AI 001: Eski Moda Yapay Zeka

1:40Bunlar etkileşim delisi YouTuber'lar değiller. Gayet ağır abiler. Nobel ödülü senin, Turing ödülü benim, öyle tipler. Ve hepsi de her alanda insanla kapışabilecek genel yapay zekaya en geç 80'lerde ulaşacağımızı düşünüyorlardı.

1:5480'lerde çoğunuz hayatta değildiniz. Doğdunuz, büyüdünüz, kazık kadar oldunuz maşallah. Erken emeklilik bile kazanmış olabilirsiniz. Türkiye'de normal, gel gelelim ortada ne Jüpiter görevleri var ne de Hal 9 binler.

2:06Ya daha düne kadar bir insanla makineyi ayırt etmek için kedi köpek resmi göstermek yetiyordu. Öyle kendi başlarını uzayda bir tur atıp gelmelerine epey var. Öyleyse size 3 kısa soru. 1.

2:17Niye bu kadar geciktik? 2. Ne oldu da her şey bugünlerde tekrar hızlandı? Dünyadaki kurumsal yapay zeka yatırımlarının toplamı neredeyse 100 milyar doları bulmuş.

2:27Goldman Sachs seneye 200 milyar bekliyor. Bu miktar sadece 10 sene önce bunun onda biri bile değildi. Son sorum da gelecek hakkında. Tarih tekerrür edecek mi?

2:36Zira bu işin tarihini okuyunca dönem dönem aynı şeylerin tekrarlandığını görüyoruz. teknolojik bir gelişme, ertesinde aşırı iyimser tahminler, artan yatırımlar, sonra hayal kırıklığı, yapay zeka kışı olarak adlandırılan durgunluk, birkaç sene sonra başka bir gelişme, hoppaşa dön. Yani 30-40 sene sonra bu günleri hatırlayanlar da bizim fantastik hayallerimize bakıp gülecekler mi? Yoksa artık döngü kırıldı mı?

3:00Fularsı Zenterli'nin önümüzdeki bölümlerinde bu üç soruya cevap arayacağız. Epey detaya da gireceğiz. Bazı pratik örnekleri konuşa konuşa inşa edeceğiz. Çünkü en azından kavramsal temelinizin sağlam olmasını istiyorum.

3:12Olan biteni bir çocuğa anlatabilecek seviyeye gelirsek muhteşem. Ay ben bu işlerden hiç anlamam diyene teknik bilgi, bilgisi olana tarihsel zemin, her şeyi bilene de evet iyi anlatıyor ama şurada eksiği var diyerek etrafına bol bol hava atma fırsatı vadediyorum. Kısacası herkese uygun bir şeyler var. İzleyeceğimiz rotayı tek bir cümleye sığdırmaya çalışayım.

3:42Uzun bir cümle olacak. ChatGPT, sohbet etmek için ayarlanmış bir büyük dil modelinin üstüne kurulu. Büyük dil modelleri belli bir çeşit sinir ağı üstüne kurulu. Sinir ağları makine öğrenmesinin bir çeşidi, makine öğrenmesi de yapay zekanın bir çeşidi.

3:57Bitti. Hiçbir terimi bilmenize gerek yok. Bunları iç içe geçmiş halkalar olarak düşünün yeter. ChatGPT en içteki halka, bugünkü başlangıç noktamızsa en dış halka olacak.

4:07Genelde bu muhabbetlere Turing makinesinden başlanır ama o zamanki bilgisayarlar çok kısıtlı olduklarından ben biraz ileri saracağım. Yapay zeka teriminin çıkış noktasından başlayacağım. 1956 yazında Dartmouth Üniversitesi'nde küçük bir çalıştay yapılmış. katılımcıları açıklamak için organizatörün bulduğu bir isimdi yapay zeka.

4:26Katılımcı dediğim de biraz önce saydığım ağır abiler ve bazı arkadaşları. Bir iki ay boyunca her gün bir anfide toplanıp muhabbet ediyorlar. Genelde teorik muhabbetler. Tek istisna, katılımcılardan Simon ve Newell'in sunduğu Logic Theorist isimli bir program.

