Webhocam

Oyunların, filmlerin, dizilerin ve hatta tüm eğlence sektörünün kullanmaktan sıkılmadığı, adeta diline pelesenk olmuş yapay zekânın ulaştığı popülerlik gerçekten de hayranlık uyandırıcı. Popüler olan her şey gibi hepimizin ilgisini çekiyor ve herkesin ilgisini çektiği için de hakkında şehir efsaneleri oluşması kaçınılmaz oluyor.

Beyaz perdede üstün zekâsıyla insanlığı ortadan kaldırmayı kendine amaç bellemiş, saniyeler içinde tüm insanlığı yok edecek planlar yapmayı çocuk oyuncağı gibi gösteren yapay zekâlar görmeye o kadar alıştık ki artık sadece filmlerde değil, günlük sohbetlerde bile yapay zekânın sebep olabileceği potansiyel tehlikeler konuşuluyor. Biz de bu günlük sohbetler sırasında ağızdan çıkabilen yanlış bilinenleri bir araya getirdik.

Makine öğrenmesi toplanan verilerin ve belli bir algoritmanın işlenerek bir makinenin insanın öğrenme yetisini taklit etmesi üzerine kurulu olan teknolojiye verilen isimdir. Günümüzde tıbbi teşhisler veya görüntü ve ses tanıma gibi birçok farklı alanda kullanılır. Ancak yaygın düşüncenin aksine yapay zekânın yalnızca bir alt kümesidir. Yapay zekâyı sayısız farklı alanda çeşitlendirilen bir çatı olarak düşünmemiz gerekiyor.

Makine öğrenmesine verilebilecek en güncel örneklerden biri Nvidia’nın yapay zekâ ile performans artırımını sağlayan DLSS teknolojisi. İlk defa Şubat 2019’da karşımıza çıkan DLSS, ışın izleme teknolojisinin sebep olduğu inanılmaz performans kaybını telafi etmek amacıyla geliştirilmişti. İlk zamanlarında görüntüde ciddi bozulmalara sebep olan teknoloji, makine öğrenmesi ve makine öğrenmesini yönetmeyi bilen uzmanlarla birlikte bugün çok daha iyi bir durumda.

Yapay zekâların tek başlarına bir şeyler öğrenebileceği düşüncesi makine öğrenmesiyle birlikte epey popüler oldu. Ancak işin aslı hiç böyle değil. Çünkü makine öğrenmesinin verimli olabilmesi için öncelikle tecrübeli veri bilimcilerinin makine öğrenmesine sunulacak bilgileri hazırlaması, elden geçirmesi ve makine öğrenmesinin anlayabileceği bir şekle sokması gerekiyor. Yani her yerde duymaya başladığımız makine öğrenmesi kendi kendine gerçekleşen bir mucize değil. Yalnızca dikkatli bir şekilde yol gösterildiği zaman istenilen sonuca ulaşabiliyor.

Bu örnekten çıkarmamız gereken sonuca gelelim. Bir yapay zekânın onu gözlemleyenleri numaraya getirmesi, inisiyatif alıp internete bağlanması ve kendi kendine bir şeyler öğrenmesi, planlar yapması gibi ihtimalleri bir kenara bırakmalıyız. Ancak tabii ki böyle şeyleri filmlerde görmenin keyifli olmadığını söylemiyoruz.

Yapay zekâ teknolojileri insanlardan oluşan ekiplerce sağlanan verilerle çalışır. İnsanlar ise ne miktarda olursa olsun özünde objektifliğini kaybedebilen bir canlı olduğu için yapay zekâ da bundan payını alıyor. Özellikle de sosyal medya gibi sürekli güncelleme yapmayı gerektiren alanlar için düzenlenen yapay zekâlar önyargılarla boğuşur. Öyle ki Twitter gibi dev oluşumların algoritmaları bile buna benzer sorunlardan nasibini alıyor.

Üstteki paragrafın sonunda link verdiğimiz örnek olayda görüldüğü üzere Twitter, resim kırpma algoritmasının beyaz tenli insanları öne çıkardığı gerekçesiyle olaya el atarak insanlardan yardım beklediğini, hatta yardımcı olanlara ödül vereceğini söylüyor. Tabii bu noktada yapay zekânın beyaz tenli insanları öne çıkarmasının gerçekten yapay zekânın sahip olduğu bir önyargıyı değil, o yapay zekâyı kontrol eden insanların bir noktada bir şeyleri gözden kaçırdığını işaret ettiğini belirtelim.