paint-brush
Öznellik ve Yapay Zeka Felsefesinin Evrimiby@antonvokrug
1,710
1,710

Öznellik ve Yapay Zeka Felsefesinin Evrimi

Anton Vokrug27m2023/11/21
Read on Terminal Reader

Bu genel bakış, sembolik yapay zekayı bağlantıcı modellerin ortaya çıkışıyla karşılaştırarak yapay zeka felsefesinin tarihinin izini sürüyor. Ünlü filozof Hubert Dreyfus, sembolik yapay zekanın rasyonalist görüşüne meydan okuyarak sinir ağlarından ilham alan bağlantıcı yaklaşımın önünü açtı. Bu evrim, teknolojideki ve felsefi bakış açılarındaki ilerlemeleri yansıtarak yapay zeka anlayışımızı şekillendiriyor.
featured image - Öznellik ve Yapay Zeka Felsefesinin Evrimi
Anton Vokrug HackerNoon profile picture
0-item

Yapay Zeka Felsefesine Tarihsel Bir Bakış

Teknoloji felsefesindeki pek çok ünlü kişi, teknolojinin özünü kavramaya ve onu topluma ve insan deneyimine bağlamaya çalıştı. 20. yüzyılın ilk yarısında yapılan analizlerin sonuçları esas olarak teknoloji ile insan yaşamı arasında bir farklılık olduğunu gösterdi.


Teknoloji, insanlığın temel parçalarını ezen özerk bir güç olarak görülüyordu. Felsefeciler, teknoloji kavramını tarihsel ve aşkın varsayımlara indirgeyerek, belirli olayların etkisinden soyutlanmış görünüyorlardı.


YAPAY ZEKA'NIN ÖZBELLİK FELSEFESİ



Seksenli yıllarda, belirli teknolojilerin etkisini kendi görüşlerine entegre eden Amerikalı filozofların fikirlerine dayanan daha ampirik bir teknoloji görüşü geliştirildi (Achterhuis, HJ, "Van Stoommachine tot cyborg; denken over techniek in de nieuwe wereld", 1997). ) . Teknoloji ve toplumun karşılıklı bağımlılığı bu çalışmanın ana konusunu oluşturmaktadır. Bu "ampirik dönüş" teknolojinin çok yönlülüğünü ve toplumda oynayabileceği birçok rolü açıklamayı mümkün kıldı. Bu yaklaşım, örneğin Twente Üniversitesi'ndeki teknoloji felsefecileri arasında daha da geliştirildi.


Yapay zeka 1956 yılında bir araştırma alanı olarak kuruldu. Bilgisayar makinelerindeki akıllı davranışlarla ilgilenir. Araştırmanın amaçları dört kategoriye ayrılabilir:


  • İnsanlar gibi düşünen sistemler.
  • Rasyonel düşünen sistemler.
  • İnsan gibi davranan sistemler.
  • Rasyonel davranan sistemler.


Bu görevlerin yerine getirilebileceği konusunda uzun yıllar süren iyimserliğin ardından alan, uygulamalarda faydalı olabilecek zekanın nasıl temsil edileceği konusunda zorluklarla karşılaştı. Bunlar arasında temel bilgi eksikliği, hesaplamanın karmaşıklığı ve bilgi temsil yapılarındaki sınırlamalar yer alıyordu (Russell, S & Norvig, "Yapay Zeka: Modern Bir Yaklaşım", Peter, 2009) . Ancak zorluklar yalnızca tasarım camiasından gelmiyordu. Platon'dan bu yana akıl ve akıl yürütmeyle ilgilenen filozoflar da şikayet etmeye başladı. Hem matematiksel itirazları (Turing ve Gödel'e dayanan) hem de insan zekasının doğasına ilişkin daha felsefi argümanları kullanarak, yapay zeka projesinin iç kısıtlamalarını göstermeye çalıştılar. Bunlardan en ünlüsü Hubert Dreyfus'tu.


Hubert Dreyfus Yapay Zeka Üzerine

Dreyfus, yapay zekanın hedeflerini ve yöntemlerini, zekaya açık bir rasyonalist bakış açısı olarak gördü. Bu, tarih boyunca birçok rasyonalist filozof tarafından savunuldu, ancak Heidegger, Merleau-Ponty ve Wittgenstein'ın eserlerinde görülebileceği gibi, Dreyfus'un kendisi daha çok 20. yüzyıl anti-rasyonalist felsefesinin bir savunucusuydu. Dreyfus'a göre bilişin en temel yolu rasyonel değil sezgiseldir. Belirli bir alanda deneyim kazanan kişi, yalnızca ilk tartışma çalışması sırasında resmileştirilmiş kurallara bağlı hale gelir. Bundan sonra zekanın ampirik kurallar ve sezgisel kararlarla temsil edilme olasılığı daha yüksektir.


Yapay zekanın rasyonel yaklaşımı, sembolik yapay zeka olarak adlandırılan şeyin temellerinde açıkça izlenebilir. Akıllı süreçler, bilgi işlemenin bir biçimi olarak görülür ve bu bilginin temsili semboliktir. Dolayısıyla zeka az çok sembollerin manipülasyonuyla sınırlıdır. Dreyfus bunu üç temel varsayımın birleşimi olarak analiz etti:


  • İnsan zekasının sembol manipülasyon kurallarına dayandığına dair psikolojik bir varsayım.
  • Epistemolojik bir varsayım, tüm bilgilerin resmileştirilmiş olmasıdır.
  • Ontolojik bir varsayım, gerçekliğin resmileştirilmiş bir yapıya sahip olduğudur.


Dreyfus sadece bu varsayımları eleştirmekle kalmadı, aynı zamanda zeka için gerekli olduğuna inandığı bazı kavramları da tanımladı. Dreyfus'a göre zeka somutlaşmıştır ve yerleşiktir. Bunun zekanın bir bedene ihtiyaç duyduğu anlamına mı geldiği yoksa sadece bir bedenin yardımıyla mı gelişebileceği açık olmadığı için düzenlemeyi açıklamak zordur. Ancak en azından Dreyfus'un zekayı entelektüel failin bulunduğu duruma bağlı olarak gördüğü ve öğelerin bağlamlarıyla anlamlı bir ilişki içinde olduğu açıktır. Bu, gerçekliğin resmileştirilmiş varlıklara indirgenmesini önler. Dreyfus'un bakış açısı, sembolleri açıkça tanımlanmış biçimsel bir alanın ötesinde manipüle eden makinelerin çalışmasını imkansız hale getiriyor.


Dreyfus, yapay zekaya yönelik bağlantıcı yaklaşıma karşı daha olumlu bir tutuma sahiptir. Bu yaklaşım, akıllı davranışların, insan beynindeki nöronlara ve onların bağlantılarına benzeyen modellenmiş yapılardan ortaya çıktığını görüyor. Ancak insan beyninin karmaşıklığının bu tür makinelerde mümkün olabileceğinden şüpheli.


