Yapay Zekânın Tarihçesi: 1950'lerden Sohbet Botlarına Kısa Bir Tarih

Yapay zekâ, bir araştırma alanı olarak 1956 yazında ABD'deki Dartmouth Koleji'nde yapılan bir çalışmayla doğdu; "yapay zekâ" terimi de bu çalışmanın önerisinde kullanıldı. Fikrin kökleri ise Alan Turing'in 1950'de yayımladığı "Makineler düşünebilir mi?" sorusunu tartışan makaleye ve 1940'lardaki yapay nöron modellerine uzanır. Alan sonraki yetmiş yılda büyük iyimserlik ve derin hayal kırıklığı dönemlerinden geçti, 2012'den sonra derin öğrenmeyle hızlandı ve 2022'de ChatGPT ile geniş kitlelere ulaştı.

Aşağıda bu tarihi dönemlere ayırıp her dönemin öne çıkan isimlerini, fikirlerini ve neden sona erdiğini anlatıyoruz. Bir zaman çizelgesi tablosu, "yapay zekânın babası kimdir" sorusunun cevabı ve tarihten bugüne çıkarılabilecek dersler de var.

Yapay zekâ ne zaman çıktı?

Kabul gören başlangıç noktası 1956'dır. O yaz John McCarthy, Marvin Minsky, Nathaniel Rochester ve Claude Shannon'ın öncülüğünde Dartmouth'ta bir araya gelen araştırmacılar, öğrenmenin ve zekânın her yönünün bir makinede taklit edilebilecek kadar kesin tarif edilebileceği varsayımıyla çalışmaya başladı. Bir yıl önce yazılan çalışma önerisinde "artificial intelligence" ifadesi kullanılmıştı.

Ama fikir daha eskidir. 1943'te Warren McCulloch ve Walter Pitts, beyindeki sinir hücrelerini basit mantık birimleriyle modelleyen bir makale yayımladı; bu, bugünkü yapay sinir ağlarının atasıdır. 1950'de ise Alan Turing, makinelerin düşünüp düşünemeyeceği sorusunu ölçülebilir bir teste dönüştürmeyi önerdi. Bu öneri bugün Turing testi adıyla anılır.

Zaman çizelgesi: önemli dönüm noktaları

Aşağıdaki tablo, yapay zekânın kısa tarihini en çok anılan olaylar üzerinden özetliyor. Liste eksiksiz değildir; her dönemin birçok önemli çalışması tabloya sığmıyor.

Yıl	Olay	Neden önemli
1943	McCulloch ve Pitts'in yapay nöron modeli	Sinir ağlarının matematiksel temeli
1950	Turing'in "Computing Machinery and Intelligence" makalesi	Makine zekâsını ölçme fikri
1956	Dartmouth çalışması	Yapay zekânın bir alan olarak doğuşu
1958	Rosenblatt'ın perceptron'u, McCarthy'nin Lisp dili	Öğrenen ilk makinelerden biri ve alanın uzun süre kullandığı dil
1966	Weizenbaum'un ELIZA programı	İlk bilinen sohbet programlarından biri
1970'lerin ortası	Birinci yapay zekâ kışı	Fon ve ilgide sert düşüş
1980'ler	Uzman sistemlerin ticarileşmesi	Yapay zekânın şirketlere girişi
1986	Geri yayılım yönteminin yaygınlaşması	Çok katmanlı ağları eğitmenin yolu
1980'lerin sonu	İkinci yapay zekâ kışı	Uzman sistem pazarının çökmesi
1997	Deep Blue'nun Kasparov'u yenmesi	Satrançta insanı geçen makine
2012	AlexNet'in ImageNet yarışmasındaki başarısı	Derin öğrenme döneminin başlangıcı
2016	AlphaGo'nun Lee Sedol'ü yenmesi	Go gibi çok karmaşık bir oyunda insanı geçmek
2017	Transformer mimarisini tanıtan makale	Büyük dil modellerinin temeli
2022	ChatGPT'nin herkese açılması	Yapay zekânın kitlesel kullanıma geçişi

İlk iyimserlik dönemi: 1956-1974

Dartmouth'tan sonraki yirmi yıl, büyük iyimserlik yıllarıydı. Allen Newell, Herbert Simon ve Cliff Shaw'un geliştirdiği Logic Theorist adlı program, matematiksel teoremleri kanıtlayabiliyordu. Frank Rosenblatt'ın 1958'de tanıttığı perceptron, basit görsel kalıpları örneklerden öğrenebilen bir makineydi ve dönemin basınında büyük heyecan yarattı.

