Her Detayıyla: Yapay Zeka(AI) Nedir?

Yapay zeka, son birkaç yıldır herkesin dilinde. Telefonunuzdaki asistandan, aracınızın navigasyonuna kadar her yerde karşımıza çıkıyor. Peki, bu sıkça duyduğumuz yapay zeka (AI – Artificial Intelligence) tam olarak ne anlama geliyor? Bu bilinçli bir varlık mı? Yoksa sadece çok karmaşık bir hesap makinesi mi?

Yapay zeka, en basit tanımıyla, normalde insan zekası gerektiren görevleri (görme, konuşmayı anlama, karar verme, öğrenme gibi) yerine getirebilen bilgisayar sistemlerini ifade ediyor. Amacı, bir insanın düşünme, analiz etme ve problem çözme şeklini taklit etmek.

Ancak bu teknolojinin nasıl çalıştığını, nereden geldiğini ve neden şu anda bir devrim yaşadığını anlamak için, yapay zeka şemsiyesinin altındaki farklı katmanları incelememiz gerekiyor.

Nasıl Ortaya Çıktı? Yapay Zekanın Kısa Tarihi

Yapay zeka fikri yeni değil. 1950’lerde, bilgisayar biliminin öncülerinden Alan Turing, “Makineler düşünebilir mi?” sorusunu ortaya attı ve ünlü Turing Testi‘ni önerdi. Bu test, bir makinenin, bir insanı kendisinin insan olduğuna ikna edip edemeyeceğini ölçmeyi amaçlıyordu.

Yapay zeka terimi ise ilk kez 1956’da, Dartmouth Konferansı adı verilen bir yaz atölyesinde kullanıldı. Bilim insanları, bir makinenin dili kullanmak veya sorunları çözmek gibi zekanın her yönünü simüle edebileceği bir program yaratabileceklerine inanıyorlardı.

Ancak bu ilk heyecan, AI Kışları olarak bilinen uzun ve zorlu dönemlere yol açtı. Teknoloji, vaatleri karşılamak için yeterli değildi. Bilgisayarlar çok yavaştı, veri yoktu ve finansman kesildi. Yapay zeka, on yıllar boyunca bilim kurgu alanında kaldı.

Eski ve Yeni: İki Farklı Yapay Zeka Yaklaşımı

Tarih boyunca yapay zekayı çalıştırmak için iki ana yaklaşım ortaya çıktı:

1. Kural Tabanlı (Eski) Yapay Zeka: Bu, ilk yapay zeka sistemlerinin çalışma şekliydi. Bilgisayara tam olarak ne yapması gerektiğini elle kodlanan kurallarla anlatıyordunuz.

• Nasıl çalışıyor: Milyonlarca “EĞER… O ZAMAN…” (IF… THEN…) kuralı yazılıyor. Örneğin, bir satranç programı için: “EĞER rakip şahını bu kareye oynarsa, O ZAMAN sen atını şu kareye oyna.”
• Sorunu ne: Bu sistemler aptaldı. Sadece onlara öğretilen kuralları biliyorlardı. Yeni bir durumla karşılaştıklarında (kural setinde olmayan bir durum) tamamen çöküyorlardı. Ayrıca, bir kediyi tanımak gibi basit bir iş için kaç milyon kural yazmanız gerekirdi? “Kedi kulağı görürsen”, “bıyık görürsen”… şeklinde devam ederdi dolayısıyla bu imkansızdı.

2. Makine Öğrenimi (Modern) Yapay Zeka: İşte devrim burada başladı. 2010’lu yıllarda, iki şey değişti: Devasa veri miktarları (internet sayesinde) ve çok hızlı işlemciler (özellikle ekran kartları).

Bilim insanları yaklaşımı değiştirdi: “Makineye kuralları biz vermeyelim. Ona binlerce örnek verelim, kuralları kendi kendine öğrensin.”

İşte Makine Öğrenimi (Machine Learning – ML) bu şekilde.

Makine Öğreniminin İç Yüzü: AI Nasıl Öğreniyor?

