YAPAY ZEKA - AKILLI GELECEK

Yakın zamana kadar geleneksel düşüncemiz yapay zekaya önce süper bilgisayarla­rın ev sahipliği yapacağını, ardından belki evlerimizde mini zekalar göreceğimizi, sonra da kısa bir süre içinde kişisel robotlarımızın kafalarına tüketici modelleri ekleyeceğimizi öngörüyordu. Her YZ (yapay zeka) sınırlandırılmış bir varlık olacaktı. Bizim düşüncelerimizin nerede bitip, onlarınkinin başladığını bilecektik.

Gel gör ki, ilk gerçek YZ tekil bir süper bilgisayarda değil, net diye bilinen bir milyar bilgisayar çipten oluşan süper organizmada dünyaya gelecek. Boyutları bakımından tüm gezegeni kapsayacak, ama minik, gömülü ve gevşek bağlantılı olacak. Onun düşüncele­rinin nerede başlayıp bizimkilerin nerede sona erdiğini anlamak zor olacak. Bu şebekeleşmiş YZ’yle bağlantı kuran her cihaz onun zekasını paylaşacak ve ona katkı yapacak. Şebeke dışındaki yalnız bir YZ 7 milyar insan aklına, artı kentilyonlarca online transistöre, artı yüzlerce exabit gerçek yaşam verisine, artı tüm uygarlığın kendi kendini düzelten geribildirim döngülerine bağlanmış bir YZ kadar hızlı öğrenemez ve o kadar akıllı olamaz.

Bu gelişmekte olan YZ ortaya çıktığında her yerde var olması görünürlüğünü gizleyecektir. Her tür sıkıcı işte onun giderek artan zekâsını kullanacağız, ama yüzünü göremeyeceğiz, bize görünmez olacak. Bu sentetik zekâ insan zekasının bir bileşimi olduğundan (insanlığın geçmişi boyun­ca öğrendiği her şey ve o sırada online olan bütün insanlar) tam olarak ne olduğunu saptamamız da güç olacak.

 

2011 yılında IBM’in YZ ürünü orijinal Watson yatak odası boyutlarında, dört duvarı boydan boya kap­layan dikine duran buzdolabı şeklinde 10 adet makineden oluşu­yordu. Teknisyenler makinelerin arkasındaki tel ve kablo yığınına içerideki minik boşluktan ulaşabiliyordu. Sanki tüm donanım canlıymış gibi, içerisi inanılmaz derecede sıcaktı. Bugünkü Watson çok farklı. Artık tek başına dolaptan bir duvar içinde varlık sürmüyor, aynı anda YZ’nin birkaç yüz örneğini ça­lıştıran açık standart sunuculardan oluşan bir buluta yayılıyor. Tüm bulutsu yapılar gibi Watson da dünyanın herhangi bir köşesinde telefonu, masaüstü bilgisayar ya da veri sunucularıyla erişim sağlayan bütün müşterilere aynı anda hizmet veriyor. YZ türü, talebe göre yukarı-aşağı ölçeklendiriliyor. YZ insanlar tarafından kullanıldık­ça iyileştiğinden, Watson sürekli akıllanıyor; bir noktada öğrendiği bir şeyi çabucak başkalarına aktarıyor. O tek bir program değil, hepsi de birleşik zekâ akışı halinde akıllı bir şekilde bütünleşmiş olan—mantık-çıkarım motoru ve sözdizimsel analiz motoru farklı bir kodla, farklı çiplerde ve farklı mekanlarda faaliyet gösterebilir— farklı yazılım motorlarının toplamıdır.

IBM Watson’ı tıp alanında geliştirmek istediğinden gelişim aşamasındaki birincil uygulama bir tıbbi tanı cihazıydı. Bir tanı­lama YZ’si imal etmeye yönelik daha önceki tüm girişimler acı­nacak başarısızlıklarla sonuçlanmıştı, ama Watson gerçekten çalışıyordu. Örneğin basit bir ingilizceyle bir zamanlar Hindistan’da rastlanan bir hastalığın belirtilerini girince, en yüksek olasılıktan en düşük olasılığa kadar bir öngörü listesi getiriyor. En büyük olası­lıkla giyardiya diyor  ve doğru yanıtı veriyor. Henüz hastalar bu uzmanlığa doğrudan ulaşamıyor; IBM Watson’un tıp zekasını pe­rakende eczacılık zinciri CVS gibi partnerlerine sunarak, CVS’nin topladığı veriler temelinde kronik hastalıkları olan müşterileri için kişiselleştirilmiş sağlık desteği geliştirmesine yardım ediyor. Uzay Yolu filmindeki tıp trikorderinden esinlenen ve tıp YZ’sinden güç alan bir tanı cihazı inşa etmekte olan yeni girişim Scanadu’daki tıp baş sorumlusu Alan Greene, “Watson benzeri bir şeyin—ister maki­ne ister insan—yakında dünyanın en iyi tanı koyucusu olacağına inanıyorum” diyor. “YZ teknolojisinin bu gelişme hızıyla, bugün dünyaya gelen bir çocuk yetişkin olduğunda tanı için kolay kolay doktora gitmek zorunda kalmayacak.”

