Arama

Yapay Zeka

Güncelleme: 29 Mayıs 2021 Gösterim: 25.743 Cevap: 13
Misafir - avatarı
Misafir
Ziyaretçi
9 Mayıs 2006       Mesaj #1
Misafir - avatarı
Ziyaretçi
Yapay Zeka
Ad:  Yapay_zeka.jpg
Gösterim: 1120
Boyut:  41.0 KB
Sponsorlu Bağlantılar

Temel olarak, yapay zeka, insanın düşünme yöntemlerini analiz ederek bunların benzeri yapay yönergeleri geliştirmeye çalışmak olarak tanımlanabilir. Bir bakış açısına göre, programlanmış bir bilgisayarın düşünme girişimi gibi görünsede bu tanımlar günümüzde hızla değişmekte, öğrenebilen ve gelecekte insanzekasından bağımsız gelişebilecek bir Yapay Zeka kavramına doğru yeni yönelimler oluşmaktadır. Bu yönelim, insanın evreni ve doğayı anlama çabasında kendisine yardımcı olabilecek belki de kendisinden daha zeki, insan ötesi varlıklar yaratma düşünün bir ürünüdür. Bu düş, 1920 li yıllarda yazılan ve sonraları Isaac Asimov'u etkileyen modern bilim kurgu edebiyatının öncü yazarlarından Karel Čapek 'in eserlerinde dışa vurmuştur. Karel Čapek, R.U.R adlı tiyatro oyununda Yapay Zekaya sahip robotlar ile insanlığın ortak toplumsal sorunlarını ele alarak 1920 yılında Yapay Zekanın insan aklından bağımsız gelişebileceğini öngörmüştü.

Ad:  230px-Yapayzeka.jpg
Gösterim: 913
Boyut:  23.3 KB
Tanım
İdealize edilmiş bir yaklaşıma göre, Yapay Zeka, insan zekasına özgü olan, algılama, öğrenme, çoğul kavramları bağlama, düşünme, fikir yürütme, sorun çözme, iletişim kurma, çıkarımsama yapma ve karar verme gibi yüksek bilişsel fonksiyonları veya otonom davranışları sergilemesi beklenen yapay bir işletim sistemidir. Bu sistem aynı zamanda düşüncelerinden tepkiler üretebilmeli (eyleyici Yapay Zeka) ve bu tepkileri fiziksel olarak dışa vurabilmelidir.

Tarihçe
Yapay Zeka kavramının geçmişi modern bilgisayar bilimi kadar eskidir. Fikir babası, "Makineler düşünebilir mi?" sorunsalını ortaya atarak Makine Zekasını tartışmaya açan Alan Mathison Turing'dir. 1943 te İkinci dünya savaşı sırasında Kripto Analizi gereksinimleri ile üretilen Elektro-Mekanik cihazlar sayesinde Bilgisayar Bilimi ve Yapay Zeka kavramları doğmuştur. Alan Turing, Nazi'lerin Enigma makinesinin şifre algoritmasını çözmeye çalışan matematikçilerin en ünlenmiş olanlarından biriydi. İngiltere, Bletchley Park 'ta şifre çözme amacı ile başlatılan çalışmalar, Turing 'in prensiplerini oluşturduğu bilgisayar prototipleri olan Heath Robinson, bombe ve Colossus bilgisayarları, Boole cebirine dayanan veri işleme mantığı ile Makine Zekası kavramının oluşmasına sebep olmuştu.Modern bilgisayarın atası olan bu makineler ve programlama mantıkları aslında insan zekasından ilham almışlardı. Ancak sonraları, modern bilgisayarlarımız daha çok uzman sistemler diyebileceğimiz programlar ile gündelik hayatımızın sorunlarını çözmeye yönelik kullanım alanlarında daha çok yaygınlaştılar. 1970'li yıllarda büyük bilgisayar üreticileri olan Apple, Xerox, IBM gibi şirketler kişisel bilgisayar (Pc Personal Computer) modeli ile bilgisayarı popüler hale getirdiler ve yaygınlaştırdılar. İdealize tanımı ile Yapay Zeka çalışmaları ise daha dar bir araştırma çevresi tarafından geliştirilmeye devam etti.Bu gün, bu çalışmaları teşvik etmek amacı ile Alan Turing 'in adıyla anılan Turing Testi A.B.D 'de Loebner ödülleri adı altında Makine Zekasına sahip yazılımların üzerinde uygulanarak başarılı olan yazılımlara ödüller dağıtılmaktadır.Testin içeriği kısaca şöyledir: Birbirini tanımayan birkaç insandan oluşan bir denek grubu birbirleri ile ve bir Yapay Zeka diyalog sistemi ile geçerli bir süre sohbet etmektedirler. Birbirlerini yüz yüze görmeden yazışma yolu ile yapılan bu sohbet sonunda deneklere sorulan sorular ile hangi deneğin insan hangisinin Makine Zekası olduğunu saptamaları istenir. İlginçtir ki,şimdiye kadar yapılan testlerin bir kısmında Makine Zekası insan zannedilirken gerçek insanlar Makine zannedilmiştir.Loebner Ödülünü kazanan Yapay Zeka Diyalog sistemlerinin dünyadaki en bilinen örneklerinden biri A.L.I.C.E 'dir. Carnegie üniversitesinden Dr.Richard Wallace tarafından yazılmıştır. Bu ve benzeri yazılımlarının eleştiri toplamalarının nedeni, testin ölçümlediği kriterlerin konuşmaya dayalı olmasından dolayı programların ağırlıklı olarak diyalog sistemi (chatbot) olmalarıdır.Türkiye'de de Makine Zekası çalışmaları yapılmaktadır. Bu çalışmalar Doğal Dil işleme, Uzman sistemler ve Yapay Sinir Ağları alanlarında Üniversiteler bünyesinde ve bağımsız olarak sürdürülmektedir. Bunlardan biri, D.U.Y.G.U - Dil Uzam Yapay Gerçek Uslamlayıcı'dır.

Gelişim Süreci
İlk Araştırmalar ve Yapay Sinir Ağları

İdealize edilmiş tanımıyla Yapay zeka konusundaki ilk çalışmalardan biri McCulloch ve Pitts tarafından yapılmıştır. Bu araştırmacıların önerdiği, yapay sinirhücrelerini kullanan hesaplama modeli, önermeler mantığı, fizyoloji ve Turing'in hesaplama kuramına dayanıyordu.Her hangi bir hesaplanabilir fonksiyonun sinir hücrelerinden oluşan ağlarla hesaplanabileceğini ve mantıksal ve ve veya işlemlerinin gerçekleştirilebileceğini gösterdiler. Bu ağ yapılarının uygun şekilde tanımlanmaları halinde öğrenme becerisi kazanabileceğini de ileri sürdüler. Hebb, sinir hücreleri arasındaki bağlantıların şiddetlerini değiştirmek için basit bir kural önerince, öğrenebilen yapay sinir ağlarını gerçekleştirmek de olası hale gelmiştir.1950'lerde Shannon ve Turingbilgisayarlar için satranç programları yazıyorlardı. İlk yapay sinir ağı temelli bilgisayar SNARC, MIT'de Minsky ve Edmonds tarafından 1951'de yapıldı. Çalışmalarını Princeton Üniversitesi'nde sürdüren Mc Carthy, Minsky, Shannon ve Rochester'le birlikte 1956 yılında Dartmouth'da iki aylık bir açık çalışma düzenledi. Bu toplantıda bir çok çalışmanın temelleri atılmakla birlikte, toplantının en önemli özelliği Mc Carthy tarafından önerilen Yapay zeka adının konmasıdır. İlk kuram ispatlayan programlardan Logic Theorist (Mantık kuramcısı) burada Newell ve Simon tarafından tanıtılmıştır.

Yeni Yaklaşımlar ortaya çıkıyor..
Daha sonra Newell ve Simon, insan gibi düşünme yaklaşımına göre üretilmiş ilk program olan Genel Sorun Çözücü (General Problem Solver) 'ı geliştirmişlerdir. Simon, daha sonra fiziksel simge varsayımını ortaya atmış ve bu kuram, insandan bağımsız zeki sistemler yapma çalışmalarıyla uğraşanların hareket noktasını oluşturmuştur. Simon'ın bu tanımlaması bilim adamlarının Yapay zekaya yaklaşımlarında iki farklı akımın ortaya çıktığını belirginleştirmesi açısından önemlidir:
  1. Sembolik Yapay Zeka
  2. Sibernetik Yapay Zeka
Yaklaşımlar ve Eleştiriler
1. Sembolik Yapay Zeka

Simon'ın Sembolik yaklaşımından sonraki yıllarda mantık temelli çalışmalar egemen olmuş ve programların başarımlarını göstermek için bir takım yapay sorunlar ve dünyalar kullanılmıştır. Daha sonraları bu sorunlar gerçek yaşamı hiçbir şekilde temsil etmeyen oyuncak dünyalar olmakla suçlanmış ve Yapay zekanın yalnızca bu alanlarda başarılı olabileceği ve gerçek yaşamdaki sorunların çözümüne ölçeklenemeyeceği ileri sürülmüştür.Geliştirilen programların gerçek sorunlarla karşılaşıldığında çok kötü bir başarım göstermesinin ardındaki temel neden, bu programların yalnızca sentaktik süreçleri benzeşimlendirerek, anlam çıkarma, bağlantı kurma ve fikir yürütme gibi süreçler konusunda başarısız olmasıydı. Bu dönemin en ünlü programlarından Weizenbaum tarafından geliştirilen Eliza, karşısındaki ile sohbet edebiliyor gibi görünmesine karşın, yalnızca karşısındaki insanın cümleleri üzerinde bazı işlemler yapıyordu. İlk makine çevirisi çalışmaları sırasında benzeri yaklaşımlar kullanılıp çok gülünç çevirilerle karşılaşılınca bu çalışmaların desteklenmesi durdurulmuştu. Bu yetersizlikler aslında insan beynindeki semantik süreçlerin yeterince incelenmemesinden kaynaklanmaktaydı.
2. Sibernetik Yapay Zeka
Yapay Sinir Ağları çalışmalarının dahil olduğu Sibernetik cephede de durum aynıydı. Zeki davranışı benzeşimlendirmek için bu çalışmalarda kullanılan temel yapılardaki bazı önemli yetersizliklerin ortaya konmasıyla bir çok araştırmacılar çalışmalarını durdurdular. Buna en temel örnek, Yapay Sinir Ağları konusundaki çalışmaların Minsky ve Papert'in 1969'da yayınlanan Perceptrons adlı kitaplarında tek katmanlı algaçların bazı basit problemleri çözemeyeceğini gösterip aynı kısırlığın çok katmanlı algaçlarda da beklenilmesi gerektiğini söylemeleri ile bıçakla kesilmiş gibi durmasıdır. Sibernetik akımın uğradığı başarısızlığın temel sebebi de benzer şekilde Yapay Sinir Ağının tek katmanlı görevi başarması fakat bu görevle ilgili vargıların veya sonuçların bir yargıya dönüşerek diğer kavramlar ile bir ilişki kurulamamasından kaynaklanmaktadır. Bu durum aynı zamanda semantik süreçlerin de benzeşimlendirilememesi gerçeğini doğurdu.

Uzman Sistemler doğuyor..
Her iki akımın da uğradığı başarısızlıklar, her sorunu çözecek genel amaçlı sistemler yerine belirli bir uzmanlık alanındaki bilgiyle donatılmış programları kullanma fikrinin gelişmesine sebep oldu ve bu durum Yapay Zeka alanında yeniden bir canlanmaya yol açtı. Kısa sürede Uzman sistemler adı verilen bir metodoloji gelişti. Fakat burada çok sık rastlanan tipik bir durum, bir otomobilin tamiri için önerilerde bulunan uzman sistem programının otomobilin ne işe yaradığından haberi olmamasıydı. Buna rağmen Uzman sistemlerin başarıları beraberinde ilk ticari uygulamaları da getirdi. Yapay Zeka yavaş yavaş bir endüstri haline geliyordu. DEC tarafından kullanılan ve müşteri siparişlerine göre donanım seçimi yapan R1 adlı uzman sistem şirkete bir yılda 40 milyon dolarlık tasarruf sağlamıştı. Birden diğer ülkelerde yapay zekayı yeniden keşfettiler ve araştırmalara büyük kaynaklar ayrılmaya başlandı. 1988'de yapay zeka endüstrisinin cirosu 2 milyar dolara ulaşmıştı.

Doğal Dil İşleme Çalışmaları
Antropoloji bilimi, gelişmiş insan Zekası ile Dil arasındaki bağlantıyı gözler önüne serdiğinde, Dil üzerinden yürütülen Yapay Zeka çalışmaları tekrar önem kazandı. İnsan zekasının doğrudan doğruya kavramlarla düşünmediği, dil ile düşündüğü, dil kodları olan kelimeler ile kavramlar arasında bağlantı kurduğu anlaşıldı. Bu sayede insan aklı kavramlar ile düşünen hayvanbeyninden daha hızlı işlem yapabilmekteydi ve dil dizgeleri olan cümleler yani şablonlar ile etkili bir öğrenmeye ve bilgisini soyut olarak genişletebilme yeteneğine sahip olmuştu. İnsanların iletişimde kullandıkları Türkçe, İngilizce gibi doğal dilleri anlayan bilgisayarlar konusundaki çalışmalar hızlanmaya başladı. Önce, yine Uzman sistemler olarak karşımıza çıkan doğal dil anlayan programlar, daha sonra Sembolik Yapay Zeka ile ilgilenenler arasında ilgiyle karşılandı ve yazılım alanındaki gelişmeler sayesinde İngilizce olan A.I.M.L (Artificial intelligence Markup Language) ve Türkçe T.Y.İ.D (Türkçe Yapay Zeka İşaretleme Dili Bkz. D.U.Y.G.U Projesi) gibi bilgisayar dilleri ile sentaktik Örüntü işlemine uygun veri erişim metodları geliştirilebildi. Bugün Sembolik Yapay Zeka araştırmacıları özel Yapay Zeka dillerini kullanarak verileri birbiri ile ilişkilendirebilmekte, geliştirilen özel prosedürler sayesinde anlam çıkarma ve çıkarımsama yapma gibi ileri seviye bilişsel fonksiyonları benzetimlendirmeye çalışmaktadırlar.

Varılan Sonuç
Bütün bu gelişmelerin ve süreçlerin sonunda bir gurup Yapay Zeka araştırmacısı, insan gibi düşünebilen sistemleri araştırmaya devam ederken, diğer bir gurup ise ticari değeri olan rasyonel karar alan sistemler ( Uzman sistemler ) üzerine yoğunlaştı.

Gelecekte Yapay Zeka
Gelecekte Yapay Zeka araştırmalarındaki tüm alanların birleşeceğini öngörmek zor değildir. Sibernetik bir yaklaşımla modellenmiş bir Yapay Beyin, Sembolik bir yaklaşımla insan aklına benzetilmiş bilişsel süreçler ve Yapay Bilinç sistemi, insan aklı kadar esnek ve duyguları olan bir İrade (Karar alma yetisi), Uzman sistemler kadar yetkin bir bilgi birikimi ve rasyonel yaklaşım. Bunların dengeli bir karışımı sayesinde Yapay Zeka, gelecekte genetik kusurları bulunan insan zekasına bir alternatif oluşturabilir.Bu tehlikeyi gören bilim adamları bu rekabeti engelleyebilmek için insan zekasını genetik metodlarla geliştirerek doğal evrim sürecine katkıda bulunmayı amaçlamaktadırlar.

