1950’de, İkinci Dünya Savaşı sırasında Enigma kodunu kıran İngiliz bilgisayar bilimcisi Alan Turing, görünüşte saçma bir soru sorduğu bir makale yazdı: “Makineler düşünebilir mi?” Ürkütücü derecede gerçekçi ChatGPT’nin geçen yılın sonlarında piyasaya sürülmesi, bizi bir cevaba daha da yaklaştırdı. Bir gecede, tamamen biçimlendirilmiş silikon tabanlı bir sohbet robotu dijital gölgelerden çıktı. Şakalar yapabilir, reklam metni yazabilir, bilgisayar kodunda hata ayıklayabilir ve her şey hakkında sohbet edebilir. Bu rahatsız edici yeni gerçeklik, şimdiden yapay zeka tarihindeki o “devrilme noktalarından” biri olarak tanımlanıyor.
Ama gelmeyeli uzun zaman oldu. Ve bu özel yaratım, onlarca yıldır bilgisayar bilimi laboratuvarlarında şekilleniyor.
Turing, bir düşünme makinesi önerisinin bir testi olarak, bir insanın başka bir odada bulunan iki katılımcıyı sorgulayacağı bir “taklit oyunu” tanımladı. Biri etten kemikten bir insan, diğeri bilgisayar olurdu. Sorgulayıcı, bir “teleprinter” aracılığıyla sorular sorarak hangisinin hangisi olduğunu bulmakla görevlendirilecekti.
Turing, soruları, sorgulayıcının insanla makineyi ayırt edememesine yetecek kadar kolaylıkla yanıtlayan akıllı bir bilgisayar hayal etti. Kendi kuşağının bilgisayarlarının testi geçmeye yaklaşamayacağını kabul ederken, yüzyılın sonunda “insan makinelerden, aksini düşünmeden söz edebileceğini” tahmin etti.
Makalesi, yapay zeka araştırmalarının başlatılmasına yardımcı oldu. Ancak, Turing’in argümanı insan bilincinin önemini etkili bir şekilde bir kenara bıraktığı için, uzun süredir devam eden bir felsefi tartışmayı da ateşledi. Eğer bir makine sadece düşünme görüntüsünü papağan gibi tekrarlayabiliyorsa -ama bunu yapma konusunda herhangi bir farkındalığı yoksa- o gerçekten düşünen bir makine miydi?
Uzun yıllar boyunca, taklit oyunu oynayabilecek bir makine yapmanın pratik zorluğu, bu daha derin soruları gölgede bıraktı. Ana engel, ayrıntılı matematiksel problemlerin hesaplanmasının aksine, bilgi işlem gücünün uygulanmasına karşı oldukça dirençli olduğu kanıtlanan insan diliydi.
Bu denememek için değildi. Turing’le birlikte çalışan Harry Huskey, New York Times’ın dilleri tercüme edebilen bir “elektrikli beyin” diye nefes nefese ilan ettiği şeyi inşa etmek için ABD’ye döndü. Federal hükümetin finansmanına yardım ettiği bu proje, Rusçadan İngilizceye çeviriyi bir öncelik haline getiren Soğuk Savaş zorunlulukları tarafından yürütüldü.
Kelimelerin bire bir çevrilebileceği fikri – tıpkı kod kırma gibi – hızlı bir şekilde sözdiziminin karmaşıklıklarına girdi, tek tek kelimelerin doğasında var olan belirsizlikler boşver. “Ateş” alevleri mi ifade ediyordu? İstihdamın sonu mu? Silahın tetiği mi?
Bu erken çabaların arkasındaki Amerikalılardan biri olan Warren Weaver, bağlamın anahtar olduğunu kabul etti. “Ateş”, “silah”ın yanında belirirse, kesin sonuçlar çıkarılabilir. Weaver, bu tür bağıntılara “dilin istatistiksel anlamsal karakteri” adını verdi ve bu, önümüzdeki on yıllarda önemli çıkarımlara sahip olacak bir kavrayıştı.
Bu ilk neslin başarıları, bugünün standartlarına göre ezici. Çeviri araştırmacıları, dilin değişkenliği karşısında kendilerini engellenmiş buldular ve 1966’da devlet destekli bir rapor, makine çevirisinin bir çıkmaz yol olduğu sonucuna vardı. Finansman yıllarca kurudu.
Ancak diğerleri, Doğal Dil İşleme veya NLP olarak bilinen araştırmayı sürdürdü. Bu erken çabalar, yanıtlarına rehberlik edecek yeterli kurallar verilen bir bilgisayarın, en azından taklit oyunu oynama konusunda bir adım atabileceğini göstermeye çalıştı.
Bu çabaların tipik bir örneği, bir grup araştırmacının 1961’de ortaya koyduğu bir programdı. “Beyzbol” olarak adlandırılan program, kullanıcıların “bilgisayara normal İngilizce ile soru sormasını ve bilgisayarın soruları yanıtlamasını” sağlamada kendisini “ilk adım” olarak ilan etti. direkt olarak.” Ancak bir sorun vardı: kullanıcılar yalnızca bilgisayarda depolanan beyzbol hakkında sorular sorabiliyordu.