Tıp sadece başlangıç noktası. Bütün büyük bulut şirketleri artı düzinelerle yeni girişim, Watson benzeri bir bilişsel hizmet geliş­tirmek için çılgınca bir yarış içinde. Analiz firması Quid’e göre YZ alanına 2009’dan bu yana 18 milyar doların üzerinde yatırım yapıldı. Sadece 2014’te YZ teknolojisi kullanan 322 şirkete yatırım yapıldı. Facebook, Google ve Çinli muadilleri Ten Çent ve Baidau bünyelerinde oluşturdukları YZ araştırma ekipleri için araştırmacı­lar topladı. Yahoo!, Intel, Dropbox, Linkedln, Pinterest ve Twitter 2014’ten bu yana devamlı YZ şirketleri satın alıyorlar. YZ sektö­ründeki özel yatırımlar son dört yıldır ortalama yılda yüzde 70 genişliyor ve bu genişleme düzeyinin sürmesi bekleniyor.

Google’ın satın aldığı erken evredeki YZ şirketlerinden biri de Londra merkezli DeepMind. 2015’te DeepMind’ın araştırmacıları Nature’da bir YZ’ye 1980’lerin arcade video oyunu Video Pinball oynamayı nasıl öğrettiklerini anlattılar. Daha doğrusu ona oyunun nasıl oynanacağını değil, oyuna oynamayı nasıl öğreneceğini öğrettiler; arada ciddi bir fark var. Bulut tabanlı YZ’lerini Breakout gibi Pong türü bir Atari oyunuyla baş başa bıraktılar, o puanlarını devam­lı yükseltmeyi kendi başına öğrendi. YZ’nin ilerleme kaydedişini gösteren videoyu izleyince hayretler içinde kalıyorsunuz. YZ ilk başta biraz rasgele oynuyor, ama giderek ustalaşıyordu. Yarım saat kadar sonra dört seferde bir kez yanlış yapıyordu. Bir saat sonra 300’üncü oyununda artık hiç hata yapmaz oldu. O kadar hızlı bir şekilde öğrenmeye devam etti ki, ikinci saatte Breakout oyununda o güne kadar oynayan milyonlarca insanın fark etmediği bir açık nokta buldu. Yakaladığı bu açık sayesinde, oyunu yaratanların bile hayal edemeyeceği bir şekilde bir duvarın etrafından tünel açarak kazanmayı başardı. İlk kez oynadığı bir oyunda birkaç saatin so­nunda DeepMind’ın yaratıcılarından hiç destek almadan, son dere­ce derin öğrenen makine adı verilen algoritmalar, insanları kendi geliştirdikleri 49 atari video oyununun yarısında alt etti. Bu tür YZ’ler insan oyunculardan farklı olarak, aydan aya akıllanıyor.

Ufuktaki YZ daha çok Amazon Web Hizmetlerini andırıyor; bu ortak kullanım cihazı size, ihtiyacınız olan miktarı aşmamak koşuluyla, istediğiniz miktarda IQ hizmeti sunacak. Siz sadece şebekeye fişinizi takıp, elektrik alır gibi YZ alacaksınız.Yüz yıl önceki elektriğin yaptığı gibi, cansız nesnelere hayat verecek. Üç kuşak önce pek çok kafası çalışan usta, bir aleti alıp onun elektrikli versiyonunu üreterek zengin oldu. El pompasını alıp elektriklisini ürettiler. Çamaşırların elle sıkıldığı bir makineyi alıp elektriklisini yaptılar. Girişimciler elektrik üretmek zorunda değillerdi, elektri­ği şebekeden alıp eskiden elle çalışan aletleri otomatikleştirmekte kullandılar. Şimdi de eskiden elektrikli olan her şeyi bilişlendireceğiz (akıllandıracağız). Neredeyse içine bir miktar ilave IQ katarak yeni, farklı ve daha değerli yapamayacağımız hiçbir şey yok.

