Artık bu yapay zeka serisini bitirmek istiyorum, umarım bu son yazı olacak.

Geçen hafta, insanı geride bırakacak bir seviyede yapay zekayı anlatan ‘Genel yapay zeka’nın (AGI) başarılabilir bir şey olup olmadığını tartışanların görüşlerini aktardım burada.

Kendimi o tartışmalarda geçen hafta bir mini videosunu da yayınladığım, halen Facebook’un yapay zeka araştırmalarının başındaki isim olan ve yapay zekanın üç kurucu babasından biri kabul edlen Yann LeCun’a daha yakın hissediyorum.

Yann LeCun, yapay zekanın ister istemez internette yer alan dijital materyalle eğitildiğini söylüyor ve bu materyalin de son derece yetersiz olduğundan hareket ediyor genel yapay zekayı başarmanın neden sanılandan daha fazla vakit alacağını anlatırken.

İnternetteki bilginin ne kadarı sahiden bilgi?

Enformasyon teorisinin fonksiyonlarından biri, “bilgi”nin ölçülebilir bir değere çevrilmesidir. Teori bunu “bit”lerle yapar. Bunu yaparken de “bilgi”nin (enformasyon) “gerçek”, “kıymetli” veya “önemli” olmasıyla ilgilenmez. Sosyal medyada paylaştığınız kedi fotoğrafı da teoriye göre “bilgi”dir, fizik bilimi ile ilgili çığır açan makale de. Bunlar aynı şekilde “bit”lere dönüşür, “bit” ile büyüklüğü ölçülür.

Zaman zaman çıkan istatistikler var, neye dayandıklarını ve ne kadar gerçek olduklarını bilmiyorum ama dünyanın şu an sahip olduğu internetten erişilebilir bilgi depolama kapasitesinin ezici bir çoğunluğunu böyle saçma sapan videolar ve fotoğraflar oluşturuyor.

Zaten bilgisayarınıza veya daha iyisi telefonunuza bir bakın. Gigabaytlar dolusu fotoğraf depoluyorsunuz, çoğuna da geri dönüp bir daha bakmıyorsunuz. Her dakika binlerce saatlik video yükleniyor internete.

Yann LeCun, yapay zekaların eğitiminde kullanılan geniş dil modellerinin (LLM) en büyüğünün 20 trilyon bit olduğunu söylüyor, bu büyüklükte bir bilginin de henüz 4 yaşına basmış bir çocuğun doğduğu günden beri gözleriyle görerek işlediği bilgi miktarına denk geldiğini hesaplıyor.

Nasıl dört yaşında bir çocuğun doğduğu andan itibaren gözleriyle gördüğü “bilgi”nin belki yüzde 90’ı “çöp” niteliğinde bilgiyse, aslında LLM’deki “bilgi”nin de önemli miktarı çöp niteliğinde.

Bir kısmı elbette kıymetli, önemli ve gerçek bilgi. Ama ezici bölümü hiçbir anlamı da, kıymeti harbiyesi de olmayan metinler, gevezelikler vs.

Oysa biz AGI diye kısaltılan yapay genel zekadan, onun hepimizden hem aklının çalışma hızı bakımından, hem sahip olduğu bilgi bakımından hem de fikir yürütme yeteneği bakımından daha üstün olacağı endişesiyle korkuyoruz.

Ama unutmayın ki bizim beynimiz hala analog; tamamen bilgisayara aktarılmış değil. Aktarılan kısmı o beynimizi kullanarak ürettiklerimiz sadece.

Yapay zeka akıl yürütüyor mu?

Yann LeCun’un hiç söylemediği bir kısmı daha var AGI’ın. O da fikir yürütme bölümü.

İnsanın ayırt edici özelliği, doğadaki diğer canlılara göre daha üstün, daha geniş kapsamlı bir akıl yürütme (reasoning) yeteneğine sahip olması.

Peki karşınıza alıp konuştuğunuz yapay zeka modelleri, mesela ChatGPT size cevap verirken akıl yürütme yapıyor mu?

Hem evet hem hayır.

Yapay zeka modellerinin başarısını ölçen çeşitli kriterler var. Bu kriterlerden biri de onun akıl yürütmeyi başarıp başaramadığı. Bunu da uzmanlar Matematik Olimpiyatlarında sorulan sorularla deniyorlar.

Bu yarışmalarda çeşitli seviyelerdeki öğrencilere açık uçlu sorular soruluyor ve onlardan sadece matematik bilgilerini değil, sosyal bilgilerini de kullanarak yaratıcı yöntemler bulup sorulara cevap vermeleri bekleniyor. Yani adı  Matematik Olimpiyatı ama aslında birden fazla disiplinde bilgi sahibi olmayı ve sonra bu bilgileri bir biçimde bir araya getirip akıl yürüterek sonuç almayı teşvik eden bir yarışma bu. Bizim üniversite sınavı gibi değil.

Bazı yapay zekalar bu olimpiyat sorularında başarılar elde etmeye, hatta doktora seviyesindeki öğrencilerle yarışmaya başladılar.

