Zeka nedir? Karmaşık matematik problemlerini çok yüksek hızlarda çözme kapasitesi mi? Satrançta dünya şampiyonlarını yenme gücü mü? Görüntülerdeki binlerce farklı nesneyi algılama yeteneği mi? Bunların hepsi zekanın tezahürleridir. Ve yapay zekadaki gelişmeler sayesinde, bunları bilgisayarlarda farklı başarı derecelerinde kopyalayabildik. Ancak AI bilim adamları, zekanın tanımı ve ölçüsü konusunda bir fikir birliğine varmakta hala zorlanıyorlar. Ve bir dizi problem çözme yeteneğine sahip olmak, bizi doğada bulunan zekayı yeniden yaratmaya yaklaştırmıyor gibi görünüyor. Johns Hopkins Üniversitesi'nde sinirbilim profesörü olan Daeyeol Lee'ye göre, mevcut AI sistemleri "insan zekasının vekilleridir" çünkü kendilerinin değil, insan yaratıcılarının hedeflerini gerçekleştirmek için tasarlandılar. Lee, Zekanın Doğuşu: RNA'dan Yapay Zekaya adlı kitabında gerçek zekanın, "yaşamın kendini kopyalamak için çeşitli ortamlarda karmaşık sorunları çözme yeteneği" olduğunu savunuyor. Yani bakterilerden ağaçlara, böceklere, balıklara, kuşlara, memelilere ve insanlara kadar zamanın imtihanını geçmiş ve üreyebilen her canlı türü zekidir. Lee, "çeşitli yaşam formlarının zekasını değerlendirmek istiyorsak, daha geniş bir çevre yelpazesinde daha karmaşık sorunları çözerek hangi yaşam formunun kendini başarılı bir şekilde kopyalayabileceğini düşünmek mantıklı olacaktır" diye yazıyor. Zekaya yaşam ve hayatta kalma merceğinden bakmak, yapay zekanın mevcut durumunu, sınırlarını, potansiyelini ve gelecekteki yönlerini anlamak için çok önemlidir. AI topluluğu, algoritmalar ve yeni araştırma yönleri için ilham almak için genellikle beyne başvurur. Bilim adamları, beynin ve sinir sistemlerinin bilişsel işlevlerini bilgisayarlarda kopyalamaya çalışırlar. Ancak zekanın evrimsel görüşü bize beynin, tüm harikaları ve çözülememiş sırlarıyla birlikte, uzun ömürlü genetik bir yaratım tarihinin bir ürünü olduğunu gösteriyor. Her ne kadar çok karmaşık ve bazen asıl sorumlunun kontrolü dışında olsa da, genin bir ajanıdır. Lee, "Günümüzün yapay zekası, insan beynininkinden farklı malzemelerden ve yapı taşlarından yapıldığından değil, insanlar tarafından seçilen sorunları çözmek için tasarlandığından hala gerçekten zeki değil" diye yazıyor. “Yapay zeka gerçekten zekiyse, kendi iyiliği için kendi hedefleri olmalı ve herhangi bir soruna çözüm aramalıdır. AI, kendisininkinden çok insanların refahını ve refahını iyileştirmek için inşa edilmiştir.” Bu açıdan bakıldığında, AI - en azından mevcut haliyle - tıpkı beyinlerin genetik zekanın bir uzantısı olması gibi, insan zekasının bir uzantısıdır. Yapay zeka algoritmalarımız saniyede milyarlarca hesaplama yapabilir ve insan beyninin kapasitesinin ötesinde şeyler yapmayı öğrenebilir. Ancak yine de insan beyninin keşfettiği ve formüle ettiği bilinen sorunları çözmek için tasarlandılar. Beynimiz de genlerimizin ajanlarıdır. Yapay zekayı zeka grafiğinde üçüncü bir döngü olarak düşünebilirsiniz. Zekadan ve organik öğrenmeden çok daha hızlı gelişir, ancak yine de dış döngüleri tarafından belirlenen kısıtlamalara bağlıdır. Bu, AI'nın insanlara zarar vermeyeceği anlamına gelmez. AI sistemlerinin zarar verdiği birçok örnek zaten var. Ancak bu, aktif olarak insanlara zarar vermek için plan yapan, kontrolden çıkmış bir yapay