 

1970’lerde bir fotoğrafçı fotoğraf çeker­ken odaklanma, mesafe ölçümü gibi pek çok detayı bilerek ayar yapmak zorundayken günümüz akıllı telefon kameraları işe algoritma, bilişim ve zeka ka­tarak işi üstüne aldı. İç tasarım gibi düşük teknoloji içeren bir koya YZ katarsak örneğin müşterileri iç mekan simülasyonlarında gez­direrek, ilgi düzeyleriyle uygun eşleşmeler çıkaran bir sistemle müşterinin tepkilerine göre kalıp çıkaran YZ aracılığıyla tasarım detaylan değiştirilir ve gerekli ayarlamalar yapılır, ardından bu sonuçlar yeniden tasarıma yüklenerek, bir daha inceden inceye gözden geçirilir. Sürekli yinelemeler sonucunda YZ, ideal kişisel tasarımları ortaya çıkarır. YZ’yi hukuk alanına da uyarlayabilirsiniz; iddialar arasındaki tutarsızlıkları tespit etmek, sonra da yasal savların ana hatlarını oluşturmak için kâğıt tomarları arasına gizlenmiş delilleri açığa çıkarmak amacıyla kullanabilirsiniz.

Bilişim destekli finansal yatırım alanında Betterment ve Wealthfiont gibi firmalar vergi stratejilerini optimize etmek ya da portföyler arasında belli bir denge oluşturmak amacıyla borsa endeksleri yönetimine yapay zeka katıyorlar. Bunlar bir profesyonel para yöneticisinin yılda bir kez yapacağı işler, amaYZ bunu her gün, her saat yapıyor.

Bilişsel zenginleştirmeden sanatsal alanlar bile muaf olmayacak; bilişlendirilmiş müzikle bir video oyunu ya da sanal alemde soundtrack olarak kullanılmak üzere, gerçek zamanlı algoritmalar­dan müzik üretilebilir. Müzik hareketlerinize bağlı olarak değişir. YZ tarafından her türlü cihazla çalınabilecek yüzlerce saatlik yeni kişisel müzikler yazılabilir.

2002 yılında Google’ın—daha ilk halka arzını gerçekleştirmediği, salt araştırmaya odaklı küçük bir şirket olduğu tarihte özel bir partisinde biz aslında bir YZ meydana getiriyoruz açıklaması yapıyordu. Google görüntü arama çubuğuna “Easter Bunny” (Paskalya Tavşanı) yazdıktan sonra, Easter Bunny’ye en çok benze­yen görüntüye tıkladığınızda, YZ’ye Easter Bunny’nin neye benze­diğini öğretiyorsunuz. Google’ın her gün gerçekleştirdiği üç milyar arama derin öğrenen YZ’ye tekrar tekrar bir şeyler öğretiyor.

İşte kuşkulu yaklaşmanın uygun düştüğü nokta tam da burası. Aşağı yukarı altmış yıldır YZ araştırmacıları YZ’nin köşeden dön­mek üzere olduğunu öngördüler, oysa daha birkaç yıl öncesine ka­dar geleceğe takılıp kalmış gibi görünüyordu. Son zamanlarda gerçekleşen üç atılım nicedir beklenen yapay zekânın yolunu açtı:

1-      Ucuz parelel bilişim

2-      Büyük Veri

3-      Daha iyi algoritmalar

1.   Ucuz Paralel Bilişim

Düşünmek, özü bakımından paralel bir süreçtir. Beynimizdeki milyarlarca nöron (sinir) aynı anda etkileşerek eşzamanlı bilişim dalgaları yaratır. Bir programın bir konuşmayı anlayabilmesi için, bütün fonemleri (birimsesleri) birbiriyle ilişkisi içinde duyması şarttır; bir görüntüyü algılayabilmesi için, her pikseli çevresinde­ki piksellerin bağlamında görmesi gerekir—bunların ikisi de son derece paralel süreçlerdir. Ancak son günlere kadar tipik bilgisayar işlemcisi bir seferde bunlardan sadece birini başarabiliyordu. On yıl kadar önce, bir görüntüde bir saniye içinde milyonlar­ca pikselin tekrar tekrar sayılmasını gerektiren video oyunlarının yoğun görsel—ve paralel—taleplerini karşılamak amacıyla grafik işlem birimi (GPU) adlı bir yeni bir tür çipin geliştirilmesiyle, bu durum değişmeye başladı. 2005’te GPU o kadar büyük miktarlarda üretildi ki, son derece ucuzlayarak meta düzeyine düştü. 2009’da Andrew Ng ve Stanfordlu bir ekip GPU çiplerinin sinir ağlarını paralel biçimde çalıştırabileceğini fark etti. Bu keşif düğümleri arasında yüz milyonlarca bağlantı içerebilen sinir ağlarıyla ilgili yeni olasılıklar açtı. Bugün GPU’lar üzerinde çalı­şan sinir ağları, bulut olanağından yararlanan Facebook gibi şirket­ler tarafından fotoğraflardaki arkadaşlarınızı tanımak ya da Netflix tarafından 50 milyonu aşkın abonesine güvenilir tavsiyelerde bu­lunmak için rutin biçimde kullanılıyor.

