İkinci Makine Çağı: Üçlü Etki

İkinci Makine Çağı: Üçlü Etki

İnsanlık, Yaratıcı’nın yarattıklarının özelliklerini taklit ederek hayatın akışını şekillendirmeye çalışıyor. Kuşlardan uçaklar, yusufçuktan helikopterler, yarasalardan radar sistemleri ve daha bunun gibi başka birçok icat canlılardan esinlenerek geliştirildiler. Canlıların, teknolojik gelişime ilham vermesi halen devam ediyor. Bu defa belki de en zor sınav ile karşı karşıyayız. Buhar makinesinin icadından 150 yıl sonra ikinci makine çağında (Second Machine Age) insan beyninin düşünme, öğrenme ve karar verme yetisi yapay zekâ (AI) uygulamaları üzerinden makinelere taklit ettirilmeye çalışılıyor.

Yapay Zekâ konusu aslında yeni bir şey değil. Uzunca bir süredir bilim dünyası bu konu üzerine düşünüyor, araştırmalar yapıyor. Turing’in ‘makineler düşünebilir mi?’ savı, o zamanın kısıtlı imkânları (teknolojik ve bilimsel) karşısında belki pek mantıklı gelmiyordu birçoğu için. Ancak, zaman geçtikte, malzeme bilimi ve algoritma alanındaki gelişmeler teknolojik açısından birçok şeyin değişimini tetikledi. Internet, IoT, CPS, Big Data ve nihayetinde AI konsepti 2010’larda Alex-Net ile tam anlamıyla hayatımıza girdi. Artık eğitimden sağlığa, üretimden turizme, oyundan sosyal medya platformlarına kadar hemen her alanda farklı AI uygulamaları ile karşılaşıyor; makineleri karar verme süreçlerimizde daha fazla istihdam etmeye başlıyoruz. Makinelerin akıllanması, akıllandıkça daha da akıllanması bu istihdamın hızını her geçen gün artırıyor. Yakın bir gelecekte, yapmakta olduğumuz birçok aktif faaliyetin makinelere devrine şahit olacak gibiyiz.

Peki, AI konusunu şu an gündemimize almamıza etki eden temel unsurlar nelerdir? Teknolojik açıdan neler değişti de şimdi AI konuşuyoruz?

Endüstri 4.0 ‘a nasıl gelindi ile ilgili birçok görüş var, ancak teknolojik gelişmelerin perde arkasında malzeme biliminin etkisi olduğunu söylemek yanlış olmaz sanırım. 1959 yılında ‘Daha aşağıda çok yer var’ başlıklı konuşması ile nano-teknolojinin gelişmesine ışık tutan Richard Feynman’ın nano-teknoloji alanında ortaya sürdüğü görüşler sayesinde, bugün başka şekilde elde edilmesi pek mümkün olmayan farklı ‘mekanik, elektrik ve manyetik’ özelliklere sahip malzemeler, atom ve moleküllerin teker teker bir araya getirilmesi ile elde edilebilmektedir. Önceleri yukarıdan aşağı doğru yapılan malzeme tasarımının, artık aşağıdan yukarı doğru yapılması ile atomsal seviyedeki bileşenlerden başlayarak nano boyutlara indirgenmiş yeni malzeme yapıların oluşturulması mümkün hale gelebilmektedir; aynen transistörlerde olduğu gibi.

Transistorların boyutların küçülmesi entegre devre (IC: Integrated Circuit) içine çok daha fazla transistorun yerleştirilebilmesine olanak sağlayarak, mikro işlemcilerin işlem yapma yetisinin/hızının (Computing Powers) inanılmaz derece artmasını sağladı. Görüntü işleme, ses tanıma, doğal dil işleme gibi uygulamalarda gereken milyonlarca iterasyonu eskiye oranla mukayese edilemeyecek derecede hızlı yapabiliyor olmamızın sebebi CPU, GPU ve TPU alanındaki gelişmelerdir. Bu bağlamda Computing Powers AI’nın turbo motoru olarak tanımlanabilir. Bunu birinci etken olarak not alalım.

Teknolojik gelişimin etkisi sadece işlem hızının artması ile sınırlı kalmadı. Aynı zamanda, IoT konsepti ile akıllı cihazların yaygınlaşması, bulut teknolojileri, veri yönetimi ve inter-operability alanlarındaki gelişmelere de etki ederek büyük veri konseptini ortaya çıkardı. Veri artık her yerde, yani yakıtımız var. Bu yakıt hem bitmiyor hem de sürekli kendini yeniliyor. Bu yakıt kullanılarak gelecek şekillendiriliyor. Çağımızın elektriğinin büyük veri ve AI olarak nitelendirilmesinin nedeni budur. Veriye ulaşma, saklama ve işleme kolaylığı bugün çok daha kolay, güvenilir ve de hızlı. Büyük veri ile sahanın çözünürlüğünü artırabiliyor, problemleri daha gerçekçi analiz edebiliyoruz. Veri kavramının büyük veri konseptine dönüşmesi (Availability of Big Data) bugün AI uygulamalarını konuşabiliyor olmamızın bir diğer etkenidir. Bunu da ikinci not olarak alalım.

İşlem hızı (Computing Powers) ve büyük veri (Availability of Big Data) AI’ı bugün konuşmamıza olanak sağlayan iki önemli gelişmeydi. Ancak, veri miktarı yeterli olsa dahi halen bazı karmaşık problemlerin çözümünde mevcut işlem hızı yeterli gelemiyordu. Yüksek boyutlu bir veri setinden model üretebilmek haftalar/aylar alabilmektedir. Ancak, algoritma alanındaki gelişmeler bu probleme çare olmaya başladı. Veri seti içeriğinin kaybolmasına imkân vermeden veri boyutlarının indirgenebilmesi, veriler arasındaki ilişkinin anlaşılabilmesi ve İterasyon sayılarının dramatik ölçekte azaltılabilmesinde algoritmaların (algorithms) olukça önemli rolü vardır. Algoritmalar olmadan ne işlem hızı ne de büyük veri bir anlam teşkil eder. Bugün perceptron ve back-propagation algoritmaları olmasaydı Neural Network (NN) dan bahsedemezdik. Bu anlamda, turbo motoru ‘Computing Powers,’ yakıtı ‘Big Data’ olan yapay zekanın kumandasında ‘Algorithms’ yer aldığını belirtebiliriz.

Özetle; AI, epeydir bilinmesine rağmen gerekli koşullar oluşmadığı için gündemimize alamadığımız bir konuydu. IoT ile gelen büyük veri geçmişin poor data sorunlarını ortadan kaldırırken, CPU/GPU alanındaki gelişmeler işlem yapma hızının oldukça ötelere gitmesine olanak sağlayarak, algoritmalar üzerinden AI sürecinin daha etkin yapılabilmesine olanak sağlamaktadır.