Yapay Zeka'nın Alt Kategorileri
  • Makine Zekası ( Sembolik Yapay Zeka )
  • Yapay Sinir Ağları ( Sibernetik Yapay Zeka )
  • Doğal Dil işleme ( Dil ile düşünme )
  • Konuşma Sentezi ( Yapay Konuşma )
  • Konuşma Anlama ( Konuşma Analizi )
  • Uzman sistemler
  • Örüntü Tanıma
Kaynak: wikipedia.org.tr

x
KisukE UraharA - avatarı
KisukE UraharA
VIP !..............!
9 Mayıs 2006       Mesaj #2
KisukE UraharA - avatarı
VIP !..............!
  1. Tanımı Yapay zeka, insanın düşünme yapısını anlamak ve bunun benzerini ortaya çıkaracak bilgisayar işlemlerini geliştirmeye çalışmak olarak tanımlanır. Yani programlanmış bir bilgisayarın düşünme girişimidir. Daha geniş bir tanıma göre ise, yapay zeka, bilgi edinme, algılama, görme, düşünme ve karar verme gibi insan zekasına özgü kapasitelerle donatılmış bilgisayarlardır.
  2. Gelişim Süreci
Yapay zeka konusundaki ilk çalışma McCulloch ve Pitts tarafından yapılmıştır. Bu araştırmacıların önerdiği, yapay sinir hücrelerini kullanan hesaplama modeli, önermeler mantığı, fizyoloji ve Turing’in hesaplama kuramına dayanıyordu. Her hangi bir hesaplanabilir fonksiyonun sinir hücrelerinden oluşan ağlarla hesaplanabileceğini ve mantıksal “ve” ve “veya” işlemlerinin gerçekleştirilebileceğini gösterdiler. Bu ağ yapılarının uygun şekilde tanımlanmaları halinde öğrenme becerisi kazanabileceğini de ileri sürdüler. Hebb, sinir hücreleri arasındaki bağlantıların şiddetlerini değiştirmek için basit bir kural önerince, öğrenebilen yapay sinir ağlarını gerçekleştirmek de olası hale gelmiştir.
1950’lerde Shannon ve Turing bilgisayarlar için satranç programları yazıyorlardı. İlk yapay sinir ağı temelli bilgisayar SNARC, MIT’de Minsky ve Edmonds tarafından 1951’de yapıldı. Çalışmalarını Princeton Üniversitesi’nde sürdüren Mc Carthy, Minsky, Shannon ve Rochester’le birlikte 1956 yılında Dartmouth’da iki aylık bir workshop düzenledi. Bu toplantıda bir çok çalışmanın temelleri atılmakla birlikte, toplantının en önemli özelliği Mc Carthy tarafından önerilen Yapay zeka adının konmasıdır. İlk kuram ispatlayan programlardan Logic Theorist (Mantık kuramcısı) burada Newell ve Simon tarafından tanıtılmıştır.
Daha sonra Newell ve Simon, “insan gibi düşünme” yaklaşımına göre üretilmiş ilk program olan General Problem Solver (Genel sorun çözücü) ‘ı geliştirmişlerdir. Simon, daha sonra fiziksel simge varsayımını ortaya atmış ve bu kuram, insandan bağımsız zeki sistemler yapma çalışmalarıyla uğraşanların hareket noktasını oluşturmuştur.
Bundan sonraki yıllarda mantık temelli çalışmalar egemen olmuş ve programların başarımlarını göstermek için bir takım yapay sorunlar ve dünyalar kullanılmıştır. Daha sonraları bu sorunlar gerçek yaşamı hiçbir şekilde temsil etmeyen oyuncak dünyalar olmakla suçlanmış ve yapay zekanın yalnızca bu alanlarda başarılı olabileceği ve gerçek yaşamdaki sorunların çözümüne ölçeklenemeyeceği ileri sürülmüştür.
Geliştirilen programların gerçek sorunlarla karşılaşıldığında çok kötü bir başarım göstermesinin ardındaki temel neden, bu programların yalnızca sentaktik bir şekilde çalışıp konu ile ilgili bilgileri kullanmamasıydı. Bu dönemin en ünlü programlarından Weizenbaum tarafından geliştirilen Eliza, karşısındaki ile sohbet edebiliyor gibi görünmesine karşın, yalnızca karşısındaki insanın cümleleri üzerinde bazı işlemler yapıyordu. İlk makine çevirisi çalışmaları sırasında benzeri yaklaşımlar kullanılıp çok gülünç çevirilerle karşılaşılınca bu çalışmaların desteklenmesi durdurulmuştur.
Zeki davranışı üretmek için bu çalışmalarda kullanılan temel yapılardaki bazı önemli yetersizliklerin de ortaya konmasıyla bir çok araştırmacılar çalışmalarını durdurdular. Buna en temel örnek, sinir ağları konusundaki çalışmaların Minsky ve Papert’in 1969’da yayınlanan Perceptrons adlı kitaplarında tek katmanlı algaçların bazı basit problemleri çözemeyeceğini gösterip aynı kısırlığın çok katmanlı algaçlarda da beklenilmesi gerektiğini söylemeleri ile bıçakla kesilmiş gibi durmasıdır.
Her sorunu çözecek genel amaçlı program yerine belirli bir uzmanlık alanındaki bilgiyle donatılmış programlar kullanma fikri yapay zeka alanında yeniden bir canlanmaya yol açtı. Kısa sürede uzman sistemler adı verilen bir metodoloji gelişti. Fakat burada çok sık rastlanan tipik bir durum, bir otomobilin tamiri için önerilerde bulunan uzman sistem programının otomobilin ne işe yaradığından haberi olmamasıydı.
İnsanların iletişimde kullandıkları Türkçe, İngilizce gibi doğal dilleri anlayan bilgisayarlar konusundaki çalışmalar bu sıralarda hızlanmaya başladı. Doğal dil anlayan programların dünya hakkında genel bilgiye sahip olması ve bu bilgiyi kullanabilmek için genel bir metodolojisi olması gerektiği belirtilmekteydi.
Uzman dizgelerin başarıları beraberinde ilk ticari uygulamaları da getirdi. Yapay zeka yavaş yavaş bir endüstri haline geliyordu. DEC tarafından kullanılan ve müşteri siparişlerine göre donanım seçimi yapan R1 adlı uzman sistem şirkete bir yılda 40 milyon dolarlık tasarruf sağlamıştı. Birden diğer ülkelerde yapay zekayı yeniden keşfettiler ve araştırmalara büyük kaynaklar ayrılmaya başlandı. 1988’de yapay zeka endüstrisinin cirosu 2 milyar dolara ulaşmıştı.
Bütün bu çalışmaların sonunda yapay zeka araştırmacıları iki guruba ayrıldılar. Bir gurup insan gibi düşünen sistemler yapmak için çalışırken, diğer gurup ise rasyonel karar verebilen sistemler üretmeyi amaçlamaktaydı.
Aşağıda bu yaklaşımları kısaca inceleyeceğiz.
  • İnsan gibi düşünen sistemler
İnsan gibi düşünen bir program üretmek için insanların nasıl düşündüğünü saptamak gerekir. Bu da psikolojik deneylerle yapılabilir. Yeterli sayıda deney yapıldıktan sonra elde edilen bilgilerle bir kuram oluşturulabilir. Daha sonra bu kurama dayanarak bilgisayar programı üretilebilir. Eğer programın giriş/çıkış ve zamanlama davranışı insanlarınkine eşse programın düzeneklerinden bazılarının insan beyninde de mevcut olabileceği söylenebilir.

Sponsorlu Bağlantılar
İnsan gibi düşünen sistemler üretmek bilişsel bilimin araştırma alanına girmektedir. Bu çalışmalarda asıl amaç genellikle insanın düşünme süreçlerini çözümlemede bilgisayar modellerini bir araç olarak kullanmaktır.
  • İnsan gibi davranan sistemler
Yapay zeka araştırmacılarının baştan beri ulaşmak istediği ideal, insan gibi davranan sistemler üretmektir. Turing zeki davranışı, bir sorgulayıcıyı kandıracak kadar bütün bilişsel görevlerde insan düzeyinde başarım göstermek olarak tanımlamıştır. Bunu ölçmek için de Turing testi olarak bilinen bir test önermiştir. Turing testinde denek, sorgulayıcıyla bir terminal aracılığıyla haberleşir. Eğer sorgulayıcı, deneğin insan mı yoksa bir bilgisayar mı olduğunu anlayamazsa denek Turing testini geçmiş sayılır.

Turing, testini tanımlarken zeka için bir insanın fiziksel benzetiminin gereksiz olduğunu düşündüğü için sorgulayıcıyla bilgisayar arasında doğrudan fiziksel temastan söz etmekten kaçınmıştır. Burada vurgulanması gereken nokta, bilgisayarda zeki davranışı üreten sürecin insan beynindeki süreçlerin modellenmesiyle elde edilebileceği gibi tamamen başka prensiplerden de hareket edilerek üretilmesinin olası olmasıdır.
  • Rasyonel düşünen sistemler
Bu sistemlerin temelinde mantık yer alır. Burada amaç çözülmesi istenen sorunu mantıksal bir gösterimle betimledikten sonra çıkarım kurallarını kullanarak çözümünü bulmaktır. Yapay zeka’da çok önemli bir yer tutan mantıkçı gelenek zeki sistemler üretmek için bu çeşit programlar üretmeyi amaçlamaktadır.

Bu yaklaşımı kullanarak gerçek sorunları çözmeye çalışınca iki önemli engel karşımıza çıkmaktadır. Mantık, formel bir dil kullanır. Gündelik yaşamdan kaynaklanan, çoğu kez de belirsizlik içeren bilgileri mantığın işleyebileceği bu dille göstermek hiç de kolay değildir. Bir başka güçlük de en ufak sorunların dışındaki sorunları çözerken kullanılması gerekecek bilgisayar kaynaklarının üstel olarak artmasıdır.
  • Rasyonel davranan sistemler
Amaçlara ulaşmak için inançlarına uygun davranan sistemlere rasyonel denir. Bir ajan algılayan ve harekette bulunan bir şeydir. Bu yaklaşımda yapay zeka, rasyonel ajanların incelenmesi ve oluşturulması olarak tanımlanmaktadır. Rasyonel bir ajan olmak için gerekli koşullardan biri de doğru çıkarımlar yapabilmek ve bu çıkarımların sonuçlarına göre harekete geçmektir. Ancak, yalnızca doğru çıkarım yapabilmek yeterli değildir. Çünkü bazı durumlarda doğruluğu ispatlanmış bir çözüm olmadığı halde gene de bir şey yapmak gerekebilir. Bunun yanında çıkarımdan kaynaklanmayan bazı rasyonel davranışlar da vardır. Örneğin, sıcak bir şeye değince insanın elini çekmesi bir refleks harekettir ve uzun düşünce süreçlerine girmeden yapılır.

Bu yüzden yapay zekayı rasyonel ajan tasarımı olarak gören araştırmacılar, iki avantaj öne sürerler. Birincisi “düşünce yasaları” yaklaşımından daha genel olması, ikincisi ise bilimsel geliştirme yöntemlerinin uygulanmasına daha uygun olmasıdır.
Son düzenleyen KisukE UraharA; 16 Mart 2008 17:47
Gerçekçi ol imkansızı iste...
KisukE UraharA - avatarı
KisukE UraharA
VIP !..............!
9 Mayıs 2006       Mesaj #3
KisukE UraharA - avatarı
VIP !..............!
  1. Matematiksel Yaklaşım
    Kaos teorisinin beynin üst düzey fonksiyonlarının modellenmesinde önemli bir rol oynayacağı düşünülmektedir. İnsan beyni gibi bir fonksiyon üstlenmesine çalışılan bir sistemin tasarlanmasındaki çabalar için, kuşkusuz kaos teorisi çok önemli bir yer tutmaktadır. Çünkü tasarılar ortaya konulacak modelleri temel almaktadır.

    Kaos teorisi, sayısal bilgisayarların ve onların çıktılarını çok kolay görülebilir hale getiren ekranların ortaya çıkmasıyla gelişti ve son on yıl içinde popülerlik kazandı. Ancak kaotik davranış gösteren sistemlerde kestirim yapmanın imkansızlığı bu popüler görüntüyle birleşince, bilim adamları konuya oldukça kuşkucu bir gözle bakmaya başladılar. Fakat son yıllarda kaos teorisinin ve onun bir uzantısı olan fraktal geometrinin, borsadan meteorolojiye, iletişimden tıbba, kimyadan mekaniğe kadar uzanan çok farklı dallarda önemli kullanım alanları bulması ile bu kuşkular giderek yok olmaktadır.

    Teoriye temel oluşturan matematiksel ve temel bilimsel bulgular, 18.yüzyıla, hatta bazı gözlemler antik çağlara kadar geri gidiyor. Yunan ve Çin mitolojilerinde yaradılış efsanelerinde başlangıçta bir kaosun olması rastlantı değil. Özellikle Çin mitolojisindeki kaosun, bugün bilimsel dilde tanımladığımız olgularla hayret verici bir benzerliği olduğunu görüyoruz. Batı’da da daha sonraki dönemlerde bilim adamları tarafından karmaşık olgulara dair gözlemler yapılmıştır. Poincare, Weierstraas, von Koch, Cantor, Peano, Hausdorff, Besikoviç gibi çok üst düzey matematikçiler tarafından bu teorinin temel kavramları oluşturulmuştur.

    Karmaşık sistem teorisinin ardında yatan yaklaşımı felsefe, özellikle de bilim felsefesi açısından inceleyecek olursak, ortaya ilginç bir olgu çıkıyor. Aslında bugün pozitif bilim olarak nitelendirdiğimiz şey, batı uygarlığının ve düşünüş biçiminin bir ürünüdür. Bu yaklaşımın en belirgin özelliği, analitik oluşu yani parçadan tüme yönelmesi (tümevarım).

    Genelde karmaşık problemleri çözmede kullanılan ve bazen çok iyi sonuçlar veren bu yöntem gereğince, önce problem parçalanıyor ve ortaya çıkan daha basit alt problemler inceleniyor. Sonra, bu alt problemlerin çözümleri birleştirilerek, tüm problemin çözümü oluşturuluyor. Ancak bu yaklaşım görmezden gelerek ihmal ettiği parçalar arasındaki ilişkilerdir. Böyle bir sistem parçalandığında, bu ilişkiler yok oluyor ve parçaların tek tek çözümlerinin toplamı, asıl sistemin davranışını vermekten çok uzak olabiliyor.

    Tümevarım yaklaşımının tam tersi ise tümevarım, yani bütüne bakarak daha alt olgular hakkında çıkarsamalar yapmak. Genel anlamda tümevarımı Batı düşüncesinin, tümdengelimi Doğu düşüncesinin ürünü olarak nitelendirmek mümkündür. Kaos yada karmaşıklık teorisi ise, bu anlamda bir doğu-Batı sentezi olarak görülebilir. Çok yakın zamana kadar pozitif bilimlerin ilgilendiği alanlar doğrusallığın geçerli olduğu, daha doğrusu çok büyük hatalara yol açmadan varsayılabildiği alanlardır. Doğrusal bir sistemin girdisini x, çıktısını da y kabul edersek, x ile y arasında doğrusal sistemlere özgü şu ilişkiler olacaktır:

    Eğer x1’e karşılık y1, x2’ye karşılık y2 elde ediyorsak, girdi olarak x1+x2 verdiğimizde, çıktı olarak y1+y2 elde ederiz.

    Bu özellikleri sağlayan sistemlere verilen karmaşık bir girdiyi parçalara ayırıp her birine karşılık gelen çıktıyı bulabilir, sonra bu çıktıların hepsini toplayarak karmaşık girdinin yanıtını elde edebiliriz. Ayrıca, doğrusal bir sistemin girdisini ölçerken yapacağımız ufak bir hata, çıktının hesabında da başlangıçtaki ölçüm hatasına orantılı bir hata verecektir. Halbuki doğrusal olmayan bir sistemde y’yi kestirmeye çalıştığımızda ortaya çıkacak hata, x’in ölçümündeki ufak hata ile orantılı olmayacak, çok daha ciddi sapma ve yanılmalara yol açacaktır. İşte bu özelliklerinden dolayı doğrusal olmayan sistemler kaotik davranma potansiyelini içlerinde taşırlar.

    Kaos görüşünün getirdiği en önemli değişikliklerden biri ise, kestirilemez determinizmdir. Sistemin yapısını ne kadar iyi modellersek modelleyelim, bir hata bile (Heisenberg belirsizlik kuralına göre çok ufak da olsa, mutlaka bir hata olacaktır), yapacağımız kestirmede tamamen yanlış sonuçlara yol açacaktır. Buna başlangıç koşullarına duyarlılık adı verilir ve bu özellikten dolayı sistem tamamen nedensel olarak çalıştığı halde uzun vadeli doğru bir kestirim mümkün olmaz. Bugünkü değerleri ne kadar iyi ölçersek ölçelim, 30 gün sonra saat 12’de hava sıcaklığının ne olacağını kestiremeyiz.

