reverse osmosis filter air minum pabrik air minum

Bulunduğunuz sayfa :

Ana Sayfa >> Projelerimiz >> Yapay Küme Aklı

Yapay Küme Aklı

Louis Rosenberg hepimizi daha akıllı kılmanın bir yolunu bulduğunu düşünüyor. Bu insan üstü zekanın sırrı ne mı? Arılar.

Çeviri: Feryal Halatçı

Orjinal Metin: https://tinyurl.com/jk9nxs4 


Sayın Feryal Halatçı'ya gönüllü olarak yaptığı bu çeviri için çok teşekkür ederiz.

Rosenberg Silikon Vadisinde insanların karar vermelerini desteklemek amacıyla Unanimous AI (anonim yapay zekâ) adlı, görüşlerin gönüllü olarak çevrimiçi paylaşıldığı bir araç oluşturmuş. Bu araç, bir soruya yüzlerce katılımcının aynı anda yanıt verebilmesini sağlıyor. Katılımcıların kolektif öngörülerini, önyargılarını ve çeşitli uzmanlıklarını tek bir yanıt halinde topluyor.

Unanimous AI, Haziran ayında başlatıldığından bu yana yaklaşık 50.000 kullanıcı kaydetmiş ve 230.000 soruyu yanıtlamış. Rosenberg bu hibrit insan-bilgisayar karar verme makinesinin -“yapay” zekâ adı verilebilir- dünyanın en zorlu sorularının bazılarıyla başa çıkmamıza yardımcı olacağını düşünüyor. Dahası, AI çok hızlı ve kapsamlı gelişiyor ve Rosenberg bunu insanları döngüye geri almanın bir yolu olarak görüyor.

“Gittikçe daha akıllı olan yapay zekâların gelişmesini durduramayız” diyor. “Öyleyse, alternatifimiz kendimizi daha akıllı kılmak. Öyle ki, hep bir adım önce olalım.”

Arılar kovanda bilgi iletişimi için sallanarak dans ediyorlar (Credit: Getty Images)

Arılar kovanda bilgi iletişimi için sallanarak dans ediyorlar (Credit: Getty Images)

İşte bu noktada arılar sahneye giriyor. “Arılar gibi sosyal türlere bakarsanız, daha iyi kararlar vermek için birlikte çalıştıklarını görürsünüz.” diyor. “Kuşların ve balıkların sürüler halinde hareket etmelerinin nedeni de budur. Sahip oldukları bilgileri birleştirerek, optimum yollarla tepki vermelerini sağlar. Bizim için soru ise şöyle: İnsanlar bunu yapabilir mi?”

Anlaşılıyor ki, yapabilirlermiş. Rosenberg’in kovan aklı (hive mind) bir dizi olayı kestirmede önemli bir başarı elde etmişler: 2015 Oscar ödüllerinin kazananları, 2016 Ulusal Hokey Ligi Stanley Kupasının kazananları ve -542’ye bir şansla- 2016 Kentucky Derbisini kazanan sırayla ilk dört at, ki bu da 20 dolarlık bir bahse $11.800 (£9.300) vermiş.

En son, Dünya Beyzbol Serisinde kazanan takımı (Chicago Cubs) kestirmekle kalmamışlar (1908’den bu yana ödülü ilk defa kazanmış bir takım), ayrıca Cub’ın final maçındaki rakibini (Cleveland Indians) ve play off’ta oynayan takımların sekizini de tahmin etmişler. Bu doğru tahminler Boston Globe’da dört ay öncesinden yayınlanmış.

İnsan kovanlar bu yılın Dünya Beyzbol Serisi ve Kentucky Derbisi gibi birkaç spor olayının sonucunu tahmin etmişler (Credit: Getty Images)

Peki, ne oluyor? Avustralya, Sydney’deki New South Wales Üniversitesi'nde yapay zekâ araştırmacısı olan Toby Walsh şöyle diyor: “Kalabalığın bilgeliği iyi bilinir. Kolektif aklı kullanmak için çeşitli yöntemler geliştirilmiştir.”  Bunun bir örneği, tahmin piyasaları; burada bireyler -diyelim ki borsada- gelecekteki bir olayın sonucu temelinde parasal bahislere giriyorlar. Genel borsa piyasası davranışı bu olayın olasılığının bir göstergesi olarak kullanılabilir.

