Diğer

06 Aralık 2025

Konuya biraz felsefi bir soruyla gireyim: Dünyanın tüm bilgisine sahip olduğunuzda dünyayı gerçekten anlamış olur muyuz?

Soruyu böyle sorunca bilmekle anlamak arasında kendiliğinden “a priori” bir ayrıma gitmiş oluyoruz. Hatta anlamayı bilmenin bir sonraki aşamasına yerleştiriyoruz.

Kaldı ki biraz öyle sahiden.

Felsefenin konusu olan bu tür meseleler yapay zekâ tartışmaları açısından da büyük önem taşıyor.

İş Bankası ve Yapay Zekâ Fabrikası iş birliğinde gerçekleştirilen “Türkiye İçin Yapay Zekâ” etkinliğinde oturumları dinlerken aldım bu notları.

Çarpıcı noktalardan biri yapay zekânın gelişmesi için elzem olan “yeni data”nın artık yavaş yavaş tükeniyor olmasına yapılan vurguydu.

Yani yapay zekâ modellerini artık yeni bilgiyle beslemekte zorlanıyorduk, zira elde avuçta ne kadar bilgi varsa hepsini tüketmişti.

Buna rağmen modeller henüz istenen performansa ulaşmış değil.

Peki bundan sonra modeller için gereken “data” nereden bulunacak? Stanford Üniversitesi’nden Namık Kemal Üre’nin anlattıkları bu açıdan önemliydi. “Reinforcement learning/pekiştirmeli öğrenme” denilen, kabaca modellerin ürettikleri sonucun skorlanması/ödüllendirilmesi ilkesine dayalı öğrenme biçiminin yapay zekâ eğitiminde öne çıkacağını söylüyordu Namık Kemal Hoca.

Bir de anladığım kadarıyla artık modelleri yazılı bilgilerle değil de insan davranışlarıyla, daha doğrusu insan davranışlarının birer “data”ya dönüşmesiyle eğitmeye başlayacağız.

Bunlar işin yapay zekâyı eğitme kısmına dair çıkarımlarım. Ayrıca her konuyu sorduğumuz Büyük Dil Modelleri yerine önümüzdeki yıldan itibaren bir veya birkaç görevi yerine getirmek üzere eğitilmiş “agent/temsilci” diyebileceğimiz yapay zekâ uygulamalarını daha sık kullanır hale geleceğiz.

Google’ın “Makine Öğrenmesi” bölümünde başkan yardımcısı olarak görev yapan Türk bilim insanı Burak Göktürk’ün vurgusu da bu yöndeydi. Özellikle iş dünyasında bir noktadan sonra “on-onbeş agent’ı yöneterek”........

© T24