Kusuruma bakmayın, bu yapay zeka dizisi uzuyor ama gördüğüm kadarıyla ilgi de çekiyor. Bugün, biraz lafı uzatmak pahasına, konuyu en temelden anlatmaya başlamalıyım.

Algoritma, hepimizin gündelik hayatımızda sık sık duyduğumuz bir matematik kavramı haline geldi. Aslında algoritma, çok basitçe her hangi bir işi yaparken o işi yapma sıramız demek. Sıralamanın kendisi çok önemli çünkü.

Örneğin önce ayakkabımızı giyip sonra çorap giymeye kalkışamayız. Farkında olarak veya olmayarak hepimiz işlerimizi belli bir sırayla yaparız. Bulaşık yıkarken örneğin, önce kirli bulaşıkları makinaya koyar, sonra deterjan ilave eder ve en son kapağı kapatıp düğmelere basarız. Önce makinayı çalıştırıp sonra bulaşıkları içine koyamazsınız.

Algoritma işte bu demek. İşlemleri bir mantık dizgesi içinde ardı ardına yapmak. Üç haneli rakamları toplarken örneğin, önce birler, sonra onlar, sonra yüzler basamaklarını toplarız. Toplama işleminin algoritması budur çünkü.

Algoritma, insan dünyada var olalı beri var olan bir şey. Baktığınızda neredeyse bütün hayvanların da beyinlerinde işlemleri sıraya dizdiğini, yani algoritma kullandığını görürsünüz. Doğanın düzeni de bu.

Algoritmalar sayesinde epey eski zamandan beri robotlarımız var. Bulaşık makinesi örneğini verdim. Hepimizin mutfağındaki robotlardan biri bu. Çamaşır makinası da öyle. Fabrikalardaki otomasyon yine algoritma sayesinde olan bir şey.

Kol emeğinin yerine algoritmayla çalışan robotların gelmesi en azından 120 yıllık bir fikir. Henry Ford, fabrikasında bu robotlaşmayı ilk geliştirip otomobil fiyatını çok ucuzlattığında, Türkiye’de Nazım Hikmet bile şiirini yazmış, bu yeni insanlık halini eleştirmişti: “Makinalaşmak istiyorum.”

Peki matematik yapan robotlarımız olamaz mıydı? Bu işe ilk olarak bir İngiliz mühendis 19. yüzyılda kalkıştı. “Babbage Makinesi” olarak bilinen bu hesap makinesini bir türlü yapamadı ama ona bu çabasında yardımcı olan Ada Lovelace isimli olağanüstü kadın sayesinde bugün de kullandığımız bilgisayar dili ortaya çıktı.

2. Dünya Savaşı sırasında, İngilizler, Nazi Almanyası’nın “Enigma” adını verdiği karmaşık şifreleme klavyesini çözmeye, yani Nazi şifrelerini okumaya çalışıyordu. Alman Donanma Komutanlığı her sabah denizaltılarına o günkü hava durumunu bildiren mesajlar yolluyordu ve şifreyle. Eh, hava durumunu İngilizler de üç aşağı beş yukarı biliyordu, bu sayede şifreli mesajı okumaya, onu okuyunca da daha sonra gidecek diğer mesajları okumanın anahtarını bulmaya çalışıyorlardı.

Bu amaçla ülkenin en iyi matematikçi ve dil bilimcileri bir araya gelmiş çalışıyordu. İşlerinin önemli bölümü tekrara dayalıydı ve zamana karşı yarışıyorlardı, çünkü Nazi’ler şifre anahtarını her gün değiştiriyordu. Yani bugün şifreyi çözmek bir anlam ifade etmiyordu, yarın sabah yeniden sıfırdan başlanıyordu.

Alan Turing adlı efsanevi matematikçi, bu şifre çözümünü hızlandırmak için tarihin ilk bilgisayarını yaptı. Konuştuğumuz, yazdığımız dili matematiğe çevirdi, bilgisayarına da matematiksel işlemleri yaptırdı. Algoritma sayesinde bunu başardı.

