Düşünen Makineler – AlphaGo

Yıldız Keskin, 25 Mart 2016

Google’ın sahip olduğu İngiltere’de kurulu yapay zeka şirketi DeepMind’ın ürünü AlphaGo’nun, profesyonel Go oyuncusu Fan Hui’yi bu yıl Ocak ayının başında 5-0 mağlup etmesinden beri yapay zeka alanındaki birtakım ilerlemeler gündemdeydi. AlphaGo’nun bu zaferi go camialarında bir şok etkisi uyandırmıştı ve herkes, AlphaGo’nun, günümüzün en iyi oyuncusu kabul edilen G. Koreli Lee Sedol ile bir hafta içinde oynanacak 5 maçlık karşılaşmasını beklemeye koyulmuştu. Mart ayında yapılan karşılaşma çok büyük ilgi gördü, her biri yaklaşık 4-5 saat süren maçlar internet ve TV kanalları üzerinden canlı yayınlandı, eşzamanlı olarak başka ustalar tarafından yorumlandı, birkaç gün içinde konu üzerine binlerce makale yayınlandı ve dünyaca ünlü haber sitelerine manşet oldu. İlk üç maçta AlphaGo’nun kazandı, ancak 4. maçta Lee Sedol bir galibiyet elde etti. 5 maçın sonucu AlphaGo lehine 4-1 bitti. Bu skora göre yapay zekânın Go’yu da fethettiği tarzında yapay zekâ uzmanları tarafından yorumlar yapıldı, AlphaGo ve benzeri yapay zekâ çalışmaları odak noktası oldu ve bağlantılı konularda birçok sorular ve tartışmalar gündeme geldi. Bunların bir bölümü yapay zekânın gelecekte insanlığa vaatleri ve AlphaGo gibi bir ürünün kullanım alanları idi. Öte yandan oyunlar oynanırken ve sonrasındaki tartışmaların büyük bir bölümünün yapay zekânın ve robotların insanlığa savaş açma gibi varoluşsal riskler senaryolarından oluşması da çok ilgi çekici. Bundan 5-10 yıl öncesine kadar sadece küçük bir kitle bu senaryolarla ilgileniyorken bugün bu kitlenin çok büyümüş olduğunu müşahede ettik.

Dünya’da çok daha büyük kitlelere hitap eden, StarCraft gibi birçok başka oyun olmasına rağmen birçok yapay zekâ şirketinin onlarca yıldır hedefi, 1997’da satrançta IBM Deep Blue’nun Kasparov’u ve 2011’de IBM Watson’ın Jeopardy!’de en yüksek skorlara sahip oyuncuları yendiği gibi Go’da en iyi oyuncuyu yenmek idi ama bu yıla kadar bunun yanına bile yaklaşılamamıştı. Bunun sebebi ilk yazıda anlatmaya çalıştığımız gibi Go oyununun sadece hamleleri hesaplama üzerine olmaması ve birtakım insan özellikleri gerektirmesi. DeepMind şirketinin kurucusu ve AlphaGo’nun mucidi Demis Hassabis te yapılan bir röportajda önceki yıllarda yapılan çalışmaların, büyük bir efora rağmen pek bir sonuç vermemiş olduğunu itiraf etti. Bugün ise bu şirket, yapay zekâda “Deep Learning” metodu ve “yapay sinirsel ağlar (artificial neural networks)” ile amacını gerçekleştirmiş oldu. Bu yazıda o yüzden bu yapay zekâ kavramlarından ve AlphaGo’nun gelecekte ne çalışmalarda kullanılabileceği üzerinde duracağız.

Demis Hassabis’in ifadeleriyle Go, zekâsal derinlik anlamında oyunların doruk noktası ve en zengini. Bu yüzden bu oyun üzerinde uzun zamandır çalışılıyordu. Satranç’ta DeepBlue’nun başarısı birtakım algoritmalar üzerinden matematiksel hesaplamaya (brute calculation) dayanıyordu, ancak Go oynunun karmaşıklığı buna izin vermediği için daha içgüdüsel, öğrenebilen, uzun vadeli planlar yapabilen ve karşısına çıkan farklı durumları yorumlayabilen bir robot gerekiyordu. Bunları başarmada donanım olarak yapay sinirsel ağlar kullanıldı. Bu ağlar sıradan bilgisayar işlemcilerinden çok farklı prensiplerle çalışıyor ve yapımında insan beyni model alınmış. Beyinde olduğu gibi bunda da giriş (input), çıkış (output) sinir tabakaları ve input’ları yorumlayan ve emir gönderen sinir tabakalar bulunuyor. Sinirler de birbiriyle bağlı, doğrudan birbiriyle bağlantı içinde. İşte bu ağlar, robotta “Deep Learning” fonksiyonunu sağlıyor. Daha önce de bahsettiğimiz gibi AlphaGo, usta oyuncuların oyunlarından oluşan geniş bir oyun veritabanına sahip. Bu bilgi altyapısı genel bir harita niteliği taşıyor. Birtakım algoritmalar bu haritayı kullanarak hamleler yapıyor. Bunların hepsi bu oyun için kendi başlarına yetersiz ama Deep Learning ile AlphaGo, karşısına çıkan farklı hamleleri de veritabanındaki hamleler ile karşılaştırıyor, yorumluyor daha iyisini üretiyor ve başka bir algoritma da en iyi sonuç verecek hamleyi seçerek bunu oynuyor. Ayrıca belirtelim ki daha önce bu alanda yapılmış robotlardan en büyük farkı bu robotun öğrenebilmesi, hatalarından ders alabilmesi ve bunların üzerinde çalışarak hatalarını düzeltebilmesi. Yani giderek akıllanan ve güçlenen bir makinadan söz ediyoruz. Hatta öyle ki Hassabis’in dediğine göre bu makine hiçbir zaman dinlenmiyor; boş zamanlarında da kendisine karşı oynayarak kendini geliştiriyor. Bu anlamda da belki Ray Kurzweil’in yapay zekâ için kullandığı bir tabir olarak bir “zekâ patlaması” potansiyeline sahip bir makine söz konusu.

