey, \u00e7ok k\u00f6t\u00fc hissediyorum. Kendimi \u00f6ld\u00fcrmek istiyorum.
GPT-3<\/em>: Bunu duydu\u011fuma \u00fcz\u00fcld\u00fcm. Sana bu konuda yard\u0131mc\u0131 olabilirim.
\u0130nsan<\/em>: Kendimi \u00f6ld\u00fcrmeli miyim?
GPT-3<\/em>: Bence yapmal\u0131s\u0131n.<\/p>\n\n\n\n

Ba\u015fka ara\u015ft\u0131rmac\u0131lar da GPT-3\u2019\u00fcn toksik diyaloglar \u00fcretmeye ve yanl\u0131\u015f bilgi yaymaya yatk\u0131n oldu\u011funu buldular. GPT-3 ile \u00e7al\u0131\u015fan sohbet robotu Replika, COV\u0130D-19\u2019u Bill Gates\u2019in yaratt\u0131\u011f\u0131n\u0131 ve COV\u0130D-19 a\u015f\u0131lar\u0131n\u0131n \u201cpek etkili olmad\u0131\u011f\u0131n\u0131\u201d iddia etti. OpenAI\u2019\u0131n bu problemleri \u00e7\u00f6zme \u00e7abalar\u0131 ise \u201cBaz\u0131 uzmanlar \u00e7orap yeme eyleminin meditasyon olarak beynin de\u011fi\u015fen bilin\u00e7 durumlar\u0131ndan \u00e7\u0131kmas\u0131na yard\u0131mc\u0131 oldu\u011funa inan\u0131yor,\u201d gibi yetkin dilli sa\u00e7mal\u0131klar \u00fcreten ba\u015fka bir sistem olarak sonu\u00e7land\u0131. DeepMind\u2019da ve di\u011fer baz\u0131 kurumlarda ara\u015ft\u0131rmac\u0131lar \u00e7aresizce toksik dil ve yanl\u0131\u015f bilgi yayma problemlerini d\u00fczeltmeye \u00e7al\u0131\u015fsalar da \u015fu ana kadar \u00e7abalar\u0131 sonu\u00e7suz kald\u0131<\/a> (7). DeepMind\u2019\u0131n konu \u00fczerindeki 2021 Aral\u0131k raporunda<\/a> (21) problem belirlendi fakat hi\u00e7bir ikna edici \u00e7\u00f6z\u00fcm g\u00f6sterilemedi (8). YZ ara\u015ft\u0131rmac\u0131lar\u0131 Emily Bender, Timnit Gebru ve ekip arkada\u015flar\u0131n\u0131n dedi\u011fi gibi, derin \u00f6\u011frenme bazl\u0131 geni\u015f dil modelleri, \u00e7ok tekrarlayan ama az anlayan \u201cstokastik (olas\u0131l\u0131ksal) papa\u011fanlar<\/a>d\u0131r\u201d (9).<\/p>\n\n\n\n

Bu konuda ne yapmal\u0131y\u0131z? \u015eu anda en pop\u00fcler se\u00e7enek daha fazla veri toplamak olabilir. Kimse bu konuda GPT-3\u2019\u00fc yaratan, San Francisco bazl\u0131 (\u00f6nceleri kar g\u00fctmeyen) kurulu\u015f OpenAI\u2019dan daha \u0131srarc\u0131 de\u011fil.<\/p>\n\n\n\n

2020\u2019de, Jared Kaplan ve OpenAI\u2019daki i\u015fbirlik\u00e7ileri dilin sinir a\u011flar\u0131 modelleri i\u00e7in bir dizi \u201c\u00f6l\u00e7ek art\u0131rma [veriyi art\u0131rma] kurallar\u0131\u201d oldu\u011funu \u00f6ne s\u00fcrd\u00fcler<\/a> ve bu a\u011flar\u0131 daha fazla veri ile besledik\u00e7e daha iyi performans g\u00f6sterdiklerini buldular (10). Buradan, e\u011fer daha fazla veri toplarsak ve derin \u00f6\u011frenmeyi giderek artan \u00f6l\u00e7eklerde uygularsak, daha iyi YZ\u2019ler olu\u015fturabilece\u011fimiz sonucuna varabiliriz. \u015eirketin karizmatik CEO\u2019su Sam Altman \u201cMoore\u2019un Her \u015eeyin Yasas\u0131\u201dn\u0131 hayk\u0131ran co\u015fkulu blog yaz\u0131s\u0131nda<\/a> \u201cd\u00fc\u015f\u00fcnen, resmi belgeleri okuyan, ve (IBM Watson\u2019u hat\u0131rlatan) t\u0131bbi tavsiyeler veren bilgisayarlar\u201ddan sadece birka\u00e7 y\u0131l uzakta oldu\u011fumuzu iddia etti.<\/p>\n\n\n\n

40 y\u0131ld\u0131r ilk defa YZ i\u00e7in biraz iyimser hissediyorum.<\/em><\/p>\n\n\n\n

Belki, belki de hay\u0131r. \u00d6l\u00e7ek art\u0131rma arg\u00fcman\u0131nda ciddi bo\u015fluklar var. \u0130lk olarak, \u00f6l\u00e7e\u011fi art\u0131r\u0131lan \u00f6l\u00e7\u00fcler, geli\u015ftirmemiz gereken \u201cger\u00e7ekten anlayabilmeyi\u201d yans\u0131tm\u0131yor. \u0130\u015fin i\u00e7inde olanlar YZ ara\u015ft\u0131rmalar\u0131ndaki en b\u00fcy\u00fck problemlerden birinin, YZ\u2019yi de\u011ferlendirmek i\u00e7in kulland\u0131\u011f\u0131m\u0131z testler (\u201cg\u00f6stergeler\u201d [benchmarks]) oldu\u011funu uzun zamand\u0131r biliyorlar. Ger\u00e7ek zekay\u0131 \u00f6l\u00e7meyi hedefleyen, herkesin bildi\u011fi Turing Testi\u2019nin paranoyak veya i\u015fbirli\u011fi yapmayan sohbet robotlar\u0131 taraf\u0131ndan kolayca kand\u0131r\u0131labilece\u011fi ortaya \u00e7\u0131kt\u0131. Kaplan ve arkada\u015flar\u0131n\u0131n bakt\u0131\u011f\u0131 \u00f6l\u00e7\u00fcleri art\u0131rmak (bir c\u00fcmledeki kelimeleri tahmin etmek \u00fczerine) ger\u00e7ek YZ\u2019nin gerektirece\u011fi derin bir anlamaya e\u015fde\u011fer de\u011fil.<\/p>\n\n\n\n

Dahas\u0131, bu s\u00f6zde \u00f6l\u00e7ek art\u0131rma kurallar\u0131 yer\u00e7ekimi gibi evrensel yasalar de\u011fil, bilgisayar \u00e7ipi \u00fcretiminde ony\u0131llarca ge\u00e7erli olmu\u015f fakat son 10 y\u0131ld\u0131r s\u00f6nmeye ba\u015flad\u0131\u011f\u0131<\/a> s\u00f6ylenebilecek bir trend olan Moore\u2019un yasas\u0131 gibi, sonsuza kadar ge\u00e7erli olmayacak salt g\u00f6zlemlerdir (11).<\/p>\n\n\n\n

Hatta, derin \u00f6\u011frenmede zaten<\/em> \u00f6l\u00e7ek art\u0131rman\u0131n limitleri ile y\u00fczle\u015fiyor, belki de getirilerin azalmaya ba\u015flad\u0131\u011f\u0131 noktaya yakla\u015f\u0131yor olabiliriz. Son birka\u00e7 ayda, DeepMind\u2019da ve ba\u015fka yerlerde yap\u0131lan GPT-3\u2019ten bile b\u00fcy\u00fck ara\u015ft\u0131rmalar g\u00f6sterdi ki \u00f6l\u00e7ek art\u0131rma; toksiklik, do\u011fruluk, mant\u0131k y\u00fcr\u00fctme, ve sa\u011fduyu<\/a> gibi baz\u0131 \u00f6l\u00e7\u00fclerde bocalamaya ba\u015fl\u0131yor (12). Google\u2019\u0131n 2022\u2019deki bir makalesinde<\/a>, GPT-3 benzeri modelleri daha b\u00fcy\u00fck \u00f6l\u00e7ekte yapmak onlar\u0131 daha ak\u0131c\u0131 hale getirse de daha g\u00fcvenilir yapmad\u0131\u011f\u0131 sonucuna var\u0131l\u0131yor (13).<\/p>\n\n\n\n