Alan Turing bunu yaparken bir bilim insanı olarak elbette ileriye doğru fikri bir sıçrama da yaptı, bilgisayarların bugün bile kullandığımız matematiksel temelini bir teorem olarak ortaya koydu. Turing, yaptığı teorinin “düşünen makine” olduğunu düşünüyordu, o zamanın ilkel elektronik şartlarına rağmen bir gün bilgisayarların insanları tam olarak taklit edebilecek güce erişip erişemeyeceğini merak etti, hatta bu amaçla “Turing Testi” denen insanla makineyi ayırt etme testini de düşündü.

Bugün kullandığımız modern bilgisayarın atası Alan Turing’le birlikte Macar kökenli Amerikalı dev isim John von Neumann’dır. Von Neumann, bugün dahil kullandığımız “bilgisayar mimarisini” yani aslında bütün mikroişlemcilerin içindeki algoritmanın temel kurallarını yazan insandır.

Von Neumann’ın mimarisi, mantık gereği ve kaçınılmaz biçimde bir “huni ağzı” yaratır. Son kertede bilgisayar bir belirli anda sadece bir işlem yapabilir, çünkü bütün mantık dizgeleri nihayetinde bize iki olası cevaptan birini, 0 veya 1’i verir.

Bu huni ağzı, ister istemez işi yavaşlatır. Onu hızlandırmanın yolu, daha küçük bir alana daha fazla mikroişlemci sığdırmaktır. Bugün elinizde taşıdığınız Apple marka akıllı telefonun içinde 4,5 milyar tane böyle işlemci var. Nvidia’nın geçen yıl piyasaya çıkardığı Blackwell işlemcilerin içinde tam 208 milyar tane işlemci var. Bu, aynı anda 208 milyar tane işlem demek.

Bu hikayeyi anlattım, bilgisayarların hızlanmasını anlatabilmek için. Şimdi bilgisayarlarımız da hızlandığına göre, algoritmalarımızı nasıl hızlandırabiliriz, ona bakalım.

Kapitalizm, hepimiz biliyoruz, daha fazla satmak, daha fazla tüketmek üzerine kurulu bir ekonomik düzen. Bu da pazarlamacılığı sistemin merkezine getirip koyuyor. Bütün şirketleri örnek olarak kullanabilirim ama daha kolay anlatmak için ben Netflix’i seçtim.

Pek çok kişi gibi ben de Netflix abonesiyim. Ben bu platformda film ve dizi izliyorum, platform da beni izliyor. Çünkü her davranışım orada iz bırakıyor. Ve platform benim bıraktığım bu izleri bana daha fazla film ve dizi izletmek için, yani pazarlama yapmak için kullanıyor. Bana sürekli, daha önce izlediğim filmlere, dizilere benzer şeyler öneriyor.

Bunu nasıl yapıyor? “Öğrenen algoritmalar” sayesinde. Eskiden bu teorik olarak mümkündü ama pratikte mümkün değildi. Şimdi işlemci kapasitesinin artması, yani bilgisayarların hızlanması sayesinde artık mümkün.

Peki ama algoritma nasıl öğreniyor? Bunu da muazzam bilgi biriktirme ve sonra da o bilgiyi yeniden işleme kapasitesi sayesinde ve yazılımcıların bazı dahiyane çözümleri sayesinde yapıyor. Sizinle ilgili biriktirdiği bilgiyi sürekli taze tutuyor.

Pazarlama dünyasında kullanılan bu öğrenen algoritmalar acaba daha genel hale getirilebilir, mesela bizimle sanki insanmış gibi sohbet eden robotlar yapılabilir mi?

90’lı yılların sonlarında üç matematikçi, bugün adına “yapay zeka” dediğimiz çok gelişmiş algoritmaları ortaya koyan teoriyi geliştirdi. Bu “makine öğrenmesi” adı verilen yöntemdi.

Nasıl Netflix’in makinesi benim sevdiğim ve sevmediğim dizileri filmleri öğrenebiliyorsa, bir başka makine bu kadar da spesifik olmayan alanlarda, çok daha genel alanlarda bir sürü şeyi “öğrenebilir”di.

