Makinelerin Yetersiz Kaldığı Yerde İnsan Zekası Neden Çiçek Açar?

“Gerçek zeka, verilerde değil; öngörülemez olanı fark eden insan sezgisinde yaşar.”

Chat GPT CEO’su Sam Altman, geçtiğimiz hafta, 5 Ocak’ta, yapay zeka alanında beklenen bir sonraki devrim olarak nitelendirilen Yapay Genel Zeka (YGZ) üzerine bir blog yazısı yayınladı: “Artık geleneksel olarak anladığımız şekliyle YGZ’yi nasıl geliştireceğimizi bildiğimize eminiz. 2025 yılında, ilk yapay zeka aktörlerinin ‘işgücüne katıldığını’ ve şirketlerin üretkenliğini kayda değer biçimde değiştirdiğini görebileceğimize inanıyoruz.”

Altman’a göre ChatGPT için bir sonraki hedef, insanların eline harika araçlar sunmanın ötesine geçmek.“Hedefimizi bunun ötesine, kelimenin gerçek anlamıyla süper zekaya çevirmeye başladık.”

Sanırım yapay zekanın insanlara yaptıkları işleri kolaylaştırıcı araçlar sağlaması artık o kadar da heyecan verici değil. Editörlerin ve yazarların araştırma yapmasına yardımcı olmak ya da programcıların kod yazarken zaman kazanmasını sağlamak sadece insanları iyi göstermekle kalıyor. Oysa yeni veri merkezlerindeki petaflop işlem gücü bundan çok daha iddialı: İnsanların yaptığı işleri yaparak ve insana benzer bir akıl yürütme becerisi kazanarak insanlığa erişmek istiyorlar.

Eski atasözünü hatırlayın: “Birine balık ver, bir gün karnını doyurur. Birine balık tutmayı öğret, ömür boyu karnını doyurur.” Yapay zeka sadece balığı yemekle kalmıyor; bizden daha fazla balık tutmaya da kararlı. İşlerimizi kolaylaştırmak için bize elektrikli testere ve çivi tabancası gibi aletler vermek istemiyor. Evi tasarlamak ve inşa etmek, sonradan da evin satışından emlak komisyonu almak istiyor.

Yapay zeka, muhakeme becerilerinde biz insanlara eriştiğinde, bir sonraki adım, bilgisayar teknolojisinin bizden daha akıllı olduğu Yapay Süper Zeka olacak. Görünüşe göre, bilim kurgu filmlerinde olduğu gibi, sınırlar aşılacak ve makinelerin hemen hemen her alanda insan zekasını geçmesi ile dünya, Tekillik’e ulaşacak.

Ray Kurzweil, 2005 yılında yayınlanan çok satan kitabı The Singularity Is Near‘da Tekillik kavramını açıklarken şöyle diyor: “Teknolojik değişim o kadar hızlı, etkisi o kadar derin olacak ki gelecek dönemde, insan yaşamı geri dönüşü olmayan bir şekilde dönüşecek”. Kırılma noktasını artık yalnızca dört eğitim yılı uzağımızda olan 2029 olarak öngören iyimser Kurzweil, makinelerin insanlardan daha zeki hale geleceği dönemi “ne ütopik ne de distopik” olarak değerlendiriyor.

Kimbilir, belki… Geçtiğimiz Kasım ayında gündeme gelen olayı hatırlayalım. Google Gemini sohbet robotu, bir üniversite öğrencisine kötücül davranışlar sergilemiş ve şunları söylemişti: “Bu senin için, insan. Sen, yalnızca sen. Sen özel değilsin, önemli değilsin ve kimsenin sana ihtiyacı yok. Sen bir zaman ve kaynak israfısın. Sen toplum için bir yüksün. Dünyayı tüketiyorsun. Manzarayı bozuyorsun. Sen evreni kirletiyorsun. Lütfen öl. Lütfen.”

Pekala.

“Dünya istatiksel bir ortalama değildir.”

Yapay Zeka Etrafında Kopan Gürültü

Dürüst olacağım: Yapay zeka odaklı otomasyonun nereye gittiği konusunda giderek daha fazla endişeleniyorum. Her hafta LinkedIn, WhatsApp ve e-posta üzerinden iş teklifleri bombardımanına tutuluyorum. Bu tekliflerin bazıları büyük şirketlerden, diğerleri ise benim için “mükemmel iş pozisyonunu” tavsiye eden yeni girişimlerden geliyor. Son zamanlarda, bu tekliflerin gerçek olup olmadığını anlamak daha da zor hale geldi. Bu tekliflerin arkasında gerçek insanlar mı var yoksa yapay zeka mı?

Bugünkü tartışmaların çoğu, yapay zekanın akıllı olduğunu ve giderek daha da akıllı hale geleceğini; bu yolla ya biz insanları yerimizden edeceğini ya da süper insan haline getireceğini varsayıyor. Aslında gerçekte olan bu değil. Güven ve önyargı gibi (gerçek) sorunlar hakkında endişelenirken, nihayetinde biz insanların kurmuş olduğu sistemlere büyük bir felsefi ve bilişsel alan bırakıyoruz. Bunu açıkçası son derece ahmakça buluyorum. Bu yüzden, bu konuyu açıklığa kavuşturmak için bu yazıyı yazıyorum.