4:41Logic Theorist de güzel bir rock grubu ismi olurmuş, heba etmişler. Programın işi mantıksal çıkarım yapmak. Bir dizi varsayımdan başlayıp belli kuralları izleyerek bir sonuca ulaşıyor. Entelseniz fullarınız vardır, entelsiniz, öyleyse fullarınız var.

4:55İşte o öyleyse kısmını programın yapması bekleniyor. Sadece entel ve fullar kombinasyonu için değil tabii, her şey için. Nesneler, kavramlar, başka çıkarımlar... Programın tüm numarası, bunları tek tek tanımlamaya gerek olmadan semboller arasında ilişki kurabilmesi.

5:10O yüzden de bu yaklaşıma sembolik yapay zeka deniyor. İdeal şartlar altında biz böyle akıl yürütüyoruz, sen de bunu taklit et, demişler. Yani aristodan ve stoacılardan beri bir sürü düşünürün hayalini gerçekleştirmişler. Hele Leibniz görse zevkten dört köşe olurdu.

5:24Leibniz biliyorsunuz zamanında ortak bir mantık dili kurmaya girişmişti. Hatta sonraları bunu tüm matematiği, tüm bilimleri ve felsefeyi içine alacak bir evrensel dil olarak düşünmüştü. Nasıl ki iki muhasebeci arasında saatler süren tartışmalar olmuyor, defterlerini açıp bakıyorlar, sorunu çözüyorlar. Bu alanlardaki insanlar da öyle yapmalıydılar.

5:43Tüm tartışmalar bir hesap kitap işine dönüşebilir. Böylece anlaşmazlıklar da tarihe karışabilirdi. Tabi çok kapsamlı bir hayal. Kendisi de herhangi bir pratik örneğini geliştirememişti.

5:54Ama az da olsa bir takım ilerlemeler kaydedildi. Mesela ölümünden iki asır sonra yazılan Principia Mathematica, matematiğin kendisini mantık diliyle yeniden türetmeye çalışıyordu. Birçok teoriyi temel mantıksal ilişkilerden yola çıkarak ispatlıyor. Bizim programı test etmek için biçilmiş kaftan.

6:10Hemen aldılar bir kopyasını. İkinci cildindeki ispatların neredeyse dörtte üçünü tekrarlayabilmişler. Her ispat bir sonraki işlemde başlangıç bilgisi olarak kullanılıyor. Yani bir anlamda program öğreniyor.

6:21O yüzden çoğu işlem bir dakika bile sürmemiş. Hatta bir tanesi için kitaptakinden de zarif bir yol bulmuşlar. 22 adım yerine 9 adımda halletmişler. Kitabın yazarı Bertrand Russell bunu öğrenince epey heyecanlanıyor.

6:32Düşünsenize 40 sene önce giriştiğiniz bir projeyi artık makineler yapabiliyorlar. Hiç yorulmayacak, hiç hata yapmayacak bir Russell yaratmışlar. En azından yakında yaratılabileceğini kanıtlamışlar. Yalnız logic theorist'in bence en ilginç yanı mantıksal olduğu kadar sezgisel davranmak zorunda oluşuydu.

6:50Çünkü bir teori ispatını doğrularken her adımda yapabileceği olası çıkarımlar dallanıp budaklanarak artıyor. E kapasitesi sınırlı, hepsini hesaplayamaz. Bugünkü bilgisayarların bir saniyede yaptığı işlem için tüm medeniyet tarihinden fazla süreye ihtiyacı vardı. O yüzden hangi dalların olası bir ispata yol açacağını tahmin etmesi gerekiyordu.

7:09Buna sezgi diyorum da herhangi bir gizemli yanı yok tabii. Açık açık bazı kısa yollar kodlamışlar. O kısa yollara da daha sonraları bilişsel psikoloji sayesinde lügatımıza girecek olan heuristics ismini vermişler. Bu vesileyle rahmetli Kahneman'ı analım.

7:23Geçenlerde öldüğünü öğrendim. 90 yaşındaymış zaten, dolu dolu yaşadı. Onun deyimiyle bizim bu program normalde sistem 2'de çalışırken kapasitesi zorlandığında sistem 1'e geçiyordu. Logic Theorist'ın yaratıcıları onun bir farkındalık sahibi olduğunu iddia etmiyorlardı.