2.    Büyük Veri

Bütün zekâ öğretilmek zorundadır. Genetik açıdan şeyleri sınıflandırmaya eğilimli olan insan beyni, çocuklukta kedi ile köpeği ayırt edebilmesi için bir düzine örnek görmeye ihtiyaç duyar.Ya­pay zekâ için bu çok daha önemlidir. En iyi programlanmış bir bilgisayarın bile satrançta ustalaşabilmesi için en az bin kez oynaması gerekir. YZ’nin atılımı kısmen dünyamız hakkında toplanmış olan inanılmaz veri birikiminde yatar; Devasa veritabanları, kişisel izleme, web çerezleri, online ayak izleri, terabitlerce depolama, on yıllara yayılan araş­tırma sonuçlan, Wikipedia ve tüm dijital evren YZ’yi akıllandıran öğretmenler olmuştur. Andrew Ng bunu şöyle açıklıyor: “YZ bir roket gemisi yapmaya benzer. Devasa bir motor ve bol miktarda yakıt gerekir. Roket motoru öğrenen algoritmalarsa, yakıt da bu algoritmaları besleyebileceğimiz muazzam miktarda veridir.”

3.    Daha İyi Algoritmalar

Dijital sinir ağları 1950’lerde icat edildi, ancak bilgisayar bilimci­lerinin bir milyon—ya da yüz milyon—nöron arasındaki anormal ölçüde büyük tümleşik ilişkilerinin nasıl gerçekleştiğini öğrenmeleri onlarca yıllarını aldı. Burada kilit nokta sinir ağlarının istif­lenmiş katmanlar şeklinde düzenlemekti. Bir yüzün yüz olduğunu anlamak gibi görece basit bir işi düşünün. Sinir ağındaki bir bit grubunun bir kalıbı tetikleyeceği tespit edildiğinde—örneğin göz görüntüsü—bu sonuç (“Bu bir göz”) sinir ağının daha ileri analiz yapabilmesi için bir üst düzeye taşınır. Sonraki düzey iki gözü aynı grup içinde birleştirebilir ve bu anlamlı yorumu hiyerarşik yapıda, onun bir burun kalıbıyla özdeşleştiren bir başka düzeye taşıyabilir. İn­san yüzünü tanımak için 15 düzeyde istiflenmiş, (her biri çevresin­deki diğer öğeleri besleyen bir hesaplama üreten) bu boğumlardan milyonlarcası gerekebilir. 2006’da Toronto Üniversitesinden GeofF Hinton bu yöntem üzerinde, “derin öğrenme” adını verdiği esaslı bir değişiklik yaptı. Her katmandan elde edilen sonuçları matema­tiksel olarak optimize etmeyi başardı, böylelikle, katman istiflerinde ilerledikçe daha hızlı bir öğrenme birikimi gerçekleşir oldu. Derin öğrenme algoritmaları grafik işlemci birimi GPU’lara bağlandıktan sonraki birkaç yılda muazzam ölçüde hızlandı. Tek başına derin öğrenme kodu karmaşık mantıksal düşünmeyi üretmekte yetersiz kalır, ancak IBM’in Watson’u; DeepMind, Google’ın arama motoru ve Facebook’un algoritmaları gibi bütün güncel YZ’lerin asli bir bileşenidir.

YZ’yi kullanan insanlar çoğaldıkça, YZ de bir o kadar akıllanacak.YZ akıllandıkça, daha çok insan onu kullanacak. Kullanan insan sayısı çoğaldıkça YZ akıllanacak. Ve böyle devam edecek. Bir şirket bu kısır döngüye girdikten sonra, o kadar hızlı bir büyüme eğilimi gösterecek ki, or­taya çıkan tüm yeni rakiplerini alt edecek. Sonuçta YZ geleceğimiz, genel amaçlı iki ya da üç bulut bazlı ticari zekâ oligarşisinin hük­müne girecek gibi görünüyor.

