Yapay Zeka

Yazan: Yalçın Katmer, Genel Müdür, Belimo Türkiye

Steven Spielberg'in yönettiği AI – Yapay Zeka isimli filmi izleyenleriniz vardır. 2001 yapımı film, 22. yüzyılın sonlarında geçiyor ve David isimli bir çocuğa benzeyen ve sevebilme kabiliyeti olan bir androidin hikâyesini anlatıyordu. 22. yüzyıla ulaşmamıza çok var ama bugün makinelerin insana benzeyen kabiliyetler edinmeye başladığını gözlemleyebiliyoruz. Hatta açık konuşmak gerekirse, yapay zekanın insanlardan üstün olduğu birçok nokta şimdiden ispat edilmiş durumda. Ben, satrançta hâlâ bilgisayarı çoğu zaman yenemeyen biri olarak, IBM’in Deep Blue adlı bilgisayarının şampiyon Gary Kasparov’u yendiği zamanı keyifle hatırlıyorum. Aslında zamanında bunu merak edip araştırdığımda karşıma çok da karmaşık olmayan bir algoritma çıktı. 1950’li yıllarda matematikçi Claude Chanon’un ortaya attığı bir yaklaşımı temel alan algoritma, bir durum için mümkün olan tüm hareketleri ve bu hareketlerin sonucunda rakibin yapabileceği hareketleri hesaplamayı temel alıyor. Bilgisayar bu hesaplama yöntemini zamanı ve işlemci hızı yettiğince çok tekrarlıyor. Hesaplamanın sonucunda muhtemel en mükemmel hamleyi yapmaya çalışıyor. Aslında bu noktada aklımıza “peki algoritma bu kadar basit ve sonuçları kesinse 1996’da aynı algoritma neden Kasparov’u yenemedi” sorusu gelebilir. Cevap gayet basit: İşlemci hızı. 1996 senesinden 1997 senesine Deep Blue makinesinde yapılan en büyük gelişme, işlemci hızını iki katına çıkartmak oldu.

Bir yapay zeka elde etmek için sadece işlemci hızı yeterli değil, en azından 2 şeye daha ihtiyacımız var. Birincisi dünyadan ya da gözlem yapacağımız olaylardan anlamlı ve yeterince veri alabilmeliyiz. İkinci olarak bu verileri bilgiye ve karara dönüştürecek doğru algoritmaları ve teknikleri seçmeliyiz. Özellikle bu ikinci nokta çok önemli. Ama bu teknik detaya girmeden önce daha temel bir soru ile başlasak daha doğru olacak: Yapay zeka nedir?

Yapay zeka, akıl yürütme, deneyimden öğrenme ya da insanlarla doğal dilde etkileşim kurma gibi insan zekasının özelliklerini sergileyebilen sistemlerdir. Böyle bakınca tanım açık gözükse de aslında pek açık değil. Çünkü zekanın bizim için ne ifade ettiği zaman içerisinde değişiyor. Örneğin, pi sayısının karekökünü birkaç milisaniyede hesaplamak zekice mi? Peki Deep Blue gibi satranç oynamak veya Siri gibi konuşabilmek? Bu soruların cevapları tüm okuyucuların öznel cevapları olacaktır ve okuyucuların yaşına, vizyonuna hatta kendi zekasına bile bağlıdır. Bu noktadan yola çıkarak yapay zekayı biraz daha somutlaştırmak için, genel yapay zeka ve odaklı yapay zeka olarak ikiye ayırmak yanlış olmaz. Genel yapay zeka, filmlerde gördüğümüz insanlardan ayırt edilmesi zor komple bir sistemi tarif eder. Bu tip yapay zeka, Stephen Hawking’in insanlığın karşısındaki en büyük tehlike olarak gördüğü insanın öğrenebileceği ya da bildiği her şeyi insan gibi bilmek hatta hissetmek ve daha da ilerisi bir yaşam amacına sahip olmak gibi ileri gidebilen bir “ihtimali” tanımlıyor.

Odaklı yapay zeka ise biraz daha açık. Yine insan zekasında bulunan özellikleri bu sefer daha dar bir alana odaklı olarak kullanmayı tarif ediyor. Örneğin AlphaGo adlı program nasıl Go oynanacağını biliyor ve dünyanın en iyi Go ustasını yenebiliyor fakat nasıl ısı kaybı hesabı yapılacağı konusunda herhangi bir fikri yok. Watson adlı program genel kültür sorularına cevap verebilir hatta kanser tanısı koyma konusunda dahi eğitilmiş durumda ama kızım bana baba dediğinde ne hissettiğim hakkında hiçbir fikri yok. En azından şimdilik!

