Ronald T. Kneusel, “How AI Works: From Sorcery to Science” Kitabının Yazarı – Röportaj Serisi

Son zamanlarda Ronald T. Kneusel’in “How AI Works: From Sorcery to Science” kitabının advanced kopyasını aldık. AI üzerine şimdiye kadar 60’dan fazla kitap okudum ve bazıları tekrar eden konular içermelerine rağmen, bu kitap taze bir bakış açısı sunmayı başardı, bu kitapla ilgili keyif aldım ve onu kişisel “Tüm Zamanların En İyi Makine Öğrenimi ve AI Kitapları” listeme ekledim.

“How AI Works: From Sorcery to Science” kitabının amacı, makine öğreniminin temel ilkelerini net bir şekilde açıklamaktır. Aşağıda, yazar Ronald T. Kneusel’e yöneltilen bazı sorular yer almaktadır.

Bu, sizin üçüncü AI kitabınız. İlk iki kitabınız “Practical Deep Learning: A Python-Base Introduction” ve “Math for Deep Learning: What You Need to Know to Understand Neural Networks” idi. Bu kitabı yazmaya başlamadan önce ne gibi bir amacınız vardı?

Farklı bir hedef kitle. İlk iki kitabım, AI alanında çalışmak isteyen insanlara birer giriş niteliğindeydi. Bu kitap ise genel okuyucular için yazıldı, yani AI hakkında haberlerde çok şey duyan ancak bu konuda hiçbir arka planı olmayan insanlar için. Amacım, okuyuculara AI’nin nereden geldiğini, bunun bir sihir olmadığını ve herkesin bunu anlayabileceğini göstermek.

Çoğu AI kitabı genellemelere yönelirken, siz tam tersi bir yaklaşım benimseyerek çeşitli terminolojilerin anlamını öğretmeye ve AI, makine öğrenimi ve derin öğrenimin ilişkisini açıklamaya çalıştınız. Bu terimlerin birbirleriyle karıştırılmasının nedenini düşünüyorsunuz?

AI’nin tarihini ve neden her yerde olduğunu anlamak için bu terimlerin arasındaki farkı anlamak必要. Ancak popüler kullanımda, “AI” terimini kullanmak ve bunun主要 olarak dünyayı çok hızlı bir şekilde değiştiren AI sistemlerine atıfta bulunmak adil. Modern AI sistemleri, derin öğrenmeden, makine öğreniminden ve bağlantıcu yaklaşımından ortaya çıktı.

İkinci bölüm, AI’nin tarihini, Talos efsanesinden, Alan Turing’in 1950’lerdeki “Computing Machinery and Intelligence” makalesine, 2012’deki Derin Öğrenme devrimine kadar derinlemesine ele alıyor. AI ve makine öğreniminin tarihini anlamak, AI’nin ne kadar ilerlediğini tam olarak anlamak için neden önemli?

Amacım, AI’nin gökyüzünden düşmediğini göstermek. AI’nin bir tarihi, bir kökeni ve bir evrimi var. Büyük dil modellerinin ortaya çıkan yetenekleri şaşırtıcı olabilir, ancak bunlara giden yol değil. Bu, düşünceler, araştırmalar ve deneylerin on yıllarca süren bir yolculuğu.

Kitabınızın bir bölümünü, destek vektör makineleri, karar ağaçları ve rastgele ormanlar gibi eski AI sistemlerini anlamaya ayırdınız. Bu klasik AI modellerini tam olarak anlamak neden bu kadar önemli?

AI olarak sinir ağları, aynı zamanda optimize tabanlı modelleme bulunan birçok önceki makine öğrenimi modelinin yalnızca başka bir yaklaşımı. Bu, bir süreci, bir fonksiyonu veya girdi-çıktı haritasını modellemek için farklı bir yol. Daha önceki modeller hakkında bilgi sahibi olmak, güncel modellerin nereden geldiğini anlamamıza yardımcı olur.

OpenAI’nin ChatGPT’sinin LLM modelinin真正 AI’nin şafağı olduğuna inanıyorsunuz. Bu ve önceki AI yöntemleri arasındaki en büyük fark nedir?