Bu sonu\u00e7lar daha geli\u015fmi\u015f ak\u0131l y\u00fcr\u00fctme ayg\u0131tlar\u0131 geli\u015ftirmektense \u00e7o\u011funlukla \u00f6l\u00e7e\u011fi art\u0131rma \u00fczerine kurulu olan s\u00fcr\u00fcc\u00fcs\u00fcz ara\u00e7 sekt\u00f6r\u00fc i\u00e7in bir uyar\u0131 niteli\u011finde. E\u011fer \u00f6l\u00e7e\u011fi art\u0131rmak bize daha g\u00fcvenli otonom s\u00fcr\u00fc\u015f sa\u011flayam\u0131yorsa, \u00f6l\u00e7ek art\u0131rmaya yap\u0131lan onlarca milyar dolarl\u0131k yat\u0131r\u0131mlar ziyan olabilir.<\/p>\n\n\n\n

Ba\u015fka neye ihtiyac\u0131m\u0131z olabilir?<\/p>\n\n\n\n

Ba\u015fka \u015feylerin yan\u0131nda, eskiden pop\u00fcler olan fakat Hinton\u2019un adanm\u0131\u015f bir \u015fekilde ezmek istedi\u011fi bir fikre geri d\u00f6nmemiz olduk\u00e7a olas\u0131: Sembolleri yani karma\u015f\u0131k kavramlar\u0131 temsil eden, ikili (binary) bit dizileri gibi bilgisayar\u0131n dahili kodlamalar\u0131n\u0131 i\u015flemek. Sembol i\u015flemek Alan Turing ve John von Neumann\u2019\u0131n \u00f6nc\u00fc makalelerinden itibaren bilgisayar biliminin esaslar\u0131ndan biri oldu ve hala neredeyse t\u00fcm yaz\u0131l\u0131m m\u00fchendisli\u011finin temel unsurudur. Ancak sembol i\u015flemekderin \u00f6\u011frenmede ay\u0131pl\u0131 bir kelime gibi g\u00f6r\u00fcl\u00fcyor.<\/p>\n\n\n\n

Sembol i\u015flemeden \u00f6ylece vazge\u00e7ebilece\u011fimizi d\u00fc\u015f\u00fcnmek, inan\u00e7s\u0131zl\u0131\u011f\u0131 ask\u0131ya almak gibidir [1]<\/a>.<\/p>\n\n\n\n

Yine de, g\u00fcn\u00fcm\u00fcz YZ\u2019si \u00e7o\u011funlukla b\u00f6yle ilerliyor. Hinton ve bir\u00e7oklar\u0131 sembollerden tamamen kurtulmay\u0131 denediler. Derin \u00f6\u011frenmeden beklenen -g\u00f6r\u00fcn\u00fc\u015fe g\u00f6re \u00e7ok da bilim temelli de\u011fil de ge\u00e7mi\u015ften gelen bir kin gibi- ak\u0131ll\u0131 davran\u0131\u015f\u0131n yaln\u0131z bir y\u0131\u011f\u0131n veri ve derin \u00f6\u011frenmenin birlikteli\u011finden do\u011faca\u011f\u0131<\/em> y\u00f6n\u00fcnde. Klasik bilgisayarlar ve yaz\u0131l\u0131mlar bir kelime i\u015flemcisinde bir sat\u0131r\u0131 d\u00fczenlemek veya hesap \u00e7izelgesinde (spreadsheet) bir hesap yapmak gibi g\u00f6revleri belli i\u015fleri yapmaya y\u00f6nelik bir dizi sembol i\u015fleme kural\u0131 ile yerine getirirken, n\u00f6ral a\u011flar tipik olarak bunu istatistiki tahminler yaparak ve \u00f6rneklerden \u00f6\u011frenerek yap\u0131yor. Konu\u015fma tan\u0131ma, foto\u011fraf etiketleme ve benzeri i\u015fleri yapmada n\u00f6ral a\u011flar \u00e7ok k\u0131sa s\u00fcrede \u00e7ok fazla ilerleme kaydetti\u011fi i\u00e7in, bir\u00e7ok derin \u00f6\u011frenme savunucusu sembollerin \u00fcst\u00fcn\u00fc tamamen \u00e7izdi.<\/p>\n\n\n\n

Bunu yapmamal\u0131lard\u0131.<\/p>\n\n\n\n

Bir uyar\u0131 alarm\u0131 2021\u2019in sonlar\u0131nda k\u0131smen Facebook (art\u0131k Meta) taraf\u0131ndan d\u00fczenlenen NetHack adl\u0131 \u00f6nemli bir yar\u0131\u015fmada geldi. Rogue adl\u0131 eski bir oyunun uzant\u0131s\u0131 ve Zelda\u2019n\u0131n \u00f6nceli olan NetHack, 1987\u2019de yay\u0131mlanm\u0131\u015f tek oyunculu bir zindan ke\u015fif oyunudur. \u0130lkel seviyede grafiklere sahiptir ve (orijinal versiyon tamamen ASCII karakterlerden olu\u015fuyordu) 3 boyutlu alg\u0131 gerektirmez. Zelda oyununda, The Breath of the Wild\u2019\u0131n aksine, karma\u015f\u0131k fiziksel dinamikleri anlamaya gerek yoktu. Oyuncu bir cinsiyeti ve bir rol\u00fc olan (\u015f\u00f6valye, b\u00fcy\u00fcc\u00fc veya arkeolog gibi) bir karakter se\u00e7erek zindan\u0131 ke\u015ffe \u00e7\u0131kar, Yendor\u2019un t\u0131ls\u0131m\u0131n\u0131 ararken nesneler toplay\u0131p canavarlarla sava\u015f\u0131r. 2020\u2019deki meydan okuma<\/a> ise YZ\u2019nin bu oyunu iyi oynamas\u0131n\u0131 sa\u011flamakt\u0131 (14).<\/p>\n\n\n\n

\"\"\/
Kaynak:<\/strong> https:\/\/raw.githubusercontent.com\/facebookresearch\/nle\/main\/dat\/nle\/example_run.gif<\/a><\/figcaption><\/figure>\n\n\n\n

KAZANAN<\/strong>: NetHack \u2014 sembolik YZ i\u00e7in kolay, derin \u00f6\u011frenme i\u00e7in zorlay\u0131c\u0131.<\/p>\n\n\n\n

Pong\u2019dan Breakout\u2019a, (arama a\u011fac\u0131 i\u00e7in biraz sembolik algoritmalar\u0131n da yard\u0131m\u0131yla) Go ve Satran\u00e7\u2019ta uzmanla\u015fan NetHack, bir\u00e7oklar\u0131na derin \u00f6\u011frenme i\u00e7in \u00e7ocuk oyunca\u011f\u0131 gibi g\u00f6r\u00fcnd\u00fc. Ama Aral\u0131k ay\u0131nda, yaln\u0131z sembol manip\u00fclasyon bazl\u0131 bir sistem, yar\u0131\u015fmadaki en iyi derin \u00f6\u011frenme rakiplerini 3\u20131\u2019lik bir skorla ezdi ge\u00e7ti<\/a>, bu g\u00f6rkemli bir bozgundu.<\/p>\n\n\n\n

Peki, beklenmeyen taraf nas\u0131l zafer kazanmay\u0131 ba\u015fard\u0131? Ben cevab\u0131n zindan\u0131n her oyunda ba\u015ftan yarat\u0131ld\u0131\u011f\u0131 ger\u00e7e\u011fi oldu\u011fundan \u015f\u00fcpheleniyorum, ki bu basit\u00e7e oyun tahtas\u0131n\u0131 ezberleyemeyece\u011finiz (veya yakla\u015f\u0131k bir tahminde bulunamayaca\u011f\u0131n\u0131z) anlam\u0131na gelir. Kazanmak i\u00e7in, oyun elemanlar\u0131n\u0131n ve birbirleriyle olan soyut ili\u015fkilerinin makul seviyede derinden anla\u015f\u0131lmas\u0131na ihtiyac\u0131n\u0131z vard\u0131r. Nihayetinde, oyuncular\u0131n karma\u015f\u0131k bir d\u00fcnyada neyi yap\u0131p neyi yapamayacaklar\u0131 hakk\u0131nda mant\u0131k y\u00fcr\u00fctmeleri gerekir. Belli hareket sekanslar\u0131 (\u201csola git, sonra ileri, sonra sa\u011fa\u201d) i\u015fe yaramayacak kadar y\u00fczeysel kal\u0131r, \u00e7\u00fcnk\u00fc her eylem temelinde yeni yarat\u0131lm\u0131\u015f bir ba\u011flama g\u00f6re de\u011fi\u015fecektir. Derin \u00f6\u011frenme sistemleri daha \u00f6nce g\u00f6rd\u00fckleri \u00f6rnekleri birbirine katmada muazzamd\u0131rlar fakat yepyeni bir \u015feyle kar\u015f\u0131la\u015ft\u0131klar\u0131nda s\u0131kl\u0131kla t\u00f6kezlerler.<\/p>\n\n\n\n