7:38Ama düşündüğünü düşünüyorlardı. İnsanın yaptığı da bu değil mi sonuçta? Sembolleri ilişkilendirip gerektiğinde bilişsel kısa yollar kullanıyor. Bu fikirleri ve programın bitmiş halini yazın sonunda MIT'de düzenlenen bir sempozyumda görücüye çıkardılar.

7:52O sempozyum da tam bir efsane. Noam Chomsky evrensel gramer teorilerini anlatıyor. George Miller kısa süreli hafıza deneylerini açıklıyor. The Magical Number 7 diye aratabilirsiniz.

8:01Kısacası psikoloji, dil bilimi, nörobilim, felsefe ve bilişim gibi farklı alanlarda çalışan insanlar ilk defa bu çapta bir araya gelip, ya bir dakika ya biz aslında aynı şey üstünde çalışıyoruz diyerek işbirliğini arttırıyorlar ve bilişsel devrim denen hareket başlıyor. O dönemde psikolojideki hakim yaklaşım davranışçılıktı. Yani gözleyebildiğimiz şey davranışlardır, ona odaklanacağız demişler. Zihinsel süreçler gözleme tabi olmadıkları için bilimin dışında kabul edilmişler.

8:28Ama işte sempozyumdaki insanların zihinsel süreçler hakkında yeni fikirleri var. En önemlisi de yapay zihinler yaratılıyor. Onların içini bilen, onların içini yapan insanlar gelmiş, konuşuyorlar işte. Paradigma değişimlerinin tek bir başlangıcı anı olmaz tabii.

8:42Her şey devamlılık arz ediyor da. Sembolik olarak bu sempozyum bilişsel devrimin başlangıcı olabilir. Bizim logic theorist de devrimin liderlerinden biri. İlk yapay devrimci.

8:52Şimdi size demin söylediğim bir şeyi hatırlatacağım. Bu sefer daha da şaşırtıcı bulacağınızı umuyorum. Tüm bunlar 1950'lerde oluyor. Daha entegre devre denen şey icat edilmemiş, yeni bir zeka yarattıklarını düşünüyorlar.

9:04Ve her sene ilerleme yaşanıyor. O programın bir sonraki versiyonu genel bir karar alma makinesi olarak tasarlanmıştı. Adı da genel problem çözücüydü zaten. Bunu yaratıcılarına bakarak da anlayabiliyoruz.

9:15Herbert Simon bir bilgisayar uzmanı veya matematikçi değil, siyaset bilimci ve ekonomistti. Bu podcastta ismini daha önce duydunuz. Ekonomi serisinde Bounded Rationality kavramı üzerinden ismini almıştık sanırım. Sınırlı bilgi sahibiyken en doğru kararı nasıl alabiliriz?

9:30Bunları düşünüyor. Hayalinde de şirketlerin, kurumların, devletlerin kararlarını optimize edecek bir sistem var. Mevcut durumu anlatan veriler yüklenecek. Mesela bir şirketten bahsediyorsak bilançosu, ilgili kanunlar, pazar analizleri vs.

9:44program adım adım çıkarımlar yapacak. Zaten bu hayallerin etkisiyle, o başta bahsettiğim tahminleri yapmış, 20 seneye kalmaz her türlü işi insanlardan alıyoruz demiş. Olmadı tabii bu. Olmadı çünkü genel bir karar verici programı yaratmak için çok fazla kural gerekiyor.

9:59Hepsini tek tek tanımlamak imkansız, yapabilsen bile aralarındaki hiyerarşi çok karışık. Yani çeliştiklerinde hangisini takip edeceksin? Biz bu sorunları common sense yani sağduyu denen şey sayesinde rahatça aşıyoruz. En azından bazılarımız.

10:13Mesela kırmızı ışıkta dur diye bir kural var. Tamam durduk. Ama arkamızdaki araba korneye abanıyor. Tat tat tat tat.

10:19Ne yapacağız? Belki hasta taşıyordur. Belki delinin tekidir. Münakaşaya girecek misiniz, girmeyecek misiniz?