Böylece Dreyfus, yapay zeka hedeflerinin uygulanabilirliği hakkında bir tartışma başlattı. Çalışmaları büyük ilgi gördü ve hararetli tartışmalara yol açtı. Hatta bazı araştırmacıların bakış açılarını değiştirip kendi vizyonuna daha uygun sistemler uygulamaya başlamalarını bile sağladı. Dreyfus, sembolik yapay zeka tarafından yapılan varsayımları gösterdi ve bu varsayımların gerçek akıllı makinelerle sonuçlanacağının hiçbir şekilde açık olmadığını açıkladı ( Mind Over Machine: Bilgisayar Çağında İnsan Sezgisi ve Uzmanlığının Gücü ) .


Ancak iki açıklama yapmak gerekiyor. İlk olarak Dreyfus eleştirisini katı sembolik yapay zeka yaklaşımlarına dayandırdı. Son yıllarda, sembolik yapay zekada daha hibrit akıllı sistemler oluşturmak ve kurala dayalı olmayan yöntemleri uygulamak için çeşitli girişimlerde bulunuldu. Bu sistemler, Dreyfus'un analiziyle tam olarak açıklanamayacak farklı bir zeka görüşünü ortaya koyuyor. İkincisi, Dreyfus'un eleştirisi, kısmen kendi felsefi geçmişinden, kısmen de temellerin heyecanın neredeyse sınırsız olduğu bir dönemde atılmış olmasından dolayı, yapay zekaya şüpheci bir bakış açısına dayanıyor gibi görünüyor.


Özgür irade tuhaf bir kavramdır. Felsefe insan zihnini pek çok açıdan tartışabilir ancak konu kararlarımızda özgür olup olmadığımız sorusuna gelince tartışma tehlikeli hale gelir. İrade, kararlar ve eylemler çerçevesinde düşünmeye o kadar aşinayız ki çoğunlukla seçimlerimizde özgür olmadığımız ihtimalini bile düşünmeyi reddederiz. Ama başka bir şey daha var. Peki ya böyle bir tartışma sırasında insanın özgür iradesinin olmadığını söyleseydim? Eğer yanlışsa yanılıyorum demektir ve eğer doğruysa o zaman tüm söz anlamını yitirir çünkü bunu söylemekten başka hiçbir şey yapamam. Özgür iradenin reddi pragmatik bir çelişkidir. Bu inkarı anlamsız hale getirmeden, bir kişinin özgür iradesini inkar edemezsiniz.


Bununla birlikte, bilimsel teoriler olup biten her şeyin doğa kanunlarına uygun olduğunu iddia edebildiğinden, özgür irade sorunu konuyla alakalı görünmektedir. Yani organik makineler olarak belirlenmek istemiyorsak, ya insanlara özel özellikler vermemiz ya da doğa kanunlarının belirlendiğini inkar etmemiz gerekir. İlk seçenek birçok felsefi teoriyle ilgilidir, ancak en önemlisi, dünyayı insanlarda birbirine bağlı iki maddeye (ruh ve madde) bölen Descartes'ın teorisiyle ilgilidir. İkinci seçenek, özgür irademizin doğanın öngörülemeyen dinamiklerine dayanabileceğini göstermek için fizikteki en son gelişmeleri (görelilik, kuantum mekaniği) kullanan daha bütünsel bir vizyonun kapısını açar.


Descartes ve diğerlerinin dualistik görüşleri, insan dışındaki şeyler için özgür iradenin varlığını reddeder. Bu nedenle özgür irade ve akıllı makineler hakkındaki tartışma pek ilgi çekici değil. Öte yandan böyle bir tartışmaya bütünsel bakış açısı daha uygun olmakla birlikte, özgür irade özelliğini insanlara veya bilgisayarlara vermek için gereken fiziksel varsayımlar dışında başka bir sonuca varmak zordur. Bu saf felsefi bir tartışma için uygun olabilir ancak bilgisayar bilimiyle pek ilgisi yoktur.


Hem determinist hem de özgür irade görüşleri haklı ve gerekli olduğundan, insan doğasının doğası gereği çelişkili olduğunu kabul etme olasılığı da vardır. Bu diyalektik yaklaşım, fiziksel ön kabulleri dert etmeden, insandaki özgür irade hakkında düşünmemizi sağlar. Özgür irade, insan olmanın aşkın bir önkoşulu haline gelir. Ancak bu yaklaşımdaki özgür iradeye dair aşkın bakış açısı, aşkın ön varsayımları modellemek veya tasarlamak imkansız olduğundan, akıllı makineler gibi spesifik eserlerde özgür iradenin tartışılmasına izin vermez. Bu bölümün ilerleyen kısımlarında karmaşık özgür irade kavramını akıllı makineleri analiz etmek için kullanılabilecek bir kavrama dönüştüreceğim. Bu kavramın teknoloji felsefesindeki ampirik yaklaşımla uyumlu olması gerekmektedir. Bu nedenle özgür irade kavramından fiziksel ya da aşkın varsayımlarla bahsetmek yerine bu kavramın toplumda oynadığı role odaklanmalıyız.


Bu makaledeki yaklaşımımın ipucunu giriş paragrafında bulabilirsiniz. Özgür irade hakkındaki tartışmaya ilişkin görüşüm, bu alandaki herhangi bir araştırmaya temelde iki farklı yaklaşımın olduğu yönündedir. Bunlardan ilki, özgür iradenin doğası ve insanların doğanın “taleplerinden” kaçınma yeteneği ile ilgili derin felsefi konulara odaklanıyor. Ben buna fiziksel yaklaşım diyeceğim. Akıllı makinelerle ilgili makalede bu durum, bilgisayarların doğasından ziyade insanın doğasına odaklanan felsefi bir tartışmaya yol açıyor, çünkü zaten kendi irademizi savunmamız ve hakkında bir şeyler söylememiz gereken bir duruma giriyoruz. bilgisayarlar çünkü bunun hakkında bir makale yazmak istedik. Yani tartışma, ne insanın ne de bilgisayarın kendini tanıyamadığı insan-bilgisayar karşılaştırmasına dönüşüyor.


Bu bölümün ilk paragrafında incelikle öne sürülen bir diğer yaklaşım ise kendi özgür irademizi inkar etmenin imkânsızlığına odaklanıyor. Daha önce de belirttiğimiz gibi bu inkarın hiçbir anlamı yok. Ancak yalnızca kendisini değersizleştirmekle kalmıyor, aynı zamanda bir bütün olarak sorumluluğun temellerini de yok ediyor. Bu, insanları söyledikleri ya da yaptıkları şeyler için övemeyeceğimiz ya da suçlayamayacağımız anlamına geliyor; dolayısıyla yargı ilkelerini, çalışmayı, dostluğu, sevgiyi ve toplumumuzu üzerine inşa ettiğimiz her şeyi yeniden gözden geçirmemiz gerekiyor. Bütün bu toplumsal sorunlar bir seçim yapmayı gerektirir ve seçim söz konusu olduğunda özgür irade kavramı esastır. Bunun özü, fiziksel olarak haklı olup olmadığına bakılmaksızın özgür iradenin toplumumuz için önemli bir varsayım olmasıdır. Ben buna sosyal yaklaşım diyeceğim.