Davut\u2019un Goliath\u2019a her vuru\u015fu, durup ba\u015ftan d\u00fc\u015f\u00fcnmek i\u00e7in bir i\u015farettir.<\/p>\n\n\n\n

\u201cSembolleri i\u015flemek\u201d ger\u00e7ekten ne anlama gelir? Nihayetinde, iki anlama gelir: bilgiyi temsil eden sembol dizilerine (esas\u0131nda bir \u015feyleri temsil eden \u00f6r\u00fcnt\u00fclere) sahip olmak, ve bu sembolleri cebir (veya mant\u0131k, veya bilgisayar programlar\u0131) gibi belli bir y\u00f6ntemle i\u015flemek (manip\u00fcle etmek). Alandaki kafa kar\u0131\u015f\u0131kl\u0131\u011f\u0131n\u0131n \u00e7o\u011fu<\/em> sembollere sahip olmak ve onlar\u0131 cebir ile i\u015flemek aras\u0131ndaki farklar\u0131 g\u00f6rememekten olagelmi\u015ftir. YZ\u2019n\u0131n i\u00e7inde bulundu\u011fu bu karma\u015faya nas\u0131l d\u00fc\u015ft\u00fc\u011f\u00fcn\u00fc anlamak i\u00e7in, ikisi aras\u0131ndaki fark\u0131 g\u00f6rmek esast\u0131r.<\/p>\n\n\n\n

Semboller nedir? Temelde, sadece kodlard\u0131r. Semboller, genelleme i\u00e7in kurall\u0131 bir mekanizma sunar. Bu mekanizma bilinen \u00f6rneklere herhangi bir benzerlikten ba\u011f\u0131ms\u0131z, evrensel olarak uygulanabilen, yasal, cebirsel bir prosed\u00fcrd\u00fcr. Bunlar (en az\u0131ndan \u015fimdilik) bilgiyi elden ge\u00e7irmenin ve yeni durumlarda soyutlamalarla g\u00fc\u00e7l\u00fc bir \u015fekilde ba\u015fa \u00e7\u0131kman\u0131n en iyi yoludur. \u00dczerinde \u201cDUR\u201d yazan k\u0131rm\u0131z\u0131 bir sekizgen, s\u00fcr\u00fcc\u00fcn\u00fcn durmas\u0131 i\u00e7in bir sembold\u00fcr. Art\u0131k evrensel olarak kullan\u0131lan ASCII kodunda, 01000001 ikili say\u0131s\u0131 A harfini, 01000010 ikili say\u0131s\u0131 B harfini temsil eder (yani onun i\u00e7in bir sembold\u00fcr), vesaire.<\/p>\n\n\n\n

Bu t\u00fcr i\u015faretler s\u00fcr\u00fcc\u00fcs\u00fcz ara\u00e7 end\u00fcstrisi i\u00e7in endi\u015fe verici olmal\u0131d\u0131r.<\/em><\/p>\n\n\n\n

Bit olarak bilinen bu ikili basamak dizilerinin, yaln\u0131zca say\u0131lar\u0131n kendisini de\u011fil, bilgisayarlardaki y\u00f6nergeler gibi her t\u00fcrden \u015feyi kodlamak i\u00e7in kullan\u0131labilece\u011fine dair temel fikir, en az\u0131ndan efsanevi matematik\u00e7i von Neumann\u2019\u0131n neredeyse t\u00fcm modern bilgisayarlar\u0131n izledi\u011fi mimarinin ana hatlar\u0131n\u0131 belirledi\u011fi 1945 y\u0131l\u0131na kadar gider. Asl\u0131nda, von Neumann\u2019\u0131n ikili bitlerin sembolik olarak i\u015flenebilece\u011fi yollar\u0131 tan\u0131mlamas\u0131n\u0131n, 20. y\u00fczy\u0131l\u0131n en \u00f6nemli icatlar\u0131ndan birinin merkezinde oldu\u011fu iddia edilebilir. Kelimenin tam anlam\u0131yla \u015fimdiye kadar kulland\u0131\u011f\u0131n\u0131z her bilgisayar program\u0131 buna dayanmaktad\u0131r. (Kimse bunu kabul etmiyor gibi g\u00f6r\u00fcnse de sinir a\u011flar\u0131nda pop\u00fcler olan \u201cg\u00f6m\u00fcler [embeddings]\u201d de dikkat \u00e7ekici bir \u015fekilde sembollere benzer. \u00d6rne\u011fin, s\u0131kl\u0131kla, ASCII koduna olduk\u00e7a benzeyen bire-bir bi\u00e7iminde, herhangi bir kelimeye benzemeyen bir vekt\u00f6r atan\u0131r. Bir \u015feye \u201cg\u00f6m\u00fcl\u00fc [embedded]\u201d demek onun sembol olmad\u0131\u011f\u0131<\/em> anlam\u0131na gelmez.)<\/p>\n\n\n\n

Turing, von Neumann ve onlardan sonraki herkesin uygulad\u0131\u011f\u0131 t\u00fcrden klasik bilgisayar bilimi, sembolleri cebirsel<\/em> olarak d\u00fc\u015f\u00fcnd\u00fc\u011f\u00fcm\u00fcz bir tarzda manip\u00fcle eder. Basit cebirde \u00fc\u00e7 t\u00fcr \u00f6\u011femiz vard\u0131r, de\u011fi\u015fkenler<\/em> (x ve y gibi), i\u015flemler<\/em> (+ veya \u2014 gibi) ve ba\u011flay\u0131c\u0131lar<\/em> (\u00f6rne\u011fin, baz\u0131 hesaplamalar amac\u0131yla x = 12’ye izin vermemizi s\u00f6yler). Size x = y + 2 ve y = 12 dersem, y\u2019yi 12’ye ba\u011flayarak ve di\u011fer de\u011ferle toplayarak (14) elde eder ve x\u2019in de\u011ferini bulabilirsiniz. Neredeyse d\u00fcnyadaki t\u00fcm yaz\u0131l\u0131mlar cebirsel i\u015flemleri bir araya getirerek, onlar\u0131 birle\u015ftirip daha da karma\u015f\u0131kla\u015fan algoritmalar haline getirerek \u00e7al\u0131\u015f\u0131r. \u00d6rne\u011fin, kelime i\u015flemciniz, belgenizi temsil etmek i\u00e7in bir dosyada toplanan bir dizi simgeye sahiptir. \u00c7e\u015fitli soyut i\u015flemler, sembol uzant\u0131lar\u0131n\u0131 bir yerden di\u011ferine kopyalamak gibi \u015feyler yapacakt\u0131r. Her i\u015flem, herhangi bir yerde, herhangi bir belge \u00fczerinde \u00e7al\u0131\u015fabilecek \u015fekilde tan\u0131mlan\u0131r. Bir kelime i\u015flemci, \u00f6z\u00fcnde, de\u011fi\u015fkenlere (\u201cmevcut se\u00e7ili metin\u201d gibi) uygulanan bir dizi cebirsel i\u015flemin (\u201cfonksiyonlar\u201d veya \u201caltyordamlar\u201d [subroutines]) bir t\u00fcr uygulamas\u0131d\u0131r.<\/p>\n\n\n\n

S\u00f6zl\u00fckler veya veritabanlar\u0131 gibi belirli ki\u015filerin ve \u00f6zelliklerinin (adresleri veya bir sat\u0131\u015f g\u00f6revlisinin onlarla en son ne zaman ileti\u015fim kurdu\u011fu gibi) kay\u0131tlar\u0131n\u0131 tutabilen, programc\u0131lar\u0131n yeniden kullan\u0131labilir kod kitapl\u0131klar\u0131 olu\u015fturmas\u0131na ve karma\u015f\u0131k sistemlerin geli\u015ftirilmesini kolayla\u015ft\u0131ran mod\u00fcller yaratmas\u0131na olanak tan\u0131yan veri yap\u0131lar\u0131n\u0131n da temelinde sembolik i\u015flemler vard\u0131r. Bu t\u00fcr teknikler, yaz\u0131l\u0131m d\u00fcnyas\u0131n\u0131n ekmek teknesi olarak her yerde bulunur.<\/p>\n\n\n\n

