Yapay zeka devrimi felsefenin en temel sorularını yanıtlamamıza nasıl yardımcı oluyor? (Bölüm 2)

Ben kimim? Ne yapmak için doğdum? Teknoloji uzmanı Kaifu-Lee'nin gözünden yapay zeka devrimi, 2. bölüm, insanlığın bu iki ebedi sorusunun yanıtlarını keşfetmeye devam etmenize yardımcı olacak. İlk iki dalganın başarısızlığından sonra yapay zeka şu ana kadar nasıl gelişmeye ve ilerlemeye devam etti? Bugün yapay zeka, bazılarının öngördüğü gibi dünyayı ele geçirecek kadar güce sahip mi?

• Yapay zeka devrimi felsefenin en temel sorularını yanıtlamamıza nasıl yardımcı oluyor? (Bölüm 1)

1. bölümün özeti: Dünyadaki yapay zekanın ilk iki dalgasının mekanizmaları: düşünme kurallarına dayalı sistemler (birinci dalga), istatistiksel modeller ve makine öğrenimi (ikinci dalga)

BÖLÜM 2: Yapay Zeka'nın üçüncü dalgası ve Yapay Zeka'nın bugünkü gerçek yeteneklerinin yeniden değerlendirilmesi.

Yapay zekanın üçüncü dalgası: donanım destekli bir patlama

İlk dalga sırasında ben (yazar Kai-fu Lee), bilgisayar bilimcisi ve psikolog Roger Schank'ı tanıdığım için şanslıydım. Hatta yüksek lisans yıllarımda onun öğrencilerinden biri benim danışmanımdı. Yukarıdaki deneyler beni uzman sistemlerin ölçeklenebilir olmadığına ve beyinlerimizin düşündüğümüz gibi çalışmayabileceğine inandırdı. Karar verme sürecimizi basitleştirmek için insanların anlayabileceği bir dil olarak "eğer, o zaman, yoksa" ifadesini kullandığımızı ama beyinlerimizin karmaşık, hatta bundan çok daha karmaşık olduğunu fark ettim.

İkinci dalgada tez ve doktora çalışmalarım sırasında Judea Pearl'ün Bayes ağları üzerine çalışmasını okudum. Dr. Fred Jelinek, Peter Brown ve Bob Mercer dahil olmak üzere IBM'deki önde gelen bilim adamlarından büyük ölçüde etkilendim. İstatistiksel yöntemlerin yalnızca konuşmada değil aynı zamanda makine çevirisinde de (20. yüzyılın 80'li ve 90'lı yıllarında) ana akım haline getirilmesinde önemli bir adım attılar. Onlara çok teşekkür borçluyum. Hala sıkışıp kaldık ama bunun nedeni teknolojinin yanlış olması değil. Gerçek şu ki istatistiksel yöntemler tamamen doğrudur.

80'lerin sonlarında, Carnegie Mellon'da ben gizli Markov modelleri üzerinde çalışırken, Geoff Hinton da "Zaman gecikmeli sinir ağları" adını verdiği sinir ağları üzerinde çalışıyordu. Günümüzün baskın teknolojisi olan derin öğrenme olarak bilinen karmaşık sinir ağlarının ilk versiyonu olduğuna inanılıyor.

Peki neden sinirsel ve istatistiksel makine öğrenimi dalgası başlamadı? Geçmişe bakıldığında bu dalganın teknolojiyle hiçbir ilgisi yoktu; teknolojinin çoğu zaten icat edilmişti. Sorun şu ki yeterli eğitim verisine sahip değiliz. Beynimiz derin öğrenme makinelerinden tamamen farklı bir şekilde çalışır. Derin öğrenme makinelerini önyüklemek için onlara her düzeyde insanlardan daha fazla eğitim verisi beslememiz gerekiyor. İnsanlar, insanları tanımaya başlamadan önce yüzlerce yüz görebilir, ancak derin öğrenme sinir ağları, tanıma konusunda uzmanlaşmak için milyarlarca yüzü görmek ister.