Özgür irade varsayımının yalnızca bizim toplumumuz için mi yoksa herhangi bir insan toplumu için mi gerekli olduğu zor bir sorudur. Yine de bu soruyu inceleyeceğim çünkü bu, özgür iradenin önemine dair basitçe kendi toplumumuzun yapısına işaret etmekten daha felsefi bir gerekçe sağlayabilir. İnsan doğasını yeniden ele almadan ve dolayısıyla özgür iradeye fiziksel bir yaklaşım getirmeden bu soruya cevap vermek imkansız görünüyor. Ancak etkileşimin insan uygarlığının özü olduğunu söylediğimizde doğal olarak özgür irade kavramına olan ihtiyaç ortaya çıkıyor. Herhangi bir insan etkileşimi, sonucu önceden bilmediğimizi ima ettiğinden, etkileşimin gidişatını etkilemekte özgür olduklarını varsaymadan insanlarla etkileşime giremeyiz. Dolayısıyla etkileşimler seçimle ve dolayısıyla özgür irade kavramıyla karakterize edilir. Eğer bir toplumda etkileşim temelse, hiçbir toplumda özgür iradenin inkar edilemeyeceğini de belirtmemiz gerekir.


Yapay Zeka Felsefesine Farklı Yaklaşımlar

Sembolik yapay zeka (AI), sayısal veriler yerine sembollerin veya kavramların işlenmesine ve manipüle edilmesine odaklanan yapay zekanın bir alt alanıdır. Sembolik yapay zekanın amacı, bilgiyi temsil ederek ve manipüle ederek, mantık kurallarına dayalı muhakeme yürüterek, insanlar gibi akıl yürütebilen ve düşünebilen akıllı sistemler yaratmaktır.


Sembolik yapay zekaya yönelik algoritmalar, dünyadaki nesneleri veya kavramları ve bunların bağlantılarını temsil eden sembolleri işleyerek çalışır. Sembolik yapay zekadaki temel yaklaşım, kuralların ve aksiyomların sonuç çıkarmak için kullanıldığı mantık programlamayı kullanmaktır. Örneğin, bir hastanın bildirdiği semptomlara dayanarak hastalıkları teşhis etmek için tasarlanmış sembolik bir yapay zeka sistemimiz var. Sistem, hastanın durumu hakkında sonuç çıkarmak için kullandığı bir dizi kural ve aksiyomlara sahiptir.


Örneğin, bir hasta ateş bildirdiğinde sistem şu kuralı uygulayabilir: EĞER hastanın ateşi varsa VE öksürüyorsa VE nefes almada zorluk çekiyorsa, O ZAMAN hastada zatürre olabilir.


Daha sonra sistem hastada öksürük ve nefes almada zorluk olup olmadığını kontrol edecek ve eğer öyleyse hastada zatürre olabileceği sonucuna varacak.


Bu yaklaşımın yorumlanması çok kolaydır çünkü akıl yürütme sürecini uygulanan mantıksal kurallara kadar kolayca takip edebiliriz. Ayrıca yeni bilgiler ortaya çıktıkça sistemin kurallarının değiştirilmesini ve güncellenmesini kolaylaştırır.


Sembolik yapay zeka, bilgiyi temsil etmek için mantık gibi resmi dilleri kullanır. Bu bilgi, sembolleri işlemek için algoritmalar kullanan muhakeme mekanizmaları tarafından işlenir. Bu, önceden tanımlanmış kurallara ve bilgilere dayanarak sonuçlar çıkarabilen uzman sistemlerin ve karar destek sistemlerinin oluşturulmasına olanak tanır.


Sembolik yapay zeka, büyük miktarda eğitim verisi gerektirmemesi nedeniyle makine ve derin öğrenme gibi diğer yapay zeka yöntemlerinden farklıdır. Bunun yerine sembolik yapay zeka, bilgi temsili ve akıl yürütmeye dayanır; bu da onu bilginin açıkça tanımlandığı ve mantıksal kurallarla temsil edilebildiği alanlar için daha uygun hale getirir.


Öte yandan makine öğrenimi, kalıpları öğrenmek ve tahminlerde bulunmak için büyük veri kümeleri gerektirir. Derin öğrenme, özellikleri doğrudan verilerden öğrenmek için sinir ağlarını kullanır; bu da onu karmaşık ve yapılandırılmamış verilere sahip alanlar için uygun kılar.


Konu alanına ve her tekniğin ne zaman uygulanacağı mevcut verilere bağlıdır. Sembolik yapay zeka, iyi tanımlanmış ve yapılandırılmış bilgiye sahip alanlar için uygunken, makine ve derin öğrenme, büyük miktarda veri ve karmaşık desenlerin bulunduğu alanlar için uygundur.


Yapay zeka felsefesine bağlantıcı yaklaşım, sinir ağlarının ilkelerine ve bunların insan beyniyle benzerliğine dayanmaktadır. Bu yaklaşımın amacı, biyolojik sistemlerdeki birbirine bağlı nöronların bilgiyi işlemek ve verilerden öğrenmek için davranışlarını taklit etmektir. Bağlantıcı yaklaşımın bazı temel yönlerini burada bulabilirsiniz.


Bağlantıcı yaklaşım, genellikle yapay nöronlar veya düğümler olarak adlandırılan, birbirine bağlı düğümlerden oluşan yapay sinir ağlarının oluşturulmasını içerir. Bu yapay nöronlar, giriş verilerini almak, hesaplamalar yapmak ve ağdaki diğer nöronlara sinyal iletmek için tasarlanmıştır.


Bağlantıcı yaklaşım, bir ağdaki yapay nöronların bilgiyi işlemek için birlikte çalıştığını varsayar. Her nöron giriş sinyallerini alır, bunlara göre hesaplamalar yapar ve çıkış sinyallerini diğer nöronlara iletir. Ağın çıktısı, nöronlarının kolektif aktivitesi tarafından belirlenirken, bilgi aralarındaki bağlantılar aracılığıyla akar. Bağlantıcı yaklaşımın önemli bir yönü yapay sinir ağlarının verilerden öğrenme yeteneğidir. Öğrenme süreci sırasında ağ, girdi verilerine ve istenen sonuca göre nöronlar arasındaki bağlantıların (ağırlıkların) gücünü ayarlar. Ağın tahmin edilen çıktısı ile beklenen sonucun yinelemeli karşılaştırmasına dayanarak ağırlıklar, farklılıkları en aza indirecek ve ağ performansını iyileştirecek şekilde güncellenir.