1997’de Watson’un ilk habercisi olan IBM’in Deep Blue adlı makinesi, ünlü bir insan-makine karşılaşmasında, dönemin en bü­yük satranç ustası Garry Kasparov’u yendi. Makineler bundan son­raki birkaç maçta da zaferlerini tekrarladıktan sonra, insanların bu tür yarışmalara olan ilgisi azaldı. Hikâye (insanlık tarihi değilse de) burada sona erdi, diye düşünebilirsiniz, ama Kasparov, önceki sat­ranç hamleleri hakkında Deep Blue kadar devasa bir veri tabanına anında erişebilseydi, Deep Blue karşısında daha iyi bir performans gösterebileceğini kavradı. Bu veri tabanı bir YZ için uygun oldu­ğuna göre, niye insan için de uygun olmasındı? İnsan aklına tıpkı Deep Blue gibi bir veri tabanıyla katkıda bulunmalıydı. Kasparov bu fikri hayata geçirmek amacıyla YZ’nin insan satranç oyuncularına karşı yarışmayıp, onlara katkı yapacağı insan-artı-makine maçları kavramına öncülük etti. Bugün serbest stil satranç maçlarında oyuncu YZ’nin önerdiği hamleleri dinler ama zaman zaman onu aşan değişik ham­leler yapar; tıpkı bizim arabalarımızdaki navigasyon zekâsını kul­landığımız gibi. Her tür oyuncuya açık düzenlenen Freestyle Battle (Serbest Stil Yarışması) 2014 şampiyonasında saf satranç YZ’si 42 oyun kazanırken,  YZ destekli insan oyuncular 53 oyun kazandı. Bugün yaşayan en iyi satranç oyuncusu bir birkaç insan ve birkaç farklı satranç programından oluşan ekip, Intagrand adıyla tanınır.

Ama işin daha da şaşırtıcı başka bir yanı var: YZ’nin ortaya çıkmasıyla salt insan satranç oyuncusunun performansı azalmadı. Tam tersine. Üstün akıllı, ucuz satranç programlan her zamankinden daha çok insanı satranç oynamaya özendirdi, turnuvalara katılımı artırdı ve sonunda oyuncular her zamankinden daha iyi düzeyle­re geldiler. Deep Blue ile Kasparov’un karşılaştığı döneme kıyasla, bugün büyük ustaların sayısı iki katma yükseldi. En üst dereceye ulaşan insan satranç oyuncusu Magnus Carlsen YZ’lerle eğitilmiştir ve tüm oyuncular arasında bilgisayara en çok benzeyen oyuncu ka­bul edilir.

Eğer YZ insanları daha iyi satranç oyuncusu yapabiliyorsa, öy­leyse mantıken daha iyi pilot, daha iyi doktor, daha iyi yargıç, daha iyi öğretmen de yapabilir.

Bir akıl, üzerinde durduğu her şeyi mükemmel bir şekilde ele alamaz. Belirli boyutlarda özel bir akıl türü daha etkili olur, ancak bunun karşılığında başka boyutlarda yetileri daha sınırlı kalabilir. Kendi kendine giden bir kamyonu yöneten akıl, ipotekle­ri ölçümleyen bir akıldan daha farklı türde olacaktır. Hastalığınıza tanı koyacak YZ, evinizin güvenliğini kollayan YZ’den ciddi ölçüde farklı olacaktır.

Bugün yaratmakta olduğumuz ve gelecek yüzyılda yaratacağımız tüm yapay akıl tipleri uzmanlaşmış ve ge­nelde bizim gücümüzü aşan görevleri yerine getirecek şekilde ta­sarlanmıştır. En önemli mekanik icatlarımız insanların yaptığı işleri onlardan daha iyi yapacak makineler değil, bizim hiç yapamayaca­ğımız işleri yapabilen makinelerdir. En önemli düşünen makinele­rimiz bizim düşündüklerimizi bizden daha hızlı ve iyi düşünebilen değil, bizim düşünemeyeceklerimizi düşünen makinelerdir.

Bu daha şimdiden, bilgisayarın gerçekleştirdiği matematiksel ispatları doğrulamakta zorlanıyoruz. Bazı matematiksel ispatlar öyle karmaşıklaştı ki, işlemin her adımını sağlıklı bir şekilde kontrol etmeyi sadece bilgisayarlar başarabiliyor, ama bu ispatlar bütün matematikçiler nezdinde “ispat” olarak kabul edilmiyor. İspatlar tek başına insanlarca anlaşılamıyor, bu nedenle bir algoritmalar dizisine güvenmek şart; bu da, bu yaratıklara ne zaman güveneceğini bilmek gibi yeni bece­riler istiyor.

 Gelecek yıllarda dikkatimizi en çok yönelteceğimiz yabancı akıllar, gövdeli olarak ürettiklerimiz olacak. Bunlara robot diyoruz. Deği­şik şekillerde, boyutlarda ve konfîgürasyonlarda olacaklar. Kimileri hayvanlar gibi ortalıkta gezinirken, çoğu bitkiler gibi hareketsiz duracak ya da mercan resifi gibi yayılacaklar. Robotlar çoktandır sakin bir şekilde hayatımızdalar. Çok yakında daha seslileri, daha akıllıları da yaşan­tımıza katılacak. Onların yaratacağı sarsıntı özümüze dokunacak.