    Kaos konusunda bu uzun girişten sonra konunun beyinle ilişkisine gelelim. Beynin fizik yapısı ve görünüşü fraktaldır. Bu yapı, beynin gerek evrimsel, gerekse canlının yaşamı sürecindeki gelişimin ürünüdür ki, bu gelişimin deterministik (genlerle belirli), ancak çevre ve başlangıç koşullarına son derece duyarlı, yani kaotik olduğu açıktır. Beynin yalnızca oluşumu değil, çalışma biçimi de kaotiktir. Beyni oluşturan inanılmaz boyuttaki nöron ağının içinde bilgi akışı kaotik bir şekilde gerçekleşir. Kaotik davranışın tarama özelliği ve bunun getirdiği uyarlanırlık (adaptivite) sayesinde, beyin çok farklı durumlara uyum sağlar, çok farklı problemlere çözüm getirebilir, çok farklı fonksiyonları gerçekleştirir.

    EEG sinyalleri üzerine yapılan araştırmalar göstermiştir ki, sağlıklı bir insanın sinyalleri kaotik bir davranış gösterirken, epilepsi krizine girmiş bir hastanın sinyalleri çok daha düzenli, periyodik bir davranış sergilemektedir. Yani epilepsi krizindeki hastanın beyni, kendini tekrarlayan bir davranışa takılmış ve kaotik (yani sağlıklı) durumda sahip olduğu adaptivite özelliğini yitirmiştir. Bunun sonucu hasta, kriz sırasında en basit fonksiyonlarını bile yerine getiremez olur.

    Kaos bilimini ortaya çıkaran, karmaşık olguları basit parçalara ayırmak yerine onları bir bütün olarak görme eğilimi, beyni inceleyen bilim adamlarının da yaklaşımını belirlemiştir. Eskiden beyin farklı fonksiyonlardan sorumlu merkezler şeklinde modellenirken, artık holistik (bütünsel) beyin modeli geçerlilik kazanmıştır. Bu modele göre herhangi bir işlev gerçekleştirilirken, beynin tümü bu olguya katılmaktadır.

    Önümüzdeki yıllarda beynin yalnız alt düzey fizyolojik işleyişinin değil, öğrenme, hatırlama, fikir yürütme gibi üst düzey işlevlerinin de modellenmesinde kaosun çok önemli bir rol oynayacağı görülmektedir.
  2. Fiziksel Yaklaşım Tüm vücut fonksiyonları en temelde fiziğe dayanır. Fakat burada fiziğin oynadığı rol nedir? Bu, “taşı bıraktım yere düştü” tarzında bir fizik değildir. Böyle olsaydı beyin bugüne kadar çok kolay çözülürdü, hatta Descartes bile belki çözmüş olurdu. Söz konusu olan, son yetmiş yıl içinde fizikçilerin kullanmakta olduğu ve doğayı matematiksel bir yapı çerçevesinde anlayıp anlatabilme yöntemi olan kuantum mekaniğinin özellikleri ile durumu bağdaştırabilmektir. Bir masa üzerinde duran nesneyi yerçekimi çeker ama masa buna karşı gelir. Dolayısıyla nesne üzerine uygulanan toplam kuvvet sıfırdır. Üzerindeki koşullar böyle devam ettiği sürece, istediği gibi hareket edebilir. Yani biraz dokunulsa ve sürtünme olmasa nesne teorik olarak sonsuza kadar hareket edecek. Oysa kuantum mekaniğine göre serbest parçacık olarak algıladığımız bir nesne, yani üzerinde hiçbir dış etki olmayan nesne, her yerde olabilir. Ama doğanın bunun üzerinde etkili olan sayısal özellikleri, ancak; atomlar ve atomaltı nesneler düzeyinde kendini gösterebiliyor. Cisimlerin boyutları büyüdükçe bu etkiler bazı karmaşıklıkların arasında yok oluyor, o zaman bu nesnelerde koyduğumuz yerde duruyorlar. Fakat bir elektronu siz şuraya koydum diyemiyorsunuz; üzerinde hiçbir kuvvet olmayan bir elektron, evrende herhangi bir yerde bulunabiliyor. Bunu gördüm, buldum dediğiniz anda, o herhangi yerlerden bir tanesi gerçekleşmiş oluyor. Tüm diğer yerlerin serbest bir elektronun yeri olarak ortaya çıkma olasılığı aynı, eşit. Bir elektronun bir atom içinde sahip olabileceği fiziksel durumlar enerji, momentum, açısal momentum gibi fiziksel parametrelerle belirleniyor. Kuantum mekaniği bu değerlerin belli nitelikler taşımasını gerektiriyor. Sistemin bu değerlerle belirlenen fiziksel durumların hangisinde bulunduğunu, ölçme yapmadan bilemiyoruz. Elektronun nerede olduğunu ya da ölçtüğümüzde, ölçmeden önce –diyelim ki milyardabir saniye önce- orada olduğundan bile emin değiliz. Kuantum mekaniğinin hesaplayabilirliği bu kadar.

    Evet, kuantum mekaniğinde bir hesaplanamazlık var. Zihin fonksiyonlarında da bir hesaplanamazlık var. Beyin demiyoruz, çünkü bunun fonksiyonlarının bir kısmı, organları denetleyen istemsiz kısmı belki daha kolay anlaşılıyor. Ama burada söz konusu olan, kollara ve bacaklara emir verme, karar verme mekanizması. Bu nasıl fizikle açıklanabilecek? İşte zorluk burada ve kuantum mekaniği burada devreye giriyor. Zihin bir çok şeyi algılıyor, bunları bir şekilde biriktirip, belleğe yerleştiriyor. Fakat önemli olan karar verme aşamasında birikmiş verilerin tümünden daha fazla bir toplam olup olmadığı sorusudur.

    Zihin konuşmamıza komutları nasıl veriyor? Herkesin beyninde her an kafasından geçen düşüncelerle bir çok belki milyonlarca karar veriliyor, bu nasıl oluyor? İşte tüm bu verilerin, beyne girmiş olan bilgi kırıntılarının oluşturduğu fiziksel durumlar ve bunların sayıyla ifade etmekte zorlanacağımız kombinezonlarından her biri bir kuantum mekaniksel durumun bir bileşeni gibi görülebilir. Kuantum mekaniksel durum bileşenleri demekle, serbest bir elektronun uzayın herhangi bir noktasında bulunmasını kastediyoruz. Bu bulunuş bir fiziksel durumdur. Hepsi varit bu elektron için, fakat biz elektronu yakaladığımız yani ölçtüğümüz anda diyoruz ki elektron burada; bu durumlardan bir tanesi ortaya çıktı. Bunu dışarıdan müdahale ederek yapıyoruz. Beyin ise zihin fonksiyonları sırasında bu müdahaleyi nasıl yapıyor? Penrose, zihnin çalışma mekanizması ile bir kuantum mekaniksel sistemin özellikleri arasında analoji kurma imkanı olduğunu söylemektedir.

    Burada hesaplanamazlık, yani bir algoritmaya indirgenemezlik konusu en temel bir hususu oluşturuyor. Bu iki sistemden bir tanesinde hesaplanamazlık olmadığı gösterilebilirse bütün bu söylenenler ortadan kalkmış olacak. Aslında hesaplanamazlık, bir algoritmaya indirgenemezlik matematikte bilinmeyen bir şey değildir. Mesela bir yüzeyi çinilerle kaplayacaksınız, biçimleri ne olsun ki yüzey arada hiçbir boşluk kalmadan kaplanabilsin. Matematikçiler, bir yüzeyin hangi şekilde çinilerle periyodik olarak kaplanabileceğinin bir algoritmaya bağlanamayacağını kanıtlamışlardır.

    1980’lerde anesteziyologlar tarafından beyin hücrelerindeki mikrotübüller keşfedilmiştir. Bunlar, hücrelerin içinde gayet ince bir iskelet gibi yapı oluşturuyorlar ve mitoz bölünme sırasında ortaya gelerek sınır oluşturup bölünmeyi denetliyorlar. İçlerinde bulunan çok ince lifleri oluşturan protein moleküllerinin ilginç bir özelliği var. Bunların içindeki bir elektron iki değişik durumda bulunabiliyor. Elektronun bu iki durumunu 0 ve 1 durumları gibi alabilirsiniz. Belli bir takım anestetikler verildiğinde bu elektronun yer değiştiremez hale geldiği, yani uyuşturmanın verdiği bilinç kapatılması sırasında bu elektronun donduğu görülüyor. O zaman zihin fonksiyonlarında bu elektronun yer değiştirmesi bir takım kuantum mekaniksel durumlar oluşturmaya yol açabilir. Çünkü elektronun bulunduğu yer için matematiksel olarak bir kuantum mekaniksel durum yazabiliyorsunuz. Bunun gibi bir hücrede milyonlarca var, nöron şebekeleri içinde kaç tane olduğunu ve bunların yaratabileceği değişik sonuç durumlarını düşünün. İşte Penrose’nin, acaba olsa olsa nerede olabilir sorusuna bulamadığı cevap bu. Bunun uygun bir aday olabileceğini 1992 yılında bir anesteziyologun ona söylemesi üzerine öğrenmiştir. Ama gene de bizi şu soruyla karşı karşıya bırakmaktan da kendini alamıyor: “ Acaba parça bütünü anlayabilecek mi? Parça bütünü içine alabilecek mi? Yani, biz acaba bunu anlama yeteneğine sahip miyiz?” ( Gödel teoremi, Russel paradoksu, veya çok eskilerin dediği irade-i külliye/ irade-i cüzziye sorunu gibi bir şey). Aynı soru kuantum mekaniği için de soruluyor: Acaba daha temel düzeyde bilgi (i) Doğada mı yok? (ii) Var da doğa bize yasaklamış mı? (iii) Yoksa bizim yeteneklerimiz mi elvermiyor? Şimdilik genel inanç (i) doğrultusunda.
  3. Psikolojik Yaklaşım Beynin nöroanatomik, biyokimyasal ve fizyolojik açıdan incelenmesi yoğun biçimde sürmektedir. Fakat beyni bir canlının içinde işlev gören bir uzuv olduğunu görerek değerlendirirsek, ister istemez davranış bilimleri de işin içine girmektedir. Çünkü özellikle gelişmiş beyinli memeli hayvanların önemli özelliklerinden biri de çevreleri ile etkileşime girmeleri ve bu sayede yeni şeyler öğrenerek bunları daha sonra hatırlayabilmeleridir. Bu davranışlar açısından da beyin bilgisayar etkileşimi ve benzerliklerine bakılması gereklidir.

    Bilgisayarlar ile insanlar arasında ilk bakışta öğrenme ve bellek konusunda çok önemli işlevsel benzerliklerin bulunduğu biliniyor. Öğrenme ve bellek mekanizmaları bize bilgi edinme ve deneyimlerden yararlanma olanağı sağlamaktadır. Bilgisayarlar da genelde öğrenme ve belleklerinde bilgi tutabilme özelliklerine sahipler. Bu açıdan bakıldığında ortaya felsefi sorunlar çıkmaktadır. Bunlardan biri Turing’in öngördüğü öğrenme makinesidir. Bu makinenin insan gibi öğrenebildiğinin testi de turing testi olarak bilinmektedir. Bu konu hakkında felsefi yaklaşım başlığı altında bilgi verildiğinden burada girilmeyecektir.

    Böyle bir öğrenme makinesinin temelinde yatan aksiyomatik sistemdeki belirsizliğin Gödel tarafından kanıtlanmış olması, zaten bilginin niteliği ve bilgi edinme yöntemlerinin yeniden gözden geçirilmesine yol açtığı gibi insan bilgisayar karşılaştırmasının temelindeki varsayımların sorgulanmasını da gündeme getirmiştir. Bilgisayarların öğrenmelerine ilişkin şemalarda genellikle bir girdi kanalı, bir işlemciye denk gelen bir kutu ve bilgisayarın ürününü gösteren bir çıktı kanalı gösterilir. Bu girdi ve çıktı kanallarına ve kapağını açarak işlemci kutusunun içine bakıldığında, görülen olgular bilgisayar ile beyin arasında önemli farkların olduğunu ortaya koymaktadır. Burada olayın psikolojik yönüyle ilgili olarak Freudcu bir yaklaşımla nerede bunun libidosu veya Neyzen TEVFİK’i anımsayarak fikri varsa efkarı nerede bunun diye sorular sorulabilir. Tüm bu soruların dışında basit bir örnekle konuya yaklaşalım: bir bilgisayarınız var, fakat her yerde iyi çalışan bilgisayarınız bazı yerlerde doğru çalışmıyor, üstelik sabahları daha iyi öğleden sonra ise kötü çalışıyor yani tekliyor. Ne düşünürsünüz? Bilgisayarınızın bozulduğunu düşünerek tamire götürürsünüz. Ve belki de tamire götürürken bilgisayarınızın insanlaşmaya başladığını düşünebilirsiniz. Burada belirtilmek istenen aslında bilgisayarlardan hiç beklenmeyen bu davranışın bizim hem psikolojimizde hem de fizyolojimizde yerleşik bir olgu olduğudur. Çünkü bilgisayarlardan çok farklı olarak bizim için olayların zamanla ve mekanla kayıtlı bir yanı vardır. Olayların zaman içindeki dizilimi ve mekan içindeki dağılımı bizi temelden etkilemekte ve daha duyu ve algılama gibi temel süreçlerden başlayarak bizi tamamıyla biçimlendirmektedir.

    Bilgisayarlarda girişleri iyi bir şekilde düzenlediğiniz takdirde işlem kutusunun niteliğini incelemeden ne olursa olsun çıktının ne olacağını biliyoruz. Buna paralel olarak psikolojideki davranışcı ekole göre, siz kişinin girdilerini gerektiği biçimde düzenleyebildiğiniz sürece kutu, yani a, b, veya c kişileri avukat, doktor veya mühendis olabiliyor. Bu tür radikal davranışcı yaklaşımı bugünkü bilgisayar teknolojileriyle birleştirdiğinizde bilgisayarla beyin arasında çok fazla bir benzemezlik olmadığı görülebilir. Ancak bu tür yaklaşımın geçerli olmadığı, girdilerle çıktılar arasındaki kutunun içeriği ve özelliklerinin araştırılmaya başlanmasıyla gündeme gelmiştir. Özellikle Gestalt psikolojisinin vurguladığı görüş, algılamada uyaranları teker teker inceleyip sonuçları sentezlemenin mümkün olamayacağı tezidir. Yani algılamada bütün, parçalarının toplamından farklıdır. Gestalt psikolojisine göre, bir olayı anlamak için tümünü bir arada ve bir anda algılamak gerekli, çünkü olayın tümünün dinamiği, parçaların teker teker incelenmesi ile ortaya çıkan tablodan farklıdır. Bir karenin uçlarına yerleştirdiğimiz ışıkları yakıp söndürmeyi frekansı arttırarak sürdürdüğümüzde önce kare görünen şeklin frekans arttıkça daire veya çember şeklinde algılandığını görürüz. Bu örnek bize çoğu kez bir olayı parçalarına bölüp parçalarının her birinin beynimizi nasıl etkilediğine bakarak bir bütün yaratmamızın mümkün olmadığını göstermektedir. Uyaranların yada üzerimizde psikolojik etki yaratan durumların teker teker incelenmesinin, bu uyaran yada durumların toplamının yarattığı tabloyu tümüyle anlamamıza yeterli olmayacağı gerçeğidir. Bu bakımdan beynimizi etkileyen uyaran yada durumları birer bağımsız girdi olarak değerlendirmemiz mümkün değildir. Uyaranların üzerimizde yaptıkları etki, zaman ve mekan içindeki dizilimlerine ve birbirleriyle etkileşimlerine bağlıdır.