Bağlantıcı sistemler, ağ üzerinde aynı anda birden fazla hesaplamanın gerçekleştirildiği paralel işlemeyi vurgular. Bu, verimli ve güvenilir bilgi işlemeyi sağlar. Ek olarak, bağlantıcı modeller dağıtılmış bir temsil kullanır; bu, bilginin tek bir yerde lokalize olmak yerine birden fazla nöronda kodlandığı anlamına gelir. Bu dağıtılmış gösterim, ağın karmaşık kalıpları işlemesine ve sınırlı örneklere dayanarak özetlemesine olanak tanır.


Bağlantıcı yaklaşım, derin sinir ağlarının çeşitli katmanlarla eğitilmesine odaklanan yapay zekanın bir alt alanı olan derin öğrenmenin temelidir. Derin öğrenme modelleri bilgisayarlı görme, doğal dil işleme ve konuşma tanıma gibi çeşitli alanlarda son derece başarılı olmuştur. Karmaşık görevlerde gelişmiş performans sağlayan hiyerarşik veri temsillerini otomatik olarak öğrenme yeteneğini göstermişlerdir.


Genel olarak, yapay zeka felsefesine yönelik bağlantıcı yaklaşım, insan beyninin işleyişinin işbirlikçi ve paralel doğasını taklit etmek için yapay sinir ağlarının kullanımını vurgulamaktadır. Ağırlık ayarlamalarını kullanarak verilerden öğrenen bağlantıcı sistemlerin, karmaşık sorunları çözmede ve yapay zeka uygulamalarında etkileyici sonuçlar elde etmede oldukça etkili olduğu kanıtlanmıştır.


Sinir ağı, insan beyni gibi biyolojik sinir ağlarının yapısından ve işleyişinden ilham alan hesaplamalı bir modeldir. Katmanlar halinde düzenlenmiş, birbirine bağlı düğümlerden (yapay nöronlar) oluşan matematiksel bir yapıdır. Sinir ağlarının verileri işlemesi ve öğrenmesi, kalıpları tanımasına, tahminlerde bulunmasına ve çeşitli görevleri yerine getirmesine olanak sağlaması amaçlanmaktadır.


Yapay nöronlar bir sinir ağının temel birimleridir. Her nöron bir veya daha fazla girdi verisi alır, bunlar üzerinde hesaplamalar yapar ve çıktı verisi üretir. Çıkış verileri genellikle ağdaki diğer nöronlara iletilir.


Bir sinir ağındaki nöronlar, aralarındaki bilgi akışını temsil eden bağlantılar aracılığıyla birbirlerine bağlanır. Her bağlantı, iletilen sinyalin gücünü veya önemini belirleyen bir ağırlıkla ilişkilidir. Ağ performansını optimize etmek için öğrenme süreci sırasında ağırlık faktörleri ayarlanır.


Sinir ağları genellikle katmanlar halinde düzenlenir. Giriş katmanı başlangıç verilerini alırken, çıkış katmanı nihai sonucu veya tahmini üretir ve bunların arasında bir veya daha fazla gizli katman bulunabilir. Gizli katmanlar, giriş bilgilerini dönüştürerek ve birleştirerek ağın karmaşık gösterimleri öğrenmesine olanak tanır.


Her nöron, bir çıkış sinyali üretmek için giriş verilerinin ağırlıklı toplamına bir aktivasyon fonksiyonu uygular. Etkinleştirme işlevi ağa doğrusal olmamayı getirerek karmaşık bağlantıları modellemesine ve doğrusal olmayan tahminler yapmasına olanak tanır.


Sinir ağları verileri ileri besleme ilkesine göre işler. Giriş verileri, her bir nöron üzerinde hesaplamalar yapılarak ağ katmanından katman katman geçer. Bir katmanın çıktısı, nihai sonuç elde edilene kadar bir sonraki katmana girdi görevi görür.


Sinir ağları, verileri eğitim adı verilen bir süreç aracılığıyla öğrenir. Eğitim sırasında giriş verileri, ilgili istenen çıkışlarla birlikte ağa sunulur. Tahminlerini istenen sonuçlarla karşılaştırarak ağın ağırlıkları, gradyan iniş ve geri yayılım gibi algoritmalar kullanılarak ayarlanır. Bu yinelemeli süreç, ağın tahminleri ile beklenen sonuçlar arasındaki farkı en aza indirmesine olanak tanır.


Derin sinir ağları (DNN'ler), birkaç gizli katmana sahip sinir ağlarını ifade eder. Derin sinir ağlarının eğitilmesine odaklanan derin öğrenme, hiyerarşik temsilleri otomatik olarak öğrenme ve verilerden karmaşık modelleri çıkarma yeteneği nedeniyle son yıllarda büyük ilgi gördü.


Sinir ağları, görüntü tanıma, doğal dil işleme, konuşma sentezi ve daha fazlası dahil olmak üzere çeşitli alanlarda çok başarılı olmuştur. Büyük miktarda veriyi işleyebilme, örneklere dayalı özetleme yapabilme ve karmaşık hesaplamalar yapabilme yetenekleri, onları yapay zeka alanında güçlü bir araç haline getiriyor.


Yapay Zeka Alanında Felsefi Sorunlar ve Tartışmalar


“Maddi bir şeyin nasıl bilinçli olabileceğine dair kimsenin en ufak bir fikri yok. Hiç kimse maddi bir şeyin nasıl bilinçli olabileceğine dair en ufak bir fikre sahip olmanın nasıl bir şey olacağını bile bilmiyor.” (Jerry Fodor, Ernest Lepore, “Bütünsellik: Bir Alışverişçinin Rehberi”, Blackwell, 1992) . Jerry Fodor bu sözlere itibar ediyor ve bunların bir makinenin nasıl bilinçli olabileceğini anlamaya çalışırken karşılaştığım tüm zorlukları açıkladığına inanıyorum. Ancak bu sözler beni yapay bilince sahip bir makinenin yaratılabileceği iddiasından vazgeçmeye cesaretlendirmiyor. Aslında tam tersini yapıyorlar; eğer biz (maddi varlıklar) bilinçli olabiliyorsak, o zaman bilincin de maddi bir şey olması gerektiğini ve dolayısıyla teoride yapay olarak yaratılabileceğini düşünmeye teşvik ediyorlar beni.


Bilinçteki kilit nokta bunun tek bir şey olmamasıdır. Hepsi farklı şekillerde karıştırılan bir dizi polimorfik kavramdır. Dolayısıyla hepsini birbirinden ayırıp, her birini ayrı ayrı açıklamaya çalışmak zordur. Bunu akılda tutmak önemlidir, çünkü bunun bazı yönlerini açıklamak için elimden geleni yapsam da, bunların birbirleriyle olan bağlantıları bunu zorlaştırıyor. Sonuçlarımda, sanal bir makinede güçlü yapay bilincin uygulanabilirliğini haklı çıkarmak için tüm bu kavramları birleştirmeye çalışıyorum.


