İnsan Beyni mi Makineler mi Üstün

2018-01-21 | Yapay Zeka

Sinir sisteminin ana bileşeni beyindir ve "beyin hücreleri" genel olarak nöron isminde anılırlar veya sinir hücresi de denir. Bir nöron, elektro-kimyasal sinyaller yoluyla bilgi işleyen ve ileten elektrikle uyarılabilen bir hücredir. Diğer hücrelerin aksine, nöronlar asla bölünmez ve yenileri ile değiştirilmek üzere ölmezler. Aynı nedenle, birkaç istisna dışında da genellikle kaybolduktan sonra değiştirilemezler.

Ortalama insan beyni, nöronları desteklemek ve korumak için hizmet eden yaklaşık 100 milyar nöron (veya sinir hücresi) ve çok daha fazla nevroglia (veya glial hücreler) vardır (ancak, glial hücreler bizim konumuzla ilgili olmadığı için ilgilenmeyeceğiz). Her bir nöron, 10.000 diğer nörona kadar bağlanabilir, sinyalleri birbirine yaklaşık 1 trilyar (1.000.000.000.000.000, başka bir deyişle 1 milyon tane 1 milyar) sinaptik bağlarla geçirir. Bazı tahminlerle saniyede 1 trilyon bitlik bir bilgisayara eşdeğer olur. İnsan beyninin hafıza kapasitesinin tahminleri 1 ila 1.000 terabayt arasında değişir (karşılaştırma için yaklaşık 19 milyon cilt kitap, yaklaşık 10 terabayt veriyi temsil eder).

Bellek şifreleme ve alma süreçleri sırasında gerçekleşen gibi, beyindeki bilgi aktarımı, kimyasalların ve elektriğin kombinasyonu kullanılarak gerçekleştirilir. Bu, birbiriyle ilişkili çeşitli adımları içeren çok karmaşık bir süreçtir, ancak burada hızlı bir genel bakış sunulabilir.

Peki neden anlatıyoruz bunları diye merak ediyorsundur. Ne kadar mükemmel bir canlı olduğumuzu, asla kopyalanamayacak ve hatta kopyalamaya yaklaşılamayacak olduğumuzu söyleyip böbürlenmek değil amacım. Sadece neyle donatılmış olduğumuzu bilelim istedim. Ve yapay zekanın insan zekasına yakınsaması için nasıl bir yoldan geçmemizin gerektiğini kafamızda canlandıralım istedim.

Şimdiye kadar geliştirilmiş bilinen en büyük derin öğrenme bilgisayarı Keras üzerinde eğitilmiş olan ResNet-152 bilgisayardır. Bu bilgisayar üzerinde 60 milyon tane sinaptik bağ ile bağlı. Yani insan beynindeki sinapslardan 15 milyon kat daha az. Pek yaklaştık sayılamaz sanırım. Ama gene de iyi gidiyoruz. Neyse dediğim gibi övünmeyi bırakıp benzerlikler ve farklılıklar üzerinden gidelim belki de en iyisi

İnsan beyni ile makinelerin beyni arasındaki farklar nelerdir?

İnsan beyninin düşünme yapısına en yakın bilgisayar şu an için derin öğrenme yöntemiyle çalışan bilgisayarlar olduğu için kendimizi onlarla karşılaştırmak çok daha anlamlıdır. Bu durumda aramızdaki farklılıklar şöyle oluşuyor.

Parametreler : İnsan beyni en güçlü yapay zekadan bile 15 milyon kat daha fazla sinaptik bağa sahiptir. Makinelerdeki nöron ve snaps sayısını gün geçtikçe arttırıyoruz ama insan beynine şu anki teknolojilerle müdahale edilemiyor. Aradaki fark çok büyük gibi gözükse de gittikçe kapanıyor.

Topoloji : Topoloji derken nöronlar arası bağlantıların mimarisinden bahsediyoruz. İnsan beyninin içinde derin öğrenmedeki gibi katmanlar (layer) yoktur. Çok daha karışık ve grift bir yapıda birbirine bağlıdır.

Senkron / Asenkron Çalışma: İnsan beyni tamamen asenkron çalışmaktadır, yani herhangi bir işlemi yaparken aynı andabaşka bir işlemi de yapabilir. Başladığı işlemin sonucunu beklemek ve sonrasında diğer işlemi yapmaya başlamak zorunda değildir. YSA(ASS : Artificial Neural Networks, Yapay sinir(nöral) ağları) temellli bilgisayarlar ise senkron çalışmaktadır. Yani tüm işlemleri sırayla yapmaktadır.

