Yapay zekâ nedir, nasıl çalışır? Temel kavramlar ve sınırlar

Yapay zekâ, bilgisayarların örüntü tanıma, tahmin, dil anlama ve karar verme gibi normalde insan zekâsı gerektiren işleri yapmasını sağlayan yöntemlerin genel adıdır. Yaygın kullanılan sistemlerin çoğu, kuralları tek tek yazılarak değil, çok miktarda örnekten istatistiksel olarak öğrenerek çalışır.

"Yapay zekâ nedir" sorusunun pratik cevabı şudur: Önünüzdeki sistem bir şeyi "bildiği" için değil, eğitildiği verilerdeki örüntülere en çok uyan cevabı hesapladığı için yanıt verir. Bu fark, yapay zekânın neden çok işe yaradığını ve neden bazen kendinden emin biçimde yanıldığını birlikte açıklar.

Yapay zekâ nedir, hangi katmanlardan oluşur?

Yapay zekâ, iç içe geçmiş üç kavramın en geniş halkasıdır: yapay zekâ, makine öğrenmesini; makine öğrenmesi de derin öğrenmeyi kapsar.

• Kural tabanlı yapay zekâ: İnsanların yazdığı "eğer şu ise şunu yap" kurallarıyla çalışır. Uzman sistemler ve ilk kuşak satranç programlarının önemli bir kısmı bu yaklaşıma örnektir. Davranışı öngörülebilir, ama kuralı yazılmamış durumda çaresizdir.
• Makine öğrenmesi: Kuralları programcı yazmaz; sistem, örneklerden girdi ile çıktı arasındaki ilişkiyi kendisi çıkarır.
• Derin öğrenme: Makine öğrenmesinin, çok katmanlı yapay sinir ağlarını kullanan koludur. Görüntü, ses ve dil gibi karmaşık verilerde başarılı olmasının nedeni, katmanların veriyi aşama aşama daha soyut özelliklere dönüştürebilmesidir.

Makine öğrenmesi nedir?

Makine öğrenmesi, bir bilgisayar programının açıkça programlanmadan, verideki örüntülerden öğrenerek bir görevi yapmasını sağlayan yöntemler bütünüdür. Program, eğitim sırasında yaptığı tahminleri doğru cevaplarla karşılaştırır ve hatasını küçültecek yönde iç ayarlarını (parametrelerini) değiştirir. Bu düzeltme çok sayıda örnek üzerinde tekrar tekrar yapıldığında model, daha önce görmediği örneklerde de işe yarayan genel bir ilişki öğrenmiş olur.

Yapay zekâ nasıl öğrenir?

Yapay zekâ, verinin nasıl hazırlandığına göre farklı öğrenme türleriyle eğitilir; bir sistemin neyi iyi yapacağını büyük ölçüde bu seçim belirler.

Öğrenmenin iki aşaması birbirinden ayrılır. Eğitim, modelin veriden parametrelerini ayarladığı, yoğun hesaplama gerektiren aşamadır. Çıkarım ise eğitilmiş modelin size cevap verdiği kullanım aşamasıdır. Çoğu sistemde sohbet sırasında söyledikleriniz modelin parametrelerini o anda kalıcı olarak değiştirmez; ancak hizmet sağlayıcı, kendi gizlilik koşullarına bağlı olarak konuşmaları sonraki eğitimlerde kullanabilir.

Eğitim verisi neden bu kadar belirleyici?

Bir modelin neyi iyi, neyi kötü yapacağını büyük ölçüde eğitildiği veri belirler. Belirli bir dilde, bölgede ya da konuda az örnek görmüş bir model o alanda daha sık hata yapar; veri eskiyse model de eski bilgiyi tekrarlar. Verideki yanlışlar ve tek yönlü anlatımlar, modelin cevaplarına doğruymuş gibi yerleşebilir. Bu nedenle aynı yöntemle eğitilmiş iki sistem, farklı verilerle çok farklı sonuçlar verebilir. Bir yapay zekâ hizmetini değerlendirirken "hangi tür verilerle eğitildi, ne zaman güncellendi?" sorusunu sormak, tanıtımda anlatılan yeteneklerden daha fazla bilgi verir.