Genel olarak yapay bilinç (bundan sonra AC olarak anılacaktır) iki kısma ayrılır: zayıf AC ve güçlü AC. Zayıf AC “bilinçli davranışın bir simülasyonudur”. Bilinci oluşturan mekanizmaları anlamadan, bilinçli bir varlığın davranışını belirli bir ayrıntı düzeyinde simüle eden akıllı bir program olarak uygulanabilmektedir. Güçlü bir AC, “sofistike bir bilgi işlem makinesinden (yapay beyin) gelen gerçek bilinçli düşünmedir. Bu durumda doğal eşdeğerinden temel farkı, süreci üreten donanıma bağlı.” Bununla birlikte, Chrisley gibi AC'nin yapay bilinç gecikmesi olarak adlandırdığı pek çok ara alanın bulunduğunu savunan bazı bilim adamları da var.


Bilgi işlem yeniliklerinin her yıl katlanarak büyümesiyle, yüksek güçlü AC'nin fizibilitesi giderek daha önemli hale geliyor. Yapay zeka (bundan sonra AI olarak anılacaktır) bilim kurgu sayfalarından bilim alanına doğru ilerledikçe, giderek daha fazla bilim insanı ve filozof ona daha yakından bakıyor. Aralarında Stephen Hawking, Elon Musk ve Bill Gates'in de bulunduğu dünyanın önde gelen düşünürlerinin çoğu, yakın zamanda yapay zekanın sorumlu bir şekilde ve tüm insanlığın yararına kullanılması çağrısında bulunan açık bir mektuba imza attı. Bu ifade, bu tür bir yapay zekaya (tamamen entelektüel) atıfta bulunmadığı gibi, "Yapay zekayı nasıl programlamalıyız?" sorusunu gündeme getiren sözde "makine sorusu" ile de ilgili değildir. yani hangi etik doktrinin öğretilmesi gerekiyor ve neden?


Bu konular ilginç ve son derece önemli olmasına rağmen, burada bu konuların derinlemesine bir analizini yapmak için yeterli zaman yok. Bu konuda daha fazla bilgi için Nick Bostrom, Miles Brundage ve George Lazarus'a bakın.


Bir makinenin akıllıca davranabileceğini zaten biliyoruz; ve sorunları çözmek ve çözümler bulmak için mantığı kullanabilir çünkü biz onu buna programladık ama makinenin fenomenal bilinç kapasitesi hakkında şüpheler ortaya çıktı ve yaygınlaştı. Duygularımız, deneyimlerimiz, özgür irademiz, inançlarımız vs. olmasıyla makinelerden farklıyız. Her ne kadar çoğu insan genetiğimizde ve biyolojimizde belli bir “program”ın olduğu konusunda hemfikir olsa da, kendi seçimlerini yapabileceklerinden emindirler ve bu yapay bir bilgisayar programı onların ilk benzersiz kişisel öznel deneyimini yeniden üretemez.


Ancak güçlü AC üretebilen bir makinenin var olma şansı olmasaydı bu açıklama ilginç olmazdı. Güçlü AC ile uyumlu en çok alıntı yapılan bilinç teorisi işlevselciliktir. Bu, bilincin işleviyle tanımlandığı anlamına gelir. Teoride basitleştirilmiştir, ancak bazı işlevselcilik türleri vardır. Teori Alan Turing, Turing makineleri ve Turing testiyle olan ilişkisiyle biliniyor. Davranışçılığın soyundan gelen o (bazen) zihnin hesaplamalı bir görüşüne ve işlevlerin bilincin gerçek parametresi olduğuna inanıyor. Aynı zamanda bir dereceye kadar fenomenal bilinci, niteliksel durumları ve qualia'yı açıklamadaki başarısızlığıyla da tanınır. Bu bilmecenin pek çok cevabı olmasına rağmen, ben niteliksel durumlara ilişkin ontolojik olarak muhafazakar elemeci bir görüşten yanayım. Onu elemeci yapan şey, genellikle tanımlandığı şekliyle qualia'nın var olamayacağını iddia etmemdir. Ancak qualia ve niteliksel durumlara ilişkin sezgisel anlayışımızın yanlış olduğu fikrini reddediyorum. Qualia kavramı tamamen yanlış anlaşılıyor. Yapay olarak oluşturulabilirler. Bu, sanal makinenin daha geniş işlevselliğinin bir alt teorisidir; buna göre bilinçli bir varlık aynı anda belirli bir zihinsel durumla sınırlı değildir, her zaman aynı anda birkaç durumda bulunur. Bir sanal makinede bu durum farklı sistem ve alt sistemlerle açıklanmaktadır.


Ahlaki bir failin nihai kriteri (ve üç koşullu özerklik teorisinin, yani makul davranmanın nihai şartı) rasyonelliktir. Bu kriter muhtemelen yapay bir ajan için en az tartışmalı olanıdır, bu yüzden onu en sona koydum. Rasyonellik ve mantık, popüler kültürdeki yapay aktörlerin belirleyici özellikleridir. Modern bilgisayarlar ve zayıf yapay zeka sistemleri mantıklarıyla tanınır. Büyük hesaplamalar yaparlar ve son derece karmaşık kararları hızlı ve rasyonel bir şekilde verebilirler. Ancak yapay ajanların rasyonelliği tartışmasız değildir. Daha önce de görüldüğü gibi Searle, hiçbir sözdiziminin anlambilime eşit olamayacağını iddia ederek bir makinenin gerçekten düşünme ve anlama yeteneği hakkındaki endişelerini dile getiriyor. Çin odasını ve bu soruna cevabımı zaten ele aldım, ancak bilincin çokbiçimli doğasını ve bir bilinç teorisinde qualia ve fenomenal bilinci açıklamanın önemini bir kez daha vurgulamak istiyorum.


Otonom rasyonalite ile genel olarak rasyonalitenin aynı şey olmadığını belirtmek gerekir. Özerklik açısından rasyonellik, “hayvani içgüdülerinizin” ötesine geçip hayatınızı kendi rasyonel kurallarınıza göre yaşayabilmeniz için iradenizi aşılama eylemidir, hareket etmeden önce düşünmeyi ima eder. Bu bakımdan modern bilgisayarların ve zayıf yapay zeka sistemlerinin rasyonelliği özerk değildir. Başka seçenekleri yok; onlar sadece programlandıkları şeyi yaparlar. Bazı açılardan bu, yukarıda tartışılan algoritmaların deterministik olarak takip edilmesiyle ilgilidir, çünkü özgür seçim içerir. Gördüğümüz gibi, sanal makineler oldukça karmaşık olabilir: olağanüstü derecede bilinçli, deterministik olmayan (“özgür”), içsel olarak niyetli ve duyarlı (inançları, arzuları, acıyı ve hazzı deneyimleme yeteneğine sahip). Ama her şey söylenip yapıldığında, o hâlâ bir makinedir. Bu karmaşıklık düzeyine ulaşacaksa kesin, rasyonel, algoritmik ve mimari olarak tasarlanmış ve algoritmik bilgisayarların bilinçle birleşen "soğuk rasyonelliği" onu özerk bir şekilde rasyonel kılıyor. Duyguları, yani duyguları, olağanüstü bilinci, acı/zevk yaşama yeteneği, dolayısıyla inanç ve arzuları, onu hedonistik duyguların üstesinden gelmeye, rasyonel ve özerk kararlar almaya hazır hale getirecektir.


