Bilous/Shutterstock /27 Ağustos 2024
1956 yılının kuzey yazında, ABD’nin New England bölgesinde, güzel manzaralı bir üniversite kampüsünde toplanmış bir grup genci hayal edin.
Bu küçük ve sıradan bir buluşma. Ancak erkekler kamp ateşleri ve çevredeki dağlarda ve ormanlarda doğa yürüyüşleri için burada değiller. Bunun yerine, bu öncüler önümüzdeki on yıllar boyunca sayısız tartışmayı ateşleyecek ve sadece teknolojinin değil, insanlığın da gidişatını değiştirecek deneysel bir yolculuğa çıkmak üzereler.
Yapay zekanın (YZ) bugün bildiğimiz şekliyle doğum yeri olan Dartmouth Konferansına hoş geldiniz.
Burada yaşananlar, en sonunda ChatGPT’ye ve şimdi hastalıkları teşhis etmemize, dolandırıcılığı tespit etmemize, çalma listeleri oluşturmamıza ve makaleler yazmamıza yardımcı olan diğer birçok AI türüne yol açacaktı .
Ancak aynı zamanda alanın hala üstesinden gelmeye çalıştığı birçok sorundan bazılarını da yaratacaktı. Belki geriye bakarak, ileriye doğru daha iyi bir yol bulabiliriz.
Her şeyi değiştiren yaz
1950’lerin ortalarında, rock’n’roll dünyayı kasıp kavuruyordu. Elvis’in Heartbreak Hotel’i listelerin zirvesindeydi ve gençler James Dean’in asi mirasını benimsemeye başlamıştı.
Fakat 1956 yılında, New Hampshire’ın sakin bir köşesinde farklı bir devrim yaşanıyordu.
Yapay Zeka üzerine Dartmouth Yaz Araştırma Projesi , genellikle Dartmouth Konferansı olarak anılır, 18 Haziran’da başladı ve yaklaşık sekiz hafta sürdü. Dört Amerikalı bilgisayar bilimcisinin – John McCarthy, Marvin Minsky, Nathaniel Rochester ve Claude Shannon – yarattığı bir projeydi ve o dönemde bilgisayar bilimi, matematik ve bilişsel psikoloji alanındaki en parlak beyinlerden bazılarını bir araya getirdi.
Bu bilim insanları, davet ettikleri 47 kişiden bazılarıyla birlikte iddialı bir hedefe doğru yola çıktılar: akıllı makineler üretmek.
McCarthy’nin konferans teklifinde belirttiği gibi , “Makinelerin dili nasıl kullanabileceklerini, soyutlamalar ve kavramlar oluşturabileceklerini, şu anda sadece insanlara özgü olan türden sorunları nasıl çözebileceklerini” bulmayı amaçlıyorlardı.
Bir alanın doğuşu ve sorunlu bir isim
Dartmouth Konferansı sadece “yapay zeka” terimini ortaya atmakla kalmadı; aynı zamanda tüm bir çalışma alanını bir araya getirdi. Bu, yapay zekanın efsanevi Büyük Patlaması gibi – makine öğrenimi, sinir ağları ve derin öğrenme hakkında bildiğimiz her şeyin kökeni artık New Hampshire’daki o yaza dayanıyor.
Ancak o yazın mirası karmaşıktır.
Yapay zeka, o dönemde önerilen veya kullanılan diğer isimlere göre bir isim olarak öne çıktı. Shannon, “otomat çalışmaları” terimini tercih ederken, konferansın diğer iki katılımcısı (ve yakında ilk AI programının yaratıcıları olacak olan) Allen Newell ve Herbert Simon, birkaç yıl daha “karmaşık bilgi işleme” terimini kullanmaya devam etti.
Ancak şu da var: Yapay zekada karar kıldıktan sonra, ne kadar uğraşırsak uğraşalım, bugün yapay zekayı insan zekasıyla karşılaştırmaktan kurtulamıyoruz.
Bu karşılaştırma hem bir nimet hem de bir lanettir.
Bir yandan, belirli görevlerde insan performansına denk veya onu geçebilen AI sistemleri yaratmaya bizi yönlendiriyor. AI, satranç veya Go gibi oyunlarda insanlardan daha iyi performans gösterdiğinde veya tıbbi görüntülerde kanseri insan doktorlardan daha yüksek doğrulukla tespit edebildiğinde kutluyoruz.