zekanın işi değildir. Bu hatalar, insanlar tarafından tasarlanan ve kötüye kullanılan hatalı AI sistemlerinin sonucudur. StarCraft şampiyonlarını alt eden, insanları görüntü sınıflandırmasında eşleştiren ve gerçek zamanlı konuşma tanıma gerçekleştiren dar yapay zeka sistemleri ne olacak? İnsan varlığını tehdit mi ediyorlar? Hayır, diyor Lee, çünkü bu dar AI sistemlerinin amacı, insanlar için çözülmesi imkansız veya zor olan problemlerin üstesinden gelmek. Aksi halde hiçbir işe yaramazlardı. "Yapay zeka ile insan performansı arasındaki [rekabet], insan toplumu için bir tehdit değil, yapay zeka için gerekli bir koşuldur" diye yazıyor. "Beyinler, karmaşık öğrenen makineler olarak gelişti ve bu, beyinler ve genler arasındaki ana-vekil ilişkisine bir tehdit değil, bir çözümdü. Benzer şekilde, yapay zeka teknolojisindeki gelişmelerin kendisi de insanlar için bir tehdit oluşturmaz.” Bu nedenle, kendi hedeflerini ve faydalarını geliştirmeyen yapay zeka, insanların emeğinin verimliliğini artırmak için icat ettiği birçok araçtan biri olmaya devam edecek. "Bilgisayarlar kendilerini fiziksel olarak yeniden üretmediği sürece, tıpkı beynin kendini kopyalayamaması ve sonuç olarak genler için bir ajan olarak işlev görmeye devam etmesi gibi, insanlar yapay zeka ile bilgisayarların ana sorumlusu olmaya devam edecek ve davranışlarını kontrol edecek." diye sonuçlandırır. Bu bağlamda Makineler düşünebilir mi? Bu, İngiliz matematikçi Alan Turing'in en ünlü makalesi olan External link'in açılış sorusudur. 1950'de yayınlandı, yapay zekanın (AI) kavramı ve tanımının temelini attı. Bu çerçevede Google Arama ve Amazon Alexa gibi dar AI uygulamaları, belirli sorunları çözmede harikadır, ancak yalnızca komut dosyasına bağlı kaldığınız sürece. Kendi kendine giden arabalardan Super Bowl reklamlarındaki dans eden robotlara kadar yapay zeka (AI) her yerde. Yine de, tüm bu AI örnekleriyle ilgili sorun, gerçekten zeki olmamalarıdır . Aksine, yapay zeka tekniklerini kullanarak belirli bir sorunu çözebilen bir uygulama olan dar yapay zekayı temsil ederler. Ve bu senin ve benim sahip olduğumuzdan çok farklı. İnsanlar (umarız) genel zeka sergilerler. Çok çeşitli sorunları çözebilir ve daha önce karşılaşmadığımız sorunları çözmeyi öğrenebiliriz. Yeni durumları ve yeni şeyleri öğrenme yeteneğine sahibiz. Fiziksel nesnelerin üç boyutlu bir ortamda var olduğunu ve zamanın geçişi de dahil olmak üzere çeşitli fiziksel niteliklere tabi olduğunu anlıyoruz. İnsan seviyesindeki düşünme yeteneklerini yapay olarak çoğaltma yeteneği veya yapay genel zeka (AGI), bugün yapay zeka olarak düşündüğümüz şeyde mevcut değil. Bu, yapay zekanın bugüne kadar elde ettiği ezici başarıdan hiçbir şey eksiltmez. Google Arama, çoğu kişinin düzenli olarak kullandığı olağanüstü bir yapay zeka örneğidir. Google, kullanıcının istediği sonuçları (genellikle) listenin en üstünde sağlamak için inanılmaz bir hızla ciltler dolusu bilgi arama yeteneğine sahiptir. Benzer şekilde, Google Voice Search, kullanıcıların arama isteklerini sesli olarak söylemesine olanak tanır. Kullanıcılar belirsiz görünen bir şey söyleyebilir ve düzgün yazılmış, büyük harfle yazılmış, noktalanmış ve üstelik genellikle kullanıcının kastettiği gibi bir sonuç alabilir. Nasıl bu kadar iyi çalışıyor? Google, trilyonlarca aramanın