10:25Eğer ilerlersek diğer trafiğe tehlike oluşturacak mıyız? Etrafta polis var mı? Duruma göre bir karar veriyoruz. İşte o duruma göre kısmını bir kural seti olarak yazamıyorsun.

10:34Bizim orada birkaç saniye içinde verdiğimiz kararın ardında koca bir hayat tecrübesi var. Bütün olası kırmızı ışık senaryolarını yazsan, araba kullanmayla ilgili verdiğin kararların çok ufak bir kısmı ediyor. O da genel hayatla ilgili kararların çok ufak bir kısmı ediyor. Fakat bu demek değil ki tüm bu çabalar sonuçsuz kaldı.

10:53Biraz hayal kırıklığı yaşandı evet, ama sembolik yapay zeka ölmedi. Ölçeyi küçülttü, sınırlı bir alanda karar veren uzman sistemlere evrildi. Örneğin, ta 70'lerde doktorlara tanı yardımında bulunan programlar çıktı. Sen semptomları, kişinin tıbbi geçmişini, lab tahlillerini giriyorsun, ona göre tavsiyeler de bulunuyor.

11:11Bulaşıcı hastalıklar için ayrı, kanser teşhisleri için ayrı sistemler var. Yalnız unutmayın, insan sürecin hep bir parçası. En başta kuralları yazan insan, sonra onları güncelleyen de insan. Mesela yeni bir ilaç çıktığında birinin gelip bunu eklemesi lazım ki sistem gerektiğinde onu önerebilsin.

11:27Bilgi birikimini güncel tutmak çok önemli bir sorundu. Bunu otomatize etmeye de çalıştılar. Atıyorum, tüm ilaçların özelliklerinin yazıldığı ortak bir veri tabanı olur. Sen de kurallarını ilaç bazında yazmazsın da aktif içerikler bazında, ilaç özellikleri bazında, yan etkiler bazında yazarsın.

11:43Böylece o şartları sağlayan tüm ilaçları, yeni çıkmışlar dahil, direkt bu veri tabanından çekip doktora tavsiye olarak sunabilirsin. Ama bu işin kolay kısmı. Esas mesele çıkarın mantığını güncellemekte. Diyelim yeni bir araştırma yayınlandı, artık kolesterol hastalarına yumurtayı yasaklamaya gerek yokmuş.

12:00Birinin gelip bu kuralı değiştirmesi lazım. Veya belki de değiştirmeyecekler araştırmaya güvenmediklerinden. Yine işin içine biraz sağduyu giriyor. Sonuçta bir insanın kararı gerekiyor.

12:09Ve elbette sürecin en sonunda çıktıları kontrol eden de insan. Bariz bir hata varsa geri dönüp programı düzeltecek. En azından işin bu kısmı kolay yalnız. Çünkü sistem kendini düzeltemese bile kendini açıklamak da iyi.

12:22Yani alınan her kararın neden alındığı, hangi kuralların tetiklenerek o karara yol açtığı belli. Bu sayede yanlışları düzeltebiliyorsun ve programlama bilmene dahi gerek yok. Bir ara yüzden sadece kurallarla oynuyorsun. İşin programlama kısmı alt seviyede otomatikman hallediliyor.

12:37Uzman sistem veya expert system kalıbı artık kullanılmasa da biz bu sistemleri kullanmaya devam ediyoruz. Örneğin biraz önce vergi beyannamesi dolduruyordum. Kullandığım program bana hayatımla ilgili bir sürü soru soruyor. Cevaplarıma göre de uygun vergi indirimleri öneriyor.

12:52Gerekli formları veriyor. Onları doğru doldurmuş muyum kontrol ediyor. Önceki senelerle karşılaştırma yapıp tutarsızlıkları anlıyor. Üstüne vergi müfettişlerinin beni kontrole gelip gelmeme ihtimalini de tahmin ediyor.

13:35Harika aslında. En iyi vergi uzmanlarının birikimini yansıtıyor. Ama alıştığımız için böyle şeyleri yapay zeka olarak bile görmüyoruz. Her şey böyledir zaten.

13:44Çözdüğünüz bir problem sihirli olmaktan çıkar. Bunun en güzel örneklerinden biri belki de en ünlü uzman sistem olan Deep Blue ile yaşandı. Sonunda bir bilgisayar Dünya Satran şampiyonunu yendi. Epey gündem doldu ama devrim olmadı.