Sanayi devrimi—ağır çekimle—19. yüzyılın başlarında işgücünü kökten etkilemişti. İki yüzyıl önce işçilerinin yüzde 70’i çiftçilikle geçiniyordu. Makineler onların (ve iş hayvanlannın) yerine geldi ama işsiz kalan işçiler boş kalmadılar. Otomasyon yepyeni alanlarda yüz mil­yonlarca yeni iş olanağı yarattı. Bir zamanlar tarımla uğraşan insan­lar tarım aletleri, araba ve diğer sanayi ürünleri imal eden fabrikaları doldurdu. O günden bu yana her biri bir önceki otomasyonun ürünü olan dalga dalga yeni meslekler—araç gereç tamircisi, ofset matbaacı, gıda kimyageri, fotoğrafçı, web tasarımcı—ortaya çıktı. Bugün çok büyük çoğunluğumuz 1880’lerdeki bir çiftçinin hayal edemeyeceği işlerde çalışıyoruz.

İnanması zor belki, ama bu yüzyılın sonunda bugünkü mes­leklerin yüzde 70’i aynı şekilde otomasyon tarafından yenileriyle değiştirilecek,  robotlar kaçınılmaz ve eski iş alanlarının yerini yenilerinin alması sadece zamana kalmış. Bu tırmanışı yapay biliş, ucuz sensörler, makinele­rin öğrenmesi ve dağıtılmış akıl temelinde, ikinci bir otomasyon dalgası yönlendiriyor. Bu geniş çaplı otomasyon el emeğinden tu­tun da bilgi işlerine kadar bütün işleri etkileyecek.

Makineler ilk önce, otomatikleşmiş durumdaki sektörlerde kazanımlarını pekiştirecek. Robotlar montaj işçilerinin yerine geç­meyi bitirdikten sonra, depolardaki işçilerin yerini alacaklar. Gün boyu gık demeden 80 kilo yük kaldıran hızlı robotlar sandıklan elden geçirip sınıflandırdıktan sonra kamyonlara yükleyecek. Şu anda Amazon’un depolarında bu tür robotlar çalışıyor. Sebze-meyve toplama işinin robotlara geçişi, uzmanlaşmış özel çiftlikler dı­şında toplama işi yapan insan kalmayıncaya kadar sürecek. Eczane­lerde, eczacılar hastalara danışmanlık hizmetine odaklanırken, arka tarafta tek tek ilaç hazırlayan robotlar çalışacak. Aslında ilaç dağı­tımını düzenleyen robotlar şu anda Kaliforniya’daki hastanelerde kullanılıyor. Bugüne kadar tek bir reçeteyi karıştırmadılar, oysa aynı şeyi insan eczacılar için söylemek mümkün değil. Ardından gece robotları önce kolay zeminler ve pencerelerden başlayıp, sonra tu­valetlere geçerek, ofis ve okul temizliği gibi daha zahmetli günlük işleri üstlenecekler. Uzun yol kamyon rotalarının otoban kısımlarında, aracı kamyon kabinine oturtulan robotlar sürecek. 2050 yılında kamyon şoförlerinin çoğunluğu insanlardan oluşmayacak. Bugün kamyon şoförlüğü en yaygın mesleklerden biri ol­duğundan, bu büyük bir değişim.

Tüm bu süre boyunca robotlar beyaz yakalı iş alanlarını doldur­maya devam edecekler. Bugün makinelerimizin çoğunda yapay zekâ yer alıyor; sadece bunu pek dile getirmiyoruz. Google’ın en yeni bilgisayarlarından biri önüne konan bir fotoğraf hakkında tam isabetli bir betimleme yapabiliyor. Web’den rasgele bir fotoğraf seçtiğinizde, bilgisayar ona “bakıp” kusursuz bir şekilde tarif edebiliyor. Bir dizi fotoğrafta yer alan şeyleri bir insan gibi doğru bir şekilde açıklayabili­yor, üstelik hiç yorulmadan. Google’ın tercüme YZ’si telefonu kişisel tercümana dönüştürüyor. Telefonun mikrofonuna İngilizce bir şey söylediğinizde, uygulama sözlerinizi anlaşılabilir bir şekilde Çinceye,

Rusçaya, Arapçaya ve daha düzinelerle dile çeviriyor. Telefonu kar­şınızdaki kişiye uzatırsanız, bu kez uygulama onların söylediklerini anında size tercüme ediyor.

Şu anda tam kınlma noktasındayız.

Yapay zekânın insan­sı nitelikte olmasını beklemek, yapay uçuşun kanatlarını çırparak uçan bir kuşa benzemesini talep etmekle aynı mantık hatasına düş­mektir. Robotlar da farklı düşüneceklerdir.