Ve 1999’da, satranç ustası Gary Kasparov -IBM’in Deep Blue bilgisayarına yenilmesinden üç yıl sonra- internet üzerinden 50.000 kişilik bir kalabalıkla oynadı. Kazandı, ama o zamana dek hiç bir oyunda bu kadar fazla çaba göstermediğini ve bu oyunun satranç tarihinin en büyük oyunu olduğunu söyledi; müthiş sayıdaki fikirler ve farklı bakış açıları sayesinde.

Aslında bu fikir en az 100 yıllık bir fikir. 1906’da, çok bilgili birisi olan Francis Galton, 787 çiftçiden bir öküzün ağırlığını tahmin etmelerini istedi. Çok geniş bir yelpazede tahminler yapıldı fakat bunların ortalaması doğru yanıt olan 1.197 pound’dan sadece bir pound daha düşüktü. Birkaç yıl önce, ABD Ulusal Halk Radyosu bu deneyi tekrarladı; 17.000’den fazla kişiden bir fotoğraftaki bir ineğin ağırlığını tahmin etmelerini istedi. Yine, ortalama, doğru ağırlığa oldukça (%5) yakındı. Ve bu sefer yanıtlayan kalabalık çiftçilerden oluşmamıştı.

Bilgili tahminlerin bunun bir parçası olduğu çok açık. Yine de -Ulusal Radyonun gösterisinde olduğu gibi- Rosenberg’in deneylerindeki katılımcılar uzmanlar değil. Örneğin, geçen yılın Oscar kazananlarını tahmin eden grupta hiç kimse kazanan filmlerin hepsini görmemiş.

Daha da önemlisi, görece küçük kovanlar sürekli olarak daha büyük topluluklardan daha başarılı oluyorlar. Geçen yıl, bir kovana inek sorusunu sormuş. Sadece 49 kişiden oluşan ve kovan olarak hareket eden bir havuzla, tahminin doğruluğu grup yanıtlarının ortalamasının alınmasına kıyasla iki katına çıkmış. Rosenberg “Bu topluluk bilgeliğinden öte bir şey. İnsan gruplarını daha akıllı kılıyoruz” diyor.

Topluluk bilgeliği daha sıklıkla anketler ya da oylamalarla toplanıyor. Rosenberg, bunun bir çoğaltma etkisi olduğunu söylüyor. “Bireylere kıyasla grup olarak daha iyi kararlar veriyoruz.” Fakat Rosenberg’in yaklaşımı bir düzey daha iyi olmak üzere tasarlanmış. “Kovanlar oylamalardan ve anketlerden daha başarılıdır. Çünkü ortalama duyguyu bulmak yerine, grubun en iyi yanıt üzerinde odaklanmasını sağlar” diyor.

Herkesin aynı anda bir yanıtı seçmesi önemli. Çünkü ilk yanıt verenin diğerlerini etkilemesini engelliyor. Örneğin; halk oylamalarında ilk oy veren kişi bir grup insanı etkileyebilir. Ve tahmin piyasalarında daha fazla parası olanlar nihai sonucu daha fazla etkiler. Böylesi güçler gerçek tabloyu çarpıtabilirler.

Bu yüzden, 1990’ların başlarında ABD Hava Kuvvetleri Armstrong Laboratuarları'nda artırılmış gerçeklik uygulamaları kurmak için çabalayan Rosenberg, arılara dönmüş.

Bir arı kovanı yeni bir koloni oluşturmak istediğinde, bu koloniyi nerede kuracağına dair kolektif bir karar almak zorundadır. Birkaç yüz izci arı potansiyel konumları bulmak için farklı yönlerde yola çıkarlar. Döndüklerinde, bulguları hakkındaki bilgileri kovana iletmek üzere bir dallanma dansı yaparlar.

Farklı izciler kovanı tercih edilen tarafa doğru ya da aksi yönde çekmeye çalışır ve nihayetinde koloni hangi izciyi takip edeceğine grup olarak karar verir. Bu, hiçbir arının tek başına veremeyeceği bir karardır.

