AI gelişiminin 80 yılı ve çıkarımları

Yapay zeka (AI) alanındaki 80 yıllık gelişim sürecinde birçok değerli deneyim edinebiliriz. Bu süreç, finansman yatırımlarının iniş çıkışlarını, araştırma ve geliştirme yöntemlerinin çeşitlenmesini ve kamu duygularının meraktan kaygıya, ardından da heyecana geçişini belgelemektedir.

Yapay zekanın tarihi, Aralık 1943'e kadar uzanır; bu dönemde nörofizyolog McCulloch ve mantıkçı Pitts, matematiksel mantık üzerine çığır açan bir makale yayımladılar. İdealize edilmiş ve basitleştirilmiş nöron ağları modelleri önerdiler ve bu ağların basit mantık işlemleri gerçekleştirmek için impulsları iletip iletmeme yoluyla nasıl çalıştığını tanımladılar. Bu makalenin varsayımları daha sonra ampirik testlerden geçmemiş olsa da, modern derin öğrenmenin ilham kaynağı olmuştur.

Yapay zeka gelişimi sürecinde, mühendislik ile bilimin karıştırılması, bilim ile varsayımlar arasındaki farkın göz ardı edilmesi ve bilim ile matematik sembolleri ve formüllerle dolu makalelerin aynı kefeye konulması konusunda dikkatli olmalıyız. Daha da önemlisi, "insanların kendilerine benzer makineler yaratabileceği" yanılsamasının cazibesine karşı koymalıyız. Bu inatçı ve yaygın kibir psikolojisi, son 80 yıldır teknoloji balonları ve yapay zeka dönemsel coşkularının katalizörü olmuştur.

Genel AI(AGI) kavramı, insan benzeri zekaya hatta süper zekaya sahip makinelerin çok yakında ortaya çıkacağı, AI alanında sürekli bir popüler konu olmuştur. Ancak, tarih boyunca AGI'nin yakın zamanda gerçekleşeceği yönündeki tahminler sıklıkla hayal kırıklığına uğramıştır. 1957'de Herbert Simon'un "Dünyada düşünebilen, öğrenebilen ve yaratabilen makineler var" demesinden, 1970'te Marvin Minsky'nin "Üç ila sekiz yıl içinde normal insan zekasına sahip makineler ortaya çıkacak" tahminine, son zamanlarda OpenAI'nin süper zeka AI'nin bu on yıl içinde ortaya çıkabileceğini iddia etmesine kadar, bu tahminler AI yeteneklerine yönelik aşırı iyimserliği yansıtmaktadır.

Devrim niteliğinde görünen yeni teknolojilere dikkat etmeliyiz, bunların gerçekten daha önceki makine zekası hakkında yapılan varsayımlardan esasen bir farkı olup olmadığını dikkatlice incelemeliyiz. Derin öğrenme uzmanı Yann LeCun'un da belirttiği gibi, insan ve hayvanlar gibi etkili bir şekilde öğrenebilen makineler için hala bazı önemli unsurlara sahip değiliz.

Yapay zeka gelişim tarihindeki "ilk adım yanılgısı" bize dikkat etmemiz gerektiğini hatırlatıyor. Bu yanılgı, bilgisayarların, daha önce yapılamaz olarak düşünülen bir görevi tamamlayabilmesi durumunda, ne kadar kötü bir şekilde tamamlanırsa tamamlansın, daha ileri teknolojik gelişmelerle sonunda o görevi mükemmel bir şekilde yerine getirebileceğini öne sürer. Ancak gerçekler genellikle, bir şeyi yapamaz durumdan kötü bir şekilde yapmaya geçmek ile kötü bir şekilde yapmaktan çok iyi bir şekilde yapmaya geçmenin mesafesinin genellikle çok daha kısa olduğunu kanıtlar.

AI gelişiminin farklı aşamalarında, donanım, yazılım ve veri toplama önemli roller oynamıştır. 1960'ların ortalarında popülerleşen uzman sistemler, gerçek dünya bilgisini elde etmeye ve programlamaya yönelmiştir. Ancak, 1990'ların başında bu AI heyecanı nihayetinde sona ermiş ve bilgi edinmenin ve sürdürmenin büyük zorluklarını ortaya çıkarmıştır. Bu, bize, erken başarıların ve yaygın kabulün bir "yeni endüstrinin" sürekliliğini garanti etmediğini hatırlatıyor; balon sonuçta patlayacaktır.

Yapay zeka (YZ) geliştirme yöntemleri üzerine tartışmalar uzun süredir var, esas olarak kurallara dayalı sembolik YZ ile istatistiksel bağlantı temelli YZ arasında sürmektedir. Son yıllarda, YZ geliştirme odak noktası akademik alandan özel sektöre kaydı, ancak tüm alan hâlâ tek bir araştırma yönünü takip etme eğilimindedir. Bu, tüm umudumuzu tek bir YZ geliştirme yöntemine bağlamamamız gerektiğini hatırlatıyor.

Geleceğe bakıldığında, ister donanım devi Nvidia gibi büyük firmalar, ister AGI'ye odaklanan startuplar olsun, AI'nin gelişim sürecinden dersler çıkarmalıdırlar. Dikkatli olmak, çeşitlendirilmiş bir gelişim sağlamak ve tek bir teknoloji yoluna hapsolmaktan kaçınmak, AI alanında uzun vadeli başarıyı sağlamak için anahtardır.