Büyük dil modeli nedir, cevabı nasıl üretir?

Büyük dil modeli, çok geniş metin koleksiyonları üzerinde eğitilmiş ve bir metnin devamında hangi parçanın gelmesinin olası olduğunu tahmin eden bir derin öğrenme modelidir. Sohbet eden yapay zekâ sistemlerinin çoğu bu tür modellere dayanır. Cevap üretme mantığı, basitleştirilmiş hâliyle şu adımlardan oluşur:

1. Metni parçalara ayırır. Yazdığınız soru, "jeton" (token) denen kelime veya kelime parçalarına bölünür ve her parça sayısal bir temsile çevrilir.
2. Bağlamı değerlendirir. Model, parçalar arasındaki ilişkileri hesaplayarak hangi kelimenin hangi kelimeyle ilgili olduğunu tartar.
3. Olasılık listesi çıkarır. Bir sonraki parça için olası tüm seçeneklere birer olasılık atar.
4. Bir parça seçer. Genellikle yüksek olasılıklı seçeneklerden biri seçilir; seçimde bir miktar rastlantı payı bırakılabilir, bu yüzden aynı soruya iki farklı cevap gelebilir.
5. Seçtiği parçayı metne ekleyip başa döner. Cevap, bu döngü parça parça tekrarlanarak oluşur.

Bu döngü önemli bir sonucu gösterir: Model, cevabı bir veri tabanından "okumaz", her seferinde yeniden üretir. Bazı sistemler bu üretimi bir arama motoruna veya belge koleksiyonuna bağlayarak destekler; o durumda bile son metni yine aynı olasılıksal süreç yazar.

Üretken yapay zekâ nedir, ne yapar?

Üretken yapay zekâ, eğitim verisindeki örüntülerden yola çıkarak metin, görsel, ses veya kod gibi yeni içerik oluşturan sistemlerin ortak adıdır. Ürettiği içeriğin bilgi bakımından doğru, hukuken kullanılabilir veya özgün olması garanti değildir. Yapay zekâ ile üretilmiş bir görselin ya da metnin kime ait sayılacağı ve başkasının eserine benzerliği sorunu, telif hakkının nasıl korunduğu konusuyla doğrudan ilişkilidir.

Yapay zekânın sınırları ve hata türleri nelerdir?

Yapay zekânın sınırları, büyük ölçüde onun nasıl çalıştığından doğar: Veriden öğrenen ve olasılıkla üreten bir sistem, verinin kusurlarını devralır ve olası olanı doğru olanla karıştırabilir.

• Halüsinasyon: Model, var olmayan bir kaynağı, kişiyi, tarihi ya da sayıyı akıcı bir dille uydurabilir. Yapay zekâ halüsinasyon sorunu en çok kaynak, alıntı ve kesin rakam istendiğinde görülür.
• Bilgi kesim tarihi: Eğitim verisi belli bir tarihte toplanmıştır. Model, kendisine dış kaynak bağlanmadıysa o tarihten sonraki gelişmeleri bilmez ve bilmediğini her zaman söylemez.
• Önyargı: Eğitim verisindeki dengesizlikler çıktılara yansıyabilir; belirli gruplar hakkında tek yönlü genellemeler üretilebilir.
• Bağlam sınırı: Model aynı anda ancak belirli uzunlukta bir metni dikkate alabilir; çok uzun bir konuşmanın başında söylenenleri gözden kaçırabilir.
• Hesap ve mantık zaafı: Dil modelleri sayıları da metin parçası olarak işlediğinden, çok adımlı hesaplarda hata yapabilir.
• Tutarsızlık: Aynı soru küçük bir ifade değişikliğiyle farklı cevap üretebilir.

Bu sınırlar kötüye kullanım için de alan açar. Ses ve görüntü taklidi yapabilen sistemler, dolandırıcılık mesajlarını daha inandırıcı hâle getirmek için kullanılabilir; bu tür mesajları tanımak için oltalama girişimlerinin işaretlerine ve telefon dolandırıcılığının nasıl anlaşılacağına göz atabilirsiniz.

Yapay zekâ ile üretilmiş ses ve görüntü nasıl değerlendirilir?

