Yapay Sinir Ağları ve Çerçeve Problemi

Günümüzde tekrarlayan sinir ağları içinde bulundukları dünyanın durumlarını dinamik olarak iç temsillerinde oluşturmakta, derin pekiştirmeli öğrenme ise çevreyle etkileşim içindeki ajanın belirli hedeflere yönelik hareket ederken çevresini araştırmasını ve hedefiyle alakalı durumları öğrenmesini sağlamaktadır. Ancak günümüzde insan seviyesinde yapay sistemler yaratılmasının önünde ciddi problemler vardır. Bu problemler en temelde ajanın neleri bilmesi gerektiğini ve bu bilgileri nasıl elde edeceğiyle ilgilidir. İnsan zihninin sahip olduğu nedensellik, genelleme ve dolayısıyla soyut kavramlar oluşturabilme yetileri bağlantıcılık temelli modellerin sahip olmadığı kavram ve yetilerdir.

Bağlantıcılık temelli modeller bilişsel sistemlerin değişik düzeyleri olduğunu ve nöronal hesaplamaların alt-sembolik seviyede olduğu teziyle sistemler üretmektedir.

Günümüzdeki derin ağların ancak istatistiki bilgiler ile sınırlandırılmış genelleme yeteneğine sahip olması bu sistemleri insan zihnini sahip olduğu birçok özellikten mahrum bırakır. Ancak yapay sinir ağı araştırmacıları bağlantıcılık çerçevesi içinde üst düzey mimariler ile söz konusu sorunların teorikte çözülebileceği inancıyla araştırmalarına devam etmektedir. Günümüzde derin ağlar ve derin pekiştirmeli öğrenmeyi birleştiren sistemler kapalı çevrelerde hatırı sayılır başarılar elde etmişlerdir. Bir sistemin kapalı olması ajanın etkileştiği çevrenin durumlarının sonlu bir durum alanı kümesiyle tanımlı olması anlamına gelmektedir. Açık sistemlerde ajanın daha önce hiç karşılaşmadığı çevre durumlarıyla karşılaşması olasıdır.

Dolayısıyla açık bir sistemde ajanın çevre durumlarıyla baş etmesi için gerekli olan

yeteneklerden biri çok az sayıda örnekten hatta tek bir örnekten öğrenme yetisidir.

Yapay sistemlerin öğrenmek için belli bir istatistiki derleme yapma zorunluluklarının nedeni bu sistemlerin genel olarak tek bir hedefe yönelik hareket edecek şekilde tasarlanmasıdır. İnsanlar yeni bir durumla karşılaştıklarında hali hazırda dünya hakkında çok fazla şey bilmekte ve yeni bir durumla karşılaştıklarında sahip oldukları bilgiyi yeni duruma göre sistematik bir şekilde genelleyebilmektelerdir. Geniş bir genelleme yeteneği sadece az sayıda örnekten öğrenmekle alakalı değildir, çevrede oluşan genel bir değişikliğe adapte olmak için de gereklidir. Örneğin odanın ışığı kapatıldığında insan zihni bu durumla başa çıkabilirken derin bir ağ çevrede değişen tek parametrenin ışık seviyesi olduğunu anlamayacak, aydınlıkta öğrendiği ilişkileri karanlık ortama genelleyemeyecektir.

İnsan zihni henüz dil gelişiminden önce gözetimsiz şekilde fizik yasalarını öğrenmeye başlar. Henüz üç aylık bebekler nesnelerin yapısını algılar, nesneler hareket ederken süreklilik, yapışkanlık ve temas yasalarına uymasını beklerler. (Pinker, 2016, s: 368) Bebeklerin erken dönemde edindikleri bu bilgiler sembolik sistemlerde tanımlanması mümkün olmayan, derin ağların ise henüz temsilini oluşturamadığı bilgilerdir. Dennett, dünyanın işleyişine dair oluşturduğumuz sezgisel bilgilerin bilinçli düşünmeksizin bilgimiz bilgiler olduğunu, örneğin iki cismin aynı anda aynı yerde olamayacağı bilgisini bilinçli olarak düşünmeye gerek duymaksızın bildiğimizi vurgulamıştır.

(Dennett, 1984, s: 188) Aynı şekilde nedensellik kavramı da insan zihninde erken dönemde oluşan soyut bir kavram ve yapay sistemlerin sahip olmadığı bir kavramdır.

Nedensellik dünyaya dair verileri istatistiki dağılımlarının genellemesi ile oluşturulan bir kavram olmaktan daha çok ajanın dünya ile etkileşimiyle ortaya çıkan bir kavramdır. Nedensellik aynı zamanda nesneleri tanımlamamızla da alakalıdır. Bir sandalyeyi tanımlayan sandalyenin görüntüsünden daha çok sandalyenin oturulma özelliğidir. Bir sandalyeye sandalye denmesinin nedeni sandalyeye oturulmasıdır.