Öğrenme Algoritması : YSA (Yapay Sinir Ağları) hata azaltma (Gradient Descent) yöntemi kullanarak öğrenmektedir. Kabaca açıklamaya çalışırsak, tahmin fonksiyonunun doğruluğunu arttırmak için hatayı azaltmaya çalışırız. Fonksiyon gradyanında bir yöne gidildiğinde hata artar diğer yönde giderken de azalır. Bu prensibe dayanarak hatanın birinci dereceden optimizasyonunu sağlayan algoritmalar kullanır.

İnsan beyninin ne şekilde öğrendiğini ise henüz bilmiyoruz.

İşlem Gücü : Tek bir biyolojik nöronlar yavaştır. Tabii ki yavaşlık neye göre diye itiraz edeceğinizi biliyorum. YSA' lardaki nöronlara göre yavaştır. Aynı zamanda YSA'lardaki işlemci güçleri gün geçtikçe artmaktadır.

Güç tüketimi: İnsan beynindeki nöronlar bir bilgisayar nöronuna göre çok çok az miktarda elektrik / güç tüketimi yapmaktadır. Bilgisayarlardaki güç tüketimi ısınma problemi de oluşturmaktadır.

Evreler: İnsan beyninin çalışma evrelerinde öğrenmeyi durdurma, başlatma, devam etme gibi evreler yoktur. Doğum ile başlayan öğrenme süreci ölene ya da çok büyük bir rahatsızlık / hastalık geçirene kadar devam eder. Bu süreçte aynı anda değerlendirmeler yapar ve kararlar verir. Bir yapay sinir ağına sahip bilgisayarda ise bunlar evrelere ayrılmıştır. Önce eğitilir, sonra da tahmin yapma, değerlendirme evrelerine geçilir. Eğitim bitmeden tahmin aşamasına geçilemez. Defalarca eğitim/değerlendirme evresine başlanıp bitirilebilir.

İnsanların ve makinelerin öğrenme yöntemleri nelerdir?

En temel anlamında bakacak olursak şimdiye kadar kullanılan yöntemler güdümlü (supervised), arttırılmış güdümlü (augmented supervised), yarı güdümlü (semi-supervised), ödül ile (reinforcement) ve güdümsüz (unsupervised) öğrenme şekilleridir. Bu yöntemlerin temellerini Makine Öğrenme Yöntemleri yazımızda incelemiştik.Burada insan ve makinelerin beyinlerinin nasıl öğrendiğini bir miktar karşılaştırmak istiyorum.

Güdümlü (Supervised) Öğrenme Yöntemi, herhangi bir yönlendirme olmadan sadece insanların öğrenebileceği bir yöntemdir. Tabii ki şu an çalışan neredeyse bütün yapay zeka uygulamaları güdümlü öğrenme kullanıyor ama bununla ilgili önceden insan yönlendirmesine ihtiyaç duyuyorlar. Bu sebeple felsefi tartışmasını yapacaksak bilgisayarlar salt güdümlü öğrenme kullanamazlar diyebiliriz.

Arttırılmış Güdümlü (Augmented Supervised) Öğrenme Yöntemi ile hem insanlar hem de bilgisayarlar öğrenmektedirler. Öğrendikleri şeylerin temel özelliklerini ve sınıflandırma parametrelerini öğretmenleri / yazılımcıları, tasarımcıları belirtir. Bu durumda hem insanlar hem de bilgisayarlar bu bilgileri nasıl sınıflandıracaklarına karar verirler.

Yarı Güdümlü (Semi-Supervised) Öğrenme Yöntemi makinelere daha uygundur. Bazı insanlarda daha yaygın olarak karşımıza çıkan içgörü / öngörü ve belki de vizyon dediğimiz şey aslında tam olarak budur. Birşeyler hissederler ve tezlerini ortaya koyarlar, sonrasında da bunu ispatlamak için denemeler yapmaya başlarlar. Makineler herhangi bir özelliğini bilmese bile bazı olayları ve bilgileri kendi yöntemlerini kullanarak sınıflandırabilme yeteneğine sahip olabilir.

