“Kış geliyor.” (Winter is coming) Bu iki kelime, yalnızca bir dizinin unutulmaz repliği değil, aynı zamanda insanlığın hazırlıksız yakalanabileceği dönüm noktalarını da hatırlatan güçlü bir uyarıdır. İzlenme rekorları kıran Taht Oyunları (Game of Thrones) dizisinin karanlık atmosferinde yaklaşan tehlikenin habercisi olan bu cümle, bugün yapay zekâ çağında da yeniden anlam kazanıyor. Çünkü her büyük ilerleme, içinde bir kırılma potansiyelini de taşır. Şayet bu kırılmayı zamanında fark etmezsek, yüzleşeceğimiz şey bir teknolojik bahar değil; bizi yeniden sarsacak bir “yapay zekâ kışı” olabilir.
1956 yazında, Amerika’nın kuzeydoğusunda, New Hampshire’daki küçük bir üniversite kasabasında sessiz bir devrim başlamak üzereydi. Dartmouth Üniversitesi’nin gölgeli avlusunda bir avuç bilim insanı, insan zekâsını anlamaya ve bir makineye aktarmaya dair iddialı bir fikir için bir araya geldi. Aralarında John McCarthy, Marvin Minsky, Claude Shannon ve Allen Newell gibi dönemin vizyoner isimleri vardı. McCarthy bu yeni bilim alanına bir isim de vermişti: Artificial Intelligence – Yapay Zekâ.
Onların düşüncesine göre, zekâ aslında sistematik olarak çözülebilir bir problemdi. Dil öğrenmek, problem çözmek, karar vermek gibi karmaşık insani yetenekler, yeterince güçlü algoritmalarla taklit edilebilirdi. Hatta optimist tahminler havada uçuşuyordu: “Bir makine bir insan gibi düşünmeyi birkaç on yıl içinde öğrenebilir” deniliyordu.
1950’lerin ortasından itibaren bu hayal gerçek olacak gibi görünüyordu. Logic Theorist ve General Problem Solver gibi ilk yapay zekâ yazılımları geliştirildi. Bu sistemler, belirli mantıksal problemleri çözebiliyor, hatta bazı matematik teoremlerini yeniden keşfedebiliyorlardı. ABD Savunma Bakanlığı’nın araştırma kolu DARPA, yapay zekâ projelerine büyük miktarda fon ayırdı. “Makine düşünecek, insanlık çağ atlayacak!” gibi iddialı söylemler gazete manşetlerini süslüyordu.
Ancak sahne arkasında işler daha karmaşıktı. Bu erken başarılar, gerçek dünya ile değil, laboratuvar ortamında tanımlı, küçük ölçekli sorunlarla sınırlıydı. Örneğin, dil işleme sistemleri bir cümleyi çözümlemeyi başarsa da, bağlamı anlayamıyor; oyun oynayan programlar ise satrancın sadece ilk birkaç hamlesinde anlamlı hamleler üretebiliyordu. Bu sistemler, gerçek dünyanın belirsizliği ve esnekliği karşısında adeta kilitleniyordu.
1970’lerin başında işler tersine dönmeye başladı. Özellikle Marvin Minsky ve Seymour Papert’in 1969’da yayımladığı ‘Perceptrons’ kitabı, tek katmanlı sinir ağlarının sınırlılıklarını göstererek, o dönemin umut verici sinir ağı yaklaşımına ağır bir darbe indirdi. Bu yayın, yapay zekâ camiasında sinir ağlarına olan güveni neredeyse bitirdi. Üstelik bilgisayarların donanım gücü de sınırlıydı; yeterli bellek, işlem hızı ve veri altyapısı yoktu.
Bu teknik darboğazlar, finansal ve politik sonuçları da beraberinde getirdi. ABD ve İngiltere’de yapay zekâ araştırmalarına sağlanan destekler azalmaya başladı. İngiltere’de yayımlanan Lighthill Raporu (1973), yapay zekânın pratikte işe yaramadığını ileri sürerek hükümetin fonları kesmesine neden oldu. Aynı dönemde Amerika’da da birçok proje sonlandırıldı.
Araştırmacılar bir anda yalnız kaldı. Akademik çevrelerde “Yapay Zekâ” terimi riskli bir etiket haline geldi; genç bilim insanları kariyerleri için daha “saygın” konulara yöneldi.
