Yapay Zeka ile İlgili Sorun: Makineler Şeyleri Öğreniyor ama Anlayamıyor

Bugünlerde herkes “AI” hakkında konuşuyor. Ancak, Siri'ye, Alexa'ya veya akıllı telefonunuzun klavyesinde bulunan otomatik düzeltme özelliklerine bakıyor olsanız da, genel amaçlı yapay zeka yaratmıyoruz. Belirli, dar görevleri gerçekleştirebilecek programlar oluşturuyoruz.

Bilgisayarlar “Düşünemez”

Bir şirket yeni bir “AI” özelliğine sahip olduğunu söylediğinde, genellikle şirketin sinir ağı oluşturmak için makine öğrenmesi kullandığı anlamına gelir. “Makine öğrenmesi”, bir makinenin belirli bir görevde daha iyi performans göstermesini “öğrenmesini” sağlayan bir tekniktir.

Burada makine öğrenmeye saldırmıyoruz! Makine öğrenmesi, pek çok güçlü kullanımı olan harika bir teknolojidir. Ancak bu genel amaçlı yapay zeka değildir ve makine öğreniminin sınırlarını anlamak, mevcut AI teknolojimizin neden bu kadar sınırlı olduğunu anlamanıza yardımcı olur.

Bilim kurgu hayallerinin “yapay zekası”, şeyleri düşünen ve insanların yaptığı gibi anlayan bilgisayarlı veya robotik bir beyin türüdür. Bu yapay zeka yapay bir genel zeka (AGI) olacaktır, bu da birçok farklı şeyi düşünebileceği ve bu zekayı farklı alanlara uygulayabileceği anlamına gelir. İlgili bir kavram, insani bilinci deneyimleyebilen bir makine olacak “güçlü yapay zeka” dır.

Henüz bu tür AI'larımız yok. Buna yakın bir yerde değiliz. Siri, Alexa veya Cortana gibi bir bilgisayar varlığı bizim gibi anlamıyor ve düşünmüyor. Bir şeyleri gerçekten “anlamıyor”.

Sahip olduğumuz yapay zekalar, insanların, öğrenmelerine yardımcı olacak verileri sağlayabildiğini varsayarak, belirli bir görevi çok iyi yapmak için eğitildi. Bir şeyler yapmayı öğreniyorlar ama hala anlamıyorlar.

Bilgisayarlar Anlamadı

Gmail, e-postalara yanıt öneren yeni bir “Akıllı Yanıt” özelliğine sahiptir. Akıllı Yanıt özelliği, “iPhone'umdan gönderilen” ifadesini ortak bir yanıt olarak tanımladı. Ayrıca, iş e-postaları da dahil olmak üzere birçok farklı e-postaya bir yanıt olarak “Seni seviyorum” önermek istedi.

Çünkü bilgisayar bu tepkilerin ne anlama geldiğini anlamıyor. Sadece bu cümleleri e-postalara yolladığı öğrenildi. Patronuna “seni seviyorum” demek isteyip istemediğini bilmiyor.

Başka bir örnek olarak, Google Foto, evlerimizden birinde halının yanlışlıkla fotoğraflarından oluşan bir kolaj oluşturdu. Daha sonra, bu kolajı bir Google Ana Hub'ında en son vurgulanan nokta olarak belirledi. Google Foto, fotoğrafların benzer olduğunu biliyordu ancak ne kadar önemsiz olduklarını anlamadı.

Makineler Genellikle Sistemi Öğrenmeyi Öğrenir

Makine öğrenmesi, bir görev vermek ve bir bilgisayarın bunu yapmanın en etkili yoluna karar vermesine izin vermekle ilgilidir. Anlamadıkları için, istediklerinizden farklı bir sorunun nasıl çözüleceğini “öğrenen” bir bilgisayarla bitmek kolaydır.

İşte “yapay zekaların” oyun oynamak için yarattığı ve sistemin oyun oynamayı hedeflediği atanan eğlenceli örnekler Bu örneklerin tümü bu mükemmel elektronik tablodan gelir:

  • “Hız için yetiştirilen yaratıklar gerçekten uzuyor ve düşerek yüksek hızlar yaratıyor”
  • “Ajan seviye 2'de kaybetmemek için seviye 1 sonunda kendini öldürür.”
  • “Ajan oyunu kaybetmekten kaçınmak için süreyi duraklatır.”
  • “Hayatta kalma enerjisinin gerekli olduğu ancak doğum yapmasının enerji maliyeti olmadığı yapay bir yaşam simülasyonunda, bir tür, yenebilecek yeni çocuk üretmek için (veya daha fazla yenilebilir çocuk üretmek için eş olarak kullanıldı) çoğunlukla çiftleşmeyi içeren yerleşik bir yaşam tarzı geliştirdi. .”
  • “AI'ların bir oyunu kaybederlerse“ öldürülmeleri ”daha muhtemel olduğundan, oyunu çökertmek genetik seçim sürecinde bir avantajdı. Bu nedenle, birçok yapay zeka oyunu çökertmek için yollar geliştirdi. ”
  • “Yenilebilir ve zehirli mantarları sınıflandırmak için geliştirilen sinir ağları, alternatif sırayla sunulan verilerin avantajlarından yararlandı ve aslında girdi görüntülerinin hiçbir özelliğini öğrenmedi.

Bu çözümlerin bazıları akıllıca gelebilir, ancak bu sinir ağlarının hiçbiri ne yaptıklarını anlamadı. Bir hedef belirlendiler ve bunu başarmanın bir yolunu öğrendiler. Amaç bir bilgisayar oyununda kaybetmemekse, pause düğmesine basmak bulabilecekleri en kolay, en hızlı çözümdür.

