Abrakadabra.. Sihirbaz Harry Houdini, 1918’de New York Hipodromu’ndaki 10.000 pound ağırlığındaki fil Jennie’yi kaybetmesinden hemen önce. (Görsel)

Bu yazı Nisan 2019’da şu an Kaliforniya Üniversitesi, Los Angeles’da davranışsal sinirbilim profesörü olan Hakwan Lau tarafından kaleme alınmıştır.

Sihirbazın birdenbire ortadan kaybolduğu bir sihir gösterisinde olduğunuzu hayal edin. Elbette sihirbazın muhtemelen sadece bir yerlerde saklanıyor olduğunu eninde sonunda anlarsınız. Yine de bir süre boyunca, kişi sanki sahiden ortadan kaybolmuş gibi geliyor olabilir.  Mantık her ne olursa olsun, bu “öyleymiş” gibi gelen şey kolayca akla kolayca yatmaz. Bilinçli deneyimlerimiz neden bu kadar inatçıdır?

Her ne kadar üzerinde düşünebiliyor olsak da, dünya algımızın oldukça katı olduğu gerçeği bize beynimizin nasıl çalıştığı hakkında eşsiz bilgiler sunuyor. Sihirbaz örneğini, genelde bilgiyi nasıl işlediğinizle karşılaştırın. Diyelim ki, 5 tane arkadaşınız size dışarıda yağmur yağdığını söylerken internet sitesinde gördüğünüz bir haber yağmurun yağmadığını söylüyor. Bu senaryoda muhtemelen sitede bir yanlışlık olduğunu düşünür ve durumu çok da umursamazsınız. Ancak bilinçli algı söz konusu olduğunda; gördüğümüz, duyduğumuz ve hissettiğimiz şeyle ilgili garip bir ısrarcılık hali söz konusu oluyor. Üstelik bu algısal deneyim net bir şekilde yanlış olsa da..

Peki durum neden böyle? Yapay zeka (AI) alanındaki son gelişmeler bu bulmacaya yeni bir ışık tutuyor. Bilgisayar biliminde derin öğrenme olarak da bilinen örüntüleri tanımak için kullanılan sinir bağlantıları, “öngörücü kodlama” adı verilen bir süreçten faydalanır.  Ağlar, bilgileri pasif bir şekilde aşağıdan yukarıya almak yerine, gözlemlere karşı test edilmek üzere (dünya hakkında) yukarıdan aşağıya hipotezler oluşturabilir. Ve ağlar, bu yolla daha iyi çalışmış olur. Örneğin bir sinir ağı bir kediyi tanımladığında, önce kedinin neye benzediğini tahmin etmesine veya hayal etmesine yardım eden bir model geliştirir. Daha sonra gelen yeni verileri inceleyip bu tahmin ve beklentiye uyup uymadığını görebilir.

Sorun şu ki, bu üretken modeller hazır olduklarında ve çalıştırıldıktan sonra süper verimli olabilirken, kurulmaları ve çalışmaya hazır hale getirilebilmeleri için genellikle büyük miktarda zaman ve bilgi gerektirirler. Bu soruna çözüm olabilecek yollardan biri Facebook’un Yapay Zeka Araştırmaları başkanı Yann LeCun tarafından “son 20 yılda derin öğrenmede en havalı fikri” olarak tanıtılan, Generative Adversarial Network* (GANs)’ü kullanmaktır. GAN’larda, gerçek kedileri olabildiğince yakından taklit eden kedi resimleri oluşturmak için, “generator” denilen bir ağ oluşturabilir ve üretilen kedi görüntüleri ile gerçek olanlar arasında ayrım yapmak için kullanılacak “discriminator” denilen başka bir ağ oluşturabiliriz. Daha sonra, iki ağı birbiriyle karşı karşıya getirebiliriz. Öyle ki, “discriminator” sahte kedileri tespit edebildiği için ödüllendirilirken, “generator” sahte olanlardan uzaklaştığı için ödüllendirilir.

Birbirlerine karşı getirilmek üzere kurulduklarında ağlar, bir sanat eserinin taklidini yutturmaya çalışan biri ile eserin sahte mi gerçek mi olduğunu anlamaya çalışan uzman durumundan farklı olarak, birlikte büyürler. Böylece, öğrenme her biri için oldukça verimli hale gelmiş olur. 

GAN’lar, kullanışlı bir mühendislik hilesinin yanı sıra, insan beynini anlamak için de kullanılan potansiyel olarak yararlı bir analojidir. Memeli beyinlerinde, algısal bilgileri kodlamaktan sorumlu nöronlar birçok amaca hizmet eder. Örneğin, bir kedi gördüğünüzde ateşlenen nöronlar, bir kediyi hayal ettiğinizde veya hatırladığınızda da ateşlenir. Ayrıca rastgele olarak az ya da çok etkinleştirebilirler. Yani sinir devrelerimizde ne zaman aktivite olursa, beynin ister iç ister dış olsun, sinyallerin nedenini çözebilmesi gerekir.