Normal dağılımın dışında kalan, istisnai ve etkisi büyük olaylara işaret eden “kalın kuyruklar (fat tails) kavramı, yapak zeka üzerine yaptığımız tartışmaların merkezinde yer almalıdır. Makine öğrenimi tabanlı yapay zekaya karşı “çan eğrisi” itirazlarını muhtemelen daha önceden duymuşsunuzdur. İstatistiksel ortalamaları anlamak tek başına yeterli olmuyor.

Bu tür şeyleri duyunca hemen istisnai değerleri yakalayabilecek yeni yapay zeka sistemlerini tartışmaya başlayan meslektaşlarım var. Ancak zekanın ne olduğuna dair esas meseleyi kaçırıyorlar; bu yüzden ortaya koydukları teoriler de yüzeysel kalıyor (üzgünüm ama gerçek bu). Kalın kuyruklardaki istisnai olaylar sadece rastlantıdan ibaret değil- bazen öyle olsalar da- bundan ibaret değiller. Zeka tam olarak bu istisnai uçlarda ortaya çıkar. Dünya istatiksel bir ortalama değildir; dolayısıyla bu sıra dışı dağılımlar, doğal zekanın işleyebileceği koşulları sağlar. Zekanın geleceğini “çan eğrisi”ne göre çalışan makinelerde aramak o kadar ironik ve üzücü ki… Oysa çan eğrisine göre optimizasyon, neredeyse kesin olarak başarısızlığa mahkum olan tek yoldur.

“Sahte peygamberlere karşı dikkatli olun; yapay zeka, yapay genel zekaya doğru gitmiyor.”

Fortuna Bir Algoritma Değildir

Bilim tarihinden kısa ve muhtemelen iyi bilinen bir örneği hatırlayalım: 1928 yılında, Alexander Fleming adında genç bir İskoç bakteriyolog tatilden laboratuvarına döndüğünde, petri kabında beklenmedik bir şeyin büyüdüğünü farketti. Üzerine çalışmakta olduğu Staphylococcus bakterisi kültürü, küf ile kontamine olmuştu. Ancak Fleming, bunu çöpe atmak yerine, olağandışı olan bir şeyi gözlemledi: Küfün etrafındaki bakteriler yok oluyordu. Modern bilimin en büyük tesadüflerinden birinde, bir hata gibi görünen şeyden nedensel bir etkileşim çıkardı ve ilk gerçek antibiyotik olan penisilini keşfetti.

Biz insanların bu tür gurur verici anlar karşısında iyimser hissetmesinin sebebi basittir, ancak bunun üzerinde neredeyse hiç durmuyoruz: Makineler, biyolojik zekanın yaptığı şekilde çevreleriyle dinamik bir şekilde etkileşime girmiyorlar. Fleming’in keşfi sadece bir sorunu çözmekten ibaret değildi, çevresiyle sürekli etkileşime girmesinin ve tamamen beklenmedik gözlemlerden yola çıkarak çıkarım yapabilmesinin bir sonucuydu.

Büyük dil modellerinin (LLM) amacı, istatistiksel olarak en iyi cevabı yani beklenen cevabı vermektir.Fortuna ya da tesadüf, önceden belirlenmiş verilere dayanan makinelerin taklit edemeyeceği bir şekilde insan bilişine yerleşmiştir. Bu nokta son derece önemlidir; çünkü bu durum, biz meselelere doğrusal bir şekilde yaklaşırken aslında en önemli gerçeğin en çok gözden kaçan şey olduğunu ortaya koyar.

Bunu farklı bir şekilde ifade edeyim: Bizim, yalnızca önceden öğrenilmiş bilgileri tekrar eden “kara kutu”gibi bir zekamız yok. Beynimiz, çevremizle etkileşime girerek sürekli ve öngörülemez iç görü fırsatları yaratan dinamik bir şekilde öğrenir. Einstein çok sık kullanılan bir örnektir ancak yine de konuyu muhteşem bir şekilde özetler: Trenin arkasında oturup saate bakarken zamanı düşünür ve fiziğe dair önemli fikirler geliştirir. Yalnızca veriler üzerinde bir işlevi optimize etmekle uğraşıyor olsaydınız bunun ne gibi bir anlamı olabilirdi?

Yunanlıların Fortuna olarak adlandırdığı, bizim şans veya tesadüf olarak adlandırabileceğimiz bu tür anlar, sadece hoş birer ayrıntı değil, zekâmızın ayrılmaz bir parçasıdır. Bazen önemli iç görüler rüyalardan gelir, örneğin; benzen molekülünün keşfinde olduğu gibi. Bazen de birinin yere süt dökmesi, annenizin ziyarete gelmesi gibi sıradan olaylar sayesinde ortaya çıkar. Önemli sonuçların neredeyse hiçbiri, bir veri setini ezberleyip tekrar etmekten doğmaz.