Yapay zeka (AI) günümüzde oldukça dinamik bir araştırma alanıdır. 1950'li yıllarda kuruldu ve bugün hala hayatta. Yapay zeka gelişimi sırasında farklı araştırma yöntemleri rekabeti teşvik etti ve yeni zorluklar ve fikirler ortaya çıkmaya devam etti. Bir yandan teorik gelişime karşı büyük bir direnç var ama diğer yandan teknolojik ilerlemeler bilim tarihinde ender görülen parlak sonuçlara ulaştı.


Yapay zekanın ve teknolojik çözümlerinin amacı, makineler kullanarak insan zekasını yeniden üretmektir. Sonuç olarak, araştırmasının nesneleri oldukça karmaşık olan maddi ve manevi alanlarla örtüşüyor. Zekanın özellikleri, yapay zeka gelişiminin dolambaçlı doğasını belirler ve yapay zekanın karşılaştığı sorunların çoğu doğrudan felsefeyle ilgilidir. Pek çok yapay zeka uzmanının felsefeye güçlü bir ilgi duyduğunu fark etmek kolaydır; Benzer şekilde yapay zeka araştırma sonuçları da felsefe camiasının büyük ilgisini çekti.


Modern yapay zeka biliminin temel araştırması olan bilişsel araştırmanın amacı, insan beyni bilincinin yapısını ve sürecini açıkça anlamak ve aynı zamanda insan bilincinin zeka, duygu ve niyetinin birleşimi için mantıksal bir açıklama sağlamaktır. Çünkü yapay zeka uzmanları bu bilinç süreçlerinin resmi olarak ifade edilmesini kolaylaştırıyor. Yapay zekanın insan bilincini taklit edebilmesi için öncelikle bilincin yapısını ve işleyişini öğrenmesi gerekiyor. Bilinç nasıl mümkün olabilir? Searle şunları söyledi: "Bir şeyin nasıl mümkün olduğunu açıklamanın en iyi yolu, onun gerçekte nasıl var olduğunu ortaya çıkarmaktır." Bu, bilişsel bilimin yapay zekanın gelişimini ilerletmesine olanak tanır. En önemlisi, bilişsel dönüşün meydana gelmesinin en önemli nedeni budur. Felsefe ile bilişsel psikoloji, bilişsel sinirbilim, beyin bilimi, yapay zeka ve diğer disiplinler arasındaki sinerjik ilişkiden kaynaklanmaktadır; bilgisayar bilimi ve teknolojisinin nasıl geliştiğine bakılmaksızın, fiziksel sembol sistemlerinden, uzman sistemlerden, bilgi mühendisliğinden biyolojik bilgisayarlara ve gelişmelere kadar. kuantum bilgisayarlardan.


İnsan bilincinin tüm sürecinin ve çeşitli faktörlerin felsefe tarafından bilinmesi ve anlaşılmasından ayrılamaz. Epistemolojik açıdan bakıldığında, ister güçlü ister zayıf bir yapay zeka ekolü olsun, yapay zeka, insan düşüncesinin bazı işlevlerini simüle etmek için fiziksel sembollerden oluşan bir sisteme dayanır. Ancak insan bilincinin gerçek simülasyonu, yalnızca robotun teknolojik yeniliklerine değil, aynı zamanda bilinç sürecinin ve onu etkileyen faktörlerin felsefi anlayışına da bağlıdır. Mevcut bakış açısından bakıldığında, yapay zekanın felsefi sorunu, yapay zekanın özü değil, daha ziyade entelektüel modellemenin daha spesifik bazı sorunlarının çözümüdür.


Kasıtlılık meselesine gelince, bir makinenin bir aklı veya bilinci olabilir mi? Eğer öyleyse, kasıtlı olarak insanlara zarar verebilir mi?


Bilgisayarların kasıtlı olup olmadığı konusundaki tartışma şu şekilde özetlenebilir:


  1. Kasıtlılık nedir? Bir robotun talimatlara göre belirli bir şekilde davranması kasıtlı mıdır?


  2. İnsanlar harekete geçmeden önce ne yaptıklarını zaten biliyorlar. Kendilerinin farkındadırlar ve eylemlerinin neye yol açacağını bilirler. Bu insan bilincinin önemli bir özelliğidir. Peki bir robotun talimatlara göre belli bir şekilde davrandığını nasıl anlamalıyız?


  3. Niyetlilik programlanabilir mi?


    Searle, "beynin kalbi yaratma işlevinin, basit bir bilgisayar programını çalıştırmanın yolu olamayacağına" inanıyor. Bunun yerine insanlar şu soruyu sormalı: Niyetlilik anlaşılır bir ruh mudur? Eğer anlaşılabiliyorsa neden programlanamıyor? Searle, bilgisayarların dilbilgisine sahip olduğuna ancak anlambilime sahip olmadığına inanıyor. Ancak aslında dilbilgisi ve anlambilim ikisi bir arada bir konudur ve asla birbirinden ayrılmazlar. Eğer bir program dilbilgisi ile anlambilimi bir arada barındırabiliyorsa, dilbilgisi ile anlambilimi birbirinden ayırmamız gerekir mi? Searle, bilgisayar kasıtlı olarak kopyalasa bile kopyanın orijinal olmadığını savunuyor. Aslında insan bilişi ve bunun insan davranışıyla bağlantısı hakkında net bir anlayışa sahip olduğumuzda, zihinsel süreçlerimiz ile insan beyni davranışı arasındaki bağlantıyı programlayabilmeli ve tanıdığımız her türden insanı girebilmeliyiz. Bu, bilgisayarın “her şeyi bilmesini” sağlayan bilgidir. Peki o zaman Searle'ün söylediği gibi olabilir miyiz? Yapay zeka zeka değil mi? Yapay zekanın, insan proteinleri ve sinir hücreleri olmadığı için herhangi bir kasıtlılığı ve düşünce süreci yok mu? Kasıtlı kopyalama “kasıtlı” mıdır? Bir anlayışı kopyalamak gerçek bir “anlama” mıdır? Fikirlerin kopyalanması “düşünmek” midir? Düşünmenin kopyalanması “düşünmek” midir? Cevabımız, temelin farklı ama işlevin aynı olduğudur. Aynı işlevi oluşturmak için farklı temellere dayanan yapay zeka, insan zekamızı gerçekleştirmenin özel bir yoludur. Searle, yapay zekanın derinliğini inkar etmek için kasıtlılığı kullanıyor. Yapay zekanın insan düşüncelerini simüle edebilmesinin belli bir temeli olmasına rağmen, insanlar yapay zeka ile insan zekasının önemli ölçüde farklı olduğunu düşünseler bile o zaman bu farkın artık geçerli olmadığını hissedeceğiz. Searle'un bakış açısı insan kalbini ancak bir kez daha bilmece haline getirebilir!



