Yapay Zekâ bir hevesten ibaret değil

Yapay Zekâ gündemin gözde konusu oldu. AI-Native, AI-Savvy ya da kulağa hoş gelen başka bir ifadeyle tanımlanan kuruluş ve profesyonellerin sayısı hızla artıyor. Pek çok şirket .ai alan adlarını satın almak için yarışırken, ulusal alan adı .ai olan küçük Angulla ülkesi gelirlerini artırıyor.

Ancak deneyimli profesyoneller ve kuruluşlar, bu tür hype dalgalarının gelip geçtiğini gördü. Beni yanlış anlamayın: Evet, Yapay Zekâ doğru bağlamda ve iş hedeflerini desteklemek üzere uygun şekilde kullanıldığında rekabet avantajı yaratabilecek harika bir araçtır.

Yapay Zekâ’nın ötesinde de seçenekler var

Ancak Yapay Zekâ’nın her soruna uyan tek bir çözüm olduğuna inanmamalıyız.

İlk olarak, Yapay Zekâ farklı tekniklerden oluşan bir şemsiye terimdir. İkinci olarak, her sorun Yapay Zekâ kullanılarak çözülebilir ya da çözülmelidir diye bir kural yoktur. Bir yöneticinin, veri akışındaki tüm alan adlarını tespit edip değiştirecek bir Yapay Zekâ çözümü geliştirmesi için BT stajyerine görev verdiği bir örnek var. İki saat sonra stajyerin “Bitti,” diyerek geri gelmesi yöneticiyi şaşırttı. Yönetici, bunun uzun süreceğini düşündüğünden, “Bitti derken ne demek istiyorsun?” diye sordu. Stajyer, düzenli ifadeler kullanan çözümünü gösterdi. Yönetici, çözümün basitliği ve zarafeti karşısında şaşkına döndü. BT stajyeri için bu görev, Yapay Zekâ kullanmanın gereksiz derecede karmaşık olacağı; daha basit ama son derece etkili bir alternatifin kullanılabileceği türden bir örnekti.

Bu hikâye üç önemli noktayı ortaya koyuyor:

• Daha geniş bir çözüm yelpazesini değerlendirmeden önceden belirlenmiş bir yaklaşımı seçmek akıllıca değildir
• Yapay Zekâ, belirli bir hedefe ulaşmanın en ekonomik ya da etkili yolu olmayabilir
• En iyi yaklaşımı seçmek ve hype ile en iyi çözümü birbirinden ayırmak için uygun altyapıya, bilgiye ve deneyime sahip olmanız gerekir
• Akıllıca bir seçim ile hype’ın peşinden giden bir seçim arasındaki fark zaman ve parayla ölçülebilir

Yapay Zekâ, pek çok iyi çözüm arasında yer alan (ve oldukça değerli olan) araçlardan yalnızca biridir. Sonuç olarak, doğru aracın seçiminde öncelikle iş sorunu belirleyici olmalıdır.

Yapay Zekâ yeni bir şey değil

Bugün kullandığımız birçok Yapay Zekâ tekniği 1960’ların başlarında geliştirilmişti. Japonya’nın “Beşinci Nesil Bilgisayar Sistemleri” adlı ünlü projesi [1] de, o dönemde “Mevcut bilgisayarların konuşma, metin, grafik, resim, görüntü ve diğer sayısal olmayan verileri işleme gibi temel işlevlerde ve çıkarım, ilişkilendirme ve öğrenme gibi Yapay Zekâ türü işlemlerde son derece yetersiz olduğu” düşüncesinden hareketle başlatılmıştı. Sonuçta proje büyük bir başarı elde edemedi; çünkü o dönemde mevcut işlem gücü sınırlıydı ve program, günümüzde ChatGPT gibi LLM’lerin temelini oluşturan Yapay Sinir Ağları gibi ana kavramlardan kapsamlı biçimde yararlanmadı.

Aslında 2000’li yıllarda Bilgisayar Mühendisliği yüksek lisansım sırasında bu Yapay Zekâ tekniklerini (ör. sinir ağları, sınıflandırma modelleri vb.) sezgisel üstü yöntemler, otomat kuramı (yukarıda bahsedilen BT stajyerinin kullandığı düzenli ifadelerin dayandığı alan) ve karar ağaçları gibi aynı derecede önemli pek çok başka yaklaşımla birlikte öğreniyorduk. O dönemde de tek bir en iyi yaklaşım olmadığını; her yaklaşımın en uygun olduğu bir kullanım alanı bulunduğunu anlamıştım. Bu görüş, hem doktora araştırmalarım hem de danışmanlık çalışmalarım boyunca pekişti. Bu çalışmalar sırasında söz konusu yaklaşımların birçoğunu uygulama ve her birinin hangi bağlamlarda doğru sonuç verdiğini anlama fırsatı buldum.

ChatGPT gibi LLM’lerin yaygınlaşması ve görünürde “akıl yürütme” becerisine sahip olmaları, birçok kişinin Yapay Zekâ’nın yepyeni bir icat ve her sorunun cevabı olduğuna inanmasına yol açtı. Olan şey, LLM’ler sayesinde Yapay Zekâ’nın araştırma laboratuvarlarından herkesin hayatına taşınması; ana akıma girmesiydi. Artık eski sayılabilecek “Google bilir” anlayışından “Yapay Zekâ bilir” anlayışına geçtik. Ancak sorunu pragmatik bir bakışla değerlendirmek, bir sloganın peşinden gitmekten her zaman daha iyi bir yaklaşımdır. 

Size nasıl yardımcı olabiliriz?

Mourinho Solutions olarak hiçbir sloganın peşinden gitmiyoruz. İşinizin gelişmesini sağlamak için doğru yaklaşımı ve en etkili araçları seçmenize yardımcı olacak bilgi ve deneyime sahibiz. İş ihtiyaçlarınızı analiz ederek Yapay Zekâ’nın (veya başka yaklaşımların) en büyük etkiyi nerede yaratabileceğini belirliyor, size rekabet avantajı kazandırıyoruz.

Sizin başarınız, bizim de başarımızdır. Sizin için neler yapabileceğimizi öğrenmek için bizimle iletişime geçmekten çekinmeyin: bize ulaşın!

Kaynaklar

[1] - Feigenbaum, E., Shrobe, H.: The Japanese National Fifth Generation Project: Introduction, survey, and Evaluation. Future Generation Computer Systems. 9, 105–117 (1993). Buradan ulaşabilirsiniz.