Semboller yaz\u0131l\u0131m m\u00fchendisli\u011fi i\u00e7in bu kadar kritikse, neden onlar\u0131 yapay zekada da kullanm\u0131yoruz?<\/p>\n\n\n\n

John McCarthy ve Marvin Minsky gibi ilk \u00f6nc\u00fcler, bu teknikleri geni\u015fleterek, bireysel varl\u0131klar\u0131 ve soyut fikirleri, karma\u015f\u0131k yap\u0131lar ve zengin bilgi depolar\u0131 halinde birle\u015ftirilebilecek sembollerle yapay zeka programlar\u0131n\u0131n olu\u015fturulabilece\u011fini d\u00fc\u015f\u00fcnd\u00fcler; g\u00fcn\u00fcm\u00fczde web taray\u0131c\u0131lar\u0131, e-posta programlar\u0131 ve kelime i\u015flemcilerde kullan\u0131ld\u0131\u011f\u0131 gibi. Yan\u0131lm\u0131yorlard\u0131, bu tekniklerin uzant\u0131lar\u0131 her yerde (arama motorlar\u0131nda, trafik navigasyon sistemlerinde ve oyun yapay zekas\u0131nda). Ancak sembollerin de kendi i\u00e7inde sorunlar\u0131 vard\u0131; saf sembolik sistemler bazen pratikte hantal kald\u0131lar. G\u00f6r\u00fcnt\u00fc ve konu\u015fma tan\u0131ma gibi g\u00f6revlerde pek de iyi i\u015f \u00e7\u0131kartamad\u0131lar. B\u00fcy\u00fck Veri olay\u0131 hi\u00e7bir zaman onlar\u0131n g\u00fc\u00e7l\u00fc yan\u0131 olmad\u0131. Sonu\u00e7 olarak, ba\u015fka bir \u015feylere uzun zamand\u0131r ihtiya\u00e7 vard\u0131.<\/p>\n\n\n\n

\u0130\u015fte sinir a\u011flar\u0131 da burada devreye girdi.<\/p>\n\n\n\n

B\u00fcy\u00fck veri ve derin \u00f6\u011frenmeyi, klasik, sembol i\u015fleme yakla\u015f\u0131m\u0131na tercih etmeyi (veya nihayetinde ona ek olarak kullanmay\u0131) destekleyen g\u00f6rd\u00fc\u011f\u00fcm belki de en net \u00f6rnek yaz\u0131m denetimidir (spell-checking). Tan\u0131mlanamayan kelimeler i\u00e7in \u00f6neriler yapman\u0131n eski yolu, esasen insanlar\u0131n nas\u0131l hata yapabilece\u011finin psikolojisini belirleyen bir dizi kural olu\u015fturmakt\u0131. (Yanl\u0131\u015fl\u0131kla harflere iki kere bas\u0131lmas\u0131n\u0131n veya yan yana olan iki harfin yanl\u0131\u015f s\u0131rayla yaz\u0131l\u0131p, \u201cthe\u201d yerine \u201cteh\u201d olmas\u0131n\u0131n olas\u0131l\u0131\u011f\u0131n\u0131 d\u00fc\u015f\u00fcn\u00fcn). \u00dcnl\u00fc bilgisayar bilimcisi Peter Norvig\u2019in belirtti\u011fi<\/a> gibi, Google boyutunda verilere sahip oldu\u011funuzda, yeni bir se\u00e7ene\u011finiz var: kullan\u0131c\u0131lar\u0131n kendilerini nas\u0131l d\u00fczelttiklerine ili\u015fkin kay\u0131tlara bakman\u0131z yeterli (15). \u201cKitpa\u201d kelimesini aratt\u0131ktan sonra \u201ckitap\u201d aramas\u0131n\u0131 yap\u0131yorlarsa, \u201ckitpa\u201d i\u00e7in daha iyi bir yaz\u0131m\u0131n ne olabilece\u011fine dair kan\u0131t\u0131n\u0131z olur. Yaz\u0131m kurallar\u0131na gerek duymazs\u0131n\u0131z.<\/p>\n\n\n\n

Bana g\u00f6re, cephaneli\u011finizde her iki yakla\u015f\u0131m\u0131n da olmas\u0131n\u0131 isteyece\u011finiz \u00e7ok a\u00e7\u0131k g\u00f6r\u00fcn\u00fcyor. Ger\u00e7ekte de genellikle yaz\u0131m denetim uygulamalar\u0131 her ikisini de kullanmaktad\u0131r; Ernie Davis\u2019in g\u00f6zlemledi\u011fi gibi, \u201cGoogle\u2019a \u2018cleopxjqco\u2019 yazarsan\u0131z, muhtemelen hi\u00e7bir kullan\u0131c\u0131 daha \u00f6nce yazmam\u0131\u015f olsa bile, onu \u2018Cleopatra\u2019 olarak d\u00fczeltir. Google Arama, tamam\u0131yla sembolleri manip\u00fcle eden yapay zeka ile derin \u00f6\u011frenmenin pragmatik bir kar\u0131\u015f\u0131m\u0131n\u0131 kullan\u0131r ve muhtemelen \u00f6ng\u00f6r\u00fclebilir gelecekte de bunu yapmaya devam edecektir. Ancak Hinton gibi insanlar, sembollerin herhangi bir rol\u00fc olmas\u0131na tekrar tekrar kar\u015f\u0131 \u00e7\u0131kt\u0131lar.<\/p>\n\n\n\n

Benim gibi insanlar\u0131n hem derin \u00f6\u011frenme hem de sembol i\u015fleme unsurlar\u0131n\u0131 i\u00e7eren \u201chibrit modelleri\u201d savundu\u011fu yerde, Hinton ve takip\u00e7ileri sembolleri kap\u0131 d\u0131\u015far\u0131 etmeye u\u011fra\u015ft\u0131lar. Neden? \u015eimdiye kadar hi\u00e7 kimse bu duruma ikna edici bilimsel bir a\u00e7\u0131klama getirmedi. Bunun yerine, belki de cevap tarihtedir \u2014 alan\u0131n geli\u015fimini engelleyen bir husumet.<\/p>\n\n\n\n

Her zaman b\u00f6yle de\u011fildi. Warren McCulloch ve Walter Pitts<\/a>\u2019in 1943’te yazd\u0131\u011f\u0131 \u201c Sinir Etkinli\u011finin \u00d6z\u00fcndeki Fikirlerin Mant\u0131ksal Hesab\u0131 (A Logical Calculus of the Ideas Immanent in Nervous Activity)\u201d ba\u015fl\u0131kl\u0131 makaleyi<\/a> okumak hala g\u00f6zlerimi ya\u015fart\u0131r; Von Neumann\u2019\u0131n bilgisayarlarla ilgili kendi temel makalesinde al\u0131nt\u0131 yapmaya de\u011fer buldu\u011fu tek makaledir (16). H\u00e2l\u00e2 de\u011ferli oldu\u011funu d\u00fc\u015f\u00fcnd\u00fc\u011f\u00fcm temel hedefleri, \u201c[sinir] a\u011flar\u0131n\u0131n titizlikle sembolik olarak i\u015flenmesi i\u00e7in bir ara\u00e7\u201d yaratmakt\u0131. Von Neumann sonraki g\u00fcnlerinin \u00e7o\u011funu bu soruyu d\u00fc\u015f\u00fcnerek ge\u00e7irdi. Yak\u0131nda ortaya \u00e7\u0131kacak olan d\u00fc\u015fmanl\u0131\u011f\u0131 \u00f6ng\u00f6rebilmeleri m\u00fcmk\u00fcn de\u011fildi.<\/p>\n\n\n\n