Çok az sayıda örnekten öğrenmenin ötesinde insan zihni belirli durumlarda belli hareketlerin sonucunu hayal etme yetisine de sahiptir ki bu yapay sistemlerin sahip olmadığı başka bir özelliktir.

Bilişsel bilimci Kahneman insan zihninin iki sistemden oluştuğunu öne sürmüştür.

(Kahneman, 2011) Sistem 1 hızlı ve sezgiseldir, sistem 1’in günümüzdeki derin öğrenmenin oldukça başarılı olduğu dış dünyanın istatistiki derlemelerini oluşturan sistem olduğu varsayılabilir. Sistem 2 ise sistem 1’in üstüne kurulmuş seri yapıdır, bir başka ifadeyle rasyonel düşünen, planlama yapabilen, düşündüklerini dil ile ifade

edilebilen sistemdir. Sembolik sistemler sistem 2‘yi sistem 1 olmaksızın taklit etmeye çalışmıştır. Fodor’un temsili zihin kuramı da sistem 1 ile sistem 2’nin etkileşimini irdelememiştir. Günümüzde derin öğrenme sistem 1 ve sistem 2 arasındaki boşluğu doldurmaya çalışmaktadır. Kapsamlı çalışma alanı modeli sistem 2’nin oluşmasında ilk aşamada sistem 1’e ait bilginin önemli kısmının seçilmesini ve bu bilginin seri şekilde işlenmesini açıklamaktadır. Derin pekiştirmeli öğrenme tekrarlayan sinir ağlarıyla birleştirildiğinde sistemin çalışan hafızasındaki aktivasyon desenini öğrenerek çok basitte olsa düzenlilikleri öğrenebiliyor olması veya pekiştirmeli öğrenme sistemlerine epizodik hafıza birimi gibi işlev görecek basit eklemeler yapılmasıyla sistemin ilk defa karşılaştığı bir duruma geçmiş deneyimlerinden bir çözüm bulmasının sağlanması, insanlarda bulunan birçok hafıza mekanizmasının yapay sistemlerin eksiklerini tamamlamak için elzem olduğu düşüncesini akla getirmektedir. Günümüzde epizodik belleği biyolojik olarak makul olmayan teknikler ile taklit edilmesi ve aynı şekilde sistemlere dikkat mekanizmalarının eklenmesi dahi yapay sinir ağları mimarilerinin beklenenin ötesinde başarı elde etmesini sağlamıştır.

Ayrıca yapay zekada kredi tahsisi olarak tanımlanan, önceden olmuş bir olaydan sonradan çıkarım yapmak gibi yetiler de hafıza ile ilişkili problemlerdir. Epizodik bellek veya dikkat ise bilinçle iç içe geçmiş yapılardır.

Dennett bilginin ifade edilmesinin ve kullanılabilir hale getirilmesinin dil ile gerçekleştiğini ifade eder. (Dennett, 1984, s: 189) Dilin ortaya çıkışı ise kültürün ortaya çıkışıyla paralel bir süreçtir. Dolayısıyla insanların dünyasında iş görecek yapay bir sistemin çerçeve problemine getireceği çözüm insan kültürünü de hesaba katmak zorunda kalacaktır.

Dennett çerçeve problemine epistemolojik bir problem olarak yaklaşmış ve çerçeve probleminin fenomenolojik bir problem olmadığını vurgulamıştır. Çerçeve problemine fenomemolojik açıdan yaklaşmak öncelikle beynin birçok hesabını dışarıda bıraktığı için hatalı bir yöntemdir. Fenomenoloji sadece zihnin bilinçli içerikleriyle ilgilenir, ayrıca bilinç kavramı yönelimsel duruşu benimsediğimizde önümüze çıkan bir kavramdır. Dennett, yapay bir sistemin bilinçli olmasından veya bilinçle yakından alakalı yetileri olmasından daha çok sistemin çerçeve problemini çözecek yetileri olup, olmadığıyla ilgilenmekte ve ontolojik tartışmaları çerçeve probleminin dışında tutmaktadır. Dennett’ın tanımladığı çerçeve problemini çözen bir ajan ise insan kültürü içinde fenomenolojik bir özneye tekabül edecektir ancak kullanılan yöntem heteroofenomenolojik yöntem olduğundan bu öznenin fenomenolojik deneyimlerinin

kendisine sunulduğu bir insanınki gibi qualia uzayı olup olmadığını ancak sistemin rapor ettikleriyle ölçme ve değerlendirme imkanımız olacaktır.