Günümüzün teknolojik seviyesinde genel yapay zeka yazmak konusunda sonuca pek yaklaşmış değiliz ve şahsi kanaatim böyle bir şeyin pek mümkün olmadığı yönünde. Ama odaklı yapay zeka yazma konusunda gayet iyiyiz çünkü odaklı yapay zekayı oluşturmak için elimizde tüm araç gereç hazırda var. İşlemci hızı, bir önceki yazımda belirttiğim büyük veri ve çok eskilerden beri kullanılan birçok algoritma ve teknik. Bu yazıyı okuyan meslektaşlarımın aklına, mühendisçe şu soru gelmiş olabilir: Bu zeki makineleri kodlamak için nasıl teknikler ya da algoritmalar kullanıyoruz?

Öncelikle bizim mühendislikte sıkça kullandığımız gibi sonucu net tarif edilebilen yöntemler kullanamayız. Örneğin bir kuşu algılamamızı sağlayacak tüm kriterleri yazmayı bir deneseniz ne kadar zor olduğunu anlarsınız. Bu bizim mühendisçe tanımlama yöntemimize yakın. Oysa günümüzün matematikçilerinin yöntemi bundan farklı. Yeni yöntem büyük veride var olan binlerce kuş fotoğrafına bakıp ortak yanlarını kuşu tarif etmekte kullanan bir algoritma yazmak. Bu algoritma sonucunda çıkan kriterler açıklanabilir olmak zorunda değil. Tek gerekli olan yeterince kuş fotoğrafına ulaşıp onların üzerinde çalışabilmek. İşte bu yönteme machine learning – makine öğrenmesi deniliyor. Günümüzde bu tip makine öğrenmesi üzerine yazılan algoritmaların en popüleri insan beyninin çalışma şeklinden esinlenilerek yazılan neural networks – sinir ağları. Basitçe tarif etmek gerekirse; algoritma veriyi alıyor, mesela bir resmi, beraber çalışan ve tanımlamaya yarayan yapay sinirlere iletiyor ve sinirler birlikte çalışarak bu kuşun saksağan olduğunu tanımlıyorlar. Sinir ağları birleştirilebilir bir teknolojidir yani birçok farklı yapay sinir ağını birbirine birleştirip çok karmaşık problemlere çözüm bulabilirsiniz. İşte bu genişletilmiş yapay sinir ağlarının kullanıldığı algoritmalara deep learning – derin öğrenme deniliyor. Google Çeviri’nin kullandığı, çok dilde yayın yapan (Türkçe & İngilizce vb.) internet sitesini inceleyip otomatik çevirileri gün geçtikçe daha iyi yapar hale gelen algoritma, buna iyi bir örnek.

Bu örneklerden görebileceğiniz gibi yapay zeka iyi bir yatırım alanı. Neredeyse tüm dünya devi firmalar bu konuda yatırım yapar durumda. Örneğin Google yapay zeka teşebbüsü DeepMind firmasını 2014 yılında 400$ vererek satın aldı. Microsoft Ventures yapay zeka teşebbüsleri Agolo ve Bonsai’ye çok yüksek miktarda yatırımda bulundu. Amazon kendi yapay zeka firması olan Amazon AI’yı kurdu ve Amazon Echo isimli yapay zeka tabanlı ürününü satar durumda. Bu sadece teknoloji devlerinin oynadığı bir pazar değil. Yapay zekaya 2012 senesinde yapılan global yatırım tutarı 0.6 milyon USD iken 2016 yılında yaklaşık 5 milyar USD, 2017 yılında 12.5 milyar USD’ye çıktığı tahmin ediliyor. Yani her sene yüzde 50’nin üzerinde büyüyen bir pazardan bahsediyoruz. Bu büyümenin en azından 2020 yılında 50 milyar USD’ye ulaşacağı tahmin ediliyor.

MIT (Massachusetts Institute of Technology) ve BCG (Boston Consulting Group)’un yaptığı iş adamları ile yaptığı bir anket sonucuna göre, katılan karar vericilerin yüzde 60’ı yapay zekanın iş hayatını önümüzdeki beş senede çok ciddi anlamda değiştireceğini düşünüyor.