Makine Öğrenimi, yapay zekanın mevcut tüm uygulamalarının temelini oluşturuyor. Birkaç farklı öğrenme yöntemi kullanıyor:

1. Gözetimli Öğrenme (Supervised Learning) Bu, en yaygın yöntem. Adı üstünde, bir öğretmen (gözetmen) var.

• Nasıl çalışıyor: Yapay zekaya etiketli veriler veriyorsunuz. Tıpkı bir çocuğa resimli kartlar göstermek gibi: Bu bir “kedi” fotoğrafı (etiket: kedi). Bu bir “köpek” fotoğrafı (etiket: köpek).
• Milyonlarca kedi ve köpek fotoğrafını gördükten sonra, yapay zeka artık kedi ve köpeği ayıran desenleri (kulak şekli, burun yapısı, göz aralığı) kendi kendine çıkarmaya başlıyor.
• Nerede kullanılıyor: E-posta kutunuzdaki spam filtresi (daha önce spam olarak etiketlediğiniz binlerce e-postadan öğreniyor), yüz tanıma sistemleri.

2. Gözetimsiz Öğrenme (Unsupervised Learning) Burada öğretmen yok. Yapay zekaya sadece veri yığını veriliyor.

• Nasıl çalışıyor: Elinizde milyonlarca müşteri verisi var ama kimin kim olduğu belli değil. Yapay zekaya diyorsunuz ki: “Bu veriyi al ve anlamlı gruplara ayır.”
• Yapay zeka, verideki gizli desenleri arıyor ve “Bu grup, genellikle gece alışveriş yapan ve ayakkabı alanlar”, “Bu grup ise sabah alışveriş yapan ve teknoloji alanlar” gibi kümeler oluşturuyor.
• Nerede kullanılıyor: Pazarlamada müşteri segmentasyonu, Netflix’in “sizin gibi izleyiciler şunları da beğendi” önerileri, anormallik tespiti (kredi kartı sahtekarlığı).

3. Pekiştirmeli Öğrenme (Reinforcement Learning) Bu, bir köpeği eğitmek gibi, deneme-yanılma ve ödül/ceza sistemiyle çalışıyor.

• Nasıl çalışıyor: Yapay zeka bir ajan olarak bir ortama bırakılıyor (örneğin bir video oyunu). Amacı, puanı en yükseğe çıkarmak.
• Yaptığı her hareket (sağa git, zıpla) bir sonuç doğuruyor. Eğer bir puan kazanırsa (ödül), o hareketi “iyi bir hareket” olarak not ediyor. Eğer can kaybederse (ceza), o hareketi “kötü bir hareket” olarak not ediyor.
• Milyonlarca denemeden sonra, puanı maksimize etmenin en iyi yolunu kendi kendine keşfediyor.
• Nerede kullanılıyor: İnsan şampiyonlarını yenen satranç (AlphaZero) veya Go (AlphaGo) botları, robotik kollara bir şeyi tutmayı öğretmek, otonom araçların rota optimizasyonu.

En Derin Katman: Derin Öğrenme (Deep Learning) Nedir?

Makine Öğreniminin bir alt dalı olan Derin Öğrenme (Deep Learning – DL), günümüzdeki patlamanın asıl motoru.

• İlham Kaynağı: İnsan beynindeki nöronların çalışma şekli.
• Nasıl çalışıyor: Derin öğrenme, Yapay Sinir Ağları adı verilen bir yapıyı kullanıyor. Bu ağlar, katmanlar halinde dizilmiş düğüm (node) adı verilen basit hesaplama birimlerinden oluşuyor.
• Veri (örneğin bir fotoğrafın pikselleri) ilk katmana giriyor. İlk katman, sadece basit desenleri (kenarlar, çizgiler) algılıyor.
• Bu katmanın çıktısı, bir sonraki katmana gidiyor. İkinci katman, bu kenarları birleştirip daha karmaşık şekilleri (göz, burun, kulak) algılıyor.
• Bu, katman katman devam ediyor. Veri ne kadar derine inerse, o kadar karmaşık desenler tanınıyor. En sondaki katman, tüm bu bilgileri birleştirip “Bu bir kedi” sonucunu veriyor.
• Derin denmesinin sebebi, bu katmanların sayısının yüzlerce, binlerce olabilmesi.

Derin Öğrenme, Makine Öğreniminin yapamadığı çok karmaşık işleri (doğal dil işleme, karmaşık görüntü tanıma) yapabilen güç kaynağı.

Üretken Yapay Zeka (Generative AI)

Ve bu da bizi bugüne getiriyor. Şu anda kullandığımız ChatGPT, Gemini, DALL-E, Midjourney gibi araçların hepsi Üretken Yapay Zeka kategorisine giriyor.

Bu sistemler, öğrendikleri verilerden yeni ve orijinal içerikler (metin, resim, kod, ses) üretiyorlar.