1980’lerin başında kısa süreli bir bahar havası yaşandı. Uzman sistemler (expert systems) adı verilen kural tabanlı yapılar ticari alanda kullanılmaya başlandı. Özellikle tıp ve mühendislikte belirli kararları otomatikleştirebilen sistemler umut yarattı. IBM, Xerox gibi büyük firmalar kendi sistemlerini geliştirdi.
Ancak bu ikinci dalga da uzun sürmedi. Uzman sistemlerin bakımı zordu, ölçeklenebilir değildi, bilgi tabanları hızla güncelliğini yitiriyordu. Gerçek hayattaki belirsizliklere karşı tamamen kördüler. Ticari projeler çöktü, yatırımcılar geri çekildi, teknoloji basını bu kez başarısızlıkları manşetlere taşıdı.
1990’ların başına gelindiğinde yapay zekâ çalışmaları bir kez daha derin bir sessizliğe gömüldü. Bu sessizlik, ne sadece fon eksikliğinden, ne de teknik engellerden ibaretti. Bu adeta, bir rüyanın, fazla erken kurulmuş bir ütopyanın hazin çöküşüydü.
Artık kimse makinelere “zeki” sıfatını yakıştırmak istemiyordu. Araştırmacılar projelerini “veri analitiği”, “bilgi sistemleri”, “otomatik öğrenme” gibi daha belirsiz isimlerle fonlamaya çalışıyor, ama yapay zekâdan bahsetmemeye özen gösteriyorlardı.
Böylece, uzun süren yapay zekâ kışı, umutla doğan bir hayalin kendi beklentilerinin altında ezilmesiyle başlamış oldu. Bu sadece bir bilimsel duraklama değil, aynı zamanda bir kuşağın hayal kırıklığıydı.
Peki, daha sonra kıştan bahara nasıl dönüldü? Yapay zekânın bugün eriştiği noktaya gelebilmesine yol açan, bahsettiğimiz bu kara kıştan çıkılmasına olanak tanıyan kurtarıcı İstatistik oldu.
1990’ların sonunda, yapay zekâ alanında hâlâ bir durgunluk hâkimdi. Ancak bu sessizliğin altında yeni bir paradigma doğuyordu: istatistiksel yöntemler, olasılıksal çıkarım ve veriye dayalı öğrenme.
1980’lerin sonunda ve 1990’ların başında Judea Pearl ve Michael I. Jordan gibi isimler, yapay zekâya deterministik kurallardan ziyade olasılık teorisi temelli modeller getirdi. Pearl’ün geliştirdiği Bayes ağları, belirsizlik altında çıkarım yapmayı mümkün kıldı. Aynı yıllarda, Gizli Markov Modelleri konuşma tanıma gibi alanlarda kullanılmaya başladı. Yapay zekâ, artık sembolik mantıktan istatistiksel öğrenmeye doğru evirilmekteydi.
1982 yılında John Hopfield, fiziksel sistemlerin davranışlarını sinir ağlarıyla modelleyen bir makale yayımladı. Hopfield Ağları olarak anılan bu yaklaşım, belleğin enerji minimizasyonu prensibiyle modellenmesini sağlıyordu. Bu fikir, bağlantıcı (connectionist) yaklaşıma yeni bir soluk getirerek, sinir ağlarının yeniden ciddiyetle ele alınmasını sağladı. Hopfield’ın çalışması, yıllar sonra derin öğrenmeye giden yolun ilk taşlarından biri oldu.
1986 yılında Geoffrey Hinton, David Rumelhart ve Ronald Williams, sinir ağlarının öğrenmesini sağlayan geri yayılım (backpropagation) optimizasyon algoritmasını tanımladı. Bu yöntem, 2012 yılında Hinton ve öğrencilerinin geliştirdiği AlexNet modelinin temelini oluşturacaktı. Derin öğrenme devrimi böylece başlamış oldu.
Bu süreçte yalnızca istatistiksel ve bağlantıcı yaklaşımlar değil, aynı zamanda sezgisel (heuristic) ve zeki optimizasyon algoritmaları da önemli bir rol oynadı. Genetik algoritmalar, tabu arama algoritması ve parçacık sürü optimizasyonu gibi yöntemler, özellikle arama, planlama ve model parametre ayarlamalarında çözüm uzayını etkin biçimde keşfetme imkânı sundu. Yapay zekânın farklı alanlarında karşılaşılan karmaşık problemlerin çözümünde bu sezgisel yöntemler, öğrenen sistemlerin daha esnek ve güçlü hale gelmesine katkı sağladı.