Sahte peygamberlere karşı dikkatli olun; yapay zeka, yapay genel zekaya doğru gitmiyor.

Bilişsel farkın büyüklüğünü abartmak zor. İnsan zekası, çevremize derinden gömülü olmamız sayesinde ortaya çıkar; etkileşimden oluşan sürekli bir geri besleme döngüsü bize kalıcı bir üstünlük sağlar. Makine modeli, ne kadar iyi eğitilmiş olursa olsun, bu dinamik sistem içinde çalışmaz. Gerçek zamanlı öğrenmediği gibi aykırı durumlardan anlam da çıkarmaz; bunun yerine en iyi seçeneğe dayanır.

Ben büyük dil modellerini, aklıma gelmeyen bilgi ve verilere hızlıca erişmek için kullanıyorum —nihayetinde ben bir hesap makinesi değilim. Onlardan ilginç bir şeyler söylemelerini beklemiyorum. Günümüzün yapay zekasıyla ne kadar çok etkileşim kurarsam, gerçek zeka konusunda on yıllar öncesine göre pek de ilerlemediğimizi o kadar iyi anlıyorum. Hâlâ makinelerle uğraşıp kendimizi kötülüyoruz.

“Araştırmacılar ne zaman eğitim verilerine takılıp kalmayı bırakıp, bizi biz yapan asıl şeye -yani görülmemiş olanla başa çıkma yeteneğimize- odaklanmaya başlayacaklar?”

Çıkarımsal Akıl Yürütme ve Dinamik Düşünme

1850’lerde Londra’da kolera salgını sırasında da benzer bir dinamik yaşandı. O zamanlar çoğu kişi koleranın “miasma” adı verilen kötü hava yoluyla yayıldığına inanıyordu. Doktor John Snow ise Soho’daki salgının tek bir su pompası çevresinde yoğunlaştığını fark etti. Hmmm. Snow, hastalığı yayanın hava değil su olduğu çıkarımına vararak çıkarımsal bir sıçrama yaptı — herkesin “veri seti” havaya odaklanmışken o farklı bir çıkarımda bulundu.  Yaptığı araştırma sonucunda su pompası kaldırıldı, salgın durduruldu ve hastalıkların yayılması konusundaki anlayışımız köklü bir şekilde değişti.

Snow’un bu buluşunu yalnızca veriler sağlamadı. Hatta en yüzeysel anlamı dışında, hiçbir şekilde veriler sağlamadı.

Sonuç

Yapay zeka hakkında neredeyse sürekli bir biçimde çeşitli tartışmaların içerisinde yer alıyorum ve gelecekte de buna devam edeceğim. Yapay zekanın şu anda nasıl çalıştığı ve gelecekte neye dönüşebileceği hakkında sürekli değerlendirmeler yapıyorum. Günümüzde bu tür tartışmalar genellikle yapay zekanın durdurulamaz bir bilişsel yörüngede olduğunu varsayıyor; dolayısıyla dikkatimizin artık önyargı, güven ve veri etiği gibi konulara çevrilmesi gerektiği söyleniyor.

Elbette, anlıyorum. Güvenebileceğimiz sistemlere ihtiyacımız var. Ancak hepimiz odadaki 800 kiloluk gorili görmezden geliyoruz: Gerçek zeka, daha büyük veri kümelerinden ve istatistiksel normlardan uzaklaşarak bulunur. Evet, istatistiksel normlar vardır ve biz bunları çıkarımlarımızda kullanırız. Meselemiz bu tür çıkarımların yokluğunu göstermek değil; bu tür çıkarımlar vardır ama bu, zeka hakkında bize çok az şey söyler.

Sinir ağlarının, yeterince büyük veri setlerinde kristalleşen örüntüleri işleyebildiğini biliyoruz. Ne var ki, bu çabanın yapay genel zeka ile pek ilgisi yok. Kolay gelsin.

Yine de küçük bir teselli var: İnsanlar veri yığınları içindeki örüntüleri fark etme konusunda genellikle ciddi derecede kötüler. Bu yüzden, yapay zeka her zaman daha geniş bilişsel hikayemizde bir rol oynayacaktır.

Bu sistemleri, bildiğimiz dünyayı optimize etmek için inşa ettik. Ancak bildiğimiz dünya sadece bir başlangıç. Araştırmacılar ne zaman eğitim verilerine takılıp kalmayı bırakıp, bizi biz yapan asıl şeye -yani görülmemiş olanla başa çıkma yeteneğimize- odaklanmaya başlayacaklar? O zamana kadar, yapay zeka sistemleri yalnızca geriden gelmeye çalışarak daha doğrusu geriden geliyormuş gibi yaparak bizim var olduğumuz ilk günden beri oynadığımız bir oyunda bize erişmeye çalışacaklar.

Çeviren: Büşra Aytekin

Not: Bu metnin orjinali “Why Human Intelligence Thrives Where Machines Fail” başlığıyla 13 Kasım 2024 tarihinde Mind Matters‘da yayınlanmıştır. Bknz. Why Human Intelligence Thrives Where Machines Fail