Yapay zekâ ile üretilmiş ya da değiştirilmiş bir ses veya görüntüyü yalnızca bakarak ve dinleyerek ayırt etmek her zaman mümkün değildir; bu yüzden asıl ölçüt içeriğin kalitesi değil, sizden ne istediği ve hangi kanaldan geldiğidir. Dudak hareketiyle sesin uyumsuzluğu, doğal olmayan göz kırpma ya da ışık hataları bazen ipucu verir, ama bu kusurların bulunmaması içeriğin gerçek olduğunu kanıtlamaz. Çevrim içi "tespit" araçlarının sonuçları da kesin değildir. Daha güvenilir yol şu üç sorudur: İçerik sizi acele ettirip para, kod ya da bilgi mi istiyor? Aynı bilgiyi kişinin ya da kurumun bildiğiniz başka bir kanalından doğrulayabiliyor musunuz? Haber niteliğindeki bir görüntü, güvenilir başka kaynaklarda da yer alıyor mu? Ailede önceden belirlenen bir parola kelime, bir yakınınızın sesini taklit eden aramaya karşı basit bir önlemdir. Bu tür önlemlerin diğer hesap koruma adımlarıyla birlikte nasıl sıralandığını Dijital Güvenlik dosyası gösteriyor.

Yapay zekâ ile sık karıştırılan kavramlar hangileri?

Yapay zekâ tartışmalarındaki kafa karışıklığının önemli bir kısmı, farklı düzeydeki kavramların aynı şeymiş gibi kullanılmasından kaynaklanır.

Yapay zekâ haberde nasıl geçer?

Haberlerde yapay zekâ genellikle bir kurumun yeni bir uygulamayı kullanmaya başlaması, bir hatanın gündeme gelmesi veya bir düzenleme tartışması bağlamında geçer. Kurgusal bir haber cümlesi: "Bir belediye, başvuruları ön incelemeden geçirmek için yapay zekâ destekli bir sistem kullanacağını açıkladı." Bu cümleyi okurken sorulacak sorular şunlardır: Sistem karar mı veriyor, yoksa bir görevliye öneri mi sunuyor? Hangi verilerle çalışıyor? Kararınıza itiraz edebileceğiniz bir yol var mı?

Kişisel verilerle çalışan bir sistemde, yalnızca otomatik analiz sonucunda aleyhinize çıkan karara itiraz etme hakkı gibi güvenceler KVKK kapsamındaki haklarınız arasında yer alır.

Yapay zekâ çıktısını nasıl doğrularsınız?

Yapay zekâ çıktısını doğrulamanın temel kuralı, onu bir kaynak değil, bir taslak olarak görmektir. Fav Haber'in kendi yazılarında yapay zekâyı nasıl kullandığını ve hangi denetim adımlarını uyguladığını sitenin Yapay Zekâ Politikası sayfasında bulabilirsiniz. Aşağıdaki sorular, bir cevabı kullanmadan önce birkaç dakikada sınamanızı sağlar:

1. Kaynak var mı, gerçekten açılıyor mu? Verilen kaynağın adını ve adresini kendiniz arayın; uydurma kaynak en yaygın hatalardandır.
2. Rakam ve tarih resmî kaynakla eşleşiyor mu? Sayıları ilgili kurumun sitesinden teyit edin.
3. Bilgi güncel olmalı mı? Cevap güncel bir duruma dayanıyorsa, modelin bilgi kesim tarihini hesaba katın.
4. Hesap elle tekrarlanabiliyor mu? Basit bir hesabı hesap makinesiyle bir kez de siz yapın.
5. Sağlık, hukuk ya da para kararı mı veriyorsunuz? Bu alanlarda çıktıyı bir hekime, avukata veya mali müşavire danışmadan karar dayanağı yapmayın.
6. Kişisel veri paylaştınız mı? Paylaştığınız bilgilerin nasıl saklandığını hizmetin gizlilik koşullarından kontrol edin.

Bu altı sorudan birine bile cevap veremiyorsanız, çıktıyı paylaşmadan ya da ona dayanarak bir karar vermeden önce bilginin asıl kaynağına dönün.