Bu dönemde, sezgisel algoritmalarla yapay sinir ağlarını ve istatistiksel yöntemleri bütünleştiren yeni yaklaşımlar da geliştirildi. Örnek olarak, ben de akademik çalışmalarımda bu birleşimi esas alan yöntemler üzerine araştırmalarda bulundum, bilimsel çalışmalar ürettim. İlgili literatüre, yapay sinir ağları ile veri analizini geliştirmeye, sezgisel algoritmalarla öğrenme süreçlerini daha etkili hale getirmeye yönelik yaklaşımlar önerdim. Halen üniversitede “Zeki Optimizasyon Yöntemleri”, “Esnek Hesaplama Yöntemleri”, “Makine Öğrenme” ve “Veri Bilimi” dersleri kapsamında bu konulara dair güncel bilgi ve uygulamaları öğrencilerle paylaşmaya devam ediyorum.
2024 yılında, bu katkılar yalnızca teknolojik değil, temel bir bilim olarak da onurlandırıldı. John Hopfield ve Geoffrey Hinton’a Nobel Fizik Ödülü verildi. Nobel Komitesi, bu ödülle “zihnin yapısının fiziksel sistemlerle modellenmesi ve bilgi işleme sistemlerinin dinamik öğrenme yetenekleri” konusundaki katkılarını onurlandırdı. Bu ödül, sadece iki bilim insanının değil, yapay zekânın soğuk ve sessiz yıllarında inatla çalışan bir kuşağın ödülüydü.
Böylece, yıllarca süren soğukluk sonrası, yapay zekâ yeniden bilimsel ilginin sıcak merkezine oturdu. Sinir ağları, istatistiksel modeller, büyük veri ve zeki algoritmalarla birleşerek, insanlık tarihinin en büyük teknolojik devrimlerinden birini başlattı.
Günümüzde, Yapay zekâ artık yalnızca akademik bir merak konusu değil, toplumu şekillendiren bir teknoloji olarak hayatın her alanına dokunuyor. Sağlıktan eğitime, ekonomiden sanata, güvenlikten iklime kadar birçok alanda dönüşümlere öncülük ediyor. ChatGPT gibi büyük dil modelleri, görüntü işleme sistemleri, öneri algoritmaları, robotik uygulamalar ve otonom araçlar bunun en görünür örnekleri.
Bu gelişmeler, insanlık için büyük umutlar taşıyor. Daha adil sağlık sistemleri, kişiselleştirilmiş eğitim çözümleri, kaynakların daha verimli kullanıldığı sürdürülebilir kentler gibi vizyonlar artık daha erişilebilir görünüyor. Ancak bu umutların yanında yapay zekânın yükselişiyle birlikte, yeni ve ciddi riskler de ortaya çıkıyor.
En başta, karar alma süreçlerinde şeffaflık ve hesap verebilirlik sorunu dikkat çekiyor. “Kara kutu” diye tabir edilen yapay öğrenme sistemlerinin nasıl çalıştığı çoğu zaman anlaşılamıyor. Bu durum, özellikle adalet sistemleri, işe alım süreçleri ve sağlık kararlarında ciddi etik sorunlar doğurabiliyor.
Diğer yandan, yapay zekâ destekli gözetim teknolojileri, bireysel mahremiyetin sınırlarını zorluyor. Sosyal medya algoritmalarının toplumdaki kutuplaşmayı artırabileceği, dezenformasyonu yayabileceği endişesi giderek artıyor. Ayrıca iş gücü piyasalarında, özellikle rutin görevlerde çalışan bireyler için yapay zekâ kaynaklı iş kayıpları da önemli bir toplumsal sorun olarak karşımıza çıkıyor.
Bu nedenle, günümüz yapay zekâ gelişmeleri bir yandan büyük olanaklar sunarken, diğer yandan da düşünülmesi gereken derin etik, hukuki, çevresel ve sosyolojik soruları beraberinde getiriyor.