Bir kovan üyesi grubu kendi çözümüne doğru çekmek için gruptaki diğer izcilerle çelişmelidir. (Credit: Getty Images)

Rosenberg insan kovanlarıyla aynı dinamiği yakalamak istiyor. Unanimous AI aracıyla bir soruya cevap vermek, kovan-akıl yakınsayana dek bir ikonun ekranın bir köşesine ya da diğer bir köşesine çekilmesini içeriyor -toplum yönünde ya da toplum karşısında. Bireyler grubu kendi çözümlerine doğru gitmeye ikna etmek için süreli çekişmek zorundalar.

Bir kovan-aklın tahminleri

Kovana birkaç önemli soru sorduk

Dünyanın karşı karşıya olduğu en büyük tehdit nedir?

Önümüzdeki 50 yıl içinde 3. Dünya Savaşını görecek miyiz?
Pek az olasılık

AI’nın dünya üzerindeki etkisi pozitif mi negatif mi olacak?
Pozitif

AI ile dostluk ya da romantik ilişkiler kurulacak mı?
Çok muhtemel

Bir AI’nın bilinçlenmesi  tehlikeli mi??
Çok tehlikeli

Yapılan deneyler bu yaklaşımın oylamanın kullanıldığı, kalabalık temelindeki mevcut tahminlerden daha başarılı olduğunu gösteriyor. Bir başka çalışmada Rosenberg ve çalışma arkadaşları 469 Amerikan Futbolu tutkununa 2016 Süper Kupasındaki 20 bahsin sonuçlarını sordular. Bundan sonra, aynı soruları sadece 29 tutkun içeren bir kovana verdiler. 16 kere daha küçük olmasına ve daha iyi bilgilendirilmemiş olmasına karşın, kovanın tahminleri %68 doğru çıktı; kalabalığın tahminleri ise %48 doğruydu.

Doğru olamayacak kadar iyi olduğunu mu düşünüyorsunuz? Kendimiz görmek için, BBC Future Now programı olarak bir kovana katıldık. İngiliz Prömiyer Ligi'nde bir dizi futbol sonucunu tahmin ederek Unanimous AI ekibinin bulgularını tekrarladık. Kovan katılımcılarının çoğu ABD kökenliydi ve takımlar hakkında pek az şey biliyorlardı.

Spor aktivitelerinin sonuçlarını tahmin eden kovanlar yaygınlaşırsa, şans hesaplamalarının yapılışını etkileyebilirler.

Her oyun için kovanın “kazandı, kaybetti ya da berabere” tahminlerini yapması gerekiyordu. Gelişigüzel şansa kalsa %33 doğrulukla sonuçlar bilinecekti fakat 21 ABD spor sevdalısından oluşan kovan 10 oyundan 6’sının sonucunu doğru olarak bildi. Her oyuna £1’luk bahis yatırdıktan sonra, paramız 62p kârla bize geri döndü. Kötü bir sonuç değil, ama Mayıs ayında Kentucky Derby Superfecta’da Tech Republic’s Hope Reese’in $1’lık bahse karşılık kazandığı yüzlerce dolar kadar da iyi değil.

Bununla birlikte, Rosenburg kumarla ilgilenmiyor. Bazı kişilerin bu aracı birey olarak yaptıklarından daha iyi bahisler oynamak için bir araç olarak kullanmak isteyebileceklerini biliyor. “Bu yaygınlaşırsa, olasılık hesaplamalarının yapılış şeklini değiştirebilir” diyor. Ama Rosenburg için spor olayları sadece test edilmesi kolay olan olaylar. “Bunlar performansı niceliklendirmek için iyi bir yol.”

Bunun yerine, Rosenberg aracını iş dünyasına sunmak istiyor. Ekibin başarısı mali tahminler yürüten organizasyonlardan piyasa araştırma şirketlerine, geniş bir grup yelpazesinin ilgisini çekmiş. “İnsanların zekâlarını çoğaltmanın uzun vadeli değeri spor bahislerine girmekten çok daha önemli” diyor.

