Görsel oluşturma, yazı yazma ve gibisi marifetlerde gerçekleştirdiği çarpıcı atılımlar sayesinde yapay zekâ, artık hiç olmadığı kadar meşhur. YouTube’da ve Instagram’da aramalar yaparken ve hatta iş başvurusu yaparken bile ister istemez yapay zekâyla etkileşimdeyiz.
Bu teknolojiden şu anda her ne kadar tertipli olarak faydalanıyor olsak da nereden ortaya çıktığını ve nasıl geliştiğini ya bilmiyoruz ya da pek merak etmiyoruz. Bu bölümde her şeyin nasıl işlediğini hiç merak etmiş miydiniz?
Yapay zekâyı ne kadar çok bilgiyle beslerseniz, öğrenme kabiliyeti o kadar gelişiyor. Öğrenme mantığı, lokomotife kömür atmaya benzetilebilir.
Fakat her kömür atıldığında lokomotifin kömürü tanımaya ve taklit etmeye, sonrasında da kömür üretmeye başladığını düşünün.
Yapay zekânın olabildiğince fazla dataya gereksinim duyduğu bu öğrenme sürecine makine öğrenimi deniyor.
Makine tahsilinin gerçekleşmesi için, üsttekiler gibi birbirine benzeyen binlerce görsel kullanmanız gerekebilir.
Makine tahsili esnasında yapay zekâ, zamanla beyin hücreleri olan bilgi tabanlarını oluşturur. Bu beyin hücresi üzere olan kısımlara yapay hudut ağları da denir. Bunlar sayesinde yapay zekâ, vakitle kendisine gösterileni tanımaya başlar. Buna da derin öğrenme denmekte. Derin öğrenmenin üstteki üzere katmanları bulunuyor.
Şimdi kolay bir örnekten gidelim. Böylece bu üç farklı konseptin farklarını pekiştirmiş oluruz.
Midjourney üzere görsel oluşturan bir yapay zekâyı ele alalım. İsmi “Tablobot” olsun. Bu yapay zekâ, ortaya çıkan eserin ta kendisi olacak.
Tablobot’u eğitmek için görsellerden ve fotoğraflardan faydalanmanız gerek. Tablobot’un bu öğrenme süreci makine tahsilidir.
Tablobot’a ne kadar çok görsel verirseniz, yapması gerekeni o kadar uygun ezberler, kendi bilgi tabanını oluşturur. Data tabanını bir beyin üzere düşünün. Beyin çok “derin” ve karmaşık bir data tabanıdır. Öğrenilen her şey burada depolanır. Bu yüzden buna da derin öğrenme deriz.
Kısacası makine tahsili, yapay zekânın öğrenme kabiliyeti. Derin öğrenme, makine tahsilinin data tabanı yahut beyni ile ilgilenen kısım. Yapay zekâ ise ortaya çıkan son eser.
Farkları ortadan çıkardığımıza göre sonuca gelelim.
- Tablobot’a 50 bin görsel verdik diyelim, artık hizmete hazır. Bu noktadan itibaren üsttekiler üzere görseller oluşturabiliyor olacak. Geriye kalan tek şey, talimat vermek oluyor.
- Tablobot, makine öğrenimi ve derin öğrenme evrelerini aştı.
- Tebrikler! Tablobot artık bir yapay zekâ!
Tabii, her teknolojik atılımda olduğu üzere yapay zekânın da artıları kadar eksileri var. İnsanların yapabildiği kimi işleri yapabileceği için dünya çapında milyonlarca kişiyi işsiz bırakma ihtimali kelam konusu.
Yapay zekâya dair genel bakış açısı şimdilik olumlu istikamette. Doktorların dahi fark edemedikleri hastalık izlerini fark edebilen, karman çorman kentlerimizde bizler için pratik rotalar oluşturabilen ve daha kaç yararları olabilecek yapay zekâ, daha yolun başında.
Fakat unutmamalıyız ki yapay zekâ, geliştikçe insanların yaptığı birden fazla mesleği tarihe karıştırabilecek bir kesim ve teknoloji. Bu yüzden geniş çaplı işsizlik dalgasına sebep olması mümkün.