Geçenlerde 1980’lerin sonlarında Richard Feynman’ın bir soru hakkında cevap vermeye çalıştığı bir video izledim. O, zeki makinelerin nasıl programlanabileceğini bilmediğini söyledi. Bir anlamda, sembolik AI hakkında konuşuyordu, yani zekanın sırrı, mantıksal işlemlerin magic dizisini bulmak. Ben de birçok kişi gibi aynı şeyi merak ediyordum, yani zekayı nasıl programlayabilirdik?

İnanıyorum ki, aslında bunu yapamazsınız. Zeka, yeterli komplekslikte sistemlerden, yani bizden, ortaya çıkabilir. Beyinlerimiz temel birimlerin muazzam kompleks ağları. Sinir ağları da böyledir. Düşünüyorum ki, LLM’lerde uygulanan transformer mimarisi, temel birimlerin bir araya gelerek zekanın ortaya çıkmasını sağlayan bir düzeni tesadüfen buldu.

Bir yandan, bu bir “happy accident” gibi, diğer yandan, temel birimlerin ve bunların etkileşimlerinin zekanın ortaya çıkmasına izin veren bir düzeni gerçekleştirdikten sonra, bu hiç de şaşırtıcı değil. Transformer modellerinin böyle bir düzen olduğu açık. Tabii ki, bu, başka böyle düzenlerin olup olmayacağı sorusunu gündeme getiriyor.

Modern AI (LLM’ler) temelde, geri yayılım ve gradient inişi ile eğitilen bir sinir ağı. LLM’lerin ne kadar etkili olduğuna şahsen şaşıp şaşımadığınızı merak ediyorum.

Evet ve hayır. Onların cevaplarına ve yeteneklerine her zaman hayret ediyorum, ancak önceki soruya dönecek olursak, ortaya çıkan zeka gerçek, neden yeterli büyüklükte ve uygun mimaride bir modelde ortaya çıkmasın? Düşünüyorum ki, Frank Rosenblatt gibi araştırmacılar, daha önce de benzer şeyler düşünmüş olmalı.

OpenAI’nin misyon beyanı, “yapay genel zeka – insanlardan daha akıllı AI sistemleri – tüm insanlığa fayda sağlayacak şekilde güvence altına almak” şeklinde. Yapay genel zeka (AGI) elde edilebilir olduğuna gerçekten inanıyorsunuz.

Bilmiyorum, zira AGI’nin ne anlama geldiğini bilmiyorum, tıpkı bilinç gibi. Kitabın içinde de dediğim gibi, belki de çok yakında, böyle ayrımları yapmak anlamsız hale gelecek – eğer bir şey ördek gibi yürüyorsa ve ördek gibi ötüyorsa, onu bir ördek olarak adlandırın ve devam edin.

Ciddiyetten uzak cevaplar bir yana, tamamen mümkün ki bir AI sistemi, yakında, bilinç teorilerinin çoğunu karşılayacak. Tamamen bilinçli (ne olursa olsun) AI sistemleri istiyoruz? Belki değil. Eğer bilinçli ise, o zaman bizim gibi ve bu nedenle bir kişi, haklara sahip – ve dünyamız, insan haklarını saygı göstermek için yeterli zorluk yaşıyor, başka tür varlıkların haklarından bahsetmeye bile gerek yok.

Kitabı yazarken size sürpriz olan bir şey oldu mu?

LLM’lerin ortaya çıkan yeteneklerine herkesin olduğu gibi şaşırmış olmak dışında, hayır. AI hakkında 1980’lerde öğrenci olarak öğrenmeye başladım, 2000’lerin başlarında makine öğrenimi ile çalışmaya başladım ve 2010’ların başlarında derin öğrenme ile çalışmaya başladım. Son on yılın gelişmelerini, diğer binlerce kişiyle birlikte, konferansdan konferansa dramatic bir şekilde büyüyen bir alan olarak şahsen gördüm.

Harika bir röportaj için teşekkür ederiz, okuyucularımız bu kitabın incelemesine de göz atmak isteyebilir. Kitap, Amazon (AMZN ) dahil tüm büyük perakendecilerde bulunabilir.