    Sonuç olarak, beynimiz ve beynin bağlı olduğu canlı organizma, zaman ve mekan içinde davranışlarını değiştiren, zamandan ve mekandan etkilenen bir yapıya sahiptir. Bunlar şu aşamada bilgisayarda mevcut değildir. Bilgi edinmede, felsefenin ortaya çıkardığı sınırların yanısıra, bugünkü koşullarda bile beyin ile bilgisayar arasında bir koşutluğun ancak basit bir ilk yaklaşım için geçerli olduğu görülmektedir.
  4. Felsefi Yaklaşım Yapay zeka felsefesi en geniş anlamıyla yapay zekanın gerçekten mümkün olup olmadığını soruşturan bir felsefe koludur. Bilgisayarlar düşünebilir mi? Sorusu yapay zeka felsefesinin en temel sorunudur. Bilgisayarların icadından buyana, bu soru bir çok felsefeci, bilim adamı veya yapay zeka araştırmacısı tarafından tartışılmıştır. Bu güne kadar bir problem olarak kalmasının nedeni bu sorunun cevabı hakkında ortak bir uzlaşma sağlanamamasındandır. Hatta, bunun felsefi bir problem mi? Yoksa empirik bir problem mi? Olduğunda dahi mutabık kalınamamıştır.
Son düzenleyen KisukE UraharA; 16 Mart 2008 17:48
Gerçekçi ol imkansızı iste...
Misafir - avatarı
Misafir
Ziyaretçi
14 Mayıs 2006       Mesaj #4
Misafir - avatarı
Ziyaretçi
Makine Zekası

Makine Zekası Kavramı, anlam olarak Yapay zeka kavramına yakın olsa da, aslında daha çok ikinci dünya savaşının sonlarından masa üstü bilgisayarların yaygınlaşmasına kadar geçen sürede daha çok kullanılmıştır diyebiliriz.( 1944 - 1977 )

Ad:  TuringsBombeMachine.jpg
Gösterim: 895
Boyut:  67.6 KB

Alan Turing'in Bombe Makinesi

1970'li yıllarda, Apple, Xerox ve IBM gibi bilgisayar üreticileri Dijitalelektronik masaüstü cihazları piyasaya çıkarmışlardı.
Makine Zekası, daha önceden Elektro-Mekanik aygıtları andıran görünümleri ile mainframe ( Büyük boyutlu ) cihazları tanımlayan Makine kelimesi ile bilgi işleyen yazılımı temsil eden Zeka kelimelerinden oluşmaktaydı.
Ancak II Dünya Savaşı sırasında Bletchley Park'taki çalışmaları ile tanınan büyük Bilgisayar bilimcisi Alan Turing, " Makineler düşünebilir mi ? " sorusunu ortaya atarak Makine Zekası kavramına farklı bir boyut kazandırmıştı. Bu yaklaşım makinelerin metodik olarak insanzekasına benzer şekilde düşünüp düşünemeyeceğini sorguluyordu. Turing testi adıyla anılan test daha sonraları Hugh Loebner'ın sponsorluğunu üstlendiği Loebner ödülleri ile geleneksel olarak her yıl A.B.D'de makine zekasına sahip yazılımların üzerinde denenmeye başlandı. Bu yazılımlar, Yapay zekanın alt kategorilerinden biri olan Doğal Dil işleme ile doğrudan ilişkilidir.

Eleştiriler
Bir kısım Bilgisayar bilimcileri, Turing testine katılan bu yazılımların chatbot ( Diyalog Yazılımı ) kategorisine girdiğini vurgulayarak bu yazılımların gerçekten düşünmediği, sadece konuştuğu eleştirisini getirmektedirler. Gerçektende bir kısım makine zekası yazılımı eleştiri topladıkları gibi sadece konuşmayı taklit etmektedirler. Diğer bir gurup yazılımcı, Yapay zeka çalışmalarında insan beynindeki sisteme benzeyen YSA ( Yapay Sinir Ağları ) yaklaşımını benimsemektedir.

Yöntemler
Beynin gerek konuşurken, gerekse herhangi bir konuyu derinlemesine öğrenirken, dil şablonlarını daha çabuk benimsediği, gerek duyduğu takdirde, etkili bir karşılaştırma,ölçme ve değerlendirme işlemini uyguladığı beyindeki yönergelerin incelenmesi sonucunda ortaya çıkmaktadır. Antropolojik olarak derinlemesine bir değerlendirme yapıldığında zaten etkili düşünme eyleminin dilin icadı ile başladığı görülür. Kavramsal karşılaştırma ve kavramların yani kavramlara ait ham bilgilerin ( koku, ses, görüntü gibi ) birbirlerine nöral bağlarla bağlanmasının daha zor olduğu, buna karşın bu kavramlara karşılık gelen dilselkodların bağlanmasının ve üzerlerinde işlemler yapılmasının daha hızlı olduğu görülmektedir.Bu dilsel kodlamalar, örneğin "Kedi" kelimesi, ayrıca kediye ait görsel, işitsel ve diğer verilerle nöral bağlar ile bağlıdır. Kediyi düşündüğümüzde veya ondan bahsettiğimizde beyin gerek duyarsa ona ait ham bilgiler olan görüntü, ses gibi kavramları bilinç düzeyine çağırmaktadır. Ancak gerek duymadıkça bu çağrıyı yapmayan insan beyni düşünmek için yöntem olarak dili kullanarak kelimeler ile düşünmektedir.
Bu açılardan incelendiğinde Makine zekası veya Yapay zeka sadece Bilgisayar biliminin konusu değildir. Makine Zekasının biçimsel yöntemleri yani modellenirken hangi yazılım yöntemlerinin veya yazılım Algoritmalarının kullanılacağı ve düşünme modeli bilgisayar biliminin alanına girerken, düşünme, Dil kuramı açısından Dil biliminin,dilin evrimini anlamak açısından da Antropoloji biliminin alanına girmektedir.Bu yüzden son yıllarda Makine Zekası çalışmalarında Doğal Dil işleme önem kazanan bir çalışma alanı olmuştur.

Yaklaşımlar
  • Sembolikler : Makinelerin veya yazılımcılığın geleneksel yöntemlerini kullanmaya devam ederek insan vücudunun veya beynin temel işlem basamaklarını bu yöntemlerle modelleyen bilimcilerdir. Sembolik yaklaşımı benimseyen bilimciler arasında SentaktikÖrüntü analizi yöntemlerini, kelimelerden oluşan dil kalıpları ile görüntüler ve sesler gibi algısalveriler ile bağlayarak karşılaştırma, ölçme, tanımlama ve çıkarımsama gibi ileri seviye bilişsel fonksiyonları modelleyen çalışmaları yürütenler vardır.
Bu çalışmalardan biri Türkiye'de yürütülen bağımsız bir proje olan D.U.Y.G.U Projesi ( Dil Uzam Yapay Gerçek Uslamlayıcı ) dir.
  • Sibernetikler : Yazılım ve donanımdaorganik sistemlerin çalışma yöntemlerini bire bir benzetimlendirmeye çalışanlar. YSA ( Yapay Sinir Ağları ) çalışmaları da kısmen bu gruba girmektedir.Sibernetikler doğal evrimin yolaçtığı tasarımın mükemmel olduğundan yola çıkarak, onu benzetimlendirmenin yeterli olduğunu düşünmektedirler. Ancak henüz YSAda da kavram bağlama, ölçme, tanımlama ve en önemlisi çıkarımsama yapma gibi gelişmiş bilinç fonksiyonları modellenebilmiş değildir.YSA ( Yapay Sinir Ağları ) projelerini şu anki haliyle tüm dünyada Uzman sistemler olarak adlandırabileceğimiz kategoriye sokabiliriz.Halen bu kategoride Savunma sanayi, madencilik, kimya gibi uzmanlık gerektiren alanlarda önemli yararlar sağlamaktadırlar.
Kaynak : wikipedia.org.tr
Misafir - avatarı
Misafir
Ziyaretçi
27 Mayıs 2006       Mesaj #5
Misafir - avatarı
Ziyaretçi
Yapay sinir ağları

Ad:  SingleLayerNeuralNetwork.png
Gösterim: 940
Boyut:  22.3 KB
Yapay sinir ağı ( Bir tabaka )


İnsanlığın doğayı araştırma ve taklit etme çabalarının en son ürünlerinden bir tanesi, yapay sinir ağları (YSA) teknolojisidir. YSA, basit biyolojik sinir sisteminin çalışma şeklini simüle etmek için tasarlanan programlardır. Simüle edilen sinir hücreleri (nöronlar) içerirler ve bu nöronlar çeşitli şekillerde birbirlerine bağlanarak ağı oluştururlar. Bu ağlar öğrenme, hafızaya alma ve veriler arasındaki ilişkiyi ortaya çıkarma kapasitesine sahiptirler. Diğer bir ifadeyle, YSA'lar, normalde bir insanın düşünme ve gözlemlemeye yönelik doğal yeteneklerini gerektiren problemlere çözüm üretmektedir. Bir insanın, düşünme ve gözlemleme yeteneklerini gerektiren problemlere yönelik çözümler üretebilmesinin temel sebebi ise insan beyninin ve dolayısıyla insanın sahip olduğu yaşayarak veya deneyerek öğrenme yeteneğidir.
Biyolojik sistemlerde öğrenme, nöronlar arasındaki sinaptik (synaptic) bağlantıların ayarlanması ile olur. Yani, insanlar doğumlarından itibaren bir yaşayarak öğrenme süreci içerisine girerler. Bu süreç içinde beyin sürekli bir gelişme göstermektedir. Yaşayıp tecrübe ettikçe sinaptik bağlantılar ayarlanır ve hatta yeni bağlantılar oluşur. Bu sayede öğrenme gerçekleşir. Bu durum YSA için de geçerlidir. Öğrenme, eğitme yoluyla örnekler kullanarak olur; başka bir deyişle, gerçekleşme girdi/çıktı verilerinin işlenmesiyle, yani eğitme algoritmasının bu verileri kullanarak bağlantı ağırlıklarını (weights of the synapses) bir yakınsama sağlanana kadar, tekrar tekrar ayarlamasıyla olur.
YSA'lar, ağırlıklandırılmış şekilde birbirlerine bağlanmış bir çok işlem elemanlarından (nöronlar) oluşan matematiksel sistemlerdir. Bir işlem elemanı, aslında sık sık transfer fonksiyonu olarak anılan bir denklemdir. Bu işlem elemanı, diğer nöronlardan sinyalleri alır; bunları birleştirir, dönüştürür ve sayısal bir sonuç ortaya çıkartır. Genelde, işlem elemanları kabaca gerçek nöronlara karşılık gelirler ve bir ağ içinde birbirlerine bağlanırlar; bu yapı da sinir ağlarını oluşturmaktadır.
Sinirsel (neural) hesaplamanın merkezinde dağıtılmış, adaptif ve doğrusal olmayan işlem kavramları vardır. YSA'lar, geleneksel işlemcilerden farklı şekilde işlem yapmaktadırlar. Geleneksel işlemcilerde, tek bir merkezi işlem elemanı her hareketi sırasıyla gerçekleştirir. YSA'lar ise herbiri büyük bir problemin bir parçası ile ilgilenen, çok sayıda basit işlem elemanlarından oluşmaktadır. En basit şekilde, bir işlem elemanı, bir girdiyi bir ağırlık kümesi ile ağırlıklandırır, doğrusal olmayan bir şekilde dönüşümünü sağlar ve bir çıktı değeri oluşturur. İlk bakışta, işlem elemanlarının çalışma şekli yanıltıcı şekilde basittir. Sinirsel hesaplamanın gücü, toplam işlem yükünü paylaşan işlem elemanlarının birbirleri arasındaki yoğun bağlantı yapısından gelmektedir.
Çoğu YSA'da, benzer karakteristiğe sahip nöronlar tabakalar halinde yapılandırılırlar ve transfer fonksiyonları eş zamanlı olarak çalıştırılırlar. Hemen hemen tüm ağlar, veri alan nöronlara ve çıktı üreten nöronlara sahiptirler.
YSA'nın ana öğesi olan matematiksel fonksiyon, ağın mimarisi tarafından şekillendirilir. Daha açık bir şekilde ifade etmek gerekirse, fonksiyonun temel yapısını ağırlıkların büyüklüğü ve işlem elemanlarının işlem şekli belirler. YSA'ların davranışları, yani girdi veriyi çıktı veriye nasıl ilişkilendirdikleri, ilk olarak nöronların transfer fonksiyonlarından, nasıl birbirlerine bağlandıklarından ve bu bağlantıların ağırlıklarından etkilenir.

Kaynak : wikipedia.org.tr
Misafir - avatarı
Misafir
Ziyaretçi
13 Haziran 2006       Mesaj #6
Misafir - avatarı
Ziyaretçi
Doğal dil işleme

Doğal Dil İşleme, yaygın olarak NLP (Natural Language Processing) olarak bilinen Yapay zeka ve Dil bilimi alt kategorisidir.Türkçe, İngilizce, Almanca, Fransızca gibi doğal dillerin (insana özgü tüm diller) işlenmesi ve kullanılması amacı ile araştırma yapan bilim dalıdır.
Bilgi : Ayrıca, NLP kısaltması ile anılan, (Neuro Linguistic Programming - Duygusal İletişim Planlama) dil ile iletişimin psikolojik yansılarını ve bu konu ile ilgili teknikleri kapsayan yeni bir alan daha vardır. Dil ile ilgileri olması açısından birbirine benzemekle birlikte çok farklı olan bu iki kavram birbirine karıştırılmamalıdır.

Uzman Sistemler ve Doğal Dil İşleme
NLP yani Doğal Dil İşleme, doğal dillerin kurallı yapısının çözümlenerek anlaşılması veya yeniden üretilmesi amacını taşır.Bu çözümlemenin insana getireceği kolaylıklar, yazılı dökümanların otomatik çevrilmesi, soru-cevap makineleri, otomatik konuşma ve komut anlama, konuşma sentezi, konuşma üretme, otomatik metin özetleme, bilgi sağlama gibi birçok başlıkla özetlenebilir. Bilgisayar teknolojisinin yaygın kullanımı, bu başlıklardan üretilen uzman yazılımların gündelik hayatımızın her alanına girmesini sağlamıştır. Örneğin, tüm kelime işlem yazılımları birer imla düzeltme aracı taşır. Bu araçlar aslında yazılan metni çözümleyerek dil kurallarını denetleyen doğal dil işleme yazılımlarıdır.
Batı dillerinde SAPI (Microsoft şirketinin konuşma sentezleyici üretmek amacı ile satışa sunduğu geliştirici program) tabanlı Konuşma sentezleyici bileşenleri, yazılımcıların multimedia (çoklu ortam) sunuları hazırlamaları için hizmete sunulmuştur.
Konuşma ve komut anlama yazılımları ise gelecekte insan ve bilgisayar arasındaki klavye, fare gibi veri girişi aygıtlarını ortadan kaldıracak yazılımlardır. Bu gelişmeler makine-insan iletişiminde yeni ve devrimci değişimlere yol açacak ve bilgisayarların daha çok insan tarafından kabul görmesine yol açacaktır.

Yapay Zeka ve Doğal Dil İşleme
Gelecekte, konuşma sentezleyiciler ve konuşma anlama alanındaki gelişmeler ve makine-insan iletişiminin gelişmesi, insanın makineden beklentilerini yükseltecektir. İnsanlar makinelerin kendisini anlamalarını isteyecek, karmaşık kullanımı olan makineler pazar bulamayacaktır. Giderek gelişen ve insanı anlayan makinelerin daha zeki olması insanın yaşam kalitesini yükselteceğinden, vazgeçilmez olması kaçınılmazdır. Zeki makine kavramı, yapay zeka çalışmalarının hızlanmasına yol açmıştır. Geleceğin en önemli sektörlerinden biri olan yapay zeka ile insanın iletişim kuracağı tek araç dildir.