Bu bağlamda, özellikle yapay zekâ modellerinin eğitimi ve çalıştırılması için gereken muazzam enerji tüketimi de giderek daha fazla gündeme geliyor. Büyük dil modelleri, görsel tanıma sistemleri ve diğer derin öğrenme algoritmaları, milyonlarca işlemci saatine ve petabaytlarca veriye ihtiyaç duyuyor. Bu süreç, sadece devasa bir karbon ayak izi yaratmakla kalmıyor, aynı zamanda sınırlı doğal kaynakların hızla tükenmesine de neden olabiliyor.
OpenAI CEO’su Sam Altman gibi sektörün önde gelen isimleri de bu konuda açık uyarılarda bulunuyor. Altman, yakın dönemde yaptığı açıklamalarda yapay zekânın ölçeklenmesinin önündeki en büyük engelin enerji arzı olduğunu vurguladı. Enerji sorunu çözülmeden, daha güçlü yapay zekâ sistemlerinin sürdürülebilir biçimde varlığını sürdürmesi neredeyse imkânsız görünüyor.
Bu durum, bir yandan ekolojik krizi derinleştirme riski taşırken, diğer yandan kamuoyunun ve politika yapıcıların tepkisini çekebilir. Aşırı enerji tüketimi ve çevresel maliyetler nedeniyle yapay zekâya olan destek zayıflayabilir; bu da tıpkı geçmişte olduğu gibi bir “yeni yapay zekâ kışı” olasılığını beraberinde getirebilir.
Gelecekte yapay zekânın ilerlemesi, sadece algoritmik gelişmelere değil, aynı zamanda bu sistemlerin enerji verimliliğine, çevresel sürdürülebilirliğine ve toplumsal kabulüne de bağlı olacaktır. Teknolojinin gelişimi kadar, onun nasıl yönlendirileceği ve denetleneceği de hayati önem taşıyor. Yapay zekâya dair geleceğimizi belirleyecek olan şey yalnızca bilgisayarların ve algoritmaların ne kadar güçlü olduğu değil; bu gücün insanlık adına nasıl kullanılacağı olacak.
Kesinliği elbette tartışılır ama yaşanılması olası olan yapay zekâ kışı hakkında düşünmek oldukça kritik bir nokta. Çünkü buna göre gelecek adına doğru stratejiler üretip, hamleler yapmak, büyük fark yaratılmasını sağlayabilir. Devletler, kuruluşlar, üniversiteler, şirketler ya da bireysel olarak gelecek adına atılacak doğru adımların belirlenmesinde “yapay zekâ kışını” doğru tartışmak, tanımlayabilmek hayati önem taşımaktadır.
Yukarıda daha önce yaşanılan yapay zekâ kışlarından bahsedilmektedir. Yakın tarihte yaşanan bu gelişmeler dikkatle incelendiğinde, günümüze ve olası geleceğimize ait çarpıcı sonuçlara varmak mümkündür. Üstelik o yıllarda yapay zekâ şimdiki kadar hayatın içine girmemesine rağmen, yaşanan yapay zekâ kışının çok önemli sonuçları olmuştu. Gemini ya da ChatGPT gibi büyük dil modellerinin hepimizin hayatının bu kadar içine girdiği günümüzde ise, olası bir yapay zekâ kışının ne kadar büyük etkiler yaratabileceğini öngörmek çok zor değildir.
Örneğin, yapay zekâ kışı sırasında fark yaratan Hopfield ve Hinton gibi bilim insanlarına bakalım. Yapay zekâ kışı döneminde, herkes, bilim insanları ve araştırmacılar yapay zekâ teriminden kaçarken, yapay zekâ ve bilgisayar ile ilgili terimleri bile kullanmaktan çekinirken, Hopfield ve Hinton gibi bilim insanları bu kış döneminde, bu konulara çalışmaya devam etmiş, kışa girilme nedenleri üzerine doğru yönden yaklaşarak çözümler geliştirmişlerdir. Bu sayede, alanda fark yaratmışlar, alanın öncüsü olmuşlar hatta 2024 yılında Nobel ödülüne layık görülmüşlerdir.
Ve o yapay zekâ kışı yıllarında, Hopfield ve Hinton gibi bilim insanlarına kulak veren devlet organizasyonları, şirketler ya da üniversiteler gibi kurumlar ise alanın öncüleri olmuşlar ve bugünkü yapay zekâ sahasının liderleri konumuna gelmişlerdir.