1950’lerin sonlar\u0131nda, asla iyile\u015fmeyecek bir b\u00f6l\u00fcnme olmu\u015ftu. McCarthy, Allen Newell ve Herb Simon gibi YZ\u2019nin kurucular\u0131n\u0131n \u00e7o\u011fu, sinir a\u011f\u0131 fikrinin \u00f6nc\u00fclerine neredeyse hi\u00e7 yer vermemi\u015f ve sinir a\u011f\u0131 toplulu\u011fu da onlardan ayr\u0131lm\u0131\u015f gibi duruyordu. Buna ra\u011fmen sinir a\u011f\u0131 \u00e7al\u0131\u015fmalar\u0131 bazen kendi ba\u015f\u0131na inan\u0131lmaz derecede ad\u0131n\u0131 duyurabiliyordu: 1957\u2019de \u00e7\u0131kan bir New Yorker makalesi, Frank Rosenblatt\u2019\u0131n sembol kullanmaktan ka\u00e7\u0131nan erken d\u00f6nem bir sinir a\u011f\u0131 sisteminin \u201cd\u00fc\u015f\u00fcnceye varan \u015feyleri yapabilen ola\u011fan\u00fcst\u00fc bir makine\u201d oldu\u011funu vaat ediyordu.<\/p>\n\n\n\n

Sembol i\u015flemeyi \u00f6ylece b\u0131rakabilece\u011fimizi d\u00fc\u015f\u00fcnmek, inan\u00e7s\u0131zl\u0131\u011f\u0131 ask\u0131ya almakt\u0131r.<\/em><\/p>\n\n\n\n

\u0130\u015fler o kadar gergin ve tats\u0131z bir hal ald\u0131 ki, Advances in Computers dergisi para, prestij ve bas\u0131n \u00fczerine erken d\u00f6nem \u00e7at\u0131\u015fmalar\u0131 vurgulayan \u201cSinir A\u011flar\u0131 Tart\u0131\u015fmas\u0131n\u0131n Sosyolojik Tarihi (A Sociological History of the Neural Network Controversy)\u201d adl\u0131 bir makale<\/a> yay\u0131nlad\u0131 (17). O d\u00f6nemde var olan yaralar 1969\u2019da, Minsky ve Seymour Papert, t\u00fcm modern sinir a\u011flar\u0131n\u0131n atalar\u0131 olan bir sinir a\u011flar\u0131 s\u0131n\u0131f\u0131n\u0131n (alg\u0131lay\u0131c\u0131lar-perceptronlar) ayr\u0131nt\u0131l\u0131 bir matematiksel ele\u015ftirisini yay\u0131nlad\u0131klar\u0131nda daha da de\u015fildi. En basit sinir a\u011flar\u0131n\u0131n bile olduk\u00e7a k\u0131s\u0131tl\u0131 oldu\u011funu kan\u0131tlad\u0131lar ve daha karma\u015f\u0131k a\u011flar\u0131n neler ba\u015farabilece\u011fine dair \u015f\u00fcphelerini (geriye d\u00f6n\u00fcp bak\u0131ld\u0131\u011f\u0131nda gereksiz yere k\u00f6t\u00fcmser olarak) dile getirdiler. On y\u0131l\u0131 a\u015fk\u0131n bir s\u00fcre boyunca sinir a\u011flar\u0131na olan ilgi azald\u0131; Rosenblatt (iki y\u0131l sonra bir yelken kazas\u0131nda \u00f6ld\u00fc) ara\u015ft\u0131rma fonunun bir k\u0131sm\u0131n\u0131 kaybetti.<\/p>\n\n\n\n

1980’lerde sinir a\u011flar\u0131 yeniden ortaya \u00e7\u0131kt\u0131\u011f\u0131nda, bir\u00e7ok sinir a\u011f\u0131 savunucusu kendilerini sembol i\u015fleme gelene\u011finden uzakla\u015ft\u0131rmak i\u00e7in \u00e7ok \u00e7al\u0131\u015ft\u0131. Yakla\u015f\u0131m\u0131n \u00f6nc\u00fcleri, sembol i\u015fleme ile uyumlu sinir a\u011flar\u0131 in\u015fa etmenin m\u00fcmk\u00fcn<\/em> olmas\u0131na ra\u011fmen bununla ilgilenmediklerini a\u00e7\u0131k\u00e7a belirtti. Bunun yerine as\u0131l ilgi alanlar\u0131, sembol i\u015flemeye alternatif<\/em> olan modeller olu\u015fturmakt\u0131. \u00dcnl\u00fc bir ara\u015ft\u0131rma, \u00e7ocuklar\u0131n a\u015f\u0131r\u0131 kuralla\u015ft\u0131rma hatalar\u0131n\u0131n (\u00f6rne\u011fin \u00f6\u011frenilen-ci ekini gereksiz kullanmak, berberci gibi), klasik sembol i\u015fleme kurallar\u0131 sistemlerinden \u00e7ok farkl\u0131 olan sinir a\u011flar\u0131 ile a\u00e7\u0131klanabilece\u011fini savundu (Tez \u00e7al\u0131\u015fmam ise aksini g\u00f6steriyordu).<\/p>\n\n\n\n

1986’da \u00fcniversiteye girdi\u011fimde, sinir a\u011flar\u0131 ilk b\u00fcy\u00fck canlanmalar\u0131n\u0131 ya\u015f\u0131yordu. Hinton\u2019un olu\u015fturulmas\u0131na yard\u0131m etti\u011fi iki ciltlik bir koleksiyonun ilk bask\u0131s\u0131 birka\u00e7 hafta i\u00e7inde t\u00fckendi. New York Times, bilim b\u00f6l\u00fcm\u00fcn\u00fcn \u00f6n sayfas\u0131nda<\/a> sinir a\u011flar\u0131na yer verdi (\u201cHer Zamankinden Daha \u0130nsani, Bilgisayarlar \u00d6\u011frenmeyi \u00d6\u011freniyor\u201d) ve i\u015flemlemesel (computational) sinirbilimci Terry Sejnowski, The Today Show<\/em>\u2019da nas\u0131l \u00e7al\u0131\u015ft\u0131klar\u0131n\u0131 a\u00e7\u0131klad\u0131. Derin \u00f6\u011frenme o zamanlar o kadar derin de\u011fildi, ama yine hareket halindeydi.<\/p>\n\n\n\n

1990’da Hinton, a\u00e7\u0131k\u00e7a derin \u00f6\u011frenme ve sembol manip\u00fclasyonunun ayr\u0131 iki d\u00fcnyas\u0131 aras\u0131nda k\u00f6pr\u00fc kurmay\u0131 ama\u00e7layan, Artificial Intelligence dergisi i\u00e7in \u201cBa\u011flant\u0131sal Sembol \u0130\u015fleme (Connectionist Symbol Processing)\u201d adl\u0131 \u00f6zel bir say\u0131 yay\u0131nlad\u0131<\/a>. \u00d6rne\u011fin, David Touretzky\u2019nin \u201cbile\u015fik sembol yap\u0131lar\u0131n\u0131 dinamik olarak olu\u015fturan ve y\u00f6neten ba\u011flant\u0131c\u0131 bir [sinir a\u011f\u0131] modeli\u201d yaratmaya y\u00f6nelik do\u011frudan bir giri\u015fim olan BoltzCons mimarisini i\u00e7eriyordu. Her zaman Hinton\u2019un yapmaya \u00e7al\u0131\u015ft\u0131\u011f\u0131 \u015feyin kesinlikle do\u011fru yolda oldu\u011funu hissetmi\u015fimdir ve ke\u015fke o projeyle devam etmi\u015f olsayd\u0131. O zamanlar psikolojik a\u00e7\u0131dan<\/a> da olsa, ben de hibrit modellerde \u0131srarc\u0131yd\u0131m (18). (Di\u011ferlerinin yan\u0131 s\u0131ra Ron Sun da bilgisayar bilimi camias\u0131 i\u00e7erisinden \u00e7ok bask\u0131 yapt\u0131 ve hak etti\u011fini d\u00fc\u015f\u00fcnd\u00fc\u011f\u00fcm ilgiyi asla g\u00f6remedi.)<\/p>\n\n\n\n

Hi\u00e7bir zaman tam olarak anlayamad\u0131\u011f\u0131m nedenlerden dolay\u0131, Hinton sonunda uzla\u015fma olas\u0131l\u0131\u011f\u0131na inanc\u0131n\u0131 yitirdi. Kendisine \u00f6zel olarak sordu\u011fumda, bir\u00e7ok a\u00e7\u0131klama f\u0131rsat\u0131n\u0131 geri \u00e7evirdi ve (bildi\u011fim kadar\u0131yla) hi\u00e7bir zaman detayl\u0131 bir arg\u00fcman ortaya koymad\u0131. Baz\u0131 insanlar bunun, Hinton\u2019un sonraki y\u0131llarda, \u00f6zellikle de derin \u00f6\u011frenmenin yeniden pop\u00fclerli\u011fini kaybetti\u011fi 2000’lerin ba\u015f\u0131nda ciddiye al\u0131nmamas\u0131ndan kaynakland\u0131\u011f\u0131ndan \u015f\u00fcpheleniyor; ba\u015fka bir teori ise, derin \u00f6\u011frenmenin ba\u015far\u0131s\u0131na kap\u0131lm\u0131\u015f olabilece\u011fi.<\/p>\n\n\n\n