Antropoloji, Dil Bilimi ve Düşünme
20.Yüzyıl 'ın başlarında önemli bulguları değerlendiren antropoloji bilimi, insanın evrimini araştırırken Homo Sapiens'ten önceki türler olan Homo Habilis, Homo Erectus, Homo Neanderthalensis gibi erken dönem insanlarının gırtlak (larenks) gelişimlerininde konuşma ile ilgili mutasyonlar gördüler. Daha kollektif bir yaşam süren Erectus ve Neandertal gibi türlerde gırtlak bölümü, örneğin Pythecanthropus türüne göre çok daha gelişmişti. Kollektif (sosyal yardımlaşmaya dayalı) yaşam, gelişmiş bir iletişim gerektirmekteydi ve basit içgüdüsel sesler bu etkili iletişim için yeterli değildi.
Gelişmiş çok sayıda ses ancak gırtlak ve akciğerlerin gelişimi ile mümkündü. Evrimleşen akciğerler gırtlağa gelişmiş sesleri çıkarması için yeterli havayı sağlayana değin kafatası da evrimleşti ve inceldi, konuşma merkezlerini besleyecek çok sayıda sinirin geçebilmesi için yeterli bir açıklık oluştu, ses telleri ve damak ise konuşmaya uygun şekilde mutasyona uğradı.
Bu gelişimin sonucunda dili icad eden insan, çok daha önemli bir gelişimin eşiğine geldi. Daha önce tıpkı hayvanlar gibi görsel ve işitsel kavramlarla düşünen insan, dilkodları olan kelimeler ve şablonlar ile düşünmeye başladı. Böylece kavramların arasında dil aracılığı ile yeni bağlar kurdu ve soyut düşünme yeteneğini kazanarak kavramların arasında çok daha hızlı işlem yapmaya başladı. Doğal becerilerini ve deneyimlerini diğer insanlara dil sayesinde öğretti ve daha kollektif bir yaşam biçimine kavuştu.
Dil , insanoğlunun uygarlaşmasını sağlamakla kalmamış, onun zekasının doğada daha önce görülmemiş şekilde parlamasını sağlamıştır.Kültür dediğimiz insanlık birikimi, dil kullanan ve iletişim kuran insanın sosyalleşme sürecinin ürünüdür.

Dilin Matematik Modeli
Dilin işlenmek üzere çözümlenebilmesi için, matematik modelinin oluşturulması gerekmekteydi.

Genişletilmiş Geçiş Ağları

Ad:  280px-MatematikModel2.jpg
Gösterim: 647
Boyut:  19.0 KB

ATN Genişletilmiş Geçiş Ağları (Augmented Transition Network), Woods tarafından 1970 ve 1973 yılları arasında geliştirilmiş bir yaklaşımdır.
Genişletilmiş geçiş ağları (GGA) üç bileşenden oluşur:
  1. En az başlangıç ve son (/s) durumları olan sonlu sayıdaki durumlar kümesi,
  2. Belli bir metindeki mümkün olan harflerden oluşan alfabe (e),
  3. Sonlu sayıdaki bir durumdan diğer bir duruma geçişi sağlayacak geçişler kümesi.
Genişletilmiş geçiş ağlarında, bir durumdan diğer bir duruma geçmek için gerekli harf okunur ve bu harf geçilecek olan duruma geçmek için gereken harfle karşılaştırılır; uygun ise diğer duruma geçilir. Geçiş ağlarında doğru bir yol, bir başlangıç durumundan başlayıp, son duruma ulaşan geçişler sağlandığında tamamlanır. Harflerin birbirine eklenmesiyle oluşan metin, ağın kabul etmesi için verilen metin ise, bu metin ağ tarafından kabul edilmiş demektir.

Fonetik ve Fonoloji
Fonetik, konuşulurken, dil, gırtlak, ses telleri, damak, dişler ve dudaklar ile çıkarılan sesleri ve bu seslerin dil ile olan ilişkilerini tanımlamak için kullanılan bir terimdir.Doğal dillerde anlam ayırıcı olarak kullanılan en küçük ses fondur (phon ) dur. Fonetik terimi bu kökten gelmektedir.
Fon kavramı evrensel değildir ve her dilde farklı seslere kaşılık gelir. Farklı dillerdeki fonların tek ortak özelliği ayırıcı temel sesler olmalarıdır.Sesle ifade edilen dili, yani konuşmayı kaydetmek için yazı icad edilmişti.Konuşmayı yazı ile ifade etmek için ses birim veya fonları harflerle eşleştirmek gerekmekteydi. Bazı dillerde, örneğin Türkçe, Fince ve Japoncada, sesbirimler doğrudan harflere karşılık gelmektedir. Bu tip dillere fonetik diller denir.İngilizce, Almanca, Fransızca gibi dillerde ise Fonlar harflere kaşılık gelmezler.Bu yaklaşımın yerine uluslararası olarak geçerliliği olan fonetik bir alfabeses birimleri ifade etmek için kullanılır. Ses birimlerin simgesel olarak ifade edilmesi sonucu olusan simgeler fonem (phoneme) olarak adlandırılır. Bir başka deyişle aslında fonemlerin seslendirilmesiyle ses birimler (phon) oluşur.
Dil deki ses birimler belirlenirken iki yaklaşım kullanılır.Bunlar,
  • Parçalı sesbirimler (segmental) ve,
  • Parçalarüstü ses birimler (supra-segmental, prosodic) dir.
Dilin Morfolojisi
Dil bilime terim olarak 1859 yılında August Schleicher tarafından kazandırılan morfoloji, dilde biçimi oluşturan ögelerin türlerini tanımlamak ve özetle dil bilgisi kuralları denen biçimsel ögelerin sınıflandırmasını yapmaktır.

Morfolojik Çözümlemede Analitik Yaklaşımlar
Doğal dil işleme çalışmalarında anlam bütünsel çözümleme yapabilmek için, bazı yaklaşımlar belirmiştir.Bu yaklaşımlar aşağıdaki süreçlerden oluşur.

Sözdizimsel (Sentaktik) Analiz
Ad:  450px-DilModeli.jpg
Gösterim: 816
Boyut:  19.4 KB

Sözdizimsel analiz, sözdizimini (syntax) veya cümleyi oluşturan morfolojik ögelerin hiyerarşik kurallara uyumunu karşılaştırarak ölçümlemektir. Böylece söz dizimin anlamlı olup olmadığının ölçülebilmesi için düzenleyici bir süreç gerçekleşmiş olur.
Türkçede cümleler en genel şekliyle özne, nesne ve yüklem bileşenlerinden oluşur. Cümleye eklenmek istenen anlamlar arttıkça cümleler, özne, yer tamlayıcısı, zarf tamlayıcısı, nesne ve yüklem gibi bileşenleri içerir.Ayrıca cümlenin anlamını kuvvetlendiren cümle dışı bileşenler de (bağlaç, edat, vb) cümlede bulunabilir.Bunlara örnek olarak "ile, için, ama, çünkü" kelimeleri verilebilir. Türkçedeözne ile yüklem cümlenin temel bileşenleridir ve genelde tüm cümlelerde yer alırlar. Yer tamlayıcısı, zarf tamlayıcısı, nesne gibi bileşenler bazı cümlelerde yer almayabilirler veya bazı cümlelerde sadece biri, bazılarında sadece ikisi bulunabilir. Bu bileşenlerin cümle içindeki sıralanışları da değişebilir.
Bilgisayarla doğal dilin modellenmesinde anlamsal analizden önce kelimelerden oluşturulan yapının cümle olup olmadığının test edilmesi faydalıdır.Bu işlem sentaktik eşleştirme işleminde anlamsız eşleşmelerin önlenmesine faydalı olur.
Üstteki Şekil : Sözdizimsel Analiz.
Simgeler: Ö: özne, D: dolaylı tümleç, Z: zarf tümleci, N: nesne, Y: yüklem, İG: isim grubu, SG: sıfat grubu, İN: isim nesnesi, SN: sıfat nesnesi, DZ: diğer zarflar, S: sıfat, İ: isim, ZB: zaman belirteçleri, T: tamlayan, TN: tamlanan, ZM: zamir, NE: nesne eki, TE: tamlayan eki, TNE: tamlanan eki, KE: kip eki, ZE: zaman eki, DE: dolaylı tümleç eki, EF: ek fiil

Anlambilimsel (Semantik) Analiz
Anlambilimsel analiz, sözdizimini oluşturan morfolojik ögelerin ayrılması yani, sözdizimsel analiz ile anlam taşıyan kelimelerin sınıflandırılması işleminden sonra gelen anlamlandırma veya anlama sürecidir.Bu süreçte anlam taşıyan kelimelerin, ekler ve cümle hiyerarşisi içindeki konumlarının saptanması sayesinde birbirleri ile ilişkileri kurulabilir.Bu ilişkiler anlam çıkarma, fikir yürütme gibi ileri seviye bilişsel fonksiyonların oluşturulmasında ham bilgi olarak kullanılacaktır.

Ad:  500px-SemantikModel.jpg
Gösterim: 1007
Boyut:  25.1 KB
Yapay Konuşma
Morfolojik çözümleme aşamalarından sonra sözdizimsel kurgu veya yapay konuşma süreci ile yapay zeka ya veya uzman sistemlere iletişim becerisi kazandırılacaktır. Sözdizimsel çözümlemenin tersi süreçlerden oluşan birleştirme sürecinde, önceki süreçlerde ele geçen bilgi yine morfolojik kurallar dahilinde birleştirilir.

Kaynak : wikipedia.com.tr
Son düzenleyen asla_asla_deme; 3 Aralık 2010 22:01
NihLe - avatarı
NihLe
Ziyaretçi
4 Ekim 2006       Mesaj #7
NihLe - avatarı
Ziyaretçi
Yönetim bilimleri yapay zeka alanındaki gelişmelerden hızla etkilenmektedir. Bu etkileşimin bir sonucu olarak, doğal dil arabirimleri, endüstriyel robotlar, uzman sistemler ve zeki yazılımlar gibi uygulamalar ortaya çıkmıştır. Her seviyeden yöneticiler ve çalışanlar, direk veya dolaylı da olsa son kullanıcı olarak bu gelişmelerden haberdar olmak durumundadır. Çünkü bir çok işyeri ve organizasyonda, gittikçe artan bir oranda yapay zeka teknikleri kullanılmakta ve bu yolla verimlilik artışı sağlanmaya çalışılmaktadır.

Şimdi kısaca bazı yapay zeka teknikleri ve uygulama alanlarından bahsedilecektir.

Bilgisayar Bilimleri
Uygulamaların bu alanı bilgisayar yazılım ve donanımı üzerine odaklanmıştır. Çünkü yapay zeka uygulamalarının çoğu için, çok güçlü süper bilgisayarların üretilmesine gereksinim duyulmaktadır. Bunun ilk aşamasını beşinci nesil olarak anılan zeki bilgisayarlar oluşturmaktadır. Bu bilgisayarlar optimum seviyede mantıksal anlam çıkarma işlemi için tasarlanmaktadırlar. Bu anlam çıkarma, geleneksel bilgisayarlardaki nümerik işlem yerine sembolik işlemin kullanılması anlamına gelmektedir. Diğer çalışma ise, sinirsel ağların geliştirilmesi için yapılmaktadır. Neurocomputer sistemleri, insan beynindeki nöronların ağ yapılarına göre şekillendirilmiş bir yapıdadır (bkz. 3.4 sinirsel ağlar). Bu bilgisayarlar bilginin bir çok farklı kısmını aynı anda işleyebilirler. Sinirsel ağ yazılımlarının, basit problem ve çözümleri gösterilerek öğrenmesi sağlanabilmektedir. Örneğin resimleri tanıyabilmekte ve problemleri çözmek için program yapabilmektedirler.

Robotik
Yapay zeka, mühendislik ve psikoloji robotiğin temel disiplinleridir. Robotik teknolojisi, insan gibi fiziksel kapasitelere sahip, bilgisayar kontrollü robot üretiminin gerçekleştirilmesi için geliştirilmiştir ve yapay zeka alanındaki gelişmelere paralel olarak ilerlemektedir. Bu alandaki uygulamalar robotlara, görme yeteneği veya görsel algılama, dokunsal algılama, idare etmede beceri ve hüner, hareket kabiliyeti ve yol bulabilme zekası kazandırmaktadır. Bazı uygulama örnekleri aşağıda verilmiştir.

Stuttgart Üniversitesi’nin Paralel ve Dağıtılmış Yüksek Performans Bilgisayarları Enstitüsü’nde Prof. Paul Levi yönetiminde bir çalışma gurubu Aramis (adını monte edilmiş olan kolundan alıyor), Porthos (yük taşıyıcısı) ve Athos (bir stereo kameraya sahip ve gurubun gözcüsü) isimli üç robot üretmiştir. Bu robotlar küçük sorunlarını tekbaşlarına çözebilmektedir. Fakat bu robotlarda diğerlerinde olmayan bir özellik vardır, kooperasyon yeteneği. Şöyleki; kimin hangi görevi hangi sırayla yapacağını aralarında kararlaştırıyorlar. Bunu konuşarak yapmaları teknik bir dayatmadan çok araştırmacıların oyun dürtüsüne işaret etmektedir. Aslında makineler bit ve byte’lar düzleminde anlaşmalarına rağmen, çalışma esnasında kadın ve erkek sesleriyle gerçekleşen sözlü diyaloglar ortaya çıkmaktadır. Prof. Levi’ye göre üç şilahşörler, günün birinde temizlik, nakliyat ve konstrüksiyon ile ilgili görevleri yürütecek bir robot kuşağının prototipleridir.
Bir başka örnek ise MIT’den Rodney Brooks’un tasarladığı ATTİLA isimli böcek robot. 30 cm. boyutundaki bu robot üzerinde 23 motor, 10 mikro işlemci ve 150 adet algılayıcı bulunuyor (Şekil 8). Her bacağın üç bağımsız hareketi sayesinde engellerin üstüne tırmanıyor, dik inişler yapıyor ve tutunarak kendisini 25 cm. yüksekliğe çekebiliyor. Brooks’un yapay zeka anlayışında izleme, avlanma, ileri gitme ve gerileme gibi bir takım ilkel içgüdü ve refleksler yer alıyor. Öte yandan onun robotlarında bunları seçen ve bu basit hareketleri yönlendiren bir beyin modeli yer almıyor. Bunun yerine, her davranış, robotun kontrolünde yarışan bireysel zekalar olarak işliyor. Kazananı, robotun alıcılarının o anda ne hissettiği belirliyor ve bu noktada diğer tüm davranışlar geçici olarak bastırılıyor. Kurulan mantıkta, “gerile” gibi tehlikeden sakınma davranışları, “avı izle” gibi daha üst seviyedeki fonksiyonları bastırıyor. Davranış hiyerarşisindeki her seviyenin gerçekleşmesi için bir alttakinin aşılması gerekiyor. Böylece bir böcek robot, örneğin “odadaki en uzak köşeyi belirle ve oraya git” gibi yüksek düzeyde bir komutu, bir yerlere çarpıp başına kaza gelme korkusu olmadan yerine getirebiliyor.

Robotlar gelecekte yalnızca basit ve monoton görevlerle sınırlanmayıp, insanlara karmaşık ve tehlikeli görevlerde de yardımcı olacakları için, akıllı ve daha esnek kullanımlı bir kavrama sisteminin geliştirilmesine yönelik olarak , DLR (Alman Hava ve Uzay Uçuşları Araştırma Kurumu) tarafından insan elini örnek alan üç parmaklı ve çok sensörlü bir robot el geliştirilmiştir.

Doğal Arabirimler
Doğal arabirimlerin gelişimi yapay zekanın önemli bir alanını göz önüne alır. Doğal arabirimlerin gelişimi, insan tarafından bilgisayarların daha doğal kullanımına yönelik bir kolaylık sağlar. Bu alanda yapay zeka araştırmacılarının en büyük amacı, insan konuşma dilinde bilgisayar ve robotların konuşmaya başlaması ve bizim onları anladığımız gibi onların da bizi anlayabilmesidir. Uygulamalar dil bilim, psikoloji, bilgisayar bilimleri gibi disiplinleri içine alan bir kollektif çalışma alanı içinde yapılmaktadır. Bazı uygulama alanları olarak insan dilini anlama, konuşmayı tanıma, beden hareketlerinin şekillerini kullanan çok algılayıcılı cihazların geliştirilmesi gösterilebilir.