Öte yandan bu sürekli karşılaştırma yanlış anlamalara da yol açıyor.
Bir bilgisayar Go’da bir insanı yendiğinde , makinelerin artık her açıdan bizden daha akıllı olduğu sonucuna varmak kolaydır – ya da en azından böyle bir zeka yaratma yolunda iyi bir yolda olduğumuz sonucuna varmak. Ancak AlphaGo, bir hesap makinesinden daha çok şiir yazmaya yakın değildir.
Ve büyük bir dil modeli insana benzediğinde, onun duyarlı olup olmadığını merak etmeye başlarız .
Ama ChatGPT konuşan bir kukladan daha canlı değil.
Aşırı özgüven tuzağı
Dartmouth Konferansı’ndaki bilim insanları AI’nın geleceği konusunda inanılmaz derecede iyimserdi. Makine zekası sorununu tek bir yazda çözebileceklerine ikna olmuşlardı.
Bu aşırı özgüven, yapay zeka geliştirme sürecinde tekrar eden bir tema olmuştur ve birkaç kez abartı ve hayal kırıklığı döngüsüne yol açmıştır.
Simon 1965’te “makineler 20 yıl içinde bir insanın yapabileceği her işi yapabilecek kapasiteye sahip olacak” dedi. Minsky 1967’de “bir nesil içinde […] ‘yapay zeka’ yaratma sorunu önemli ölçüde çözülecek” diye tahmin etti.
Ünlü gelecek bilimci Ray Kurzweil ise bunun yalnızca beş yıl uzakta olduğunu öngörüyor : “Henüz orada değiliz, ama orada olacağız ve 2029’a gelindiğinde herhangi bir insanla aynı seviyede olacak.”
Düşüncemizi yeniden çerçevelemek: Dartmouth’tan yeni dersler
Peki, yapay zeka araştırmacıları, yapay zeka kullanıcıları, hükümetler, işverenler ve geniş halk kitleleri daha dengeli bir şekilde nasıl ilerleyebilir?
Önemli bir adım, makine sistemlerinin farkını ve faydasını benimsemektir. “Yapay genel zeka” yarışına odaklanmak yerine, inşa ettiğimiz sistemlerin benzersiz güçlü yönlerine odaklanabiliriz – örneğin, görüntü modellerinin muazzam yaratıcı kapasitesi.
Etik hususları da vurgulayalım. Dartmouth katılımcıları AI’nın etik etkilerini tartışmak için fazla zaman harcamadılar. Bugün, daha iyisini biliyoruz ve daha iyisini yapmalıyız.
Ayrıca araştırma yönlerine yeniden odaklanmalıyız. Yapay zekanın yorumlanabilirliği ve sağlamlığı, disiplinler arası yapay zeka araştırmaları üzerine araştırmaları vurgulayalım ve insan bilişine göre modellenmemiş yeni zeka paradigmalarını keşfedelim.
Son olarak, YZ hakkındaki beklentilerimizi yönetmeliyiz. Elbette, potansiyeli konusunda heyecan duyabiliriz. Ancak gerçekçi beklentilere de sahip olmalıyız, böylece geçmişin hayal kırıklığı döngülerinden kaçınabiliriz.
68 yıl önceki o yaz kampına baktığımızda, Dartmouth Konferansı katılımcılarının vizyonunu ve hırsını kutlayabiliriz. Onların çalışmaları, bugün deneyimlediğimiz YZ devriminin temelini oluşturdu.
Yapay zekaya yönelik yaklaşımımızı yeniden çerçevelendirerek (fayda, artırma, etik ve gerçekçi beklentilere vurgu yaparak) Dartmouth’un mirasına saygı gösterebilir ve yapay zekanın geleceği için daha dengeli ve faydalı bir yol çizebiliriz.
Sonuçta, gerçek zeka yalnızca akıllı makineler yaratmakta değil, onları ne kadar akıllıca kullanıp geliştirdiğimizde yatıyor.
Bu yazının tercümesinde DeepL algoritması kullanılmış ve daha sonra revize edilmiştir.