13:58Hiçbirinizin hayatı 97 öncesi ve sonrası diye ayrılmıyor. Yapay zeka tarihi bile öyle ayrılmıyor. Problemi çözdük ve sihrini kaybetti. Yapay zeka ile kastedilen şeyin eşiği de daha öteye taşındı.

14:11Problemi çözdük dedik de tam olarak nasıl çözdüğümüzü anlamamız önemli. Çünkü sembolik zekanın bu en bilinen zaferi aynı zamanda onun en büyük yenilgisi olacak. Satranç on yıllarca yapay zeka araştırmaları için bir baremdi. Claude Shannon 1950'de yazdığı bir makalede bunun sebeplerini özetlemiş.

14:29Bir kere kültürel olarak zeka ile yakından ilişkili. Halkta bir karşılığı var diyelim. İkincisi, sembolik sistemler için biçilmiş kaftan. Çünkü olabilecek şeyler belli.

14:38Durduk yere yeni bir taş yaratılmıyor mesela. Fille atın arasından bukalemum diye bir şey çıka gelmiyor. O yüzden öyle durumlarla baş etmeni sağlayacak bir sağduyuya da gerek yok. Üçüncüsü, bilgisayarla analizi kolay.

14:50Oyun hamle hamle değiştiğinden sayılabilir miktarda farklı hali var. Bir başka deyişle, analog değil, dijital. Performans değerlendirmesi de kolay. Kazandın mı kaybettin mi belli.

15:00En önemlisi de tüm bu kolaylıklara rağmen oyunun kendisi yeterince zor. Daha basit oyunlarda, Tic Tac Toe'da mesela, alt tarafı birkaç bin tane farklı tahta pozisyonu var. Dolayısıyla herhangi bir zekaya gerek yok. Zekayı bırak, düz hesap gücüne bile gerek yok.

15:14Her durumdaki en iyi hamle çoktan hesaplanmış zaten. Senin tek yapman gereken hafızadan bakıp oynamak. Düşünce yok, hatırlama var. Satrançta ise sadece beşer hamle sonunda yaklaşık 70 trilyon farklı tahta pozisyonu yaratılabilir.

15:28Daha oyunun başında işler çığırından çıkıyor yani. Daha önce kimsenin oynamadığı bir oyuna dönüşebiliyor. Shannon teoride 10 üzeri 123 farklı maç yapılabileceğini hesaplamıştı. Evrendeki her bir atom başına trilyon çarpı trilyon çarpı trilyon tane farklı maç yapsanız yine de olası oyunların milyonda biri ediyor.

15:46Tabii çoğu saçma sapan hamleler ama onları göz ardı edince bile normal sayılabilecek maç sayısı 10 üzeri 40 civarı. O yüzden her durumdaki en iyi hamleyi önceden bilemezsin. Çoğunu oturup düşünmen lazım. Şimdi biz de düşünelim bakalım.

15:59Kasparov'u veya bir ihtimalde beni yenebilecek bir satranç programını nasıl tasarlarız? Elbette oyunun kurallarını tanımlayacağız. Ondan sonra yapacağımız ilk iş, programa herhangi bir pozisyonu değerlendirmesini öğretmek. Durumumuz iyi mi kötü mü bunu ölçebilmeliyiz.

16:14Bunun için karmaşık yöntemler var. Açık kareleri, şahın korunaklığını, tempoyu hesaba katan. Biz basit gidelim. Tahtadaki taşları saymakla yetinelim.

16:22Piyonlar 1 puan bu kale, mumlar 4 puan şah, sonsuz. Amacımız puanımızı arttırıp rakibinkini azaltmak. Öyleyse o an yapabileceğimiz tüm hamlelere bakarız. En yüksek puanı vereni seçeriz değil mi?

16:33Değil. Rakip vezirini feda ederek bize tuzak kurabilir mesela. Kek gibi atlamamak lazım. Öyleyse birkaç hamle ötesine bakalım.

16:40Onların sonunda en yüksek puana yol açacak hamleyi seçeriz değil mi? Yine değil. Siz de hiç anlamıyormuşsunuz bu işten kardeşim. Yavaş yavaş gidelim.