Bilgisayar ile ilişki kurmak için bir anadilin kullanılması aslında yapay zekanın en kuvvetli yanlarından birini temsil eder. Yazılı anadilin işlenmesi uygulamaları ise çok sayıda bulunmaktadır. Bu konudaki başlıca uygulamalar şunlardır:

Bilgisayar yardımıyla tercüme,
Metin özetlerinin otomatik olarak hazırlanması,
Metinlerin otomatik olarak üretilmesi (anlamlı bir sözdizimsel form olarak),
Dökümanların hazırlanmasına yardım (hataların ve tutarsızlıkların bulunması ve gerektiğinde düzeltilmesi, örnek: MSWord programı).

İnsan sesini algılayan bir uygulama örneği olarak da, NaturallySpeaking isimli bir program seti verilebilir. Program erkek/bayan ayrımı yapmamak için ses girişlerini nötr sinyallere çevirir. Bir batch işlemi, konuşmaları konuşmacıdan bağımsız olarak kendi iç modeliyle karşılaştırarak, süreklilik ve vurgulama gibi ince ayarları yapar. Farklı kullanıcıların telaffuz farklılıklarındaki tutarlılık bu sayede sağlanır. Program ayrıca zaman kaybetmemek için, söylenen bir kelimenin ardından gelebilecek kelimeleri tahmin eder ve tarama alanını daraltır. Mesela, sayın kelimesinden sonra, büyük bir ihtimalle isim gelecektir, tarama alanı buna göre isim alanına yönlendirilir. Bunun ötesinde tüm cümlenin anlamına bakılarak, kelimenin cümlede uygun yerde olup olmadığı da kontrol edilir. Programın elindeki bilgiler arttıkça eskisine göre farklı kararlar verdiği görülmektedir. Gündelik konuşmalarda rastlanan cümlelerde program mükemmel bir performans sergilemektedir. Bir günlük düzenli bir çalışma sonrasında doğruluk oranı %95’lere ulaşmaktadır.

Sinirsel Ağlar
Sinirsel ağlar çeşitli yollarla birbirine bağlı birimlerden oluşmuş topluluklardır. Her birim iyice basitleştirilmiş bir nöronun niteliklerini taşır. nöron ağları sinir sisteminin parçalarında olup biteni taklit etmekte, işe yarar ticari cihazlar yapmakta ve beynin işleyişine ilişkin genel kuramları sınamakta kullanılır. Sinirsel ağ içindeki birimler, herbirinin belli işlevi olan katmanlar şeklinde örgütlenmiştir ve bu yapıya yapay sinir ağı mimarisi denir.

Yapay sinir ağlarının temel yapısı, beyne, sıradan bir bilgisayarınkinden daha çok benzemektedir. Yine de birimleri gerçek nöronlar kadar karmaşık değil ve ağların çoğunun yapısı, beyin kabuğundaki bağlantılarla karşılaştırıldığında büyük ölçüde basit kalmaktadır. Şimdilik, sıradan bir bilgisayarda, akla uygun bir sürede taklit edilebilmesi için bir ağın son derece küçük olması gerekiyor. Gittikçe daha hızlı ve daha koşut çalışan bilgisayarlar piyasaya çıktıkça zamanla gelişmeler sağlanacaktır.

Yapay sinir ağlarındaki her bir işlem birimi, basit anahtar görevi yapar ve şiddetine göre, gelen sinyalleri söndürür ya da iletir. Böylece sistem içindeki her birim belli bir yüke sahip olmuş olur. Her birim sinyalin gücüne göre açık ya da kapalı duruma geçerek basit bir tetikleyici görev üstlenir. Yükler, sistem içinde bir bütün teşkil ederek, karakterler arasında ilgi kurmayı sağlar. Yapay sinir ağları araştırmalarının odağındaki soru, yüklerin, sinyalleri nasıl değiştirmesi gerektiğidir. Bu noktada herhangi bir formdaki bilgi girişinin, ne tür bir çıkışa çevrileceği, değişik modellerde farklılık göstermektedir. Diğer önemli bir farklılık ise, verilerin sistemde depolanma şeklidir. Nöral bir tasarımda, bilgisayarda saklı olan bilgiyi, tüm sisteme yayılmış küçük yük birimlerinin birleşerek oluşturduğu bir bütün evre temsil etmektedir. Ortama yeni bir bilgi aktarıldığında ise, yerel büyük bir değişiklik yerine tüm sistemde küçük bir değişiklik yapılmaktadır.

Yapay sinir ağları beynin bazı fonksiyonlarını ve özellikle öğrenme yöntemlerini benzetim yolu ile gerçekleştirmek için tasarlanır ve geleneksel yöntem ve bilgisayarların yetersiz kaldığı sınıflandırma, kümeleme, duyu-veri işleme, çok duyulu makine gibi alanlarda başarılı sonuçlar verir. Yapay sinir ağlarının özellikle tahmin problemlerinde kullanılabilmesi için çok fazla bilgi ile eğitilmesi gerekir. Ağların eğitimi için çeşitli algoritmalar geliştirilmiştir.

Lapedes ve R.Farber (1987) bir sinirsel ağın çok karışık zaman serilerinin nokta tahmininde kullanılabileceğini ve elde edilen sonuçların lineer tahmin metodu gibi klasik metodlara göre çok daha kesin olduğunu göstermişlerdir. Kar Yan Tam (Hong Kong Üniversitesi) ve Melody Y.Kiang (Arizona State Üniversitesi) geliştirdikleri sinirsel ağı, işletmelerin iflas gibi finansal güçlüklerini tahmin etmede kullanmışlardır.

Günümüzde sinirsel ağ uygulamaları ya geleneksel bilgisayarlar üzerinde yazılım simülatörleri kullanılarak, veya özel donanım içeren bilgisayarlar kullanarak gerçekleştirilmektedir. Kredi risk değerlemesinden imza kontrolü, mevduat tahmini ve imalat kalite kontrolüne kadar uzanan uygulamalar yazılım paketlerinden faydalanılarak yapılmaktadır.

Alıntıdır
NihLe - avatarı
NihLe
Ziyaretçi
4 Ekim 2006       Mesaj #8
NihLe - avatarı
Ziyaretçi
Günümüzde salt bilgisayar destekli öğretim yerini zeki öğretim sistemlerine bırakmaktadır. Bugüne değin bu alanda pek çok çalışma yapılmış olmasına karşın, günün değişen gereksinimleri yeni çalışmaların ve bu çalışmaların günlük hayata aktarılmasını zorunlu kılmaktadır. Temel ZÖS mimarileri de söz konusu değişimlerden payını almakla beraber genel esasları itibariyle şu an için belirgindir. Uzman sistemlerin yaygınlaşması ZÖS’nin gelişiminde yararlı olacaktır.

Bilgisayarlar, 20 yılı aşkın bir süredir dersliklerin bir parçası olmuştur. 1976 da mikrobilgisayarların hayatımıza girmesiyle etkili olmaya başlamışlardır. Bilgisayar, bireylerle hızla etkileşime girmeyi, çeşitli biçimlerdeki çok sayıda bilgiyi saklayıp işlemeyi ve geniş bir dizi görsel-işitsel girdiyi göstermek için diğer medya araçlarıyla birlikte kullanmayı sağlayabilmektedir. Bilgisayar bu özellikleriyle öğretimde potansiyelini de ortaya koymaktadır. Çeşitli öğretim etkinliklerinde bilgisayarın kullanılması giderek yaygınlaşmaktadır. Bilgisayarlar bir eğitim unsuru olarak hayatımızdaki yerini almaktadırlar çünkü:

• Çocuklar tarafından kontrol edilebilen grafiksel sunular sağlayarak onları motive edebilirler,
• Hızlı bir şekilde doküman sunabilirler,
• Bireysel eğitim sağlayabilirler,
• Anında hata tespiti ve geri besleme imkanı sunabilirler,
• Öğretmene, öğrenciyle fert bazında veya küçük gruplar halinde çalışma serbestisi verirler,
• Öğretmeni, hazırlayacağı raporlar için öğrenciler hakkında bilgi edinmek, sınav sonuçlarını değerlendirmek ve her öğrencinin gelişimini takip etmek gibi idari ve eğitsel faaliyetlerden kurtarabilirler.


Amaç:
Bilgisayarın eğitimdeki başlıca kullanım alanı pratik yapılması yoluyla destek vermektir ve genellikle Bilgisayar Destekli Öğretim (BDÖ) olarak tanımlanır. Bu tür yazılımların hazırlanması öğrenci-bilgisayar diyalogu içeren konu anlatımı veya simülasyon yazılımlarından daha kolaydır. Bu yazılımlar matematik ve yabancı dil kelime ve dilbilgisi konularında etkili olmuşsa da aynı metot daha karmaşık konuların sunulmasında başarısız olmuştur. Öğrenciler sunuların sıkıcı olmaları nedeniyle tatmin olmamışlardır. “Alıştırma ve Uygulama” terimleri tekrar ve esnek olmamakla aynı anlama gelmeye başlamıştır. Üstelik alıştırma ve uygulama olarak sınıflandırıldığı zaman, eğitim materyallerinin şüpheyle karşılandığı bir gerçektir.

Oyun ve simulasyonlara dışarıdan bakıldığında eğitimi yapılacak olan konunun yarışmanın bir parçası haline geldiği görülür. Esnekliği olmayan yordamlar öğrencilerin görecekleri konuya ilişkin yapabilecekleri seçimlere dönüşür. “Tekrar” geniş bir veri tabanından elde edilen muhteviyat sayesinde gizlenmiş olur (Tekrar edilmesine rağmen farklı seçenekler öğrenciye tekrar değilmiş gibi gelir). Tekrar edilecek olmasına rağmen ana konular, onları daha çekici yapan yeni ve farklı bölümlerde yer alacaklardır.

Gelişmekte olan ülkelerde, eğitsel yazılım daha fazla yaygın olduğuna göre sözlü geleneklerden, yazılı kayıtların zorunlu olduğu çağdaş kültürlere bir değişim önerdiğinden alıştırma ve uygulamalara canlandırılmış bir ilgi olacaktır. Sonuçta okuma yazma oranı artan gelişmiş ülkelerde bu metodolojiyi incelemede canlandırılmış bir ilgi vardır. Bireyselleşmiş eğitimi sağlamak için bilgisayarın kullanımı okuma yazma bilmeyen yetişkinleri motive edebilir.

Bununla birlikte eğitimde bilgisayarın kullanımını yaygınlaştırmak için daha yenilikçi ve “zeki” yazılımlara ihtiyacımız vardır. “Zeki” demekle şu tip yazılımı kastediyoruz (diğer olanakları dahil):

• Alan bilgisini, kontrol (pedagojik) bilgisinden ayıran böylece sistemin tasarımcı tarafından ön-kodlanmasına değil özel akışlar sunmasına izin veren,
• Öğrencilere, programın kendilerine gösterdiği materyaller üzerinde daha fazla kontrol sağlayan,
• Öğrencilere, yaptıkları hatalara göre acil geribesleme sağlayan (isteğe bağlı),
• Öğrencilere içinden çıkamayacakları durumlarda, öğretmenlik ya da çalıştırıcılık sağlayan,
• Öğrencilere, aksiliklerle karşılaşıyorlarsa kendilerine yardım etmesi için seçebilecekleri, isteğe bağlı seçeneklere sahip, öğretmene başvurmak üzere tavsiyeler de içeren bir “Yardım” menüsü içeren bir yazılım

Bu açıları eğitsel yazılım içerisine katmak için çalışan araştırmalar ile sık sık hatırlanan terim Zeki Bilgisayar Destekli Öğretim (ZBDÖ) ya da sonraları daha başarılı şekilde ortaya konulan Zeki Öğretim Sistemleri (ZÖS) terimidir.


Eğitim ve eğitim psikolojisi, pedagojik uzmanlığın parçalarını tamamlama, deneyime dayalı kullanışlı teknikler edinme ve kullanışlı eğitsel araçlar üretme gayretleri dolayısıyla, birbiriyle sıkı sıkıya ilişkili araştırma alanlarıdır. Bilgi iletişim sistemleri için hazırlanan, dolaysız pedagojik uzmanlık bilgisayar modeller, muhtemelen, eğitim araştırmalarına hem teorik ve hem de pratik katkıları olacaktır. Gerçekte, eğitim toplumu ile ZÖS araştırmacıları arasındaki bağ her şeye rağmen zayıf olmuştur. Bu durum hızla değişmektedir.
NihLe - avatarı
NihLe
Ziyaretçi
16 Ekim 2006       Mesaj #9
NihLe - avatarı
Ziyaretçi
Yapay zeka felsefesi en geniş anlamıyla yapay zekanın gerçekten mümkün olup olmadığını soruşturan bir felsefe koludur. Bilgisayarlar düşünebilir mi? Sorusu yapay zeka felsefesinin en temel sorunudur. Bilgisayarların icadından buyana, bu soru bir çok felsefeci, bilim adamı veya yapay zeka araştırmacısı tarafından tartışılmıştır. Bu güne kadar bir problem olarak kalmasının nedeni bu sorunun cevabı hakkında ortak bir uzlaşma sağlanamamasındandır. Hatta, bunun felsefi bir problem mi? Yoksa empirik bir problem mi? Olduğunda dahi mutabık kalınamamıştır.

Şimdi farklı başlıklar altında konu ile ilgili yaklaşımlar açıklanacaktır.

Turing makinesi ve turing testi
Yapay zeka felsefesini ilk ortaya çıkaran kişi ünlü ingiliz mantık ve matematikçisi Alan Turing’dir. Dartmouth konferansından altı yıl önce, yani 1950 yılında Turing, Mind adlı felsefe dergisinin Ağustos sayısında Computing Machinery and Intelligence adlı bir makale yayınlamıştır. Bu makalede Turing “Makineler düşünebilir mi?” sorusunu dikkatli bir felsefi tartışmaya açmış ve makineler düşünebilir iddiasına karşı olan itirazları reddetmiştir.

1936 yılında Turing bilgisayar tasarımının mantıki temelleri üzerine bir makale yazmıştır. Bu makalenin konusu matematiksel mantığın soyut bir problemi ile ilgilidir ve bu problemi çözerken Turing bugün Turing makinesi diye adlandırılan, program depo eden genel amaçlı bilgisayarı kuramsal olarak icat etmeyi başarmıştır. Turing makinesi kuramsal bir hesap makinesi olup hesaplarını karelere bölünmüş ve her karede yalnızca bir sembol bulunabilen bir bant aracı ile yapar. Sadece sonlu sayıda içsel durumları vardır. Bir karedeki sembolü okuduğu zaman halihazırdaki durumuna ve sembolün ne olduğuna göre durumu değişebilir.

Alan Turing ayrıca Turing testi olarak adlandırılan ve bir bilgisayarın veya başka bir sistemin insanlarla aynı zihinsel yetiye sahip olup olmadığını ölçen bir test geliştirmiştir. Genel anlamda bu test bir uzmanın, makinenin performansı ile bir insanınkini ayırt edip edemeyeceğini ölçer. Eğer ayırt edemezse, makine insanlar kadar zihinsel yetiye sahip demektir. Bu testte bir insan ve bir bilgisayar, deneyi yapan kişiden gizlenir. Deneyi yapan hangisiyle haberleştiğini bilmeden bunların ikisiyle de haberleşir. Deneyi yapan kişinin sorduğu sorular ve deneklerin verdiği cevaplar bir ekranda yazılı olarak verilir. Amaç, deneyi yapanın uygun sorgulama ile deneklerden hangisinin insan, hangisinin bilgisayar olduğunu bulmasıdır. Eğer deneyi yapan kişi güvenilir bir şekilde bunu söyleyemez ise, o zaman bilgisayar Turing testini geçer ve insanlar kadar kavrama yeteneğinin olduğu varsayılır.

