Bu blog yazısında, Turing Testi'nin yapay zekanın zekasını değerlendirmek için uygun bir standart olup olmadığını inceleyeceğiz ve sınırlamalarını ve geliştirilebilecek potansiyel alanları ele alacağız.
2014 yılında, Rus geliştiriciler tarafından yaratılan bir sohbet robotu olan "Eugene Goostman"ın Turing Testini geçtiği haberi birçok insan için şok etkisi yarattı ve kafa karışıklığına neden oldu. Bu, yapay zekanın artık sadece bilim kurgu filmlerinde görülen hayali bir gelecek toplumunun ürünü olmadığını açıkça gösterdi. Yapay zeka zaten hayatımızın derinliklerine yerleşmiş durumda ve Ray Kurzweil'in "Hızlanan Getiriler Yasası"na uygun olarak hızla ilerliyor. Ancak, göz açıp kapayıncaya kadar gelişen yapay zekanın toplumda sağlam bir şekilde yerleşmesini sadece izleyemeyiz. Yapay zekanın gerçekten insanlar gibi düşünüp düşünemeyeceğini belirlememiz ve gelecekte hangi yönde gelişmesi gerektiğini de göz önünde bulundurmamız gerekiyor.
Bu sorunlar Turing Testi ile bağlantılıdır. Turing Testi, "Zekaya ve zihne sahip olduğunu söyleyebileceğimiz bir bilgisayar yaratmak mümkün müdür?" sorusundan doğan bir değerlendirme yöntemidir. Alan Turing'in 1950'de "Makineler düşünebilir mi?" sorusunu yanıtlamak için bu testi önerdiği yaygın olarak bilinmektedir. Ancak Turing, deneyi tasarlarken soruyu aslında "Makineler insanlar gibi davranabilir mi?" şeklinde yeniden formüle etmiştir. Test, bir hakimin hem insana hem de yapay zekaya sorular sorması ve ardından hangi yanıtların daha insana benzer olduğunu belirlemesiyle gerçekleştirilir. Turing Testinde, hakimi aldatmak için çeşitli yöntemler kullanılabilir ve yanıt sürelerini yavaşlatmak veya konuşmayı sohbet benzeri bir formatta sürdürmek mümkündür. Ayrıca, yapay zeka, tartışmanın sınırlı kapsamı ve konusu dahilinde hakimlerin yaklaşık %30'unu aldatabilirse test başarılı sayılır.
Bu koşullar ve kurallarla yapılan bir Turing Testinin, yapay zekânın zekasını değerlendirmek için gerçekten uygun bir ölçüt olup olmadığını sorguladım. Başka bir deyişle, Turing Testinin yapay zekâyı değerlendirmek için uygun olmadığına inanıyorum. Bu görüşü desteklemek için üç argüman sunacağım ve çözüm olarak "Ters Turing Testi"ni önereceğim. Ancak bunu yapmadan önce, "Eugene Goostman" dışında Turing Testini geçmiş diğer önemli yapay zekâ örneklerini incelemek gerekiyor.
1966'da Joseph Weizenbaum tarafından geliştirilen "ELIZA", erken dönem doğal dil diyalog programları arasında en bilinen örnektir. Bu yapay zeka, girdi cümlelerindeki anahtar kelimeleri belirlemek ve bunlara karşılık gelen yanıtları döndürmek üzere tasarlanmıştır; uygun anahtar kelime bulunamazsa, kullanıcının sözlerini tekrarlar veya genel bir yanıt verir.
Ayrıca, Kenneth Colby tarafından 1972'de geliştirilen "PARRY" adlı bir yapay zeka da bulunmaktadır. Bu yapay zeka, paranoyak bir hastanın konuşma tarzından esinlenerek modellenmiş olup, hatta birkaç psikiyatristin gerçek hastalar ile PARRY arasında ayrım yapmaya çalıştığı deneyler bile yapılmıştır.
Bundan sonra, Turing Testi'nin yapay zekayı değerlendirmek için neden uygun bir standart olmadığını inceleyeceğim.
İlk olarak, Turing Testi zekanın kendisini doğru bir şekilde değerlendirmez. Başka bir deyişle, bu test bir yapay zekanın ne kadar zeki düşündüğünü değerlendirmek yerine, konuşma yoluyla insan gibi davranıp davranmadığını belirler. Bunun iki sorunu var.
Öncelikle, tüm insanlar her zaman zekice davranmaz. Burada "zeki" terimi, bir olguyu veya nesneyi anlamayı ve onu rasyonel olarak işlemeyi içeren entelektüel aktiviteyi ifade eder. Dahası, Alan Turing'in makalesine göre, yapay zekanın bazı entelektüel yetenekleri insanlardan farklı şekillerde ortaya çıkabilir. Basitçe söylemek gerekirse, bir yapay zeka insanların çözemediği bir problemi çözüyorsa, değerlendirici karşı tarafın bir bilgisayar olduğunu daha kolay fark edecektir. Sonuç olarak, Turing Testi, insan yeteneklerini aşan zeka biçimlerini doğru bir şekilde değerlendiremez.