Yapay zeka tüm sektörlere olduğu gibi bizim sektörümüze de değişim getirecek. Eğer şimdiye kadar işinizin herhangi bir alanında yapay zeka kullanmadıysanız denemeye başlamanın ve nerelerde kullanabileceğinizi düşünmenin tam zamanı. Yukarıda bahsettiğim gibi yapay zeka için temelde 3 şeye ihtiyacımız var, bilgisayar gücü, öğrenen algoritmalar ve yeteri kadar veri. Bunlardan ilk ikisini satın almak ve geliştirmek bugün çok kolay fakat yeterli veriyi elde etmek aynı kolaylıkta değil. Yapay zekayı hangi kalitede ve büyüklükte veriyle beslerseniz sonucu o oranda doğru çıkacaktır. Dolayısıyla işletmelerimizde ve sektörümüzde verinin nasıl saklandığının önemi giderek artıyor.

Bugün özellikle otomasyon alanında çalışan ya da otomasyonu iş modellerine, ürünlerine dahil eden üreticiler yapay zekaya ilk adımları atanlar oldular. Şimdi beklemek zorunda olduğumuz adım Nesnelerin İnterneti ile çevirimiçi hale gelen ve Büyük Veriye sürekli veri aktaran cihazların bu aktardığı verilerin yeterli hale gelmesini sağlamak. Mesela internete bağlı bir vanadan alınan klima santrali serpantin verileri tüm dünya üzerinde, farklı iklim verilerinde, farklı bina tiplerinde farklı karakteristik gösterecektir. Bunu yapay zeka ile işlediğimizde karşımıza tam optimize edilmiş bir enerji kontrolü çıkabilir. Ya da binanızın her noktasında ve cihazında bulunan sensörlerden alınan bilgilerle oluşturulacak ısı haritasından belki benzer binaların tasarım kriterleri hakkında sonuca ulaşacak bir yapay zeka algoritması yazılabilir.

Bugün sektörümüzde yapay zeka emekleme aşamasında. Kullanım alanını kendi işinizde öğrenilerek yapılabilecek herhangi bir görevde bulabilirsiniz. Bu üretiminizin optimizasyonundan satış verimliliğinizin artmasına ya da teklif programınızın çalışma yöntemine kadar birçok konuda kullanılabilir. Endüstri 4.0 ile ilgili yazımda da belirttiğim gibi, değişen dünyanın yeniden yapılanan düzeninde rekabetçi kalabilmemiz için yapmamız gereken en önemli şey bu gelen değişimi doğru anlamak. Yapay zeka bir araç olarak bu trendin en büyük değişimini yaratacak konu. Özellikle ucuz insan gücüne dayalı rekabetçiliği olan ülkemizin bunu sürdürebilmesinin önündeki belki de en temel engel. Bunu doğru analiz edip yararımıza çevirmek yapabileceğimiz en iyi iş olacaktır.

Yapay zeka konusunu sonlandırırken bu işin bir de felsefi boyutuna değinmek istiyorum. Bunun en güzel örneği sürücüsüz araçlardan verilebilir. Örneğin aracın önünde iki seçenek var. Birincisi birinde 1 yayayı diğerinde 5 yayayı öldürecek. Hangisini seçerdiniz? Çoğu insan gibi beş kişi yerine bir kişiyi kurban edersiniz değil mi? Peki bu kişi yaya değil de ön koltukta oturan aracın sahibi olsa; sizce araç, sahibini diğer beş kişinin hayatı pahasına kurban mı etse. Eğer cevabınız evetse, siz bu koşullar altında insansız bir araç satın alır mısınız? Bu konuda MIT’nin yaptığı açık ankete katılırsanız (http://moralmachine.mit.edu/) işin felsefi ve ahlaki boyutunu oluşturmanın ne derece zorlayıcı olduğunu daha iyi anlayabilirsiniz.

Yazıma son verirken, yazılarımı okuyarak bana e-posta, sosyal medya ya da telefon gibi birçok yöntemle ulaşarak yorum, beğeni ve katkılarını paylaşan tüm okuyuculara teşekkür ederim. Önümüzdeki sayıda dijitalleşme yazı dizimi “Artırılmış ve Sanal Gerçeklik” konusuyla sonlandıracağım. Tüm okuyuculara, bir sonraki sayıda buluşuncaya dek sağlık ve mutluluk dilerim.