İşte, Google tarafından satın alınan İngiltere’deki müthiş (ve artık Nobel ödüllü) yapay zeka şirketi DeepMind ilk çıkışını, birkaç günde satranç öğrenen ve sonra da zamanın dünya şampiyonu Gary Kasparov’u yenen programıyla yapmıştı. 

‘Makine öğrenmesi’ bu. Herhangi bir konuyu insana göre çok kısa sürede öğrenebiliyor makinalar.

Sonra birileri makinelerin konuştuğumuz dili öğrenmesine kafa yormaya başladı.

Burada karıştırmamamız gereken önemli bir konu var, sonrası için gerekli diye burada yazıyorum: Bir insanın bir şeyi “öğrenmesi” ile makinenin öğrenmesi aynı şey değil. Biz okuyarak veya görerek öğrenirken kelimelerin “anlam”larına yoğunlaşır, anlamlar arasında bağ kurar ve öyle öğreniriz. Oysa makinenin kelimenin “anlam”ını anlamasına imkan yoktur. Bunu ona biz dikte ederiz.

Gabriel Garcia Marquez’in “Yüzyıllık Yalnızlık” romanında müthiş bir bölüm vardır. Macondo kasabasına sürekli yağmur yağmaya başlar ve insanlar yağmur tıkırtısından yavaşça delirirler, neredeyse her şeyi unutmaya başlarlar. Bunun üzerine mesela kapıların üzerine “kapı”, masanın üzerine “masa” yazılarak insanların “anlam”ları unutmasının önüne geçmeye çalışırlar.

Bugün adına Geniş Dil Modeli (LLM) denen devasa veri tabanları aynen Marquez’in romanındaki yöntemle çalışır. Bu modelin içindeki her kelime, o kelimenin anlamını ifade eden bir de “etiket”e sahiptir. O sayede bilgisayar kelimeler ve onların anlamları arasında, bizim kendi beynimizde otomatik olarak kurduğumuz ilişkiyi kurar ve “konuşur.”

Bu programlama yöntemine de “GPT” adı veriliyor, “Generative Pre-Trained Transformer”ın kısaltması olarak. Üretici, Ön-Eğitimli, Dönüştürücü.

Bu üç kavram içinde en önemli kavram “Dönüştürücü” kavramı, yani GPT’nin T harfi. Çünkü bu yep yeni bir programlama mimarisi.

Herhangi bir GPT, mesela OpenAI’ın ticari ürünü olan ChatGPT şöyle çalışıyor:

Siz ona kendi dilinizde herhangi bir soru soruyorsunuz.

O alıyor sizin sorunuzu oluşturan kelimeleri tek tek kendi veri tabanına soruyor, her kelimenin (bunlara ‘token’ (jeton) adını veriyorlar yapay zeka araştırmacıları) etiketine bakıyor ve sorunuzun anlamını kendince buluyor, sonra da yine kendi veri tabanından aynı etiketlere bakıp size bir cevap veriyor.

İşte bu “Dönüştürücü”lük kısmı işin. Belki size verdiği cevaptaki bir kelimeyi ne bileyim Ahmet Hamdi Tanpınar’ın romanından alıyor, diğer kelimeyi bir araştırma makalesinden, bir başkasını sosyal medyada edilmiş bir laftan alıyor ama bu kaynaklardan bağımsız olarak onları “dönüştürüyor” ve size sunuyor.

İnsan beyni de aslında kısmen böyle çalışıyor. Bana soru sorduğunuzda ben de dönüp kendi veri tabanına bakıyor, önce soruyu anlıyor, sonra da kendimce bir cevap veriyorum.

İşte bu da GPT’nin ‘P’ harfi, yani ‘Ön-Eğitimli.’ Öyle ya, ben nasıl bir soruya cevap verebilmek için önce o sorunun cevabı hakkında bir eğitime ihtiyaç duyuyorsam, bilgisayar da aynı ihtiyacı duyuyor. O ihtiyacı demin anlatmaya çalıştığım ‘tokenizasyon’ sağlıyor. Her kelimenin üzerine onun anlamını yazan bir etiketleme yani.