16:48Yapabileceğimiz 20 tane hamle olsun. Bir ağacın gövdesinden çıkan 20 dal. Her biri için rakibin de yapabileceği ortalama 20 hamle olsun. Yani her dal 20 alt dala ayrılıyor.

16:58Burada duralım. Sadece iki adım derinliğinde düşünüyoruz. Tüm dalların ucundaki 400 yaprak arasından en güzeline giden yol nedir? Muhtemelen benim iyi bir hamle yapıp rakibin de çok kötü bir hamle yapmasıdır.

17:10Ama rakibin ne yapacağı bizim kontrolümüzde değil ki. Belki ağacın en güzel yaprağı da, en solgun yaprağı da ilk seçtiğim dalın ucunda bir yerde. Rakip iyi bir hamle yaparsa bizi güzel olanına değil, solgun olanına zorlayacak. Dolayısıyla sadece puana bakmakla yetinemeyiz.

17:26Rakibin o pozisyona izin verme ihtimaline de bakmalıyız. En temizi hiç hata yapmayacağını varsaymak. Yani en kötü senaryoyu farz etmek. Karşımızda sanki bir klonumuz var, sıra ondayken puanımızı minimize etmeye çalışacak.

17:38Biz de bunu göz önüne alarak kendi puanımızı maksimize etmeye çalışacağız. O yüzden de bu yaklaşıma minimax deniyor. Bundan bir rock grubu ismi çıkmaz da iyi bir dondurma ismi olabilir. Minimax bizi güçlü rakiplere karşı hayatta tutar ama esas güzel yanı tasarruf.

17:53Hesap kitaptan müthiş tasarruf ediyoruz. Eğer bir dalın ucunda bir yerlerde çok solgun bir yaprak görmüşsek, mesela mat edileceğimizi bulmuşsak, o daldaki diğer alternatifleri hesaplamayı bırakabiliriz. Nasıl olsa rakip onlara izin vermeyecek, bizi mata zorlayacak. Öyleyse baştan o dala girmeyeceğiz, orayı budayalım gitsin.

18:11Tam olarak ne kadar budama yapabileceğimiz biraz şansa kalmış ama genelde hesap derinliği arttıkça tasarruf miktarı da artıyor. 2 değil de 4-5 adım derinliğindeki bir ağacın tek bir ana dalını erkenden budayabilmek milyarlarca belki trilyonlarca hesaptan kurtaracak bizi. Öyleyse gelelim kritik soruya. Tam olarak kaç adım sonrasını düşünmemiz lazım?

18:323, 5, 8 veya Allah ne verdiyse mi? Daha doğrusu IBM ne verdiyse mi? Onların verdiği donanım yettiği ölçüde mi? Deep Blue bir süper bilgisayardı.

18:40IBM sırf o iş için inşa etmişti ve saniyede 200 milyon pozisyon değerlendirebiliyordu. 200 milyon kulağa çok geliyor da, demin dediğim gibi beşer hamle sonrası 70 trilyon olasılık var. Hepsine bakmaya çalışsa aralıksız 4 gün işlem yapması lazım. Dolayısıyla o da bir insan gibi davranmak zorunda.

18:57Sezgisine yani önceden programlanmış bir dizi kısa yola güvenerek birçok hamleyi yüzeysel değerlendirirken kritik gördüğü pozisyonları belki 20-25 adım boyunca simüle ediyor. Kaynaklarını orada harcıyor. Yani sistemin esas zekası neyi ne kadar hesaplayacağını hesaplamasında yatıyor. Ve üstüne basa basa söylüyorum, o zekada tümüyle insanlardan geliyordu.

19:18Pozisyonları nasıl değerlendirecek, nasıl tasarruf yapacak, sezgisinden kastettiğimiz şey nedir, bunları hep büyük ustalar programladılar. Yıllar boyunca da ince ayar çektiler. Tüm bunlara rağmen Kasparova karşı ilk maçını kaybetti, 97'deki rövanşı da zar zor aldı. Hatta oyunlardan birini Kasparov hediye etti.