geçmiş verilerine ve kullanıcının hangi sonuçları seçtiğine sahiptir. Buradan, hangi aramaların olası olduğunu ve hangi sonuçların sistemi yararlı kılacağını tahmin edebilir. Ancak sistemin ne yaptığını veya sunduğu sonuçları anlayacağına dair bir beklenti yoktur. Bu, büyük miktarda tarihsel veriye olan gereksinimi vurgular. Bu, aramada oldukça iyi çalışır çünkü her kullanıcı etkileşimi bir eğitim seti veri öğesi oluşturabilir. Ancak eğitim verilerinin manuel olarak etiketlenmesi gerekiyorsa bu zorlu bir iştir. Ayrıca, eğitim setindeki herhangi bir önyargı doğrudan sonuca akacaktır. Örneğin, suç davranışını tahmin etmek için bir sistem geliştirilirse ve bu sistem ırksal önyargı içeren tarihsel verilerle eğitilirse, ortaya çıkan uygulama da ırksal bir önyargıya sahip olacaktır. Alexa veya Siri gibi kişisel asistanlar, çok sayıda değişken içeren komut dosyalarını takip eder ve böylece gerçekte olduklarından daha yetenekli oldukları izlenimini yaratabilirler. Ancak tüm kullanıcıların bildiği gibi, komut dosyasında olmayan herhangi bir şey söyleyeceğiniz, öngörülemeyen sonuçlar doğuracaktır. Son 50 yıldaki çoğu AI gelişiminin altında yatan temel varsayım, zor olanları çözebilirsek basit zeka problemlerinin yerine oturacağıydı. Ne yazık ki, bunun yanlış bir varsayım olduğu ortaya çıktı. En iyi şekilde Moravec'in Paradoksu olarak ifade edildi. 1988'de Carnegie Mellon Üniversitesi'nde önde gelen bir robot uzmanı olan Hans Moravec, bilgisayarların zeka testlerinde veya dama oynarken yetişkinler düzeyinde performans sergilemesini sağlamanın nispeten kolay olduğunu, ancak onlara bir yıllık becerileri vermenin zor veya imkansız olduğunu belirtti. Başka bir deyişle, genellikle zor problemler daha basit hale gelir ve görünüşte basit problemler engelleyici derecede zor hale gelir. Bir sonraki varsayım, yeterince dar yapay zeka uygulamaları oluşturursanız, bunların birlikte büyüyerek genel bir zekaya dönüşeceğidir. Bunun da yalan olduğu ortaya çıktı. Dar AI uygulamaları, bilgilerini genelleştirilmiş bir biçimde saklamaz, bu nedenle diğer dar AI uygulamaları tarafından genişliği genişletmek için kullanılabilir. Dil işleme uygulamaları ve görüntü işleme uygulamaları birbirine eklenebilir, ancak bir çocuğun görme ve işitmeyi zahmetsizce bütünleştirdiği şekilde entegre edilemezler. Son olarak, yeterli bilgisayar gücüne sahip, yeterince büyük bir makine öğrenimi sistemi kurabilseydik, kendiliğinden genel zeka sergileyeceğine dair genel bir his var. Bu, belirli bir alanın bilgisini yakalamaya çalışan uzman sistemlerin günlerine kadar uzanıyor. Bu çabalar, altta yatan anlayış eksikliğinin üstesinden gelmek için yeterli vaka ve örnek veri oluşturmanın imkansız olduğunu açıkça göstermiştir. Basitçe sembolleri manipüle eden sistemler, bazı "yazı dışı" istekler sınırlamayı ortaya çıkarana kadar anlıyormuş gibi görünebilir. Bu nedenle yapay zeka terimi işe yaramıyor. Burada çok fazla istihbarat yok. AI dediğimiz şeyin çoğu, tek bir algoritmaya, geri yayılıma dayanmaktadır. Derin öğrenme, makine öğrenimi, yapay sinir ağları, hatta sivri sinir ağları takma adlarının altına giriyor. Ve genellikle "beyniniz gibi çalışıyor" şeklinde sunulur. Bunun yerine yapay zekayı güçlü bir istatistiksel yöntem olarak düşünürseniz hedefe daha yakın olursunuz.