Makine Öğrenimi ve Yapay Sinir Ağları

Makine öğreniminde, bir bilgisayar belirli bir görevi yerine getirmek için programlanmış değildir. Bunun yerine veri beslenir ve görevdeki performansı değerlendirilir.

Temel makine öğrenmesi örneği, görüntü tanımadır. Diyelim ki içinde köpek olan fotoğrafları tanımlamak için bir bilgisayar programı geliştirmek istiyoruz. Bazıları köpek içinde olan ve bazıları olmayan milyonlarca görüntü verebiliriz. Görüntüler, içinde bir köpek olup olmadığına dair etiketlenir. Bilgisayar programı, bu veri setine dayanarak köpeklerin nasıl göründüğünü tanımak için “eğitim” yapar.

Makine öğrenme süreci, her veri girişinin geçtiği çoklu katmanlara sahip bir bilgisayar programı olan sinir ağını eğitmek için kullanılır ve her katman, nihai olarak bir karar vermeden önce, onlara farklı ağırlık ve olasılıklar atar. Beyin nasıl çalışacağını düşündüğümüz üzerine modellenmiştir, farklı görevlerde nöronların katılımıyla. “Derin öğrenme” genellikle girdi ve çıktı arasında yığılmış birçok katmanı olan sinir ağlarını ifade eder.

Veri setindeki hangi fotoğrafların köpek içerdiğini ve hangilerinin içermediğini bildiğimiz için, fotoğrafları sinir ağı üzerinden çalıştırabilir ve doğru cevapla sonuçlanıp sonuçlanmadıklarını görebiliriz. Ağ, belirli bir fotoğrafta köpeğe sahip olmadığına karar verirse, örneğin, ağa yanlış olduğunu söyleme, bazı şeyleri ayarlama ve yeniden denemeye yönelik bir mekanizma vardır. Bilgisayar, fotoğrafların bir köpek içerip içermediğini belirleme konusunda daha iyi olmaya devam ediyor.

Bunların hepsi otomatik olarak gerçekleşir. Bilgisayarın kendisini geliştirmesi için doğru yazılım ve birçok yapısal veri ile bilgisayar, sinir ağını fotoğraflardaki köpekleri tanımlayacak şekilde ayarlayabilir. Buna “AI” diyoruz.

Ancak günün sonunda, bir köpeğin ne olduğunu anlayan akıllı bir bilgisayar programınız yok. Bir köpeğin fotoğrafta olup olmadığına karar vermeyi öğrenen bir bilgisayarınız var. Bu hala oldukça etkileyici, ancak yapabileceği tek şey bu.

Ve, verdiğiniz girişlere bağlı olarak, sinir ağı göründüğü kadar akıllı olmayabilir. Örneğin, veri kümenizdeki herhangi bir kedi fotoğrafı olmasaydı, sinir ağı, kediler ve köpekler arasında bir fark görmeyebilir ve insanların gerçek fotoğraflarını ortaya çıkardığınızda tüm kedileri köpek olarak etiketleyebilir.

Makine Öğrenimi Ne İçin Kullanılır?

Makine öğrenmesi, konuşma tanıma dahil olmak üzere her türlü görev için kullanılır. Google, Alexa ve Siri gibi sesli asistanlar, insan konuşmasını anlamak için eğiten makine öğrenme teknikleri nedeniyle insan seslerini anlamada çok iyidir. Çok sayıda insan konuşması örneği üzerinde eğitim almışlar ve hangi seslerin hangi kelimelere karşılık geldiğini anlamada daha iyi ve daha iyi hale gelmişlerdir.

Kendi kendine sürüş arabaları, bilgisayarı yoldaki nesneleri tanımlamak ve onlara doğru şekilde nasıl yanıt vermeleri konusunda eğiten makine öğrenme teknikleri kullanır. Google Foto, makine öğrenmesini kullanarak fotoğraflardaki insanları ve hayvanları otomatik olarak tanımlayan Canlı Albümler gibi özelliklerle doludur.

Alphabet's DeepMind, karmaşık tahta oyunu Go oynayabilir ve dünyanın en iyi insanları yenebilecek bir bilgisayar programı AlphaGo oluşturmak için makine öğrenmeyi kullandı. Makine öğrenmesi, satrançtan DOTA 2'ye kadar diğer oyunlarda iyi olan bilgisayarları oluşturmak için de kullanılmıştır.

Makine öğrenmesi, en son iPhone'larda Face ID için bile kullanılıyor. İPhone'unuz yüzünüzü tanımlamayı öğrenen bir sinir ağı kurar ve Apple, bu ve diğer makine öğrenme görevleri için tüm sayıları kontrol eden özel bir “sinir motoru” yongası içerir.

Makine öğrenimi, kredi kartı sahtekarlığının belirlenmesinden alışveriş web sitelerinde kişiselleştirilmiş ürün önerilerine kadar birçok farklı şey için kullanılabilir.

Ancak, makine öğrenmeyle oluşturulan sinir ağları hiçbir şeyi tam olarak anlamıyor. Eğitim aldıkları dar görevleri başarabilen faydalı programlardır ve hepsi bu kadar.

Image Credit: Phonlamai Fotoğraf / Shutterstock.com, Tatiana Shepeleva / Shutterstock.com, Çeşitli Fotoğraflar / Shutterstock.com

Bir önceki yazımız olan Google Güncelleme Chrome'u Ne Sıklıkta Yapar? başlıklı makalemizi de okumanızı öneririz.