Heyecanlı bir konuyla karşınızdayım dostlar! Yapay zeka… Şu sıralar her yerde duyuyoruz değil mi? Bazen böyle düşününce insan hayret ediyor, hani 20 sene önce falan bilgisayarlar sadece hesap makinesi gibiydi sanki, şimdi gelmiş geçmiş en karmaşık işleri yapabiliyorlar. Hatta geçenlerde bir arkadaşımla sohbet ederken, bizim evin akıllı süpürgesinin haritasını çıkarıp odaları benim çocuklarımdan daha iyi tanıdığını fark ettik. İnanın ki, bu durum beni hem şaşırttı hem de biraz ürküttü. Bu teknoloji nereye gidiyor diye düşünmeden edemedim.
Benim için de bu yolculuk biraz eski bir anımla başladı diyebilirim. Üniversite yıllarında, hatta daha gençken, gömülü sistemler üzerine bir proje yapıyorduk. Bir robot kolunu hareket ettirmeye çalışıyorduk ve o zamanlar benim için en büyük olay, basit bir ‘if-else’ döngüsüyle iki noktayı birbirine bağlamaktı. Şimdi düşünüyorum da, o günlerde yaptığımız şeyler bugünün yapay zekasının yanında ne kadar basit kalıyor. Ama o zamanlar bizim için dünyayı değiştirmek gibiydi. Hatta bir keresinde, kodda yaptığım küçücük bir hata yüzünden o robot kolu ortalığı birbirine kattıydı, mazallah kimseye bir şey olmadı ama bayağı bir panik yaşamıştık. İşte o gün anladım ki, teknoloji hem çok hızlı ilerliyor hem de arkasında koca bir tarih yatıyor.
Neyse efendim, konuya gelelim. Yapay zeka dediğimiz şey aslında öyle birdenbire ortaya çıkmış bir şey değil. Çok uzun bir geçmişi var aslında, hatta belki de insanlığın ilk hayallerinden biri diyebiliriz. Düşünsenize, Antik Yunan mitolojisindeki robotlar, mekanik tasarımlar… Bunlar hep bir tür ‘yapay zeka’ isteğinin ilk tohumları gibi geliyor bana.
Aslında yapay zekanın temelleri, 1940’lar ve 50’lerde atılmaya başlandı. O dönemde bilim insanları, makinelerin düşünebilir mi, öğrenebilir mi diye kafa yoruyorlardı. İşte o meşhur ‘Alan Turing’ olayı var ya, o da tam bu döneme denk geliyor. Kendisi bir test önermişti, makinelerin insan gibi davranıp davranamayacağını anlamak için. Hani ‘Turing Testi’ derler ya, işte o testin fikri o zaman ortaya çıkmış. Hatta Google’da şöyle bir şey denk geldim, bu testin mantığını anlamak için bakabilirsiniz.
Sonra 1956’da Dartmouth Konferansı diye bir şey oluyor. İşte bu konferans, yapay zekanın ‘doğum günü’ olarak kabul ediliyor diyebiliriz. John McCarthy gibi isimler, ‘yapay zeka’ terimini ilk kez burada kullanıyorlar. O zamanlar herkes çok heyecanlı, sanki sihirli bir değnek değmiş gibi. Makinelerin her şeyi yapabileceğine inanıyorlar. Tabii o dönemde bilgisayarlar şimdiki gibi güçlü değildi, yani öyle her istediğini yapamıyordun ama fikir çok büyüktü.
Fakat işler her zaman toz pembe gitmiyor, değil mi? Yapay zeka araştırmaları bazen ‘yapay zeka kışları’ denen dönemlere girmiş. Yani beklentiler çok yüksek, yatırımlar yapılıyor ama sonuçlar istenilen düzeyde olmayınca birden para muslukları kapanıyor. Bu da araştırmaların yavaşlamasına neden oluyor. Sanırım bu tür teknolojilerde bu tür inişler çıkışlar normal, hani bizde de böyle oluyor ya bazen projeler.
Bu arada, yapay zekanın tarihinde dönüm noktaları da var tabii. Mesela 1970’lerde ‘uzman sistemler’ denen bir şey çıkıyor. Bu sistemler, belirli bir alanda uzman insanların bilgilerini taklit etmeye çalışıyor. Mesela tıpta teşhis koymak gibi. Bunlar o dönem için bayağı bir devrim niteliğinde oluyordu. Sonra 1980’lerde makine öğrenmesi denen alan daha çok önem kazanmaya başlıyor. Makinelerin veri setlerinden kendi kendine öğrenmesi fikri, işte o zamanlar daha çok ciddiye alınıyor.
Ve tabii ki, son yıllarda derin öğrenmenin (deep learning) yükselişi var. Bu, yapay zekanın en çarpıcı gelişmelerinden biri. Yapay sinir ağları kullanarak, makineler inanılmaz karmaşık desenleri öğrenebiliyor. Görüntü tanıma, sesli asistanlar, dil çevirisi gibi birçok alanda devrim yarattı bu teknoloji. Hani şu telefonumuzdaki asistanlar var ya, işte onların bu kadar akıllı olmasının sebebi büyük ölçüde derin öğrenme. YouTube’da bununla ilgili bir sürü güzel anlatım var, merak edenler bakabilir.