Zeka konusuna gelince, makineler sorunları insanlarla aynı şekilde zekayı kullanarak çözebilir mi? Yoksa bir makinenin herhangi bir karmaşık sorunu çözebilecek zekaya sahip olabileceği bir sınır var mı?


Polanyi'ye göre insanlar sözde gizli yetenekleri bilinçsizce kullanabilirler, "İnsanlar ifade edebildiklerinden daha fazlasını bilirler". Bu, bisiklet sürmeyi ve ısınmanın yanı sıra daha yüksek düzeyde pratik becerileri de içerir. Maalesef kuralları anlamazsak kuralları bilgisayara öğretemeyiz. Bu Polanyi'nin paradoksudur. Bu sorunu çözmek için bilgisayar bilimcileri insan zekasını değiştirmeye çalışmadılar, ancak yapay zeka için yeni bir düşünme yöntemi geliştirdiler: veriler aracılığıyla düşünme.


Microsoft Research'ün kıdemli araştırma bilimcisi Rich Caruana şunları söyledi: "Yapay zekanın ilkesinin, önce insanları anlamamız ve sonra aynı şekilde yapay zeka yaratmamız olduğunu düşünebilirsiniz, ancak durum böyle değil." dedi, " Örnek olarak uçakları ele alalım. Kuşların nasıl uçtuğunu anlamadan çok önce inşa edilmişlerdi. Aerodinamiğin prensipleri farklıydı ama bugün uçaklarımız herhangi bir hayvandan daha yükseğe ve daha hızlı uçuyor".


Günümüzde insanlar genel olarak akıllı bilgisayarların işlerimizi devralacağını düşünüyor. Kahvaltınızı bitirmeden önce, haftalık iş yükünüzü zaten tamamlamış olacak ve mola vermiyor, kahve içmiyor, emekli olmuyor, hatta uyumaya bile ihtiyaç duymuyorlar. Ancak gerçek şu ki, gelecekte pek çok görev en azından kısa vadede otomatikleştirilecek olsa da, bu yeni tür akıllı makinenin bizimle çalışması muhtemel.


Yapay zekanın sorunu Polanyi'nin paradoksunun modern versiyonudur. İnsan beyninin öğrenme mekanizmasını tam olarak anlayamadığımız için yapay zekanın bir istatistik gibi düşünmesine izin veriyoruz. İşin ironik yanı şu anda yapay zekanın nasıl düşündüğüne dair çok az bilgiye sahibiz, dolayısıyla iki bilinmeyen sistemimiz var. Bu genellikle "kara kutu sorunu" olarak anılır: Giriş ve çıkış verilerini biliyorsunuz, ancak önünüzdeki kutunun bu sonuca nasıl ulaştığı hakkında hiçbir fikriniz yok. Caruana şunları söyledi: "Artık iki farklı zeka türüne sahibiz, ancak ikisini de tam olarak anlayamıyoruz."


Yapay sinir ağının dil yeteneği yoktur, dolayısıyla ne yaptığını, nedenini açıklayamaz ve her yapay zeka gibi sağduyudan yoksundur. İnsanlar, bazı yapay zeka operasyonlarının bazen cinsiyetçilik veya ırk ayrımcılığı gibi bilinçli önyargıları gizleyebileceğinden giderek daha fazla endişe duyuyor. Örneğin, suçluların tekrar tekrar suç işleme olasılığını değerlendirmek için kullanılan yeni bir yazılım var. Siyah insanlar için iki kat daha zor. Aldıkları veriler kusursuzsa kararları muhtemelen doğru olacaktır, ancak çoğunlukla bu karar insanın önyargısına tabidir.


Etik konusuna gelince, makineler insanlar için tehlikeli olabilir mi? Bilim insanları makinelerin etik davrandığından ve insanlar için tehdit oluşturmadığından nasıl emin olabilirler?


Makinelerin sevgi ya da nefret gibi duyguları hissedip hissedemeyeceği konusunda bilim adamları arasında pek çok tartışma var. Ayrıca insanların yapay zekanın bilinçli olarak iyilik ve kötülük için çabalamasını beklemek için hiçbir nedeni olmadığına inanıyorlar. Uzmanlar, yapay zekanın nasıl bir risk haline geldiğini değerlendirirken en olası iki senaryonun olduğuna inanıyor:


  • Yapay zeka, yıkıcı görevleri yerine getirmek üzere tasarlanmıştır: Otonom silahlar öldürmek için tasarlanmış yapay zeka sistemleridir. Bu silahlar kötülerin eline geçerse kolaylıkla çok fazla hasara neden olabilirler. Ayrıca yapay zeka silahlanma yarışı, istemeden de olsa bir yapay zeka savaşını tetikleyebilir ve bu da çok sayıda kurbanla sonuçlanabilir. Düşman kuvvetlerinin müdahalesini önlemek için “kapalı” silah programları son derece karmaşık olacak şekilde tasarlanacak ve dolayısıyla bu tür durumlarda insanlar da kontrolü kaybedebilecek. Bu risk özel yapay zekada (dar yapay zeka) da mevcut olsa da, akıllı yapay zeka ve daha yüksek düzeyde öz yönlendirme ile artacaktır.


  • Yapay zeka yararlı görevleri yerine getirmek üzere tasarlanmıştır, ancak gerçekleştirdiği süreç yıkıcı olabilir: Bu, insan ve yapay zeka hedeflerinin henüz tam olarak uyumlu hale gelmediği durumlarda gerçekleşebilirken, insan ve yapay zeka hedef uyumunu ele almak kolay bir iş değildir. Sizi havaalanına mümkün olan en hızlı şekilde götürmesi için akıllı bir araba çağırdığınızda, talimatlarınızı umutsuzca takip edebileceğini, hatta istemediğiniz şekillerde bile olabileceğini hayal edin: Bir helikopter tarafından kovalanabilirsiniz veya aşırı hızdan dolayı kusabilirsiniz. Süper akıllı sistemin amacı iddialı bir jeo-mühendislik projesi ise, bir yan etkisi ekosistemin yok edilmesi olabilir ve insanın bunu durdurmaya yönelik girişimleri, ortadan kaldırılması gereken bir tehdit olarak görülecektir.