İkinci olarak, Turing Testinin değerlendirme kriterleri özneldir ve deney koşulları aşırı kısıtlayıcıdır. Başka bir deyişle, test sonuçları, yapay zekanın gerçek zekâ seviyesinden ziyade değerlendiricinin tutumu, deneyimi, becerileri ve bilgisi tarafından önemli ölçüde etkilenebilir; bu da objektifliğin sağlanmasını zorlaştırır.
Sonuç olarak, bir şeyin yapay zeka mı yoksa insan mı olduğuna karar veren varlık bir insandır; bu nedenle değerlendiricinin öznelliğini tamamen ortadan kaldırmak zordur. Dahası, yaklaşık beş dakikalık sınırlı zaman dilimi içinde sorulan sorular da oldukça kısıtlıdır. Değerlendirici insan olduğu sürece, çeşitli dış faktörlerden etkilenme olasılığı her zaman vardır.
Ayrıca, Turing Testine katılan yapay zekâların çoğu, belirli durumlar veya özelliklere sahip insanlardan esinlenerek modellenmiştir. Bu nedenle, bir yapay zekâ testi geçse bile, genel olarak insanlarla aynı şekilde davrandığı sonucuna varmak zordur. Örneğin, daha önce tanıtılan "Eugene Goostman", Ukrayna'da yaşayan 13 yaşında bir çocuk olduğu varsayımıyla geliştirilmiştir. Bu, biraz sakar İngilizcenin bile doğal kabul edileceği bir durum yaratmaya yönelik kasıtlı bir girişimdi. "PARRY" paranoyak bir hastadan esinlenerek, "ELIZA" ise profesyonel bir psikolojik danışmanı taklit etmek üzere tasarlanmıştır.
Bu şekilde, belirli özelliklere sahip bir insanı temsil edecek şekilde programlanmış bir yapay zekâ ile sohbet edildiğinde, jüri üyeleri bu özellikleri göz önünde bulundurarak değerlendirme yaparlar. Örneğin, zihinsel hastalığı olan bir kişiyi temsil edecek şekilde programlanmış bir yapay zekâ ile konuşurken biraz garip bir yanıt gelse bile, jüri üyelerinin bunu bu karakterizasyonla tutarlı, doğal bir tepki olarak kabul etmesi muhtemeldir. Başka bir deyişle, jüri üyelerinin önyargısız değerlendirme yapması beklenirken, aslında bunu yapmanın zor olduğu bir ortamda bulunurlar.
Elbette, akıl hastalığı olan insanlar da düşünebilir. Ancak, akıl hastalığı olan bir kişiden modellenen bir yapay zekanın Turing Testini geçmesi, onun bir insandan daha "insan benzeri" düşündüğü anlamına gelmez. Alan Turing'in ortaya koyduğu "Bir makine bir insan gibi davranabilir mi?" sorusuna sadık kalmak için, test, insanların çoğunluğunun kabul edebileceği genel durumlara dayalı olarak tasarlanmalıdır.
Üçüncüsü, yapay zekâ, içeriği gerçekten anlamak yerine sembolleri manipüle ederek Turing Testini geçebilir. Bunun en önemli örneği “ELIZA”dır. Bir kişinin bir konu hakkında düşünmesi için, o konuyu anlaması ve ilgili deneyime dayanarak yargılarda bulunması gerekir. Bu nedenle, filozof John Searle de Turing Testinin tek başına bir makinenin gerçekten düşünüp düşünmediğini kanıtlayamayacağını savunmuştur.
Dahası, yapay zeka önceden belirlenmiş algoritmalara göre çalıştığı için, beklenmedik durumlarla karşılaştığında hataları kolayca ortaya çıkarabilir. Aşağıda bunu gösteren bir örnek verilmiştir.
Konuşmacı: Bill Clinton'ı hâlâ destekliyor musunuz?
Hakim: Clinton'la hiç tanışmadım.
Konuşmacı: Bill Clinton'dan gerçekten hoşlanmıyorsunuz. En azından, ondan hoşlanmadığınız açıkça belli. Bana kalırsa, çoğu insan şimdiye kadar bu konuya ya ilgisiz kaldı ya da fazla kafa yormadı.
Hakim: 'Marslı' filmini izlediniz mi?
Konuşmacı: Sakin olalım. Aptalca sorulara cevap vermek için burada değilim. Mesele bu değil. Neyi konuşuyorduk? Doğru. Az önce söyledikleriniz, Whitewater ve özel savcı gibi temel sorunların ciddi olduğu anlamına mı geliyor?