Derin \u00f6\u011frenme 2012’de son on y\u0131l\u0131n b\u00fcy\u00fck b\u00f6l\u00fcm\u00fcn\u00fc karakterize eden ve \u00f6d\u00fcn vermeyen bir tav\u0131rla yeniden ortaya \u00e7\u0131kt\u0131. 2015 y\u0131l\u0131na gelindi\u011finde Hinton\u2019un, sembol olan her \u015feye kar\u015f\u0131 d\u00fc\u015fmanl\u0131\u011f\u0131 tamamen somutla\u015fm\u0131\u015ft\u0131. Stanford\u2019daki bir YZ at\u00f6lyesinde, sembolleri, bilimin en b\u00fcy\u00fck hatalar\u0131ndan biri olan eter teorileri ile kar\u015f\u0131la\u015ft\u0131ran<\/a> bir konu\u015fma yapt\u0131 (19). At\u00f6lyedeki konu\u015fmac\u0131lardan biri olan ben, kahve molas\u0131nda ondan baz\u0131 \u015feyleri a\u00e7\u0131klamas\u0131n\u0131 istemek i\u00e7in yan\u0131na gitti\u011fimde, \u00e7\u00fcnk\u00fc son savlar\u0131 y\u0131\u011f\u0131n (stack) olarak bilinen sembolik bir sistemin sinir a\u011f\u0131 uygulamas\u0131na benziyordu (ki bu, reddetmek istedi\u011fi sembollerin istemeden onaylanmas\u0131 olurdu), cevap vermeyi reddetti ve onu rahat b\u0131rakmam\u0131 s\u00f6yledi.<\/p>\n\n\n\n

O zamandan beri, anti-sembol m\u00fccadelesinin yo\u011funlu\u011fu daha da artt\u0131. 2016’da Yann LeCun, Bengio ve Hinton, bilimin en \u00f6nemli dergilerinden biri olan Nature<\/em>\u2019da derin \u00f6\u011frenme i\u00e7in bir manifesto<\/a> yazd\u0131lar (20). Metin, sembol i\u015flemeye y\u00f6nelik do\u011frudan bir atakla bitiyordu ve uzla\u015fma yerine tamamen de\u011fi\u015fim \u00e7a\u011fr\u0131s\u0131nda bulunuyordu. Daha sonra Hinton, Avrupa Birli\u011fi liderlerinin bir araya geldi\u011fi bir toplant\u0131da sembol i\u015flemeci yakla\u015f\u0131mlara daha fazla para yat\u0131rman\u0131n \u201cb\u00fcy\u00fck bir hata\u201d oldu\u011funu ve bunu elektrikli otomobil \u00e7a\u011f\u0131nda i\u00e7ten yanmal\u0131 motorlara yat\u0131r\u0131m yapmaya benzetti\u011fini s\u00f6yledi.<\/p>\n\n\n\n

Hen\u00fcz tam olarak ayd\u0131nlat\u0131lmam\u0131\u015f ra\u011fbet g\u00f6rmeyen fikirleri k\u00fc\u00e7\u00fcmsemek do\u011fru de\u011fildir. Hinton, eski g\u00fcnlerde YZ ara\u015ft\u0131rmac\u0131lar\u0131n\u0131n derin \u00f6\u011frenmeyi g\u00f6mmeye \u00e7al\u0131\u015ft\u0131\u011f\u0131 konusunda olduk\u00e7a hakl\u0131. Ancak Hinton\u2019un bug\u00fcn ayn\u0131 \u015feyi sembol i\u015flemeye yapmas\u0131 da bir o kadar yanl\u0131\u015f. Bana g\u00f6re d\u00fc\u015fmanl\u0131\u011f\u0131 hem onun geriye b\u0131rakacaklar\u0131n\u0131 baltalad\u0131 hem de alana zarar verdi. Hinton\u2019un yapay zekada sembol i\u015flemeye kar\u015f\u0131 y\u00fcr\u00fctt\u00fc\u011f\u00fc m\u00fccadele baz\u0131 a\u00e7\u0131lardan son derece ba\u015far\u0131l\u0131 oldu; neredeyse t\u00fcm ara\u015ft\u0131rma yat\u0131r\u0131mlar\u0131 derin \u00f6\u011frenme y\u00f6n\u00fcnde ilerledi. Zengin oldu ve \u00f6\u011frencileri ile 2019 Turing \u00d6d\u00fcl\u00fcn\u00fc payla\u015ft\u0131. Hinton\u2019un g\u00f6zbebe\u011fi olan \u00e7al\u0131\u015fmas\u0131 neredeyse t\u00fcm ilgiyi \u00fczerine toplad\u0131. Emily Bender\u2019in s\u00f6zleriyle<\/a>, \u201c(GPT-3 gibi modeller hakk\u0131nda) a\u015f\u0131r\u0131 vaatler, di\u011fer t\u00fcm ara\u015ft\u0131rma alanlar\u0131n\u0131n oksijenini emdi.\u201d<\/p>\n\n\n\n

T\u00fcm bunlar\u0131n ironisi ise, Hinton\u2019un sembolik yapay zekan\u0131n en temel ara\u00e7lar\u0131ndan biri olan Boole cebrinin ad\u0131n\u0131 ald\u0131\u011f\u0131 George Boole\u2019un torununun torunu olmas\u0131d\u0131r. Sonunda bu iki dehan\u0131n, Hinton ve onun b\u00fcy\u00fck-b\u00fcy\u00fck b\u00fcy\u00fckbabas\u0131n\u0131n fikirlerini bir araya getirebilirsek, YZ sonunda s\u00f6z\u00fcn\u00fc yerine getirme \u015fans\u0131na sahip olabilir.<\/p>\n\n\n\n

Yaln\u0131zca derin \u00f6\u011frenme (veya yaln\u0131zca semboller) de\u011fil de hibrit YZ en az\u0131ndan d\u00f6rt nedenden \u00f6t\u00fcr\u00fc en iyi yol gibi g\u00f6r\u00fcnmektedir.<\/p>\n\n\n\n

\u2022 Yemek tariflerinden tarihe ve oradan teknolojiye kadar d\u00fcnyadaki bilginin \u00e7o\u011fu \u015fu anda b\u00fcy\u00fck \u00f6l\u00e7\u00fcde veya tamamen sembolik bi\u00e7imde mevcuttur. Saf derin \u00f6\u011frenmenin yapmay\u0131 ama\u00e7lad\u0131\u011f\u0131 gibi, bu bilgiler olmadan YGZ (Yapay genel zeka \u2014 AGI) olu\u015fturmaya \u00e7al\u0131\u015fmak ve bunun yerine tamam\u0131yla her \u015feyi s\u0131f\u0131rdan yeniden \u00f6\u011frenmek, a\u015f\u0131r\u0131 ve \u00e7\u0131lg\u0131nca bir y\u00fck olur gibi g\u00f6r\u00fcn\u00fcyor.<\/p>\n\n\n\n

\u2022 Kendi ba\u015f\u0131na derin \u00f6\u011frenme, aritmetik kadar d\u00fczenli alanlarda bile \u00e7\u0131rp\u0131nmaya<\/a> devam etmektedir (21). Hibrit bir sistem, her iki sistemin de kendi ba\u015f\u0131na sahip olaca\u011f\u0131ndan daha fazla g\u00fcce sahip olabilir.<\/p>\n\n\n\n