Elbette ustalaştıklarında insanlardan daha iyi olacaklar. Bu önceden söylendi. Ancak o zamanlar ne yeterli eğitim verimiz vardı, ne de keşfedilen bu teknolojileri en ileri düzeye taşıyacak yeterli bilgi işlem gücümüz. Google, arama yapmak için birçok makinenin paralel çalışması gerektiğini fark etmeye başlıyor. Daha sonra Jeff Dean (Google'ın yapay zeka bölümünün başındaki bilgisayar bilimcisi) ve Google'daki diğer kişiler, bu paralel makinelere sahip olduğunuzda arama yapmaktan çok daha fazlasını yapabileceğinizi gördüler. Bunların üzerine yapay zeka inşa edebilirsiniz. Yapay zeka oluşturmak için bunu iyi yapma konusunda uzmanlaşmış özel çiplere ihtiyacınız var. Daha sonra Nvidia'nın GPU'ları ortaya çıktı ve Google kendi TPU'larını oluşturdu. Bu heyecan verici bir gelişme. Öyle oldu ki Google, aramayı ve arama için gerekli sunucuları aldı ve Jeff Dean'i aldılar. Bu, tek bir alandan çok sayıda veriden öğrenebilen, büyük ölçüde paralel GPU veya TPU tabanlı öğrenme mimarilerine yol açmıştır (GPU'lar, birçok görevi aynı anda işleyebilen binlerce daha küçük, daha yüksek performanslı çekirdekten oluşan işlemcilerdir; sürekli sıralı işleme için optimize edilmiş yalnızca birkaç çekirdeğe sahip geleneksel CPU).

(Fotoğraf: Anand Tech)

Yukarıda bahsedilen büyük ölçüde paralel makine öğrenimi mimarilerine dayalı olarak yeni teknolojiler gelişti ve bu mimariler yeni GPU'lar ve hızlandırıcılar üzerinde çalışıyor. Giderek daha fazla insan, yüzleri tanımak, sesleri tanımak, görüntüleri tanımak ve arama ve tahmin için yapay zekayı uygulamak üzere cihazları eğitebiliyor. Giderek daha fazla internet verisi mevcut. Amazon bu verileri müşterilerin ne satın almak istediklerini tahmin etmek için kullandı. Google, hangi reklamları tıklayacağınızı ve muhtemelen hangi reklamlar için ödeme yapacağınızı tahmin etmek için verileri kullanır. Microsoft da bunu kullanıyor. Çin'de Tencent ve Alibaba'mız var. Birçok uygulama büyük miktarda İnternet verisine dayanarak doğmuştur.

Teknoloji ilerledikçe Geoff Hinton, Yann LeCun ve Yoshua Bengio, 2000'li yılların başında artık ana akım olmasalar da sinir ağları üzerinde çalışmaya devam eden üç kişiydi. ve çığır açan istatistikler bu ağların ölçeklenebilir olmadığını gösterdi. Böylece finansman kuruluşları onları terk etti, konferanslar onlar üzerine araştırma kabul etmeyi bıraktı, ancak bu üç araştırmacı daha iyi algoritmalar geliştirmek ve geliştirmek için küçük bir fonla bunu devam ettirdi. Ve sonra daha fazla veri ortaya çıktı. Bir zamanlar "karmaşık sinir ağları" olarak adlandırılan ve bugün "derin öğrenme" olarak bilinen yeni algoritmaların oluşturulmasıyla bir atılım gerçekleşti.

Yukarıdaki üç profesörden türetilen teknolojiler yapay zeka endüstrisinde çoğalmaya başladı. Önde gelen şirketlerin tasarladığı ses tanıma sistemleri insan yeteneklerini kazanıyor ve aynı şey yüz tanıma ve görüntü tanıma şirketlerinde de oluyor. E-ticaretin, İnternet verilerine kullanıcı/konuşmacı tanımlamasının uygulandığına, Amazon için daha yüksek tahminlerin onlara daha fazla para kazandırdığına dair kanıtlar var; haber akışlarının nasıl sıralandığı konusunda Facebook için daha iyi tahminler; Google'dan daha iyi arama sonuçları. 2000'li yılların sonlarında derin sinir ağları Google'da popüler olmaya başladı ve son 7-8 yılda neredeyse her yerde patlama yaşadı. Daha çok yapı doğdu, daha akıllı sistemler geliştirildi. Elbette dünyayı ateşleyen olay, AlphaGo'nun Kore'den Go ustası Lee'yi ve Çin'den usta Ke'yi giderek artan farklarla yenmesiydi. Ve yakın zamanda yapılan yeni bir çalışma, AlphaGo'nun insan bilgisi olmadan sıfırdan eğitilebileceğini öne sürüyor.

Tüm bu atılımlar, dünyanın yapay zekanın şu anda bir gerçeklik olduğunu bilmesini sağladı. İkinci dalgada bir şey vardı, sinir ağları ve istatistiksel yöntemler doğruydu, sadece yeterli veriye sahip değildik, yeterli bilgi işlem gücümüz yoktu ve yeterli ilerleme yoktu, o zamanlar bunu gerçekleştirecek teknoloji yığını yoktu. Ama artık bunu başardık.

Yapay zeka insanlığa hükmedebilir mi?