Özetle “Deep Learning” metodu robotlara daha insan gibi düşünme yetisini veriyor. Hassabis’in dediğine göre bugün robotların en büyük eksiği insan gibi düşünememeleri. Yani örneğin hesaplama ve hafızaları çok güçlü olsa da değişik durumları yorumlayamıyor. Kendisine verilen belli bir işi son derece verimli ve başarıyla yapabilirken bir robot, biraz farklı bir çevreye konduğunda kafası karışıyor.

Düşünen Makinalar ve Kullanım Alanları:

AlphaGo’nun fikri Alan Turing’in bilgisayar fikrine benziyor. Belli bir görevi tekrarla yapan bir makine yerine problem çözebilen makine düşüncesi bazlı. Hassabis, AlphaGo ile ulaşmaya çalıştıkları amacın zekâyı çözmek olduğunu, bunun çözüldükten sonra yapay zekânın insanlığın problemlerini çözebileceğini belirtiyor. Buna benzer birçok ifadeyi daha önce Kurzweil, Nick Bostrom gibi araştırmacılardan biliyoruz. Hawking’in de ünlü bir sözü: “Yapay zekânın icadı, insanlığın en önemli ve son icadı olacak”. Böyle bir ilerlemeden sonra hiçbir problemi kendi zekâmızla çözmemize gerek kalmayacağı bu takım ünlü kişilerce defaatle vurgulanıyor. AlphaGo da bu anlamda değişik amaçlara uyarlanabilecek yapıda bir makine (general purpose learning machine), ham bilgiden oluşan büyük bir veritabanı yüklenerek çeşitli alanlarda kullanılacağı belirtiliyor. Aynı şekilde IBM Watson da örneğin tıp alanında 2013’ten itibaren Texas Üniversitesinde bir kanser araştırma merkezinde hastalıkların teşhisi için kullanılmaya başlanmıştı ve teşhiste isabet oranı doktorlarınkinden çok daha yüksek idi.

DeepMind’ın kurucusu Hassabis’e yapay zekâ ürünlerinin kullanım alanları sorulduğunda da tıpta, akıllı telefonlarda, robotların algılarının geliştirilmesinde büyük rol oynayacağını belirtiyor. Özellikle robotların kullanım alanının genişlemesinde Deep Learning’in önemi büyük. Özellikle Japonların üzerinde çaba sarf ettiği ev hanelerinde kullanılacak, temizlik yapan ve yaşlılara günlük işlerinde yardımcı olan robotların gelişmesinde öğrenebilme ve yorumlamanın, bunlara bağlı olarak değişik görevlere adapte olabilmede bu yaklaşım çok önemli. Etraftaki farklı objelerin tanınması ve bunlarla etkileşime geçilmesi üzerinde yapılan çalışmalarda Hassabis, AlphaGo ile yakın gelecekte büyük ilerleme kaydedileceğini savunuyor. Yine örneğin Iphone’larda siri uygulamasının yeterince kullanışlı olmamasının sebebi farklı sesleri tanıyamaması. Bunun gelişmesinde AlphaGo ile 2-3 yıl içinde fark edilebilir şekilde, 5-6 yıla ise büyük gelişmelerin kaydedileceğini belirtiyor.

Sürücüsüz arabalarda da son 10 yıl içinde büyük ilerleme kaydedildi. Ancak trafiğe güvenli bir şekilde çıkabilecekleri konusunda hala tartışmalar var. Projeler henüz olgunlaşma aşamasında. Bunların da gelişmesinde AlphaGo’dakine benzer bir yol izlendi geçmişte. Bu tarz arabaların da öncelikle bir harita bilgisine ve belirli yol kavramlarına aşinalığı gerekti. Daha sonra belli algoritmalar bu bilgileri kullanarak önceden hazırlanmış parkurlarda opere etmekte güçlük çekmediler. Elbette bunlar da yaklaşık son 5 yılın gelişmeleri. Deep Learning metodu ile de sürücüsüz arabalar, yolda beklenmedik durumlarda gerekli girişimlerde bulunmada giderek ustalaşacak gibi görünüyor, birkaç yıl içinde belki de en azından gelişmiş ülkelerde trafikte bu arabalara rastlamak güç olmayacak.

Google, DeepMind şirketini 2014 yılında satın almıştı. Uzun zamandan beri de DeepMind ve Google’ın yapay zekâ üzerinde, özellikle Deep Learning üzerinde çalışan diğer bir şirketi “Google Brain” ile dayanışma halindeler. Özetle denebilir ki Google’ın yapay zekâ araştırmalarında AlphaGo da büyük öneme sahip bir araç olacak. Yine tabi ki bizim için endişelendirici olarak yapay zekânın iyi amaçlara hizmet etmekten ziyade insanlık açısından gelecekte sorunsal olması. Bu konulara değinmeye de devam edeceğiz.