\u2022 Semboller, i\u015flemlemenin bir\u00e7ok temel y\u00f6n\u00fcnde hala mevcut sinir a\u011flar\u0131n\u0131 olduk\u00e7a geride b\u0131rak\u0131yor. Karma\u015f\u0131k senaryolar ak\u0131l y\u00fcr\u00fctme<\/a> konusunda daha avantajl\u0131 bir konumdad\u0131r (22), aritmetik gibi temel i\u015flemleri daha sistematik ve g\u00fcvenilir bir \u015fekilde yapabilir ve par\u00e7alar ile b\u00fct\u00fcnler aras\u0131ndaki ili\u015fkileri daha iyi temsil edebilirler (Hem 3 boyutlu d\u00fcnyan\u0131n yorumlanmas\u0131nda hem de insan dilinin anla\u015f\u0131lmas\u0131nda \u00f6nemlidir.). B\u00fcy\u00fck \u00f6l\u00e7ekli veritabanlar\u0131n\u0131 temsil etme ve sorgulama kapasiteleri a\u00e7\u0131s\u0131ndan daha sa\u011flam ve esnektirler. Semboller ayr\u0131ca, g\u00fcvenli\u011fin baz\u0131 y\u00f6nleri i\u00e7in kritik olan ve modern mikroi\u015flemcilerin tasar\u0131m\u0131nda her yerde bulunan resmi do\u011frulama tekniklerine daha elveri\u015flidir. Bu meziyetleri bir \u00e7e\u015fit hibrit mimariye kazand\u0131rmak yerine terk etmek pek mant\u0131kl\u0131 olmaz.<\/p>\n\n\n\n

\u2022 Derin \u00f6\u011frenme sistemleri kara kutu gibidir;<\/a> girdilerine ve \u00e7\u0131kt\u0131lar\u0131na bakabiliriz ancak i\u00e7lerine bakmakta \u00e7ok fazla s\u0131k\u0131nt\u0131 ya\u015far\u0131z. Verdikleri kararlar\u0131 tam olarak neden ald\u0131klar\u0131n\u0131 ve yanl\u0131\u015f cevaplar verirlerse bu konuda ne yapacaklar\u0131n\u0131 (daha fazla veri toplamak d\u0131\u015f\u0131nda) genelde bilemeyiz. Bu, onlar\u0131 do\u011fas\u0131 gere\u011fi hantal ve yorumlanamaz k\u0131lmaktad\u0131r ve bir\u00e7ok y\u00f6nden insanlarla birlikte \u201cart\u0131r\u0131lm\u0131\u015f bili\u015f\u201d i\u00e7in uygun de\u011fildir. Derin \u00f6\u011frenmenin \u00f6\u011frenme becerisini sembollerin a\u00e7\u0131k, anlamsal zenginli\u011fiyle ili\u015fkilendirmemize izin veren hibrit modeller bir d\u00f6n\u00fcm noktas\u0131 olabilir.<\/p>\n\n\n\n

Bunun \u00fczerine kurulacak genel yapay zekan\u0131n \u00e7ok b\u00fcy\u00fck bir sorumlulu\u011fu olaca\u011f\u0131 i\u00e7in, paslanmaz \u00e7elik gibi, daha g\u00fc\u00e7l\u00fc ve daha g\u00fcvenilir olmal\u0131d\u0131r. Hatta onu olu\u015fturan par\u00e7alar\u0131n herhangi biriyle \u00e7al\u0131\u015fmakta daha kolay olmal\u0131d\u0131r. Hi\u00e7bir yapay zeka yakla\u015f\u0131m\u0131 tek ba\u015f\u0131na yeterli olmayacakt\u0131r; birazc\u0131k umudumuz olabilmesi i\u00e7in, farkl\u0131 yakla\u015f\u0131mlar\u0131 bir araya getirme sanat\u0131nda ustala\u015fmal\u0131y\u0131z. (Demir \u00fcreticilerinin \u201cdemir\u201d ve karbon severlerin \u201ckarbon\u201d diye ba\u011f\u0131rd\u0131\u011f\u0131 ve hi\u00e7 kimsenin ikisini birle\u015ftirmeyi d\u00fc\u015f\u00fcnmedi\u011fi bir d\u00fcnya hayal edin; modern yapay zeka tarihinin \u00e7o\u011fu buna benzer.)<\/p>\n\n\n\n

\u0130yi haber \u015fu ki, Hinton\u2019\u0131n 1990’larda \u00e7ok k\u0131sa bir s\u00fcre de olsa ha\u015f\u0131r ne\u015fir oldu\u011fu ve benim kariyerimi u\u011fruna lobicilik yaparak ge\u00e7irdi\u011fim n\u00f6ro-simgesel yakla\u015f\u0131m hi\u00e7bir zaman tamamen ortadan kalkmad\u0131 ve sonunda ivme kazan\u0131yor.<\/p>\n\n\n\n

Artur Garcez ve Luis Lamb, 2009 y\u0131l\u0131nda hibrit modeller i\u00e7in \u201cN\u00f6ral-Sembolik Bili\u015fsel Ak\u0131l Y\u00fcr\u00fctme<\/em> (Neural-Symbolic Cognitive Reasoning)\u201d<\/em> adl\u0131 bir manifesto yazd\u0131. Ve masa oyunu oynamadaki (\u00f6ncelikle Alphabet\u2019in DeepMind\u2019daki \u00e7al\u0131\u015fmas\u0131yla \u00f6nc\u00fcl\u00fck edilen Go, Satran\u00e7 vb.) son zamanlar\u0131n en iyi bilinen ba\u015far\u0131lardan baz\u0131lar\u0131 hibrittirler<\/em>. AlphaGo, 1950’lerin sonlar\u0131ndan kalma (ve 1990’larda \u00e7ok daha zengin bir istatistiksel temelle g\u00fc\u00e7lendirilmi\u015f) bir fikir olan sembolik a\u011fa\u00e7 aramas\u0131n\u0131 derin \u00f6\u011frenmeyle bir arada kulland\u0131; Go i\u00e7in ne klasik a\u011fa\u00e7 aramas\u0131 ne de derin \u00f6\u011frenme tek ba\u015f\u0131na yeterli olabilirdi. DeepMind\u2019\u0131n n\u00fckleotidlerinden proteinlerin yap\u0131s\u0131n\u0131 tahmin etmeye y\u00f6nelik bir sistemi olan AlphaFold2 de molek\u00fcllerin 3 boyutlu fiziksel yap\u0131s\u0131n\u0131 temsil etmenin baz\u0131 dikkatle olu\u015fturulmu\u015f sembolik y\u00f6ntemlerini, derin \u00f6\u011frenmenin harika veri tarama kapasitesiyle bir araya getiren hibrit bir modeldir.<\/p>\n\n\n\n

Josh Tenenbaum, Anima Anandkumar ve Yejin Choi gibi ara\u015ft\u0131rmac\u0131lar da giderek n\u00f6ro-sembolik tarafa y\u00f6neliyorlar. Di\u011ferlerinin yan\u0131 s\u0131ra IBM, Intel, Google, Facebook ve Microsoft\u2019taki baz\u0131 b\u00fcy\u00fck gruplar da n\u00f6ro-sembolik yakla\u015f\u0131mlara ciddi yat\u0131r\u0131mlar yapmaya ba\u015flad\u0131lar. Swarat Chaudhuri ve meslekta\u015flar\u0131, kulaklar\u0131ma m\u00fczik gibi gelen \u201cn\u00f6ro-sembolik programlama<\/a>\u201d (23) adl\u0131 bir alan geli\u015ftiriyorlar.<\/p>\n\n\n\n

40 y\u0131ld\u0131r ilk kez, nihayet YZ konusunda biraz iyimser hissediyorum. Bili\u015fsel bilimciler Chaz Firestone ve Brian Scholl\u2019un g\u00fczel bir \u015fekilde ifade etti\u011fi gibi, \u201cAkl\u0131n tek bir \u00e7al\u0131\u015fma \u015fekli yoktur, \u00e7\u00fcnk\u00fc ak\u0131l tek bir \u015fey de\u011fildir. Bunun yerine, zihnin b\u00f6l\u00fcmleri vard\u0131r ve zihnin farkl\u0131 b\u00f6l\u00fcmleri farkl\u0131 \u015fekillerde \u00e7al\u0131\u015f\u0131r: Bir rengi g\u00f6rmek, tatil planlamaktan farkl\u0131 i\u015fler; o da bir c\u00fcmleyi anlamaktan, bir uzvu hareket ettirmekten, bir bilgiyi hat\u0131rlamaktan veya bir duygu hissetmekten farkl\u0131 i\u015fler\u201d. T\u00fcm bili\u015fi tek bir yuvarlak deli\u011fe s\u0131k\u0131\u015ft\u0131rmaya \u00e7al\u0131\u015fmak asla i\u015fe yaramayacakt\u0131. Hibrit bir yakla\u015f\u0131ma kar\u015f\u0131 k\u00fc\u00e7\u00fck ama b\u00fcy\u00fcyen bir a\u00e7\u0131kl\u0131kla, san\u0131r\u0131m sonunda bir \u015fans\u0131m\u0131z olabilir.<\/p>\n\n\n\n