19:35Normalde yapmayacağı bir hatayla yoksa o da beraberlikle biterdi. Yani aslına bakarsanız bu maçın birbirine zıt gibi gözüken iki sonucu var. İyi ki biz düz insanlar için geçerli. On yıllarca kovalanmış bir hedefe sonunda varılmış, bir eşik aşılmıştı.

19:50Bizzat Kasparov da sansasyonu körükledi. İlk defa yapay bir zekanın, bize yabancı bir zekanın varlığını hissettim gibi açıklamalarla Ve sonra da zamanla buna alıştık. Hayat devam etti. Fakat konunun uzmanları başka bir ders çıkardılar.

20:03Sembolik yapay zekanın sınırlarına gelmiştik. Satranç kadar bu işe uygun bir şeyde bile insanları geçebilmek için bu kadar fazla özel çaba harcanması hiç iyi alamet değildi. Ve bu çabanın başka problemlere uygulanabilirliği çok az. Elbette çalışanlar tecrübe ediniyorlar, bir know-how ediniyorlar da Deep Blue başka hiçbir şey aramıyor.

20:22Sadece satranç oynayabiliyor. Onu da tek bir şekilde oynayabiliyor. Mesela taşların yerinin rastgele başladığı Fisher Random gibi bir varyantı oynayalım desen, muhtemelen saçmalardı, en azından Kasparov'u yenemezdi. Çünkü tüm o ince ayarlar baştan oluşturulmalı.

20:35Hele hele, biraz modifiye edelim de zeka gerektiren başka işler yaptıralım, mesela bizle konuşsun, roman yazsın, böyle şeyler hiç diyemezdim. Onlar için bambaşka bir yaklaşım gerekecekti. Zaten yapay zeka alanındaki en büyük ironi, satranç gibi insanlara zor gelen şeylerin konuşma, araba kullanma, görme, duyma gibi insanlara çok kolay gelen şeylerden daha önce halledilmiş olması. Velhasıl Deep Blue, maçtan sonra Hurda'ya çıkarıldı.

21:00Bir kısmını yıllar sonra Amerikan Tarihi Müzesi'nde görmüştüm. O an telefonuma bedavaya indirebileceğim sıradan bir satranç programı o canavardan çok daha kuvvetli olurdu. 100 maç yapsalar belki hiçbirini kaybetmezdi. Çoğunuz için bu gelişme gayet normaldir.

21:13Donanımdaki ilerlemeler malum. 30 küsur sene boyunca Moore yasası işlemiş. Fakat gerçek sebep bu değil. Telefonunuzdaki uygulama Deep Blue'dan daha hızlı çalışmıyor.

21:22Saniyede 200 milyon pozisyon değerlendirmiyor. Belki birkaç yüz bin, hadi PC'de çalıştırıyorsanız belki birkaç milyon. O kadar. Ama nereye bakacağını daha iyi seçiyor, baktığında daha iyi görüyor.

21:33Yani daha güçlü değil, daha zeki. Çok daha zeki. Çünkü o sistemlerin zekası artık sadece insan kaynaklı değil. Kendi kendini geliştirebiliyorlar.

21:51Evet arkadaşlar, en baştaki iç içe geçmiş halkaları hatırlarsanız... ...gelecek bölümde bir sonraki halkaya ineceğiz. Makine öğrenmesini öğreneceğiz.

22:00Bugün sosyal medyadan tutun, e-mail filtrenize... ...endüstriyel robotlardan, gürültü kesen mikrofonlara kadar... ...aklınıza gelebilecek her yerde kullanılan bir şey.

22:08İlginçtir, onun da hikayesi büyük umutlar, büyük hayal kırıklıkları içeriyor. Onun da gelişiminde bir oyun başrolde... ...ve onun da başlangıcı 1956'daki o çalıştaya dayanıyor.

22:19Çalıştay'ın katılımcılarından birkaçını hatırlayalım. Ne de olsa bu podcastin size ulaşmasına onlara borçluyuz. Can Çilingir, Mehmet Erdoğan, Ümit Karayakalı, Taylan Bilal, Haşim Solmaz, Serbest Kitaplar, Sabahdeniz Gülensoy, Gökhan Samur, Selim Sanje, İhsan ve Meryem Bayraktar. Tekrar geçmişte görüşmek üzere.

22:51Yolun açık.