Örneğin; satış ekipleri bir kovan olarak daha iyi tahminler yapabilirler. “Bu aslında ekipte zaten var olan bilgi, bilgelik ve sezginin daha iyi kullanılmasını sağlamakla ilgili” diyor.

Kovanlar, bir grubun bilgi ve sezgisinin birleştirerek, doktorların daha iyi tanı koymalarında yardımcı olabilir. (Credit: Getty Images)

Rosenberg doktorlardan da ilgi görmüş. “Tıbbi bir tanı kovan aklından (hive mind) yarar sağlayabilecek bir tür tahmin. Bir radyolog, bir onkolog, diğer uzmanlar bir tanı hakkında bir sonuca varabilirler ve bizim vizyonumuz sahip oldukları birleşik bilgi ve sezgiyi daha iyi kullanmalarını sağlamak” diyor.

Günümüzde tıbbi tanılar koyma işi makineler tarafından da yapılıyor. Ama Rosenberg nihayetinde insan kovanların bu noktada yapay zekâdan daha avantajlı olduklarını düşünüyor. “İnsanları tıbbi tanı gibi döngüsel şeylerden çıkarmak için yapılabilecek çok şey var” diyor. “Fakat insanları döngü dışına çıkarırsanız insan çıkarları, duyguları ya da değerlerini içermeyen, çok soğuk bir AI olması tehlikesi var.”

Rosenberg’in kaygıları tıbbi tanıların da ötesine gidiyor. “Birçok açıdan, eğer gerçekten zeki bir yapay zekâ oluşturursak, bu Dünyaya dünya dışı yaratıkların gelmesi gibi tahmin edilemez bir şey olacak.” Kovanları zekâlarımızı çoğaltarak insanları yarışta tutmanın bir yolu olarak görüyor. “Bu insan duygularını, değerlerini ve sezgilerini elde tutarak AI’nın zihinsel yararlarını kullanmak.”

Bu büyük bir vizyon. Ancak, Walsh daha dikkatli: “Ne yazık ki, basit bir laboratuar deneyi ile karmaşık dünyada insanların davranışları arasında bir fark var” diyor. “Ortak varlıkların trajedisi gibi iyi bilinen tehlikelerin (bencil bireylerin grup çıkarlarının tersine hareket ettikleri) basit bir şekilde önlenebileceğinden pek emin değilim.”

Çok büyük sorunların olması, kişilerin kendi çıkarları bir uzlaşı sağlamamızı sonuna kadar engelleyebilir. Walsh “İklim değişikliği, kovan aklının (hive mind) yardımcı olamayacağı ortak varlıkların trajedisinin iyi bir örneği” diyor.

Duraklamak için bir başka neden daha var. Zaman zaman hayvan kovanları felaketlerle son buluyor. Örneğin, karıncalar diğer karıncaların takip edecekleri bir feromon izi bırakarak işaretleşiyorlar. Bu davranış bazen ölümcül döngü olarak bilinen bir olguya yol açıyor. Karıncalar gittikçe büyüyen bir çember halinde, tümü ölene dek önlerindeki karıncayı takip etmeye saplanıp kalıyorlar.

Yine de Rosenberg endişeli değil. “Kovanlar, kendimizi makinelerin bir adım önünde tutmanın basit bir yolu” diyor. Ve Brexit’in ve ABD başkanlık seçiminin politik sonuçlarının tahmininde anketlerin başarısız olmasıyla, kolektif zekâmızı geliştirmenin daha iyi bir yolunu aramamızın zamanı gelmiş olabilir.

Öyleyse ölümcül döngü mü, yoksa süper akıllı bir gelecek mi? Bu belki de bir kovan sorusu olabilir.

Proje İle İlgili Dosyalar

Aşağıdaki listeden, proje ile ilgili dosyalara ulaşabilirsiniz.

Proje İle İlgili Haberler

Aşağıdaki listeden, proje ile ilgili haberlere ulaşabilirsiniz.

Proje İnternet Adresi
İnternet Grupları

Bu sayfayı paylaşmak için, yandaki seçenekleri kullanabilirsiniz.