Rethink Robotics firmasının geliştirdiği Baxter adlı devrim ni­teliğindeki yeni iş robotunu ele alın. Üç önemli açıdan diğerlerinden farklı.

Birincisi, çevresine bakıyor ve yakınında çalışan insanları görüp, on­lara zarar vermekten sakınabiliyor.Ve işçiler onun kendilerini gör­düğünü anlayabiliyorlar. Eski sanayi robotları bunu yapamıyorlardı, bu yüzden de robot işçiler insanlardan fiziksel olarak ayrı tutu­luyordu.

İkincisi, Baxter’ı herkes eğitebilir. Diğer sanayi robotları kadar hızlı, güçlü ya da hassas değildir, ama daha akıllıdır. Robotu eğit­mek için ellerini tutup doğru hareketleri ve doğru hareket sırasını gösterebilirsiniz. Baxter işlemi öğrenip aynısını tekrar eder. Böyle göstererek an­latmayı her işçi becerebilir; okuma yazma bilmesine bile gerek yok. Eskiden bir robota en basit bir görev değişikliği talimatı yüklemek için binlerce satır şifre yazacak (sonra da hata ayıklama­sı yapacak) yüksek düzeyde eğitimli mühendislere ve birinci sınıf programcılara gerek duyuyordu. Robot kullanım sırasında yeniden programlanamadığı için, şifreleri toplu işlemle (batch)—yanı bü­yük, seyrek topluluklar halinde—yüklemek gerekiyordu. Görüldü ki, tipik bir sanayi robotunun asıl maliyeti donanımında değil, işle­tilmesinde yatıyordu. Bir sanayi robotunu 100.000 dolar ve üzerine satın alabilirsiniz, ama programlaması, eğitimi ve bakımı için yaşamı boyunca bunun dört katı masraf ödersiniz. Bu maliyetlerle birlikte, bir sanayi robotunun varlığı süresince ortalama faturası yarım mil­yon dolar ve üzerine çıkar.

Üçüncü fark, Baxter’ın ucuz oluşudur. 25.000 dolarlık fiyatıyla, toplamda 500.000 dolara mal olan öncüllerinden farklı bir ligde yer almaktadır. Batch programlama yapılabilen bu yerleşik robotlar robot dünyasının ilk ana çatı bilgisayarlarına benzetilebilir.

Robotlar sayesinde imalat maliyetlerinin düşmesinden ötü­rü, nakliye maliyetleri üretim maliyetlerinden çok daha önemli bir etmen haline geldi. Yakınlık ucuzluk getirecek.

Robotların yerimize geçmesinin nasıl gerçekleşeceğini kavramak için, robotlarla ilişkilerimizi dört kategoriye ayırmakta yarar var.

1.      İnsanların Yapabildiği, Ama Robotların Daha İyi Yaptığı İşler

İnsanlar büyük emekler harcayarak pamuklu kumaşlar örebilir, ama otomatik tezgâhlar çok düşük bir maliyetle bir kilometre uzun­luğunda mükemmel kumaşlar ortaya çıkarabilir. Bugün el yapımı kumaş almanın tek nedeni, insanlara özgü kusurların yansımasını görme isteğidir. Kusurlu bir araba istemek için pek neden yoktur. Vergi hesaplama işlemle­rinin büyük bölümünü, ayrıca rutin röntgen analizi ve yargı öncesi delil toplama işlerini bilgisayarlar üstlendi; bu işleri bir zamanlar yüksek ücretler alan akıllı insanlar yapıyordu. Robotların imalat­ta ileri derece güvenilir olduğunu kabullendik; yakında robotların hizmet ve bilgi işlerini daha iyi yapabileceğini de kabulleneceğiz.

2.      İnsanların Yapamadığı,Robotların Yapabildiği İşler

Ufak bir örnek verelim: İnsanların tek bir pirinç vidayı yardım almadan imal etmesi zordur, ama otomasyon bin adet vidayı tam istendiği şekilde bir saat içinde imal edebilir. Otomasyon olmasaydı tek bir bilgisayar çipi bile yapamazdık—bu, bedenlerimi­zin yoksun olduğu önemli ölçüde hassaslık, kontrol ve sarsılmaz bir dikkat gerektiren bir iştir. Bunun gibi, yine herhangi bir in­san yumurta fiyatlarının ne düzeyde seyret­tiğini açıklayan o raporu bulmak için dünyadaki tüm web sayfalarını çarçabuk tarayamaz. Arama butonuna tıkladığımız anda, tek başına yapamayacağımız şeyi yapmak üzere bir robotu görevlendirmiş oluyoruz. “İşlerin iyilerini” robotlara vermiyoruz. Çoğunlukla onlara ver­diğimiz işler, bizim asla yapamayacak olduklarımız.