Hopfield ve Hinton, etkili bilim insanlarından adı en çok duyulanlardan sadece ikisidir. O nedenle güzel bir örnek olarak ikisinden bahsettik ama böyle örnekleri çoğaltmak mümkündür. Bir başka yakın örnek olarak, ben kendimden kısaca bahsedebilirim. Bildiğiniz gibi, uluslararası yaptığım bilimsel yayınlarımla 2020 yılından bu yana her yıl Dünyanın En Etkili Bilim İnsanları listesinde, %2 lik kısımda yer alıyorum (1). Bu listeye ilk kez girebilen Türkiye’deki bilim insanı sayısı sadece 600 kişi civarındaydı. İstatistik bölümlerinden bu listeye girebilen akademisyen sayısı ise sadece 2 kişiydi; Ben ve bu yayınları birlikte yaptığım çalışma arkadaşım Erol Eğrioğlu.
Bu listeye girebilmemizi sağlayan, yukarıda da bahsettiğim gibi yapay zekâ kışı döneminin sonlarında, doğru konularda, önemli problemleri keşfederek, geliştirmeyi başardığımız çözümlerdi. İnanın yapay zekâ konularına çalışmaya başladığım o dönemlerde, çalıştığım konularla dalga geçen insanlar bile vardı. Oysaki yukarıda bahsettiğim gibi, yapay zekâ kışından çıkılmasını sağlayan İstatistik ve Zeki Optimizasyon Algoritmalarıydı. Ben bir istatistik bölümünde araştırma görevlisiydim ve optimizasyon alanında da çalışıyordum. Ve bu alanları birleştirerek ürettiğim uluslararası bilimsel yayınlar aldıkları atıflar ile dünyada birçok başka bilimsel çalışmaya ilham oldular. Bunun sonucunda da Dünyanın En Etkili Bilim İnsanları listesinde yer almanın onurunu yaşadım.
Uzun yıllardır üniversitede “Zeki Optimizasyon Yöntemleri” dersini veriyorum. Ders ilk açıldığında dersin ismiyle alay eden kişiler vardı. Oysaki yapay zekâ kışını bitiren en önemli araçların başında gelen algoritmaların anlatıldığı, Türkiye’deki İstatistik bölümlerinde açılan ilk ve tek dersti. O dersi alan öğrencilerimin çoğu bugün alanda önemli pozisyonlarda yer alıyorlar ve ben kendilerini büyük gururla takip ediyorum.
Ülkemizde Hopfield ve Hinton gibi kıymetli bilim insanlarımız var. Eğer olası bir yapay zekâ kışının yaklaştığı böyle bir dönemde, bu kıymetli bilim insanlarımıza kulak verirsek, gelecekte dünyada söz sahibi olacak bir ülkemiz, uluslararası alanda lider şirketlerimiz, dünya çapında saygın üniversitelerimiz ve yapay zekânın şekillendireceği gelecekte önemli pozisyonlarda bulunan insanlarımız olacaktır. Çünkü güzel ülkemizin çok kıymetli bir potansiyeli var.
Bu önemli sıçramayı yapabilmek için vizyoner bilim insanlarımızı, araştırmacılarımızı ve insanlarımızı doğru seçmeliyiz. Çünkü dezenformasyonun yani yanlış bilgilendirmenin çok önemli bir tehlike olarak kol gezdiği günümüzde, sahip olduğu unvanları ya da bulundukları konumları hiç hak etmeyen insanların sesini dinlemek, yapay zekâ trenini kaçırmamız ve dolayısıyla sahip olduğumuz potansiyelin heba edilmesiyle sonuçlanabilir. Ülke olarak, kurumlar ya da bireyler olarak doğru insanlara yatırım yapmak hepimizin ortak geleceğini belirleyecektir.
Gelin tüm bu bahsettiğimiz gerçekler ışığında, olası yapay zekâ kışına kısa ama derin bir bakış açısıyla yaklaşalım. Olası bir yapay zekâ kışına neden olabilecek en önemli etkenlerin başında kaynak sıkıntısı gelmektedir. Yapay zekâ uygulamalarını geliştirmek ve sürdürebilmek için önemli miktarda enerjiye gereksinim duyulmaktadır. Bu enerjiyi elde etmek için ne yazık ki insanlık doğayı tüketmektedir. Örneğin, ChatGPT’ye her 30 soru sorulduğunda, yaklaşık yarım litre su tüketilmektedir.