Bu chatbot kısa süre sonra dijital teknolojinin Jurassic çağında doğan diğer kreasyonların gölgesinde kaldı: 1964’te çıkış yapan SIR (Semantic Information Retrieval); İlgili bir terapist edasıyla ifadelere sorulu yanıt veren ELİZA; ve bir kullanıcının bilgisayara şekilleri normal bir dil kullanarak hareket ettirme talimatı vermesine izin veren SHRDLU.
Kaba olmasına rağmen, bu ilk deneylerin çoğu, insanlarla bilgisayarların nasıl etkileşime girebileceğine dair yeniliklerin yönlendirilmesine yardımcı oldu – örneğin, bir bilgisayar bir sorguyu “dinlemek”, onu tersine çevirmek ve inandırıcı ve inandırıcı görünen bir şekilde yanıtlamak üzere nasıl programlanabilir? orijinal sorguda ortaya konan sözcükleri ve fikirleri yeniden kullanırken gerçeğe yakın.
Diğerleri, rastgele oluşturulmuş kurallar ve kelimelerin bir karışımıyla orijinal şiir ve nesir eserleri üretmek için bilgisayarları eğitmeye çalıştı. Örneğin, 1980’lerde iki programcı, tamamen bilgisayar tarafından yazılan ilk kitap olarak sunulan Polisin Sakalı Yarım Yapıldı’yı yayınladı.
Ancak bu gösteriler, NLP dünyasında gelişmekte olan daha derin bir devrimi gölgeledi. Hesaplama gücü üstel bir oranda arttıkça ve makine tarafından okunabilen formatta artan sayıda çalışma mevcut hale geldikçe, kelimeler arasındaki korelasyon olasılığını ölçen giderek daha karmaşık modeller oluşturmak mümkün hale geldi.
Bir hesabın yerinde bir şekilde “yığınla veri yığını” olarak tanımladığı bu aşama, bir bilgisayarın “yumuşak” olasılık yönergeleri türetmek için kullanılabilecek sürekli büyüyen bir metinler külliyası sunan internetin gelişiyle birlikte uçuşa geçti. dilin nüanslarını kavrar. Her dilsel permütasyonu tahmin etmeye çalışan katı ve hızlı “kurallar” yerine, yeni istatistiksel yaklaşım, çoğu zaman doğru olan daha esnek bir yaklaşımı benimsedi.
Ticari sohbet robotlarının çoğalması, diğer uygulamaların yaptığı gibi bu araştırmadan çıktı: temel dil tanıma, çeviri yazılımı, her yerde bulunan otomatik düzeltme özellikleri ve giderek daha fazla kablolu yaşamlarımızın artık sıradan olan diğer özellikleri. Ancak yapay bir havayolu acentesine bağıran herkesin bildiği gibi, bunların kesinlikle bir sınırı vardı.
Sonunda, bir makinenin taklit oyununu oynamasının tek yolunun, birbiriyle bağlantılı milyarlarca nöron ve sinaps içeren insan beynini taklit etmek olduğu ortaya çıktı. Yapay sinir ağları olarak adlandırılan ağlar, hemen hemen aynı şekilde çalışır, verileri elekten geçirir ve bir geri bildirim süreci aracılığıyla zaman içinde giderek daha güçlü bağlantılar kurar.
Bunu yapmanın anahtarı, başka bir belirgin şekilde insan taktiğidir: uygulama, uygulama, uygulama. Bir sinir ağını kitap okutarak eğitirseniz, o kitaplardaki dili taklit eden cümleler oluşturmaya başlayabilir. Ve sinir ağınızın, diyelim ki şimdiye kadar yazılmış her şeyi okumasını sağlarsanız, iletişim kurmakta gerçekten çok iyi olabilir.
Aşağı yukarı ChatGPT’nin kalbinde yatan şey budur. Platform, geniş bir yazılı çalışma külliyatı üzerinde eğitilmiştir. Gerçekten de, Wikipedia’nın tamamı, insan konuşmasını taklit etme arayışında topladığı metinlerin %1’inden daha azını temsil ediyor.
Bu eğitim sayesinde ChatGPT, taklit oyununda tartışmasız zafer kazanabilir. Ancak yol boyunca oldukça ilginç bir şey oldu. Turing’in standartlarına göre makineler artık düşünebilir. Ancak bu başarıyı elde edebilmelerinin tek yolu, katı kuralları olan makineler gibi olmaktan çıkıp, daha çok insan gibi olmalarıdır.
ChatGPT’nin neden olduğu tüm kaygıların arasında dikkate almaya değer bir şey. Taklit, dalkavukluğun en içten şeklidir. Ama korkmamız gereken makineler mi yoksa kendimiz mi?
© 2023 Bloomberg LP
genel-8