1960'ların ortasında Joseph Weizenbaum'un MIT'de yazdığı ELIZA, bir psikoterapisti taklit ediyordu. Program, kullanıcının cümlelerini basit kurallarla soruya çeviriyordu: "Annemle sorun yaşıyorum" yazana "Bana ailenden bahset" diyebiliyordu. Weizenbaum, bazı kullanıcıların bu basit programa duygusal bağ kurmasından rahatsız olmuş ve sonraki yıllarda teknolojinin sınırları üzerine eleştirel yazılar kaleme almıştı.

Dönemin araştırmacıları, insan düzeyinde makine zekâsının birkaç on yıl içinde mümkün olacağını öngörüyordu. Bu tahminler gerçekleşmedi. Bilgisayarlar yavaştı, bellek çok pahalıydı ve gerçek dünyadaki problemler laboratuvardaki oyuncak örneklerden çok daha karmaşık çıktı.

Yapay zekâ kışları neden yaşandı?

Yapay zekâ kışı, vaatlerle sonuçlar arasındaki fark büyüyünce fonların ve ilginin çekildiği dönemlere verilen addır. Birinci kış 1970'lerin ortasında başladı. 1969'da Minsky ve Papert'in yayımladığı "Perceptrons" kitabı, tek katmanlı ağların bazı basit problemleri bile çözemeyeceğini gösterdi ve sinir ağı araştırmalarına olan ilgiyi azalttı. 1973'te İngiltere'de hazırlanan Lighthill raporu da alanın büyük vaatlerini yerine getiremediğini öne sürdü; bunu kamu fonlarında kesintiler izledi.

1980'lerde alan, uzman sistemler sayesinde yeniden canlandı. Bu sistemler, belirli bir konudaki uzman bilgisini yüzlerce "eğer-ise" kuralına döküyordu ve bazı şirketler bunlarla gerçek tasarruf sağladı. Ancak kuralları yazmak ve güncel tutmak pahalıydı, sistemler beklenmedik durumlarda kolayca çuvallıyordu. 1980'lerin sonunda bu sistemlere ve onları çalıştıran özel donanımlara olan talep çöktü; ikinci kış başladı.

Aynı yıllarda sessiz bir gelişme de yaşanıyordu. 1986'da David Rumelhart, Geoffrey Hinton ve Ronald Williams'ın yayımladığı çalışma, geri yayılım yöntemini yaygınlaştırdı ve çok katmanlı sinir ağlarını eğitmenin pratik bir yolunu gösterdi. Bu fikrin meyvesini vermesi için yaklaşık yirmi beş yıl daha, yeterli veri ve donanım gerekecekti.

Sessiz büyüme: 1990'lar ve 2000'ler

1990'lar ve 2000'ler, yapay zekânın adını pek anmadan günlük ürünlere girdiği yıllardı. Araştırmacılar büyük vaatler yerine istatistiğe dayalı, ölçülebilir yöntemlere yöneldi. Spam filtreleri, arama motorlarının sıralama sistemleri, kredi kartı dolandırıcılığını yakalayan modeller ve öneri sistemleri bu dönemde yaygınlaştı.

1997'de IBM'in Deep Blue bilgisayarı, dünya satranç şampiyonu Garri Kasparov'u altı oyunluk bir maçta yendi. Deep Blue öğrenen bir sistem değildi; çok hızlı hesap yapan ve uzman bilgisiyle ayarlanmış bir arama programıydı. Yine de olay, makinelerin belirli bir zihinsel işte insanı geçebileceğini kamuoyuna gösteren bir dönüm noktası oldu. 2011'de IBM Watson'un ABD'deki bilgi yarışması Jeopardy'de şampiyonları yenmesi ve aynı yıl Apple'ın Siri'yi tanıtması, yapay zekâyı yeniden gündemin ortasına taşıdı.

Bu dönemde neden istatistik öne çıktı?

Çünkü internet, örnek veriyi bol ve ucuz hâle getirdi. Kural yazmak yerine binlerce örnekten olasılık hesaplamak, gerçek dünyadaki dağınık problemlerde daha iyi sonuç veriyordu. Bir e-postanın spam olup olmadığını yüz kuralla tarif etmek zordur; on binlerce işaretlenmiş e-postadan hangi kelimelerin spam ile birlikte geçtiğini saymak ise kolaydır.

Bu yaklaşım, bugünkü makine öğrenmesi anlayışının temelini oluşturdu. Araştırmacılar bir yöntemin başarısını ortak veri setleri üzerinde ölçüp karşılaştırmaya başladı. Bu ölçme kültürü, 2012'deki kırılmanın neden bu kadar net görülebildiğini de açıklar: herkes aynı yarışmada, aynı veriyle yarışıyordu.