• Metin için (ChatGPT, Gemini vb.): Bunlar Büyük Dil Modelleri (Large Language Models – LLM) kullanıyor. Bu modeller, internetin devasa bir kısmıyla (trilyonlarca kelime) eğitiliyor. Onların yaptığı şey temelde bir olasılık hesaplaması. Bir cümleye başladığınızda, o cümleyi takip etmesi en olası kelimeyi tahmin ediyorlar. Onlar düşünmüyor; sadece istatistiksel olarak en mantıklı gelen kelimeyi sıraya koyuyorlar. Bu işlemi o kadar hızlı ve o kadar büyük bir veri setiyle yapıyorlar ki, sonuçta ortaya akıcı ve anlamlı bir metin çıkıyor.
• Görüntü için (DALL-E, Midjourney vb.): Bunlar genellikle Difüzyon Modelleri adı verilen bir teknik kullanıyor:
  1. Sistem, önce net bir fotoğrafa bakıyor.
  2. O fotoğrafa yavaş yavaş parazit (gürültü/noise) ekleyerek onu tanınmaz hale getiriyor ve bu süreci öğreniyor.
  3. Sonra tam tersini yapıyor: Rastgele bir parazit görüntüsü alıyor ve metin komutunuzu (örneğin “astronot at üzerinde”) bir rehber olarak kullanarak, o paraziti yavaş yavaş temizleyerek (denoising) komutunuza uygun bir görüntüye dönüştürüyor.

Yapay Zekanın Türleri

Son olarak, yapay zekayı genellikle üç ana seviyede sınıflandırıyoruz:

1. Yapay Dar Zeka (Artificial Narrow Intelligence – ANI):
   • Bu, şu anda sahip olduğumuz yapay zeka.
   • Sadece tek bir spesifik görev için tasarlanmıştır. Satranç oynayan yapay zeka, hava durumunu tahmin edemez. Spotify’da müzik öneren yapay zeka, tıbbi bir taramayı analiz edemez. Siri, sadece komutlarınızı anlamaya odaklı. Hepsi kendi alanında çok başarılı, ama o alanın dışına çıkamaz.
2. Yapay Genel Zeka (Artificial General Intelligence – AGI):
   • Bu, bilim kurgu yapımlarda gördüğümüz (Terminatör, Westworld) türden bir yapay zeka.
   • Bir insanın yapabildiği herhangi bir zihinsel görevi öğrenebilen, anlayabilen ve uygulayabilen teorik bir yapay zeka.
   • Böyle bir şey henüz mevcut değil. Ne zaman (veya olup olmayacağı) ise büyük bir tartışma konusu.
3. Yapay Süper Zeka (Artificial Superintelligence – ASI):
   • Bu da teorik bir sonraki adım. Sadece insan gibi değil, tüm insan zekasından topluca daha akıllı olan bir varlık.
   • Bunun sonuçları hakkında kimsenin net bir fikri yok.

Günlük Hayatımızdaki Yeri

Yapay zeka artık bir gelecek konsepti değil, hayatın içinde:

• Akıllı Telefonlar: Fotoğraflarınızdaki kişileri otomatik gruplandıran, size en iyi yolu gösteren (Google Maps), sesinizi anlayan (Siri, Google Assistant) sistemler.
• Eğlence: Netflix, Spotify ve YouTube’un size izleyecek veya dinleyecek yeni şeyler önermesi, tamamen yapay zekanın öğrenme kalıplarına dayanıyor.
• Sağlık: Yapay zeka, röntgen veya MR taramalarını analiz ederek, doktorların gözünden kaçabilecek erken aşama kanser belirtilerini tespit etmeye yardımcı oluyor.
• Finans: Bankalar, şüpheli işlemleri (sahtecilik tespiti) saniyeler içinde fark etmek için yapay zeka kullanıyor.
• Ulaşım: Otonom sürüş teknolojileri (Tesla Autopilot gibi), çevreyi algılamak ve karar vermek için karmaşık derin öğrenme modelleri kullanıyor.

Bu teknoloji, bir araç. Tıpkı ateş veya elektrik gibi, hem inanılmaz faydalar sağlama hem de ciddi riskler (işsizlik, veri yanlılığı, etik sorunlar) yaratma potansiyeline sahip. Onu nasıl geliştirdiğimiz ve nasıl kullandığımız, gelecekteki etkisini belirleyecek.