Kusurlu araçlar: Yapay zeka ve makine öğrenmesi

2022, yapay zeka ve makine öğrenmesinin pratik kullanımları açısından dikkate değer bir yıl oldu. Doğal dil işlemeden, konuşma tanımaya, görsel ve video üretiminden metin üretimine, kodlamadan içerik denetimine pek çok alanda dikkate değer çalışmalar yayımlandı. Bütün bu çalışmalar arasında DALL-E ve Stable Diffusion gibi metinden görsel üretme araçları ve fazla gelişmiş sohbet robotu ChatGPT öne çıkanlar arasındaydı. Diğer çalışmalara kıyasla bu sistemlerin öne çıkmalarında sıradan kullanıcıların sistemlerle kolayca ve dolaysız olarak etkileşime girebilmeleri önemli bir etken. Buna bağlı bir diğer önemli etken de medya. Kullanıcı tarafında yeterli düzeye ulaşan popülerlik, tıklamaya dönüşeceği umuduyla kolayca medyada popülerliğe dönüşebiliyor. Medyadaki popülerliğin tıklama geri beslemesini artırma umuduyla sansasyonel başlıklar ve gerçeklikten uzak yakın gelecek tariflerine dönüşmesi de günümüz medya ekosisteminde maalesef ki olağan olan.

Bu yazdıklarımdan yapay zeka ve makine öğrenmesi alanındaki gelişmeleri önemsemediğim ya da umursamadığım sonucunu çıkartmayın. Son yıllarda alandaki çalışmalar ve gelişmeler pek çok başka alan için yeni araçlar, yeni olanaklar ve yeni tartışmalar sunuyor. Bunu görmek için DALL-E ve Stable Diffusion’ın stok görsel siteleri ve sanatçılar arasında yarattığı tartışmaya bakmak yeter. Benzer şekilde ChatGPT diğer diller için benzer seviyede olmasa da İngilizce için kötü olmayan metinler üretebiliyor. Google’ın AlphaCode’u nitelikli bir şekilde kod yazabiliyor. Bir başka çalışmada derin sahtecilik ürünü videolar yine makine öğrenmesi yardımıyla tespit edilebiliyor. Ancak bütün bu çalışmalarda insan girdisi ve denetimi hâlâ önemli bir faktör. Makine öğrenmesi ve yapay zeka gökten zembille inip direkt iş yapmaya başlamadığı gibi hiçbir denetime ihtiyaç duymadan kullanılabilecek bir seviyede de henüz değil.

Üstelik yapay zeka ve makine öğrenmesi alanında daha tümüyle çözüme kavuşturulamamış çokça problem var. İnsanlar tarafından oluşturulan veri setlerinin taraflılığının sistemin sonucuna önyargı olarak yansımasından tutun da dil gibi karmaşık sistemlerin inceliklerini anlamaya pek çok sorun tümüyle çözülmeyi geçtim, tatmin edici düzeyde dahi çözülmüş değil.

Robot süpürgesi evi sağa sola çarpmadan rahatça dolaşabilsin diye süpürgesini bir yapay sinir ağı desteği ile geliştirmeye çalışan Twitter kullanıcısı Custard Smingleigh’in süpürgesi güzel bir örnek bu konuda. Robot süpürgeyi yapay sinir ağına bağlayarak, hızı ve tampon sensörlerini çarpmamayı ödüllendiren bir mekanizma kuruyor Sminleigh. Bunun sonucunda robot süpürge geri geri gitmeyi öğreniyor, çünkü süpürgenin arka kısmında çarpma sensörü yok.

Guardian’da 2020 sonlarında GPT3 tarafından oluşturulmuş bir makale yayımlanmış ve epey konuşulmuştu “Bakın, yapay zeka ne güzel metin yazıyor” ekseninde. Söz konusu makalenin altında çoğunluğun okumadığı, medyanın da pek yansıtmadığı dipnotta makalenin giriş paragrafının insanlar tarafından yazıldığı kalanının da 8 ayrı metnin en iyi kısımları alınarak yine insanlar tarafından birleştirildiği aktarılıyordu. Bugün yapay zeka ve makine öğrenmesi konusunda bundan daha ilerde olsak da bu öyle fersah fersah bir ilerilik değil. Yapay zeka ve makine öğrenmesi oldukça güçlü araçlar. Ancak bunlar hâlâ insana ciddi şekilde ihtiyaç duyan kusurlu araçlar.