Bu gelişmelerde rol oynayan birçok önemli isim var aslında. Alan Turing’ten bahsettik. John McCarthy, Marvin Minsky, Herbert Simon, Allen Newell… Bunlar yapay zekanın temellerini atanlardan sadece birkaçı. Daha sonra Geoffrey Hinton, Yann LeCun, Yoshua Bengio gibi isimler de derin öğrenmenin babaları olarak anılıyor. Yani anlayacağınız, bu devasa yapının arkasında birçok parlak beyin var.
Şimdi gelelim işin biraz daha pratik tarafına, yani kod kısmına. Yapay zeka dediğimizde akla ilk gelenlerden biri ‘makine öğrenmesi’ oluyor. Basit bir makine öğrenmesi örneği göstermek isterim size. Diyelim ki elimizde basit bir veri setimiz var ve bu veriye göre bir sınıflandırma yapmak istiyoruz. Mesela, bir çiçek türünü yaprak uzunluğuna ve genişliğine göre ayırt etmek gibi. İlk başta böyle bir şey yapmak için karmaşık algoritmalar düşünebiliriz.
Ama aslında Python gibi dillerde, bu işleri kolaylaştıran kütüphaneler var. Mesela Scikit-learn dediğimiz bir kütüphane var. Bu kütüphane ile çok basit bir şekilde makine öğrenmesi modelleri oluşturabiliyoruz. Hatta işin güzel yanı, bazen deneme yanılma yoluyla bir algoritmanın diğerinden daha iyi performans gösterdiğini görebiliriz.
Şimdi size şöyle bir örnek göstereyim. Diyelim ki bir sınıflandırma problemi var. İlk akla gelen, belki de manuel olarak kurallar yazmak olur. Ama bu, veri büyüdükçe imkansız hale gelir. İşte burada Scikit-learn’deki basit bir ‘Logistic Regression’ modeli devreye giriyor. Kodumuz şöyle:
import pandas as pd from sklearn.model_selection import train_test_split from sklearn.linear_model import LogisticRegression from sklearn.metrics import accuracy_score# Basit bir veri seti oluşturalım (çiçek yaprak uzunluğu ve genişliği) data = {'yaprak_uzunlugu': [5.1, 4.9, 4.7, 4.6, 5.0, 5.4, 4.6, 5.0, 4.4, 4.9, 5.4, 7.0, 6.4, 6.9, 5.5, 6.5, 5.7, 6.3, 4.9, 6.2], 'yaprak_genisligi': [3.5, 3.0, 3.2, 3.1, 3.6, 3.9, 3.4, 3.4, 2.9, 3.1, 3.7, 3.2, 3.2, 3.1, 2.3, 2.8, 2.8, 3.3, 2.4, 2.9], 'tur': ['A', 'A', 'A', 'A', 'A', 'A', 'A', 'A', 'A', 'A', 'A', 'B', 'B', 'B', 'B', 'B', 'B', 'B', 'B', 'B']} df = pd.DataFrame(data)
# Veriyi özellikler (X) ve hedef (y) olarak ayır X = df[['yaprak_uzunlugu', 'yaprak_genisligi']] y = df['tur']
# Veriyi eğitim ve test setlerine ayır X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.3, random_state=42)
# Logistic Regression modelini oluşturalım model = LogisticRegression() model.fit(X_train, y_train)
# Test seti üzerinde tahmin yapalım y_pred = model.predict(X_test)
# Modelin doğruluğunu hesaplayalım accuracy = accuracy_score(y_test, y_pred) print(f"Model Doğruluğu: {accuracy:.2f}")
# Yeni bir çiçek için tahmin yapalım yeni_cicek = pd.DataFrame({'yaprak_uzunlugu': [6.0], 'yaprak_genisligi': [2.8]}) tahmin = model.predict(yeni_cicek) print(f"Tahmin edilen tür: {tahmin[0]}")
Bu kodda ne yaptık? Önce basit bir veri seti oluşturduk, sonra bu veriyi modelimizi eğitmek ve test etmek için ayırdık. Ardından ‘Logistic Regression’ modelini kullandık ve sonuçları gördük. Modelin doğruluğu fena değil, sanırım %100 çıktı. Bu, basit bir veri seti için gayet iyi. Hani böyle ilk denemede tutunca insan seviniyor ya, aynen öyle bir şey oldu bende de 🙂
İşte bu, yapay zekanın sadece büyük şirketlerin veya süper zeki insanların işi olmadığını gösteriyor. Basit kütüphanelerle bile bu tür algoritmaları çalıştırabiliriz. Tabii bu sadece bir başlangıç, yapay zekanın derinlikleri çok daha fazla.
Sonuç olarak, yapay zekanın kısa tarihi aslında insanlığın bitmeyen merakının ve problem çözme isteğinin bir yansıması. Dönüm noktaları, önemli isimler, inişler ve çıkışlarla dolu bu yolculuk, inanıyorum ki daha da heyecan verici hale gelecek. Bizim de bu teknolojiye ayak uydurmamız, hatta belki de bu alanda bir şeyler üretmemiz lazım. Unutmayın, bugün basit bir ‘if-else’ yarın bambaşka bir devrimin temeli olabilir.