3.    Yapılmasını İstediğimizi Bilmediğimiz İşler

Robotların devreye girmesindeki en büyük deha burada: Robotların ve bilgisayar zekâsının yardımıyla 150 yıl önce hayal bile ede­meyeceğimiz şeyleri yapmaktayız. Bugün bağırsaklarımızdaki bir tümörü karnımızdan çıkarabiliyor, düğünümüzün sesli videosunu çekebiliyor, Mars’ta araç sürebiliyor, bir arkadaşımızın bize hava yo­luyla gönderdiği bir mesajı kumaş üzerine basabiliyoruz. Bunlar makinelerin var ettiği işler.

Yüz yıl önce tek bir Çinli evine sıhhi tesisat koydur­madan önce, uzaktaki dostlarıyla konuşma olanağı sağlayan bir cihaza (telefona) para ödemeyi tercih ettiğini söyleyemezdi. Oysa Çin’de her gün evinde sıhhi tesisat bulunmayan çiftçiler, on­dan önce akıllı telefon alıyorlar. İcatlarımız tamamen somut bir şekilde işlerimizi belirliyor. Her başarılı otomasyon yeni iş alanları doğuruyor; bunlar, otomasyonun yönlendirmesi ol­masa, asla hayalini kuramayacağımız iş alanları.

4.     İlk Başta Sadece İnsanların Yapabileceği İşler

İnsanların yapıp robotlann yapamayacağı (en azından uzunca bir süre) tek şey insanların ne yapmak istediğine karar vermektir. Bu öyle basit bir kelime oyunu değil; arzularımızı geçmişteki niyetleri­miz esinlendirir, böylece ortaya döngüsel bir soru çıkar.

Ne zamanki temel işlerimizden çoğunu robotlar yapar ve böy­lece beslenmek, giyinmek ve barınmak görece kolaylaşır, işte o za­man “insanlar niye var?” diye sormakta özgür oluruz. Sanayileşme sadece ortalama insan ömrünü uzatmadı. Nüfusun giderek daha büyük bir kesimini balerin, tam zamanlı müzisyen, matematikçi, sporcu, moda tasarımcısı, yoga ustası, kurgu yazan ve kartvizitle­rinde benzersiz unvanlar yazan insanlar olmak için doğduklarına karar vermelerini sağladı. Makineler sayesinde bu rolleri üstlene­biliriz, ama tabii zamanla bu işleri de makineler yapacak. O zaman “Ne yapsam” sorusuna daha da fazla yanıt düşleme gücüne sahip olacağız. Bu soruyu bir robotun yanıtlayabilmesi için daha pek çok kuşağın geçmesi gerek.

Bir kişisel robot herkes için erişilebilir olacak, ama salt bir robota sahip olmak başarıyı garanti etmeyecek. Başarı, robotlar ve makine­lerle çalışma sürecini kim en ileri düzeye çıkarabilirse, onun olacak. Coğrafi üretim kümeleşmeleri, işgücü maliyeti rakamlan açısından değil, ama insanların uzmanlaşma düzeyleri açısından önem kaza­nacak.

 Robotların Yerimize Geçi­şinin Yedi Aşaması şöyle sıralanabilir:

1.   Bir robot/bilgisayar benim yaptığım işleri hayatta yapamaz.

2.   [Sonra] Tamam, bu işlerden çoğunu yapabilir, ama benim yaptığım her şeyi yapamaz.

3.   [Sonra] Tamam, benim yaptığım her şeyi yapabilir, sık sık olduğu gibi bozulduğu zamanlar hariç.

4.   [Sonra] Tamam, rutin işleri kusursuz şekilde yapıyor, ama yeni gö­revler için onu eğitmem gerekiyor.

5.   [Sonra] Tamam, tamam, eski sıkıcı işlerimi ona bırakabilirim, zaten bu işlerin insanlar için olmadığı açık.

6.   [Sonra] Vay canına, benim eski işimi robotlar üstlendiğine göre, yeni işim çok daha ilginç ve yüksek kazançlı olacak.

7.   [Sonra] Şu anda yaptığım şeyi bir robot/bilgisayarın yapamıyor ol­ması ne mutlu.

 

 Çalışma ar kadaşlarınızın yüzde 90 ı görünmeyen makineler olacak. Yapacağı­nız işlerin çoğunu onlarsız gerçekleştirmeniz mümkün olmayacak. Robotların işleri üzerlerine almalarına ihtiyacımız var.

©2020 by Yonetibilisim. Heart, Brain and Technology

For The World We Deserve and Desire