Çin odası deneyi
California üniversitesinden John SEARLE bilgisayarların düşünemediğini göstermek için bir düşünce deneyi tasarlamıştır. Bir odada kilitli olduğunuzu düşünün ve odada da üzerlerinde çince tabelalar bulunan sepetler olsun. Fakat siz çince bilmiyorsunuz. Ama elinizde çince tabelaları ingilizce olarak açıklayan bir kural kitabı bulunsun. Kurallar çinceyi tamamen biçimsel olarak, yani söz dizimlerine uygun olarak açıklamaktadır. Daha sonra odaya başka çince simgelerin getirildiğini ve size çince simgeleri odanın dışına götürmek için, başka kurallarda verildiğini varsayın. Odaya getirilen ve sizin tarafınızdan bilinmeyen simgelerin oda dışındakilerce `soru` diye, sizin oda dışına götürmeniz istenen simgelerin ise `soruların yanıtları` diye adlandırıldığını düşünün. Siz kilitli odanın içinde kendi simgelerinizi karıştırıyorsunuz ve gelen çince simgelere yanıt olarak en uygun çince simgeleri dışarı veriyorsunuz. Dışta bulunan bir gözlemcinin bakış açısından sanki çince anlayan bir insan gibisiniz. Çince anlamanız için en uygun bir program bile çince anlamanızı sağlamıyorsa, o zaman herhangi bir sayısal bilgisayarın da çince anlaması olanaklı değildir. Bilgisayarda da sizde olduğu gibi, açıklanmamış çince simgeleri işleten bir biçimsel program vardır ve bir dili anlamak demek, bir takım biçimsel simgeleri bilmek demek değil, akıl durumlarına sahip olmak demektir.

Bilgi, bilinç ve yapay zeka:
Beyin etten yapılmış bir bilgisayar mıdır? Bir bilgisayar üretildiği fiziksel malzemeler dolayısıyla zamana tabi olarak çalışır ve devrelerinin bağlantılarına ve yazılıma göre ulaşılan sonuçlar neden-sonuç ilişkisi bakımından sıkı bir gerekirciliği (determinizmi) ortaya koyar. Bu bakımdan, insan bilinci de, insanın tüm bedensel işlevlerinin yönetim merkezi olan beynin, elektriksel ve kimyasal süreçlere bağlı olarak, fiziksel varolanın (uzay ve zamanda varolanın) tabi olduğu neden-sonuç ilişkisine, nedenselliğe bağlı olan bir süreçten başkası değil midir? Yani bilinç ve akıl tümüyle fiziksel süreçlere indirgenebilir mi?

Bu sorular düşünce tarihi içinde derin kökleri olan önemli sorulardan bir kaçıdır. Eğer biz tüm insani özelliklerin fiziğe tabi olan bedensel işlevlere indirgenebileceğini savunuyorsak, bu yaklaşımla beynin etten yapılmış bir bilgisayar olduğunu, yani yapay zekanın henüz yeterince gelişmemiş bir insan prototipi olduğunu kabul ediyoruz demektir. Buna karşılık, insanın yalnızca fiziksel süreçlere tabi olan bir makineye indirgenemeyeceğini savunuyorsak, bunun gerekçelerinin ortaya konması gerekir.

Şimdi, eğer tüm bilgimizin deneyle başladığını kabul ediyorsak, bilginin ortaya çıkması için gerekli iki koşulu şöyle ifade edebiliriz: Deneyimden gelen malzeme ya da veriler ve bu verilerin, aklın kendi sahip olduğu formlar aracılığı ile kalıba dökülmesi ve sonuçta bilginin üretilmesi.

Verilerin kalıba dökülmesi, önerme formuna sokulması bir fiildir ve bu fiilin yapılması için bilincin ortaya çıkması gerekir. Yani her bilgi fiili bir bilinç fiilidir. Şimdi soru şudur: Bilinç bir beyin süreci midir? Yoksa beyin süreçlerinin arkasında duran ve bu süreçlerin sonucunda, bir şeye (nesneye) yönelmek suretiyle ortaya bir bilgi konulmasını sağlayan etkin neden, bilinç fiilinin kendisi midir?

Bilgi bir bilinç durumudur, düzensiz bir veriler topluluğunun algılanması değildir. Şeylerin bir bilgi nesnesi yada onların bağlantılarının bilgisi olarak ortaya çıkması, o nesneye bir birlik verilmesi ile olanaklıdır, bu ise bu birliği veren öznenin, “ben”in kendi birliğinin bilincinde olmasıyla olanaklıdır. Yani her bilgiye birliğini veren ben bilinci her bilgiden önce gelmektedir. Eğer beyin süreçleri ile “ben” bilinci aynı şeyse, zamana ve nedenselliğe tabi olan beyin süreçlerinin nasıl olup da farklı ben bilinçlerinin ortaya çıkmasını sağladığı ise karanlıkta olan bir sorudur.

Aklın deneyden gelen uyarılara dayalı bilgi üretmesinin yanında, kendisi deneyden gelmeyen, ama deneyle gelen malzemeyle doğa bilimlerinin yapılabilmesinin koşulunu oluşturan matematik ve matematiksel nesnelerle ilgili değerlendirmeler, bilincin beyin süreçlerine indirgenemeyeceği yönünde bir destek sağlamaktadır.

Matematiğin ve matematiksel nesnelerin (sayı, üçgen gibi) ne olduğu sorusunun yanıtı kolaylıkla verilemez, ama ne olmadığının yanıtı üzerine şunlar söylenebilir. Matematiğin nesneleri ve onların bağıntıları zamana ve neden-sonuç ilişkisine bağımlı değildir. Bu tür nesnelerin bağıntılarını özsel olarak farklı ilkeler yönetmektedir (çelişmezlik ilkesi gibi).

Eğer matematiksel nesnelerin zamana ve neden sonuç ilişkisine tabi olmadıklarını görüyorsak, bundan, bu nesnelerin fiziksel süreçlerin dışında kalan bir dayanağa sahip oldukları sonucu çıkar. Bu nedenle matematiksel nesneler, fiziksel süreçlere tabi olarak ortaya çıkan şeyler değildir; ama fiziksel olanın, malzemenin, düzene ve sıraya sokulmasının dayanağını oluşturması nedeniyle, fiziksel süreçlerin insan için anlaşılabilir ve bilgisine ulaşılabilir bir şey olmasını sağlarlar.

Bu bakımdan insan beynini yalnızca fiziksel süreçlere tabi olan bir bilgi işleme merkezi olarak görmek, matematiksel nesneleri de zamana ve neden-sonuç ilişkisine bağlı olarak görmek sonucunu getirir ki, o zaman sayı, üçgen gibi fiziksel nesnelerin bağıntılarının kesinlik ve zorunluluğunun hesabını vermek olanaksız olacaktır. Yani fiziksel süreçler, bu süreçlerin dışında kalan ilkelerle işleyen soyut nesnelerin dayanağı olamazlar. O halde, eğer matematiksel nesneler ve matematik, zamana ve neden-sonuç ilişkisine tabi değillerse ve bunların dayanağını fiziksel süreçler oluşturmuyorsa, bu dayanağın fiziksel süreçlere tabi olmayan bir şey olduğunu, yani aklın kendi unsurlarının bu süreçlerin dışında olduklarını düşünmek durumundayız. Bunun ise anlamı şudur: İnsan bilinci ve aklı, yalnızca fiziksel süreçlere tabi olan ve nöron ağlarından oluşmuş beyin organının üstünde bir “yer”e, “iç”e sahiptir. Bu yer (iç), aklın yanı sıra, “özgür irade”nin de dayanağını oluşturur.

Eğer insan varlığı, yalnızca fiziksel bir nesne olarak görülürse, yani “empirik ben”den ibaretse, burada özgür iradeye yer yoktur. Çünkü fiziksel bir nesne olarak zamana ve nedenselliğe tabi olan insan varlığı sıkı bir gerekircilik içinde belirlenmiştir. Öte yandan, insanın tüm empirik belirlenimlerinin arkasında duran, onun zeminini oluşturan, ama zaman ve nedensellikle belirlenmemiş bir “aşkınsal (transandantal)” yanı vardır ki, bilincin ortaya çıkmasının arkasında duran ve özgür iradenin dayanağı olan, onun bu aşkınsal yanıdır.

Günümüzün ünlü fransız filozofu Georges Canguilhem araçsallıkçılığın (instrumentalisme) her türüne karşı çıkarak, teknik sapmanın her köşe bucağa yayılmasını eleştirmektedir. “Beyin ve düşünce” adlı yazısında elektronik hırdavatçılığın her kesimi etkisi altına aldığını vurgulayan filozof, yapay zekadan enformasyon modellerine değin her türlü teknolojik başarının getirdikleri kadar götürdükleri de olduğunu savunmuştur. İnsan zihninin bir bilgisayara sığdırılamayacağını, ve bilgisayarında sonuç olarak insan zihninin tüm yetilerinin üstesinden gelemeyeceğini dile getiren filozof, bu anlayışın eskilerin frenoloji görüşüne benzediğini söyler. Oynanılan, ayarlanmaya çalışılan, belirsiz amaçlara yönlendirilen bir insan dünyasına karşı; düşüncenin kaçınılmaz ve normal durumuna denkmiş gibi yutturulan bir teknik evren aracılığı ile ortaya çıkan açmazı açmanın tek yolunun felsefeye düştüğünü söyleyen Canguilhem’e göre, “ şu andaki egemenliğinin başkasına devredilemez hakkı olarak ben’in savunulması felsefenin biricik görevidir.”

Sonuç olarak yapay zeka çalışmalarının ve nörolojinin yönünün ve olanaklarının belirlenebilmesi için, insanın ve insan aklının ne olduğunun soruşturulması, ama bu soruşturmanın yalnızca bilişim bilimleri ve deneysel psikoloji alanında değil, metafiziksel olarak felsefe içinde de soruşturulması gerekmektedir.

Alıntıdır
KisukE UraharA - avatarı
KisukE UraharA
VIP !..............!
24 Şubat 2007       Mesaj #10
KisukE UraharA - avatarı
VIP !..............!
YAPAY BEYİN DEĞİL, YAPAY ZEKA





Yapay zeka ile ilgili yaklaşımlarda bilgisayar ile insan beyninin kıyaslanmasının doğru olup olmadığı, gerekip gerekmediği sık sık tartışılır. Öyle görülüyor ki, yapay zeka’nın sahip olmasını istediğimiz yetenekler hakkında şimdilik tek referans noktamız insan beynidir. Fakat insan beyninin karmaşıklığı da bu noktada bizi ürkütüyor, hatta ümitsizliğe kapılmamıza neden oluyor. Peki ama, gerçekten bu kadar ürkmeli miyiz? Yani bizim hedefimiz “yapay beyin” yapmak mı ki, insan beyninin karmaşıklığından bu kadar ürkelim? Biz “yapay zeka” hedefliyoruz sadece. Dolayısı ile, beynimizin “zeka” dışındaki fonksiyonlarını konumuz dışına alarak söz konusu karmaşıklığı biraz azaltabilirmiyiz? Yani beynin bütününe değil de, çok küçük bir kısmını oluşturan “zihinsel etkinliklere” odaklanarak hedefi küçültebilirmiyiz? Beyindeki zihinsel süreçlerin bir modellemesi bize bu konuda yardımcı olabilir mi?

“İnsanda ‘zeka’ ne kadar karmaşıktır” veya, “insan beyninin ne kadarı zeka ile ilgilidir” gibi sorular, saçma görünümleri altında bize çözüm için bazı ipuçları sunabilirler.

İnsan beyni, bilinen en yoğun sinir gruplarını şu işlere ayırmıştır:
  1. Algılar. Görme, işitme, koklama, tatma, temas ile ilgili dış alem bilgilerini alma, ilgili yerlere dağıtma ve işleme.
  2. Hareket. Çevreye verilecek tepkileri organize ederek ilgili kas gruplarına iletme.
  3. İç organların yönetimi. Vücudumuzdaki çeşitli organ, sistem ve iç salgı bezleri ile ilgili haber alışverişi ve düzenlemelerin yapılması.
  4. Duygular. Çevre karşısında ayrı bir birey olmamızı sağlamak üzere, “ego”muzu oluşturan ve ayakta tutan fizyolojik düzenlemeler.
İnsan olsun, hayvan olsun her beyin, büyük kütlesi ile öncelikle bu işlerle uğraşmaktadır. Ağırlık olarak belki yüzde doksandan fazlası, nöron sayısı olarak belki yüzde seksenden fazlası “düşünme dışı” işlerle ilgilidir. Halbuki bizim “yapay zeka”mızın bu tür işlerle hiç mi hiç ilgisi olmayacaktır. O, salt “zeka” olacaktır. Eğer görmesi gerekiyorsa zekamıza uygun bir görme aparatı ve programına bir görüntü işleme modülü ekleyebiliriz. İşitmesi gerekiyorsa ses ile ilgili aletler ve uygun yazılım üzerinde çalışabiliriz. Ama bütün bunlar elimizde bulunan “zeka”yı özel bir alanda kullanmaktan ibaret olacaktır. Şüphesiz bu alanların her birisinin çözülmesi gereken bir yığın sorunları da olacaktır. Görüntü tanıma, ses analizi gibi sorunlar bugün hemen hemen aşılmak üzere olan, fakat hala yetkinleştirilememiş sorunlardır. Ama biz “zeka”yı “zeka’nın uygulama alanlarından” ayırmakla, yapay zeka konusunda önümüzü daha açık görüyor olacağızdır.

Beyni değil de zekayı taklit etmek söz konusu ise, bir daraltma daha yapabiliriz. Biliyoruz ki, “evrende ulaşılabilecek en son bilgi” diye bir şey yok. Bilginin sınırı yok. Yani biz elimize alacağımız yapay zeka ile, sonsuz sayıda bilginin birbiri ile sonsuz ilişkisini çözmeyi ve sonunda tek cümlelik bir “hayatın anlamı” gerçeğine ulaşmayı hedeflemiyoruz. Hedefimiz çok daha mütevazı: Zeki bir insandan biraz daha zeki olsun yeter. Bilgisayarların hemen hemen sınırsız hafıza ve hesap yeteneği ile, az bir zeka farkı bile çok büyük işler başaracaktır.

Gelin bir daraltma daha yapalım: Beynin düşünme ile ilgili faaliyetlerinin de büyük bölümü, “veri tabanı yönetiminden” ibarettir. Düşünme-hafıza ilişkileri büyük oranda böyledir ve zihinsel faaliyetlerimizde oldukça geniş bir yer tutar. Veri tabanı yönetimi ise, bizim bugün zaten oldukça geliştirmiş olduğumuz ve başarı ile her yerde kullandığımız bir “zeka unsuru”dur. Yalnızca, düşünme-hafıza ilişkisinde sorgulama yöntemlerinin oldukça “konuya özel” olduğunu ve bizi en çok uğraştıracak olan alanlardan birinin burası olduğunu unutmamalıyız..

Bu noktada hedef iyice daralmış oluyor işte. Beklediğimiz; “yapay zekanın” ne görmesi, ne işitmesi, ne hareket etmesi,koklaması, tatması, kızıp küsmesi değil, kendi başına, yardımsız öğrenebilmesi ve önüne amaçlar koyabilmesi. Bir amaç edinip bu amaç doğrultusunda elinin altındaki imkanlardan (girdiler,dosyalar veya internet) öğrenerek amaca ulaşmaya çalışan bir sistem, onu hangi sisteme bağlarsanız (görsel, işitsel, hareketli) o sistemi “zekice” kullanır.

Demek ki Beynin tamamını taklit edeceğiz diye paniğe kapılmaya gerek yok. Evet, beyin gerçekten çok karmaşık bir sistemdir ve ne yazık ki canlı ve çalışır vaziyette laboratuara sokmakta zorlandığımız bir yapıdır. Ama bize sadece “zeka” gerekli şu anda. Evet, o da hala oldukça karmaşık, tanımsız, ele-avuca sığmaz bir şey ama, hiç olmazsa beynin tümü kadar değil. Ayrıca, beynin tümünü değil ama, zihinsel süreçleri içgözlem yolu ile inceleyebiliyoruz, hem de binlerce yıldanberi.