Apple’dan çıkan makale ortalığı karıştırdı

Ama buna rağmen yapay zekanın aynen insan gibi akıl yürütüp yürütmediği konusu tartışmalı.

Bu tartışmaları çok alevlendirecek bir bilimsel makale ise kısa süre önce yayınlandı. Makaleyi yazanlar, Apple’ın yapay zeka birimindeki araştırmacılardı.

Makalede, çeşitli yapay zeka araçlarına uygulanan bir dizi test anlatılıyor. Yapay zeka son derece zor, son derece karmaşık bulmacaları çözebiliyordu. Örneğin Go adlı oyun bu bakımdan sonlu hamleler içeren satranca göre yapay zeka için çok daha zor bir oyun ama biliyorsunuz yapay zeka Go oyununda en iyi insan oyuncuyu yendi.

Ama makale burada yapay zekanın özellikle Go için eğitildiğini bize hatırlatıyor ve oradan çok daha basit akıl yürütmeler gerektiren diğer bazı bulmacalara bağlıyor sözü. Eldeki yapay zeka modelleri, çok daha karmaşıklarına doğru cevaplar verdiği halde çocuk oyunu sayılabilecek bazı bulmacaları çözememişti.

Makale yazarlarına göre eldeki yapay zeka modelleri dışarıdan bakınca sanki akıl yürütme yapıyormuş gibi gözüküyordu ama aslında akıl yürütmeyi hala becerebilmiş değillerdi. Bunu becerebiliyor olsalar, sorulan basit bulmacaları da çözerlerdi. 

Çözememişlerdi, çünkü akıl yürütme yerine onlar örüntüleri görüp bir sonraki adımı tahmin etmeye dayalı sistemlerdi. Ortada gerçek bir akıl yürütme yoktu.

Silikon Vadisinde yaygın bir anlayış var, İngilizcesiyle “Fake it until you make it” deniyor. Yani gerçektem becerene kadar sahtesini yap, kandır.

Tabii OpenAI başta olmak üzere onlarca yapay zeka şirketini sahte bir şeyi önümüze sürmekle itham ediyor falan değilim ama eldeki yapay zekanın çok ciddi kısıtları olduğunu, bu kısıtların ötesine geçmek için bir radikal sıçramaya ihtiyaç olduğunu da görelim.

Yapay zekanın bir başka huni ağzı: Elektrik tüketimi

Eldeki yapay zeka, muazzam miktarda “bilgi”nin çeşitli veri merkezlerinde depolanmasına, bu “bilgi”ye çok hızlı ulaşımı sağlayan Nvidia’nın mikro işlemcilerinin kullanılmasına ve bu arada muazzam elektrik faturalarına hazırlıklı olunmasına dayalı.

Uluslararası Enerji Ajansı, yapay zekanın 2030 yılında 945 TWh elektriğe ihtiyaç duyacağını hesaplıyor. Bu muazzam bir miktar, çoğu ülkenin yıllık tüketiminden fazla. Bir kıyaslama için söyleyeyim, bütün Türkiye’nin 2024’teki elektrik tüketimi 347,9 TWh oldu.

Nitekim yeni açılacak veri merkezleri artık ne kadar veri depolama kapasitesine sahip olmalarıyla değil kaç gigawatt elektrik tüketecekleriyle ölçülüyor. Nitekim o yüzden Google, Microsoft, Amazon gibi büyük veri merkezi işletmecileri nükleer santrallar kurmaya başlıyorlar.

Yapay zekanın fiyatını ne belirliyor?

Bir başka konu, bu elektrik kullanımıyla da bağlantılı. Yapay zeka şirketleri, sizden aylık kaç para abonelik bedeli alacaklarını işte bu elektrik kullanım bedeline bakarak belirliyor.

Siz diyelim ChatGPT’ye bir soru sorduğunuzda, dünyanın kim bilir neresindeki veri merkezlerinde elektrik harcıyorsunuz. Bu yaptığınız harcamaya bakarak da OpenAI size bir aylık abonelik bedeli belirliyor.

Ama unutmayın, henüz OpenAI kâr etmiş değil, yıllık planlarına kâr etme hedefini koymuş bile değil. Yani siz bugün bir hayli sübvanse edilmiş, zararına satış yapan abonelik bedelleri ödüyorsunuz aslında.

Yapay zeka şirketlerinin umduğu yegane şey AGI’ı geliştirmek değil, onlar esas elektrik fiyatının çok ucuzlamasını da umuyorlar. Fakat bu kadar yüksek bir talep varken elektrik fiyatının ucuzlaması beklenemez. En azından kısa dönemde beklenemez.

Bu da hiçbiri kâr etmeyen bu şirketlerin tamamının geleceğini sorgulatır. Şimdilik yatırımcılaran akan yüz milyarlarca dolarla ayakta duruyor bu şirketler, günün birinde onlardan sadece değer üretmekle kalmayıp gerçek para kazanmaları da istenecek.

O gün neler olacağını hep birlikte göreceğiz.