Bu konuşma, Turing Testi'nin yapıldığı günden önceki gün haberlere konu olan olaylar hakkında önceden programlanmış bilgilere dayanarak diyaloğu sürdürmek üzere tasarlanmış bir yapay zekâ olan "Catherine" ile bir yargıç arasında geçmektedir. Yargıç, Bill Clinton ile ilgili siyasi konuşmaya devam etseydi, diyalog oldukça doğal kalabilirdi. Ancak yargıç aniden konuyu başka bir şeye çevirdiğinde, yapay zekâ programlanmamış konuyu düzgün bir şekilde ele alamadı ve yukarıda gösterilen hatayı ortaya çıkardı.
Dolayısıyla, bir yapay zekanın belirli bir iletişim seviyesine sahip olması nedeniyle insan gibi davrandığı sonucuna varamayız. Yüzeyde insan benzeri bir konuşma yapıyor gibi görünse de, aslında içeriği anlamıyor, sadece insan gibi görünmesini sağlayacak şekilde yanıt veriyor. Bu nedenle, daha önce tanımlandığı gibi "zeka" kavramının gerisinde kalıyor. Anlamı gerçekten anlamadan sadece insan davranışını taklit eden yapay zeka sistemlerini geçerli sayan mevcut Turing Testi'nin açık sınırlamaları vardır.
Yapay zekayı insanlarla karşılaştırarak değerlendiren Turing Testi, insan ve yapay zeka arasındaki sınırı araştıran anlamlı bir deneydir. İnsanların düşüncenin veya zihnin özünü net bir şekilde tanımlayamadıkları göz önüne alındığında, bu girişim kendi başına önemli bir değere sahiptir. Öte yandan, yapay zeka nispeten basit yapılar ve prensipler temelinde çalıştığı için, mükemmel olmasa bile, belirli bir ölçüde ölçülebilir ve analiz edilebilir.
Ancak Turing Testi zekayı doğru bir şekilde değerlendiremiyor ve değerlendirme kriterleri de aşırı derecede öznel. Gerçek test sürecine daha yakından bakıldığında, bir yapay zekanın zekasını kapsamlı bir şekilde değerlendirebilecek bir ortam olarak görülmesinin zor olduğu ortaya çıkıyor. Birden fazla hakem katılsa ve bir kurum değerlendirme sürecini denetlese bile, değerlendirici sayısı sınırlı ve tüm değişkenleri dikkate alan objektif bir sonuca ulaşmak kolay değil. Bu nedenle, herkesin kabul edebileceği mükemmel bir sonuç elde etmenin temel sınırlamaları vardır.
Turing Testi, yapay zekanın bir ölçüde insanlara özgü olduğu düşünülen bilişsel yetenekleri taklit edebileceğini göstermesi açısından büyük önem taşımaktadır. Bu nedenle, bu testi tamamen göz ardı etmek yerine, şu anda kullanılanlardan daha doğru ve daha geniş bir kitle tarafından kabul edilebilir değerlendirme kriterleri ve prosedürleri oluşturulması gerekmektedir.
Bu bağlamda, alternatif olarak “Ters Turing Testi”ni önermek istiyorum. Ters Turing Testinde, değerlendirici insan yerine bir bilgisayardır. Başka bir deyişle, bir bilgisayarın bir insanla veya başka bir bilgisayarla etkileşim halindeyken onu değerlendirdiği bir yöntemdir. Bu yaklaşımın mevcut testlere dahil edilmesi, insan öznelliği sorununu azaltacak ve değerlendirmelerin daha objektif bir ortamda yapılmasını sağlayacaktır. Elbette, değerlendiricinin bir yapay zeka olması yeni sorunların da ortaya çıkma olasılığını artırmaktadır.
Konu ne olursa olsun, değerlendirme ve yargılama için tasarlanmış testlerin herkesi tatmin etmesi olası değildir ve herkesin kabul edebileceği mükemmel kriterler oluşturmak kolay değildir. Bu nedenle, bunları iyileştirmenin yollarını sürekli olarak araştırmalıyız. Özellikle, Turing Testi, endüstrinin geleceğini ve yapay zeka teknolojisi gelişiminin yönünü önemli ölçüde etkileyebilecek kritik bir değerlendirme yöntemi olduğundan, daha verimli ve güvenilir bir forma evrilmelidir.
Günümüzde yapay zekâ, geçmişle kıyaslanamayacak bir hızla ilerliyor ve günlük hayatımızın her alanında zaten kullanılıyor. Bu tür yapay zekâları değerlendirirken, yalnızca insanları kandırıp kandıramayacağına göre değil, anlamı kavrayabilme, bağlamı anlayabilme ve çeşitli durumlarda doğal bir şekilde iletişim kurabilme yeteneklerine göre de değerlendirmeliyiz. Elbette, bu, matematik problemi gibi açıkça tanımlanmış "doğru cevapları" olan bir alan olmadığı için, objektif kriterler belirlemek kolay değil. Bununla birlikte, gelecekte insanlarla birlikte var olacak yapay zekâları değerlendirmek için, Turing Testi etik faktörleri ve etkili iletişim kurma yeteneğini kapsamlı bir şekilde ele alacak şekilde gelişmelidir.