Kavramsallık konusuna gelince, yapay zekanın kavramsal temelinde sorunlar var.


Her bilim bildiğine dayanır ve bilimsel gözlem yeteneği bile iyi bilinen şeylerle bağlantılıdır. Bilinmeyeni anlamak için yalnızca bildiklerimize güvenebiliriz. Bilinen ve bilinmeyen her zaman bir çelişki çiftidir ve her zaman bir arada var olurlar ve birbirlerine bağımlıdırlar. Bilinen olmadan bilinmeyeni öğrenemeyiz; bilinmeyen olmadan bilimsel bilginin gelişmesini ve evrimini sağlayamayız. İnsanlar nesneleri gözlemlediğinde, gözlemcinin edineceği deneyimin gözbebeklerine giren ışık tarafından belirlenmediğine dair pek çok kanıt var. Sinyal yalnızca gözlemcinin retinasındaki görüntüyle belirlenmez. Aynı nesneye bakan iki kişi bile farklı görsel izlenimler edinecektir. Hansen'in dediği gibi, bir gözlemci bir nesneye baktığında gözünün değdiğinden çok daha fazlasını görür. Gözlemler bilim için çok önemlidir ancak “gözlemlerle ilgili açıklamaların belirli bir teorinin diliyle yapılması gerekir”. “Gözlemlerle ilgili açıklamalar kamuya açık konulardır ve kamusal dilde yapılır. Değişen derecelerde evrensellik ve karmaşıklığa sahip teoriler içerirler. Bu da gözlemin teori gerektirdiğini göstermektedir. Bilimin öncül olarak teoriye ihtiyacı vardır ve bilimsel anlayış bilinmeyene dayanmaz. İşletmeler genellikle işleri için en iyi seçenekleri anlama konusunda eksik kalıyor ve yapay zekaya yönelik danışmanlık hizmetleri, işi yapay zeka ile yönlendirmeye çalışıyor.


Felsefenin Yapay Zekanın Gelişimi ve Uygulamasına Etkisi


Yaklaşımlardaki bariz farklılıklara rağmen, teknoloji (genel olarak) ve felsefe aynı ilgi nesnesini paylaşıyor: insanlar.


Teknoloji geliştirmenin amacı, günlük yaşamdaki belirli bir pratik sorunu çözmek ve böylece yakın gelecekte insanlık için yararlılığını arttırmaktır. Ancak çoğu durumda teknolojik gelişimin kapsamı, ele aldığı pratik ve güncel sorunların ötesine geçmemektedir. Sorun teknik olarak çözülebiliyorsa bunu yapmaya gerek yoktur. Teknoloji her zaman tek bir amacın peşindedir: faydalı olmak. Bu, ürünlerinin yan etkilerini nadiren önemseyen tamamen araçsal bir yaklaşım gibi görünüyor (M. Taddeo ve L. Floridi, “How AI can be a power for good,” Science, Ağustos 2018) .


Buna karşılık, felsefe yalnızca güncel konularla ve insan varoluşunun pratik yönleriyle ilgilenmez. Felsefi analiz, belirli bir konunun mümkün olan en geniş görüşünü oluşturmak için yalnızca çalışmanın nesnesini değil, aynı zamanda onun etik sonuçlarını ve insan meseleleri üzerindeki diğer olası etkilerini de inceler. Bunun bir kısmı değerlerin ortaya çıkışı, gelişimi ve doğası üzerine yapılan çalışmadır. Bu nedenle, belirli bir değer sistemindeki değişiklikleri bulmak için genel durumların ve güncel olayların dikkatli bir şekilde analiz edilmesi ve eleştirilmesi, felsefe alanının temel görevidir.


Felsefe ve Teknoloji: Çelişki mi, Ortakyaşam mı?

Kısacası felsefe genellikle yeni konuları ve sorunları gündeme getirirken teknolojinin, özellikle de yapay zekanın amacı doğal olarak belirli ve mevcut sorunları çözmektir. Bu göz önüne alındığında, bu iki alan arasındaki simbiyoz ilk bakışta paradoksal görünüyor.


Ancak teknoloji, giderek daha fazla yeni soru sorarak ve önerilen teknolojik çözümleri eleştirerek, özellikle de altta yatan sorunu felsefi açıdan inceleyerek, uzun vadeli ve daha ayrıntılı çözümler sunabilmektedir. Felsefe, bu öngörü süreci için mantıksal analiz, etik ve ahlaki inceleme ve doğru soruları sormaya yönelik derin bir metodoloji gibi araçlar sağlar. Bunu perspektife koymak gerekirse: Yapay zeka işin geleceğini nasıl etkileyecek?


Bu kesinlikle yeni teknolojilerin ileriye dönük gelişimini tamamlıyor. Geliştirme süreci, hem sorunun hem de önerilen teknik çözümün mümkün olduğu kadar çok olası sonucunu dikkate aldığında, gelecekteki sorunlar sürdürülebilir bir şekilde çözülebilir. Tüm bunlar, teknolojinin bir alt kümesi olarak yapay zeka için geçerlidir ve artık "akıllı makineler, özellikle de akıllı yazılım yaratma bilimi ve teknolojisi" olarak tanımlanması gerekir ("Makineye Yakın: Yapay Zekanın Teknik, Sosyal ve Yasal Yönleri") , Victoria Bilgi Komiseri Ofisi, Toby Walsh, Kate Miller, Jake Goldenfein, Fang Chen, Jianlong Zhou, Richard Nock, Benjamin Rubinstein, Margaret Jackson, 2019).


Ancak yapay zeka ile felsefe arasındaki bağlantı çok daha geniş kapsamlıdır.


Yapay Zeka ve Felsefe: Özel Bir Bağlantı

Yapay zeka ve felsefe arasındaki benzersiz bağlantı, bilgisayar bilimcisi John McCarthy tarafından zaten vurgulanmıştı. Felsefe genel olarak tüm teknik bilimleri tamamlasa da özel bir disiplin olarak yapay zeka için bile hayati öneme sahiptir ve alana temel bir metodoloji sağlar.


Filozoflar yapay zekanın bazı temel kavramlarını geliştirdiler. Örnekler arasında "...bir eserin akıllı sayılması için sahip olması gereken özelliklerin incelenmesi" ("Endüstriyel devrimler: endüstriyel dünyada 4 ana devrim", Sentryo, 23 Şubat 2017) veya temel Felsefi söylemden de ortaya çıkan rasyonellik kavramı.


Bu bağlamda daha ilginç olan şey, yapay zekanın evrimine rehberlik etmek ve hayatımıza entegrasyonunu organize etmek için felsefenin gerekli olduğu gerçeğidir; çünkü sadece önemsiz teknolojileri değil, aynı zamanda tamamen yeni ve keşfedilmemiş etik ve sosyal konuları da ilgilendirmektedir.