Bu egzersize algısal gerçeklik izleme diyebiliriz. 17. yüzyıl İngiliz filozofu John Locke, duyusal öz izleme görevini yerine getiren bir tür iç organımız olduğuna inanıyordu. Ancak Locke’un eleştirmenleri, Doğa Ana’nın, dünyayı duyular yoluyla algılamak için zaten kurulmuş bir sistemin üstüne neden tamamen ayrı bir organ yetiştirme zahmetine katlandığını merak ettiler. Algının gerçek mi yoksa sahte mi olduğuna karar vermeden önce bir şeyin kokusunu alabilmelisiniz; Öyleyse neden tespit mekanizmasının kendisine bir kontrol oluşturmuyorsunuz?

GAN’lar hakkında şu anda bildiklerimizin ışığında, Locke’un fikri bir miktar anlam ifade ediyor. Algısal sistemimiz sinirsel kaynakları kullandığı için, bir kısmı farklı kullanımlar için geri dönüştürülür. Yani bir kediyi hayal etmek, gerçekte gördüğüyle aynı nöronal modellere dayanıyor. Ancak bu, sinyallerin anlamı açısından suyu bulandırıyor. Bu nedenle, yeniden canlandırma şemasının iyi işlemesi için, bir şeyi ne zaman göreceğimize veya ne zaman düşüneceğimize karar verecek bir ayırt ediciye ihtiyacımız var. Bu GAN benzeri iç duyu organının veya buna benzer bir şeyin, iyi tasarlanmış bir öngörüsel kodlama mekanizmasının büyümesini teşvik etmeli, düşmanca bir rakip olarak hareket etmesi için orada olması gerekiyor.

Bu açıklama doğruysa, bilinçli deneyimin muhtemelen bir tür mantıksal çıkarıma benzediğini söylemek doğru olur. Yani, jeneratörden gelen algısal sinyal karşımızda bir kedi olduğunu söylüyorsa ve ayırıcı bu sinyalin şu anda dünyanın durumunu doğru bir şekilde yansıttığına karar verirse, doğal olarak bir kedi görürüz. Aynısı ham duygular için de geçerlidir: bizi hiçbir şeyin dürtmediğini çok iyi bildiğimizde bile ağrı keskin bir şekilde hissedilebilir ve hastalar zaten kesilmiş uzuvlarda ağrı hissettiğini bildirebilir. Ayrımcının çoğu zaman işleri doğru anladığı ölçüde, ona güvenme eğilimindeyiz. Öznel izlenimler ile rasyonel inançlar arasında bir çelişki olduğunda, bilinçli olarak deneyimlerimize inanmanın mantıklı görünmesine şaşmamalı.

Bu algısal inatçılık sadece insanların bir özelliği değildir. Bazı primatlarda da büyülü hilelerle şaşkınlık ve eğlenme yeteneklerinin gösterdiği gibi vardır. Yani, gördükleri ile doğru olduğunu bildikleri arasında bir gerilim olduğunu anlıyorlar. Özellikle beyinleri hakkında anladığımıza göre, algısal nöronlarının yukarıdan aşağıya işleyiş için ‘geri dönüştürülebilir’ olduğu düşünüldüğünde GAN teorisi, bu insan olmayan hayvanların muhtemelen bizimkine benzemeyen bilinçli deneyimler yaşadıklarını öne sürüyor.

Yapay zekanın geleceği daha zorlu. Çok karmaşık GAN tarzı mimariye sahip bir robot yapsaydık, bilinçli olur muydu? Teorimize dayanarak, muhtemelen tahminsel kodlama yeteneğine sahip olacak, yukarıdan aşağıya tahmin veya hayal gücü için kullandığı için aynı algı mekanizmasını kullanacaktı. Belki mevcut bazı üretken ağlar gibi, “hayal edebilir”. Bizim gibi, muhtemelen acısını dindiremezdi ve hatta sahne sihrini takdir edebilirdi.

Bilinç hakkında teorileştirme herkesin bildiği gibi zordur ve bunun gerçekte ne içerdiğini henüz bilmiyoruz. Dolayısıyla, robotumuzun gerçekten bilinçli olup olmadığını belirleyecek konumda olmayacaktık. Aynı şekilde bunu diğer hayvanlar için de kesin olarak yapamayız. En azından bilinç mekanizmasıyla ilgili bazı varsayımlar geliştirerek başlayabiliriz.

Onları sezgilerimizle ve daha da önemlisi deneylerle test etmek. Bildiğimiz şey, içsel bir şüphe mekanizmasını içeren bir zihin modelinin, algıda sürekli olarak sahtekarlık ve sahtecilik arayışında olan kılı kırk yaran bir sisteminin şimdiye kadar bulduğumuz en umut verici fikirlerden biri olduğudur.

Ç/N: generative adversarial networks (GANs), birbirine zıt şekilde çalışan 2 sinir ağından oluşur ve gerçeğinden zor ayırt edilen tablolar, yazılar ve görüntüler oluşturmak için kullanılır.

GANs ile ilgili daha fazla bilgi edinmek isterseniz bağlantıya tıklayabilirsiniz; https://cihanongun.medium.com/generative-adversarial-networks-gan-nedir-5cc6a48a6870 

Çeviren: E. Kardelen Yöyen, Faruk Karakoç

Kaynak: https://aeon.co/