“Zeka”ya ulaşmak için hala önümüzdeki tek referans “insan zekası”dır ve bu konuda yararlanabileceğimiz oldukça geniş bir bilgi yığını da vardır. Modern psikolojinin gerek laboratuar, gerekse istatistik tabanlı araştırmaları azımsanmayacak boyuttadır. Ayrıca ikibin yıldan buyana üretilen değerli teorik çalışmaları da unutmamak gerek. Aşağıda, Epistemolojik çalışmalardan hareketle bir “yapay zeka” modellemesinin üzerinde yükselmesi gereken temel ayaklara değineceğim. Yani iyice daralttığımız hedefi biraz daha daraltıp, avuçlarımızın içine sığmasını sağlamaya çalışacağım. Yaratıcı programcılara yeni patikalar açacağını umuyorum.
Beynin Hileleri

Beyin, karmaşık “çevreye uyum ve tepki” problemlerini bazı hilelerle halleder. Zihinsel faaliyetlerde beyin, işleri kolaylaştırmak için, zamandan ve enerjiden tasarruf için olağanüstü bir hileye başvurur: Şartlı refleksler. Beynin bu hilesini yapay zeka çalışmalarında kullanabilirsek, önemli bir iş yükünden kurtulmuş oluruz. Beyin, çevre ile ilişkisini başlıca üç yöntem ile düzenler:
  1. Doğal refleksleri,
  2. Kendi oluşturduğu şartlı refleksler,
  3. Bilinçli faaliyetler.
Doğal refleksler, herhangi bir düşünme olayına gerek kalmadan beynin bir uyarana verdiği otomatik tepkidir. Bilincin bu işte herhangi bir etkisi yoktur, ancak sonradan, verilen tepkiden haberi olur. Bir canlı türünün tüm bireylerinin hayatları boyunca karşılaşacakları en genel sorunlara, genlere işlenmiş çözümlerdir refleksler. İçgüdüler de bu kapsamda değerlendirilebilirler.

Bilinçli Davranış, bir türün bireylerinin tek tek karşılaşacakları geçici sorunların çözümü için gereklidir. Eğer bir sorun çok sık ortaya çıkıyorsa, Şartlı Refleks mekanizması ile o soruna uygulanan çözüm refleksleştirilir. Böylece beyinde, ortaya çıkacak yeni sorunlarla ilgilenmek için yer, zaman ve enerji ayrılmış olur. Şartlı refleksler bir doğal refleks üzerine oluşturulurlar. Bir şartlı refleks üzerine bir başkası, onun da üzerine bir başkası oluşturulabilir. Buna kademeli şartlı refleks denir.

Şartlı Refleks, yalnızca Pavlov’un köpeklerinin salyaları ile ilgili bir kavram değildir. Eşyalara verdiğimiz her isim, zamana yayılmış etkileşimler olan olaylara (eylem, fiil) verdiğimiz her isim, konuşmada kullandığımız ekler ve takılar birer şartlı refleks ürünüdürler. Ürettiğimiz kavramlar, soyutlamalar da ikinci-üçüncü kademe şartlı reflekslerdir.

Konuşmayı yeni öğrenen bir çocuk belki uygun kelimeyi bulmakta zorlanır, belki utanıp sıkılır ama, tanıdığımız birisi bize “n’aber” dediğinde biz hiç düşünmeden, bir kalıp olarak “valla iyilik, n’ossun, senden n’aber” deyiveririz. Bu cevap, belirli bir soru tipine karşılık belirli şartlarda verilebilecek bir cevap olarak refleks halini almıştır ve bilinci işe katmaya gerek yoktur.

Bu mekanizmayı belki adını koymadan bugün zaten bilgisayar programlarında kısmen kullandığımızı belirtmek isterim. “if….then…” önermesi bir şartlı refleks üretir. “Tümdengelim” ifade eder. “Her zil çaldığında yemek gelir. Eğer zil çalıyorsa, salyalarımı hazırlayayım. Yemek gelecek”.

Şartlı refleksin bir özelliği de, iyice pekişmesinden sonra “ayırım” gelişmesidir. Bu, ilgili konuda seçiciliğin başlaması, daha alt kavramların oluşmasıdır, “tümevarım”dır. Biz bu özelliği de, önceden oluşturulmuş yargılarda “if not…then…” ifadesi ile kısmen kullanmaktayız. Tabii bunun arkasından, genelleme oluşturmak için gerekli komut dizisini kullanmayı unutmayacağız.

Beynin kullandığı bir başka hile, işlem birimi olarak harfleri veya kelimeleri değil, olayları kullanmasıdır. Bir olay, tek kelime ile de ifade ediliyor olabilir, Dünya tarihini anlatan onlarca cilt ile de ifade edilebilir, beyin için sonuçta bir olaydır. Kullandığımız 7000 kelime ile, 7000 üzeri bilmemkaç adet anlamlı cümle üretebiliriz. Ama beyin bunlarla uğraşmaz. 500.000 kelimelik bir romanı okuduğumuzda, o romandaki en temel olayları yakalar ve romanın bütününü de sadece, mesela “iyi bir roman” olarak kaydederiz. Kaba bir sorgu ile romandaki temel olayları, daha ayrıntılı bir sorgu ile bazı önemli tali olayları da hatırlarız. Ama geri kalan “kendince” kuru kalabalık bilgiyi asla hatırlamaz beyin. Onları, ancak yeniden karşılaştığında “tanıyabileceği” bir kategoriye yerleştirmiştir. İşte bizi terrabayt’larca bilgi yükünden kurtaracak olan hile bu olabilir.

Beynin, algıları kendi işlem diline çevirirken en kısa tanıma ulaşmak için kullandığı çok özel yöntemleri vardır. İşlem dilinin kullandığı birim, “fikir”dir. Hani o zaman zaman kafamızın üzerinde yanan ampül. Fikir, bir figür ve (onu saran ortam bilgileri olarak) bir fon halindedir. Bu şekli ile algılanıp saklanır, aklımıza bu şekli ile gelir ve biz sonra uygun kelimeleri seçerek konuşma diline çevirmeye çalışırız.

Bu yöntem de yapay zeka çalışmalarında bize bazı kolaylıklar sağlar. Mesela yalnızca figürlerle işlem yapıp, fon bilgilerini gerektiğinde ve gerektiği ölçüde ayrıca sorgulamak gibi; veya girdilerde figürü fondan ayırıp işlemleri basitleştirmek gibi. Bir de, figürler çoğaldıkça onları temsil eden birkaç daha genel figür oluşturarak malzemeyi azaltmak gibi (aslında beyin hep tek bir figüre ulaşmaya çalışır. Fizikçilerin birleşik güç teorisi arayışlarının altında bile bu dürtü yatar). Yapay zekada verileri “anlama” veya “anlamlandırma” burada gerçekleşmelidir sanırım. Burada girdileri veya kelimeleri anlayarak kendi diline çevirir, veya oluşturduğu bir anlamı konuşma diline çevirerek dışarıya verebilir. Anlamlandırma’nın temelini ise zaman ve mekan (konum ve yön) algılarına dayanan doğal refleksler oluşturur. Bu reflekslerin bilgisayardaki karşılıklarını bulmak yapay zekanın en temel problemi olacaktır sanıyorum.

Beynin en büyük hilelerinden birisi de, alınan bilgileri elemeye öncelik vermesidir. Duyu organlarına her an milyonlarca uyarı ulaşmaktadır. Beyin eğer bunların hepsini değerlendirmek zorunda kalsaydı, bugün yeryüzünde hayata rastlayamazdık. Beyin, amaçları doğrultusunda önem taşımayan uyarıları hiçbir şekilde değerlendirmeye, kayda almaz. “Dikkat” dediğimiz bir yeteneği sayesinde yalnızca gerçekten gerekli olan uyarıları, dikkatin yoğunluğunu ayarlayarak da öncelikle en gerekli figürleri değerlendirmeye alır. Yukarıdaki roman örneğinde de böyle bir mekanizma işlemektedir. Demek ki yapay zeka uygulamalarında programın daha başında bir “dikkat” katmanı veya modülü tasarlamak, burada ciddi bir eleme gerçekleştirmek yararlı olacaktır. Bu katmanda sorgu kriterleri, amaç doğrultusunda önem taşıyan fikirler veya figürler olabilir. Tıpkı web’de kullandığımız anahtar kelimeler gibi. Fakat programın kendisi, dikkatin yönünü (sorgu kriterlerini) ihtiyaç doğrultusunda değiştirebiliyor olmalıdır.

Beynin kullandığı diğer küçük hileleri burada sıralamak istemiyorum. Ayrıca, hileler söz konusu olduğunda ille de beynin hileleri ile kendimizi sınırlamak da gerekmez. Bilgisayar teknolojisinin gelişmelerine uygun pek çok özgün hileyi yapay zekada uygulamak mümkün olabilir. Zihinsel süreçlerin bilgisayarda modellenmesi demek olan yapay zeka alanındaki gelişmeler, beyin araştırmalarına da katkı sağlayacaktır.
Muhakeme

Beyin, hayal yeteneğine de sahiptir ve hayal, düşünmenin temel elemanlarından birisidir. Denetimli hayal, “muhakeme”dir. Bir muhakemenin gerçekleştirilmesi için öncelikle ilgili veriler, beklenen sonuca ait bir boş küme (hayal kümesi) ve bu boş kümeye atanan değerler ile verilerin uygunluğunu karşılaştıracak uygun bir sorgu yöntemi gereklidir. Verili durum kümesi ve hayal kümesi, birlikte bir “olay kümesi” oluştururlar ki, işte bu olay kendi yarattığımız “fikir”dir. Düşünme eyleminin temeli hayaldir. Doğası gereği denetimsizdir. Kafamızda bir sahne (mekan) üretip onu rasgele olaylarla doldurup eğleniriz. Eğer bu sahnedeki olayların gerçeğe uygunluğunu denetlemeye başlarsak, düşünüyoruz, muhakeme yapıyoruz demektir. (küme, bir figürün taşıdığı çok sayıda fon öğelerini ifade eder).

Muhakemede, hayal kümesi ile mevcut veriler kümesi arasındaki her uyumsuzluk bir “engel” olarak algılanır ve her engel için yeni bir hayal kümesi oluşturularak verilere en uygun şekilde doldurulmaya çalışılır. İnsan beyninde işte bu “her engel”in sayısı 6-7’yi aşamamaktadır. İnsan beyninin muhakemedeki doğal sınırıdır bu. Bu işlemler sanki özel bir odada yapılır ve odada ancak 6-7 kişilik yer vardır. Sekizinci eklenince birinci çıkar. Fakat bilgisayarda bu açıdan bizi sınırlayan sadece ram kapasitesi ve zamandan ibarettir. Mevcut veriler ile hayal kümesinin uygunluğu ise, biraz “özel” yöntemlerle sorgulanmalıdır. Yöntemlerde, “soru üretmek” önemli bir yer tutar. İşte size uğraşacak bir konu. Hem muhakeme, hem de gelecek tasarımı (boş küme aynı zamanda beklentimiz demektir) sorunlarını aynı anda çözebilecek olan bu algoritmayı kim önce yazacak bakalım!

Beynimizin, işlem yaparken fikirlere ve fon ögelerine atadığı çeşitli önem ve ağırlık değerleri vardır. Bunların çoğu duygularla ilgilidir ama, salt düşünce ile ilgili olarak da kullanılır bu değerler. Bu değerler ve ağırlıkların seçilmesi, her konu için pratik olarak yapılabilir. Örneğin, bir konuda (mesela teorik bir konu ise) bilimsel yayınlar üzerinde araştırma yapacak olan bir program, seçtiğimiz değerlere göre lise düzeyinde bir ödev veya doktora düzeyinde bir makale üretebilir.

Diğer yandan, beyin aldığı bir bilgiyi olur olmaz heryere kaydederek bir israf örneği de sergiler. Algılanan bir olayın görsel, işitsel, dokunsal vb. yönleri, eşlik eden anılar, uyardığı duygular ayrı ayrı ilgili yerlerde (ilgili alan figür, diğerleri fon olarak-figür değişiklikleri ile) depolanırlar. Bu durum hatırlama açısından bazı avantajlar sağlasa da, bilgisayarda bizim böyle bir israfa izin vermemiz gerekmez. Nöral saklama açısından beyin kendi en iyi yöntemini geliştirmiş olabilir. Bizim, elektronik saklama açısından en iyi yöntemi geliştirmemiz gerekir.

Görüldüğü gibi, şimdiye kadar yapay zeka konusunda geliştirdiğimiz yapay sinir ağları, bulanık mantık, yeni diller, yeni algoritma düzenlemeleri gibi yöntemlerin dışında daha radikal yaklaşımlar tanımlamamız ve bunlara göre çözümler üretmemiz gerekmektedir. İhtiyacımız olan, bilgilerden kesin sonuçlara ulaşmak değildir. Matematiksel kesinlik sağlayan programları zaten kullanıyoruz. Hatta teorem ispatları bile yaptırabiliyoruz bilgisayara. Bunları daha da geliştireceğiz elbette. Ama asıl ihtiyacımız olan, elimizdeki bilgileri kullanarak bize yeni yöntemler önerecek, hipotezler ve teoremler oluşturacak, yeni yargılar oluşturacak, yeni yaklaşımlar sunacak, keşifler yapacak, deneyler ve gözlemler tasarlayıp bize önerecek bir programdır. Kesinlik gereken durumlarda ayrı bir birim olarak biz diğer programları kullanabiliriz. Ya da gerekli çevre birimlerini ekleyerek istediğimiz amaç için yapay zekamızı modifiye edebiliriz. Daha teknik konuşursak, insandaki 6-7 birimlik “çok kısa süreli hafıza” yerine belki 100 birim kullanan, benzerliklerde insan beyninden daha düşük yaklaşıklık değerleri kullanabilen (daha fazla sayıda alt-kavramlar), refleks kalıplarındaki sızıntı oranları ayarlanabilen (deha, reflekslerdeki yırtıklardan fışkırır) bir zihin yapısı oluşturmak bu ihtiyacı karşılamaya yetecektir. Bu tür bir yapı için ise, beyinden kopya çekmemiz gerekmektedir.

Beyinden kopya çekebilmek için aşmamız gereken bir zorluk vardır. Beynin çalışmasını anlamamızı engelleyen, kullandığımız dilden kaynaklanan yapay bir zorluktur bu. Bu yapay zorluk, yeryüzündeki her dilde bulunan eş anlamlı ve bulanık anlamlı sayısız kavramın beynimize maledilerek içinden çıkılmaz bir kargaşa oluşturmasıdır. Aşağıdaki sözcüklerin gerçekten tam anlamlarının bilinip bilinmediğini, bir Türkçe sözlüğe bakarak test edin bakalım:
Akıl, Zihin, Bilinç, Zeka, Fikir, Kavram, Uzay, Zaman, Muhakeme, Hayal, Çağrışım, Algı, Şuur, İdrak, Anlam, Dikkat, Sezgi, Genelleme, Sanı, Ayrım, İlgi, İçgüdü, İstek, Sempati, ve duygulanımın tüm çeşitleri...

Zihinsel sürece uygun bir yapay zeka modelinin sorunları az değil. Bilgisayar “zamanı” tanır ama, mutlaka gerekli olan “mekanı” ona (3D gibi ağır yükler yüklemeden) nasıl tanıtacağız? Şartlı refleksleri üzerine bina edeceğimiz doğal refleksler (elektronik refleksler mesela) var mı? Programın her parçasına özgü sorgu tiplerini birbiri ile uyumlu çalıştırabilecekmiyiz? Sonuçta ortaya çıkacak bilgi kümesi hangi noktada hafıza sınırlarımızı zorlamaya başlayacak? Artık gerekmeyen bilgileri “unutma” olayının ince ayarlarını verimliliği aksatmadan ne ölçüde yapabileceğiz?
Son düzenleyen KisukE UraharA; 16 Mart 2008 17:49
Gerçekçi ol imkansızı iste...

Benzer Konular

25 Ekim 2018 / HipHopRocK Uzay Bilimleri
9 Ağustos 2018 / _PaPiLLoN_ Psikoloji ve Psikiyatri
20 Mart 2016 / ThinkerBeLL X-Sözlük
24 Haziran 2009 / ThinkerBeLL Mühendislik Bilimleri