Hepimizin çok iyi bildiği gibi yapay zekâ uygulamaları henüz istenilen düzeye gelmediler. Ve daha çok geliştirilmeleri gerekiyor. Bu hızda ve bu yaklaşımda ilerleme ise doğanın çok yakın zamanda tükenmesi anlamına gelmektedir. Buna göre günümüzde, yoğunlaşılması gereken konuların başında yenilenebilir enerji ya da doğa temelli çözümler gibi başlıklar bulunmaktadır. “Enerjiyi doğaya zarar vermeden nasıl elde edebiliriz?” Sorusu yeni çözümler bekleyen en önemli sorulardan biri olarak karşımızda durmaktadır.
İkinci önemli bir soru ise “Daha az enerji gerektirecek yöntemler, algoritmalar geliştirebilir miyiz?” sorusudur. Yine bu alanda atılacak adımlar geleceğe yön verecek kilometre taşları olacaktır.
Ve son bir soru: “Doğru insanları mı dinliyoruz, doğru insanlarla mı çalışıyoruz?”. Çok hızlı gelişmelerin yaşandığı bu teknoloji çağında, birlikte ilerlediğimiz, akıl danıştığımız ya da eğitim aldığımız insanlar, en değerli hazinemiz olan zamanımızı mı çalıyor yoksa verimliliğimizi arttırarak, yolumuza ışık mı tutuyorlar?
Sevgili okur, unutmayınız ki bugünkü uygarlık noktasına gelmemizi sağlayan en önemli özelliğimiz soru sorma kabiliyetimizdir. Beş yaşındaki bir çocuk günde ortalama 400 civarında soru sormaktadır. Bir yetişkin ise günde ortalama 20 soru sormaktadır. Ve yapılan araştırmalara göre, çocukların beyni “neden?” ve “nasıl?” sorularıyla dünyayı inşa ederken, yetişkinlerin daha çok “ne zaman?” ve “nerede?” gibi işlevsel sorulara yöneldiği görülmüştür.
Çok önemli bir eser olan Küçük Prens kitabındaki bir soruyu soralım “İnsan büyüdükçe çocuk ruhunu unutur mu?”. Yapılan araştırmalara göre soru sormayı unutuyoruz. Oysaki en önemli özelliğimiz soru sormak. Büyüdükçe sadece soru sormayı unutmuyoruz, aynı zamanda doğru ve anlamlı soruları sormayı da ne yazık ki unutuyoruz. Şu anda hayatımızın gün geçtikçe merkezine oturan ve bazı konularda insan yeteneklerini geçmeye başlayan yapay zekânın yapamadığı şey: insan gibi soru sorabilmek.
Bu nedenle, olası yapay zekâ kışı gibi geleceğe yön verebilecek bu hayati konunun orijininde çok önemli ve devamlı sormamız gereken üç soruyu paylaştım sizinle. Bu soruların yanıtları üzerinde kafa yormak, çözümler üretmeye çalışmak daha başka hayati sorulara da ulaşmamızı sağlayacak. Doğru soruları sormaya devam ettikçe, üretmeye, gelişmeye ve daha iyiye, daha yaşanılası bir dünyaya doğru adım atmaya da devam edebileceğiz.
Taht oyunları bitti, zekâ oyunları başladı. Artık iktidar, kılıç kuşananların değil; veriyle düşünenlerin, algoritmayla çözüm bulanların, doğru sorularla yeni yollar açanların elinde. Gelecek, kimin tahtta oturduğuyla değil, kimlerin doğru zihin yapılarıyla sorunlara yaklaştığıyla şekillenecek. Kış gerçekten geliyor olabilir. Ama bu kez hazırlanmak elimizde. Bu kez sadece hayatta kalmak değil, yön vermek mümkün. Ve belki de bu kez, kışı fırsata çevirenler, geleceğin gerçek kralları olacak.
Kaynaklar
(1) Dünyanın En Etkili Bilim İnsanları (2020) Akademik Akıl https://www.akademikakil.com/dunyanin-en-etkili-bilim-insanlari/cagdashakanaladag/