Yapay zeka her yerde havalanıyor. Pek çok yeni düşünce okulu ortaya çıktı. Asıl sorumuz üzerine düşünmeye başlayan bir grup insan var: Biz kimiz ve neden varız? Bu insanlar, yapay zekanın son iki ya da üç yılda kendisini çok hızlı bir şekilde geliştirebilmesi nedeniyle, eğer bunu başka alanlarda da kullanırsak, kafalarımıza yerleştirilebilecek ve insani geliştirmelere dönüşebilecek süper akıllı makinelere sahip olacağımızı düşündüler. Yoksa kötü olup insanlığa hükmedecekler.

Bu tür düşünceyi yasaklamak istiyorum. Ancak bu doğru değil. Yapay zeka bugün ne kadar gelişmiş olursa olsun veya yapay zeka, satranç oyunlarında insanları yenmek, ses tanıma, yüz tanıma, sürücüsüz araçlar, endüstriyel robotlar gibi olağanüstü şeyler yapıyor gibi görünse de, yapay zeka hala aşağıdaki şekillerde sınırlı olacaktır: Yapay zeka (zayıf yapay zeka dediğimiz), bir şeyi son derece iyi yapmayı öğrenen bir alanla ilgili birçok veriye dayanarak optimizasyon yapan bir cihazdır. Dikey tek görevli bir robottur ancak yalnızca tek bir şeyi yapabilir. Ona birçok şeyi öğretemezsiniz. Ona pek çok alanı öğretemezsiniz. Ona sağduyuya sahip olmayı (sağduyu, ortak bilgi, deneyim, çoğumuzun doğru ya da yanlış olduğu konusunda hemfikir olduğu davranışlar) öğretemezsiniz. Ona duygu veremezsin. Kendinin farkında değildir, dolayısıyla ne arzuları vardır, ne de bir insanı nasıl seveceğine veya ona nasıl hükmedeceğine dair bir anlayışı vardır.

Bütün bu olumsuz konuşmalar saçma. Bu çok fazla hayal gücü. Yapay zekanın hızla büyüyen alanlarda yeni uygulamalara girdiğini görüyoruz, ancak bu, sahip olduğumuz olgun teknolojilerdeki uygulamaların hızla büyümesidir. Teknolojinin tamamı geliştirildiğinde bu büyüme sona erecek. O zaman daha fazla yapay zeka ilerlemesi için yeni atılımlar beklememiz gerekiyor. Ancak daha fazla ilerleme öngöremezsiniz.

Yapay zekanın tarihine bakarsanız, bu tür derin öğrenme inovasyonunun yalnızca bir kez gerçekleştiğini görürsünüz. 1957'den bu yana yalnızca bir kez, yani 60 yılda bir, bir ilerleme kaydettik. Gelecek yıl, sonraki ay veya ondan sonraki gün bir ilerleme kaydedeceğimizi tahmin edemezsiniz. Bu çok hızlı. Uygulamaların kullanımı ancak şimdi gerçekleşmektedir. Bu harika ama hızlı icatlar fikri aptalca bir kavram. Bana göre bu iddialarda bulunanlar, birlik beraberlik önümüzde diyenler, endüstriyel durumun tamamen dışındadır.

Bugün, aynı anda tek bir şeyi yapmaya odaklanan yalnızca yapay zeka var ve bu harika bir araç. Değer yaratmada iyidir. Pek çok insan işinin ve diğer bazı insan işinin yerini alacak. Düşünmemiz gereken şey bu; büyük, güçlü, insana benzeyen, birçok alanda düşünebilen, insanlar gibi ortak algılara sahip bir yapay zeka değil. Sonuçta mevcut ilerlemeye dayanarak bunu tahmin edemeyiz.

Bundan yüz ya da bin yıl sonra bir gün bu gerçekleşebilir mi? Her şeyin olabileceğini düşünüyorum. Ama belki de bugün enerjimizi buradaki şeylere odaklamalıyız. Ve şu anda burada olan, bazı işlerde insanlardan daha iyisini yapabilen optimize edilmiş süper makinelerdir: stok toplama, kredi verme, müşteri desteği, telefonla pazarlama, üretim hattı işleri, hukuki destek. Yapay zeka bu şeyleri insanlardan daha iyi yapabilir. Boş zamanımızı ele geçirip serbest bırakıyorlar, gerçekten sevdiğimiz ve en iyi yaptığımız şeyi yapmamıza izin veriyorlar. Bu, bilgisayarların süper akıllı hale gelmesi gibi korkutucu bir ihtimal değil, bir ömür boyu sürecek bir fırsattır.

VnReview'a göre

Daha fazla gör:

• Finlandiya üniversitelerinden ücretsiz çevrimiçi yapay zeka (AI) kursu
• Yapay zeka (AI) programlamayı öğrenmeye başlamak için 6 adım
• Yapay zeka (AI) ve sertifikasyon üzerine çevrimiçi kurslar