Derin öğrenme ve büyük dil modelleri dönemi

2012, bugünkü yapay zekâ patlamasının başlangıcı sayılır. Toronto Üniversitesi'nden Alex Krizhevsky, Ilya Sutskever ve Geoffrey Hinton'ın geliştirdiği AlexNet, ImageNet görüntü tanıma yarışmasını rakiplerinden belirgin bir farkla kazandı. Başarının arkasında üç şey vardı: çok büyük etiketli veri, oyun bilgisayarları için geliştirilmiş ekran kartlarının hesap gücü ve onlarca yıllık sinir ağı fikirleri. Bu birleşime derin öğrenme adı verildi.

Sonraki yıllarda gelişmeler hızlandı. 2016'da DeepMind'ın geliştirdiği AlphaGo, Go oyununda dünyanın en iyi oyuncularından Lee Sedol'ü beş oyunluk maçta 4-1 yendi; Go, olası hamle sayısı çok büyük olduğu için satranca göre çok daha zor sayılıyordu. 2017'de Google araştırmacılarının yayımladığı "Attention Is All You Need" makalesi, Transformer mimarisini tanıttı. Bu mimari, bugünkü büyük dil modellerinin neredeyse hepsinin temelini oluşturuyor.

30 Kasım 2022'de OpenAI, ChatGPT'yi herkese açık bir deneme olarak yayımladı. Uygulama çok kısa sürede milyonlarca kullanıcıya ulaştı ve yapay zekâ ilk kez gerçekten geniş kitlelerin doğrudan kullandığı bir araç hâline geldi. Ardından farklı şirketler kendi sohbet botlarını ve görsel üretim araçlarını tanıttı; bu araçların bugünkü karşılaştırmasını yapay zekâ modelleri karşılaştırması yazısında bulabilirsiniz.

ChatGPT'den sonraki birkaç yılda modeller yalnız metinle değil, görsel, ses ve videoyla da çalışır hâle geldi. Aynı dönemde modellerin araçlara bağlanıp çok adımlı işler yapabilmesi, yani ajan olarak çalışması tartışılmaya başlandı. Bu gelişmelerin hangi türlere karşılık geldiğini yapay zekâ türleri yazısında sınıflandırdık.

Alanın akademik dünyada gördüğü kabul de bu dönemde zirveye çıktı. Derin öğrenmeye katkıları nedeniyle Geoffrey Hinton, Yann LeCun ve Yoshua Bengio, bilgisayar biliminin en prestijli ödüllerinden Turing Ödülü'ne layık görüldü. 2024'te ise Nobel Fizik Ödülü, yapay sinir ağlarıyla makine öğrenmesini mümkün kılan temel buluşlar için John Hopfield ve Geoffrey Hinton'a verildi.

Yapay zekânın babası kimdir?

Bu sorunun tek bir cevabı yok, ama unvan en sık John McCarthy'ye verilir. McCarthy, "yapay zekâ" terimini ortaya atan, Dartmouth çalışmasının düzenleyicilerinden biri olan ve uzun yıllar alanın temel programlama dili olarak kullanılan Lisp'i geliştiren kişidir. Ödev ve sınav sorularında beklenen cevap çoğunlukla budur.

Alan Turing de sık sık bu unvanla anılır, çünkü makine zekâsını sorgulayan ilk sistematik çalışmayı o yaptı. Marvin Minsky, Allen Newell ve Herbert Simon da kurucu isimler arasında sayılır. Derin öğrenme dönemi için ise Hinton, LeCun ve Bengio'ya bazen "derin öğrenmenin babaları" denir. Bir ödevde bu soruyu cevaplıyorsanız, McCarthy'yi yazıp Turing'in rolünü de bir cümleyle belirtmek dengeli bir cevap olur.

Tarihten bugüne taşınabilecek ders ve sizin için ilk adım

Yapay zekânın tarihi, abartılı beklentilerin hayal kırıklığına dönüştüğü dönemlerle doludur. 1960'larda "yirmi yıl içinde" denen birçok hedef gerçekleşmedi; 1980'lerdeki uzman sistem heyecanı da birkaç yılda söndü. Bugünkü gelişmeler çok daha somut ve yaygın, ama gelecekle ilgili iddialı tahminlere aynı temkinle yaklaşmak yerinde olur. Olası senaryoları farklı görüşleriyle yapay zekânın geleceği yazısında tartıştık.

Tarihi kalıcı öğrenmek için bu hafta küçük bir iş yapabilirsiniz: tablodaki olaylardan üçünü seçin ve her birinin bugün kullandığınız hangi teknolojiye bağlandığını bir cümleyle yazın. Örneğin AlexNet'i telefonunuzun fotoğraf galerisindeki yüz gruplamasıyla, Transformer'ı kullandığınız sohbet botuyla eşleştirin. Bu bağlantıların teknik tarafını merak ederseniz yapay zekâ nasıl çalışır yazısıyla devam edebilir, dönemin hayal gücünü görmek için yapay zekâ ile ilgili filmler listesine göz atabilirsiniz.