Ödül ile (Reinforcement) Öğrenme Yöntemi insanlar için yok denecek kadar az olan bir yöntemdir. Hatalarımızdan öğrendiğimiz durumları hatırlarsınız. Sobaya elimizi dokunduğumuzda canımız acır ve bir daha dokunmayız. Ya da güzel şeyler yaptığımızda çevremizden gördüğümüz aferin gibi güzel lafları ödül olarak algılayıp daha çok ödül toplamak için iyi çocuklar olmuşuzdur. Ama malesef hayatımızda daha çok yer alması gerektiğini düşünmeme rağmen pek fazla kullanmıyoruz. Ama bilgisayar programları bunu çok güzel kullanarak kendilerini geliştirebileceklerdir. Ben şahsen Super Yapay Zekaya geçişin reinforcement üzerinden olacağına inanıyorum.

Güdümsüz (Unsupervised) Öğrenme Yöntemi ise insanlar için imkansızdır. Bizler sadece özelliklerini tanımlayabildiğimiz bilgileri anlayabilme ve sınıflandırabilme yeteneğine sahibiz. Ama bilgisayarlar bu yöntemi kullanarak bir karar verme aşamasına gelebilirler. Bu onlar için bir üstünlük noktası oluşturabilir.

Öğrenme yöntemleri arasından güdümlü ve arttırılmış güdümlü olan öprenme yöntemleri şu an için en yaygın olarak kullanılan yöntemlerdir. Birçok başarılı yapay zeka uygulaması başarılarını güdümlü öğrenmeye borçlu. Aynı zamanda yarı-güdümlü olan ve ödül ile öğrenme yöntemleri de yakın gelecekte bize çok başarılı yapay zeka uygulamaları getirecektir. En çok şaşırdığımız uygulamalar artık bu öğrenme yöntemine geçmeye başlayacak. Güdümsüz öğrenme ise bu yöntemlerin arasında en son başarılı örneklerini göreceğimiz uygulamalar olacaktır. Bunlar için daha uzun sayılabilecek bir süre var önümüzde.

İnsanların ve makinelerin daha iyi olma yarışı

Bu yarış insanların ezici üstünlüğü ile devame ederken bir anda makinelerin yükselişi ile son yıllarda birçok yerde tam tersine dönmüş durumda. Önceleri birçok rutin işte insanların ellerinden bu üstünlüğü aldılar. Sonrasında daha sofistike olan işlere el uzattılar. Satranç oyununda insanları yendikten sonra herkeste bir şaşkınlık uyandırdılar. Ama bu bir son degil başlangıçtı. O tarihten sonra artık önlerinde sadece GO oyunu kalmıştı ki 2017 ortalarında GO şampiyonunu da 3-0 gibi ezici bir üstünlükle yendikten sonra artık sofistike ya da değil tüm oyunlarda üstünlüğü ele geçirdiler.

Peki görüntü, ses tanıma konusunda ne olacaktı. İnsanlara uzun yıllar boyunca ezilen makineler burada da bir üstünlük saplamaya başladılar. Bir insanın gördüğü görüntüyü anlayabilme yeteneği %95 doğruluktadır. Makineler 2015 yılına kadar bu doğruluğa yaklaşamıyorlardı bile. 2010 yılında %75 doğruluk bile hayaldi. Ama sonrasında makinelerin çok büyük bir atılımı oldu. Derin öğrenme ile beraber 2015 yılında insanların %95 rekorunu kırdılar ve 2017 yılında %98'lere kadar ilerlediler. Artık gördüklerini ya da duyduklarını da bizden daha iyi tanıyorlar.

Bu kaybettiğimiz alanlarda sonsuza kadar bir daha zafer kazanma şansımız yok. Çünkü bizler biyolojik yapımızı değiştiremeyiz ama makienler sürekli gelişmeye devam ediyorlar ve aramızdaki fark da açılıyr. Artık üstünlüğümüzü koruyabileceğimiz alanlar bulmakta zorlanıyoruz. Önceden makinelerin yapamayacağı şeylerin başına eklenen sanat da artık insanların tekelinde değil.

Aşağıdaki tabloları yapay zeka ürünlerinin yaptığını görünce bu yarışta da yalnız olmadığımızı net olarak söyleyebiriz. Resimlerin büyük halini görmek için resimlere tıklayabilirsiniz.