Peki ya G harfi ne? O da size GPT’nin her seferinde farklı bir cevap üretmesi anlamına geliyor. Evinizde birden fazla kişide ChatGPT varsa bir deneyin: İki kişi aynı soruyu iki ayrı makineden ChatGPT’ye sorsun, bakın bakalım cevaplar noktası virgülüne kadar aynı mı? Şimdiden söyleyeyim, cevap benzeyecek, hatta büyük ölçüde aynı olacak belki ama hiçbir zaman bire bir aynı olmayacak. Çünkü her seferinde karşınızdaki makine size bu cevabı sizin için “üretecek.” Aynı soruyu birkaç saat sonra sorduğunuzda biraz farklı bir cevap alacaksınız.

Yapay zekayı inanılmaz etkileyici kılan, pek çok kişiye karşısında sanki gerçek bir insan varmış hissi veren şey tam olarak bu. Her cevabın o an üretilmesi. Arkada hazır cevaplar yok. Bu da size karşınızda düşünen, bilinçli bir varlığın bulunduğu izlenimi yaratıyor.

Benim etrafımda bazı insanlar boş vakitlerini ChatGPT ile sohbet ederek geçiriyorlar. Havadan sudan konular dahil her konuda konuşuyorlar.

Dünyada yapay zeka terapistleri diye bir sorun ortaya çıktı. Bazı insanlar ChatGPT’yi terapisti, yaşam koçu olarak kullanıyor. Yapay zekanın intihara sürüklediği insanlar oldu. Haber haline gelmiyor belki ama eminim psikolojik sorunlarını çözmeye yardımcı olduğu pek çok kişi de vardır.

İnsan dehasının ortaya çıkardığı olağanüstü bir şey GPT mimarisi ve bu geniş dil modeline dayalı sohbet robotları.

Yalnız bir büyük sorun var. Bu geniş dil modelleri aslında yeterince “geniş” değil.

Bugün Facebook’ta çalışan ve yapay zekanın üç büyük babasından biri olan Yann LeCun, basit bir hesap yapıyor: En büyük LLM bugün 20 trilyon token büyüklüğünde. Bu da herhangi bir bebeğin doğumundan 4,5 yaşına gelene kadar sadece gözleriyle görerek işlediği veri miktarına denk gelen bir bilgi miktarı.

Eğer GPT modellerimizin dayanağı olan LLM’lerin en büyüğü ancak 4,5 yaşında bir çocuk kadar bilgiye sahipse, yapay zekanın yaşı da bu demektir.

Yapay zekayı eğiten bu LLM’in sınırlığının sebebi insan bilgisinin tamamının bilgisayarlara aktarılmamış, internete konmamış olması. Şimdi üstelik bu bilginin değeri de anlaşıldı, LLM’ler canları istediği gibi interneti tarayıp bilgiyi alıp kendi veri tabanlarına geçiremiyorlar, bilgiyi üretenler para istiyor.

Peki bu sınırlılık, yani gerçek manada, matematiksel olarak ölçülebilen sınırlılık ortadayken hala insan zekasını geçen bir yapay zeka mümkün olabilir mi? Yann LeCun’a göre bu şekilde olamaz, ama başkaları, mesela OpenAI CEO’su Sam Altman’a göre olabilir ve hatta olacak.

İnsan zekasını geçecek, en azından eşit olacak yapay zekaya “AGI” (Artificial General Intelligence) deniyor, “Yapay Genel Zeka.”

Dünyanın korktuğu, “Eyvah insanlığın sonunu getirebilir” dediği şey işte bu AGI.

Buradan başlıktaki soruya geliyoruz: Genel Yapay Zeka aslında bir büyük yalanın mı adı?

Gelin haftaya bu can alıcı meseleyi konuşalım. Çünkü genel yapay zekanın önündeki yegane engel LLM’lerin büyüklüğünün sınırlı olması değil.