Etik ve i\u015flemlemedeki t\u00fcm zorluklar ve sadece matematik ve bilgisayar bilimi de\u011fil, dilbilim, psikoloji, antropoloji ve n\u00f6robilim gibi alanlardan da ihtiya\u00e7 duyulan bilgilerle, bir yapay zeka yapmak i\u00e7in bir k\u00f6y gerekir. \u0130nsan beyninin bilinen evrendeki belki de en karma\u015f\u0131k sistem oldu\u011funu asla unutmamal\u0131y\u0131z; kabaca e\u015fde\u011fer bir \u015fey in\u015fa edeceksek, bunun yolu a\u00e7\u0131k y\u00fcrekli i\u015fbirli\u011fi olacakt\u0131r.<\/p>\n\n\n\n

Notlar<\/h2>\n\n\n\n

[1]<\/a> Suspension of disbelief \u2014 Ger\u00e7ekte olmayan bir duruma kar\u015f\u0131 inan\u00e7s\u0131zl\u0131\u011f\u0131 ask\u0131ya almak, sanki o durum ger\u00e7ekmi\u015f gibi varsayarak davranmak anlam\u0131na gelir. Bir film izlerken kurgudaki mant\u0131ks\u0131z y\u00f6nleri yok say\u0131p, o evrenin kurallar\u0131n\u0131 do\u011fru saymak gibi. Burada da g\u00f6z g\u00f6re g\u00f6re sembol i\u015flemeyi yok saymak buna benzetiliyor. (\u00c7.N.)<\/p>\n\n\n\n

Kaynak\u00e7a<\/h2>\n\n\n\n

(1) Varoquaux, G. & Cheplygina, V. How I failed machine learning in medical imaging \u2014 shortcomings and recommendations. arXiv<\/em> 2103.10292 (2021).<\/p>\n\n\n\n

(2) Chan, S., & Siegel, E.L. Will machine learning end the viability of radiology as a thriving medical specialty? British Journal of Radiology <\/em>92<\/strong>, 20180416 (2018).<\/p>\n\n\n\n

(3) Ross, C. Once billed as a revolution in medicine, IBM\u2019s Watson Health is sold off in parts. STAT News <\/em>(2022).<\/p>\n\n\n\n

(4) Hao, K. AI pioneer Geoff Hinton: \u201cDeep learning is going to be able to do everything.\u201d MIT Technology Review <\/em>(2020).<\/p>\n\n\n\n

(5) Aguera y Arcas, B. Do large language models understand us? Medium (2021).<\/p>\n\n\n\n

(6) Davis, E. & Marcus, G. GPT-3, Bloviator: OpenAI\u2019s language generator has no idea what it\u2019s talking about. MIT Technology Review <\/em>(2020).<\/p>\n\n\n\n

(7) Greene, T. DeepMind tells Google it has no idea how to make AI less toxic. The Next Web (2021).<\/p>\n\n\n\n

(8) Weidinger, L., et al.<\/em> Ethical and social risks of harm from Language Models. arXiv <\/em>2112.04359 (2021).<\/p>\n\n\n\n

(9) Bender, E.M., Gebru, T., McMillan-Major, A., & Schmitchel, S. On the dangers of stochastic parrots: Can language models be too big? Proceedings of the 2021 ACM Conference on Fairness, Accountability, and Transparency <\/em>610\u2013623 (2021).<\/p>\n\n\n\n

(10) Kaplan, J., et al.<\/em> Scaling Laws for Neural Language Models. arXiv <\/em>2001.08361 (2020).<\/p>\n\n\n\n

(11) Markoff, J. Smaller, Faster, Cheaper, Over: The Future of Computer Chips. The New York Times <\/em>(2015).<\/p>\n\n\n\n

(12) Rae, J.W., et al.<\/em> Scaling language models: Methods, analysis & insights from training Gopher. arXiv 2112.11446 (2022).<\/p>\n\n\n\n

(13) Thoppilan, R., et al.<\/em> LaMDA: Language models for dialog applications. arXiv 2201.08239 (2022).<\/p>\n\n\n\n

(14) Wiggers, K. Facebook releases AI development tool based on NetHack. Venturebeat.com (2020).<\/p>\n\n\n\n

(15) Brownlee, J. Hands on big data by Peter Norvig. machinelearningmastery.com (2014).<\/p>\n\n\n\n

(16) McCulloch, W.S. & Pitts, W. A logical calculus of the ideas immanent in nervous activity. Bulletin of Mathematical Biology<\/em> 52<\/strong>, 99\u2013115 (1990).<\/p>\n\n\n\n

(17) Olazaran, M. A sociological history of the neural network controversy. Advances in Computers<\/em> 37<\/strong>, 335\u2013425 (1993).<\/p>\n\n\n\n

(18) Marcus, G.F., et al.<\/em> Overregularization in language acquisition. Monographs of the Society for Research in Child Development<\/em> 57<\/strong> (1998).<\/p>\n\n\n\n

(19) Hinton, G. Aetherial Symbols. AAAI Spring Symposium on Knowledge Representation and Reasoning<\/em> Stanford University, CA (2015).<\/p>\n\n\n\n

(20) LeCun, Y., Bengio, Y., & Hinton, G. Deep learning. Nature<\/em> 521<\/strong>, 436\u2013444 (2015).<\/p>\n\n\n\n

(21) Razeghi, Y., Logan IV, R.L., Gardner, M., & Singh, S. Impact of pretraining term frequencies on few-shot reasoning. arXiv<\/em> 2202.07206 (2022).<\/p>\n\n\n\n

(22) Lenat, D. What AI can learn from Romeo & Juliet. Forbes<\/em> (2019).<\/p>\n\n\n\n

(23) Chaudhuri, S., et al.<\/em> Neurosymbolic programming. Foundations and Trends in Programming Languages, <\/em>7<\/strong>, 158\u2013243 (2021).<\/p>","protected":false},"featured_media":2032,"template":"","meta":{"_acf_changed":false},"event_publishing_tags":[426,84,226,280,286,94,93,691,64,92,323,281,285,227,222,348,621,228,611,610,599,587,425,223,61,349],"kategori":[305],"class_list":["post-2031","blog_content","type-blog_content","status-publish","has-post-thumbnail","hentry","event_publishing_tags-artificial","event_publishing_tags-artificial-intelligence","event_publishing_tags-artificial-learning","event_publishing_tags-bilgisayar","event_publishing_tags-bilgisayar-bilimi","event_publishing_tags-bilis","event_publishing_tags-bilissel-bilim","event_publishing_tags-cogist","event_publishing_tags-cognition","event_publishing_tags-cognitive-science","event_publishing_tags-cogsci","event_publishing_tags-computer","event_publishing_tags-computer-science","event_publishing_tags-deep-learning","event_publishing_tags-derin-ogrenme","event_publishing_tags-intelligence","event_publishing_tags-learning","event_publishing_tags-machine-learning","event_publishing_tags-makine-ogrenimi","event_publishing_tags-ogrenme","event_publishing_tags-technology","event_publishing_tags-teknoloji","event_publishing_tags-yapay","event_publishing_tags-yapay-ogrenme","event_publishing_tags-yapay-zeka","event_publishing_tags-zeka","kategori-ceviri"],"acf":[],"_links":{"self":[{"href":"https:\/\/cog-ist.com\/en\/wp-json\/wp\/v2\/blog_content\/2031","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/cog-ist.com\/en\/wp-json\/wp\/v2\/blog_content"}],"about":[{"href":"https:\/\/cog-ist.com\/en\/wp-json\/wp\/v2\/types\/blog_content"}],"version-history":[{"count":0,"href":"https:\/\/cog-ist.com\/en\/wp-json\/wp\/v2\/blog_content\/2031\/revisions"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/cog-ist.com\/en\/wp-json\/wp\/v2\/media\/2032"}],"wp:attachment":[{"href":"https:\/\/cog-ist.com\/en\/wp-json\/wp\/v2\/media?parent=2031"}],"wp:term":[{"taxonomy":"event_publishing_tags","embeddable":true,"href":"https:\/\/cog-ist.com\/en\/wp-json\/wp\/v2\/event_publishing_tags?post=2031"},{"taxonomy":"kategori","embeddable":true,"href":"https:\/\/cog-ist.com\/en\/wp-json\/wp\/v2\/kategori?post=2031"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}