Yüksek lisansım tam da buydu: yapay sinir ağları. Kulağa havalı ve biraz korkutucu geliyor, biliyorum. Ama söz veriyorum — bu dersin sonunda “haa, bu kadarmış” diyeceksin. Ve bunu anlayınca, AI’ın neden bazen harika olduğunu bazen de saçmaladığını da çözeceksin.

İsim nereden geliyor?

“Yapay sinir ağı” ismi beyinden esinlenmiş. Beynimizde milyarlarca nöron birbirine bağlı; bir şey öğrendiğimizde bazı bağlantılar güçlenir. Yapay sinir ağı, bu fikrin çok basit, matematiksel bir taklidi.

Ama burada dürüst olmam gerekiyor: “Beyin gibi” derler, ama bu beyin DEĞİL ve beyin gibi düşünmüyor. Bu benzetme pazarlamada işe yarıyor ama insanları iki yöne birden yanıltıyor: kimisi “beyin gibiyse her şeyi yapar” diye abartıyor, kimisi “beyin gibiyse tehlikelidir” diye korkuyor. İkisi de yanlış.

Gerçekte olan çok daha sade: bir girdi geliyor, milyonlarca küçük bağlantıdan geçiyor, bir çıktı üretiliyor. Bu bağlantıların her birinde minicik sayısal ayarlar var ve “öğrenme” dediğimiz şey, bu ayarların — milyonlarca örnek üzerinden, deneye deneye — örüntü yakalayacak şekilde ince ince ayarlanması. Hepsi bu. Yani karşındaki şey gizemli bir zihin değil — örüntü yakalayan bir matematik makinesi.

Öğrenme ezber değil: köpek örneği

Şimdi işin en güzel kısmı. “Öğrenme” deyince çoğu insan ezberi düşünür. Ama sinir ağının öğrenmesi ezber değil — ve bunu en iyi bir çocuk anlatır.

Bir çocuğa 100 köpek fotoğrafı gösterirsin. Sonra 101. fotoğrafı — hiç görmediği bir köpeği — gösterirsin ve çocuk anında “köpek!” der. Peki çocuk 100 fotoğrafı ezberledi mi? Hayır. Çocuk “köpeklik” örüntüsünü yakaladı: dört bacak, kuyruk, o bakış… Ezberlemedi — genelledi.

Yapay sinir ağı da tam olarak böyle çalışır. Milyonlarca örnekten örüntüleri çıkarır ve bu sayede hiç sorulmamış bir soruya bile cevap üretebilir. Ezberinde olmayan şeyi, öğrendiği örüntülerden genelleyerek üretir.

Önceki iki dersle bağlantıyı da kur: “En olası kelimeyi tahmin ediyor” demiştik. İşte o tahmini yapan mekanizma bu — genellenmiş örüntülerin üzerinden, her kelimede en olası devamı üreten sinir ağı. Tahmin makinesi ile sinir ağı iki ayrı şey değil; sinir ağı, tahmin makinesinin motoru.

Gücü de riski de aynı yerden geliyor

Bu genelleme yeteneği, AI’ın hem süper gücü hem de zayıf noktası:

  • Güç: Genelleme yaptığı için esnek ve yaratıcıdır. Daha önce kimsenin yazmadığı bir metni yazabilir, kimsenin sormadığı bir soruya cevap verebilir.
  • Risk: Aynı mekanizma bazen yanlış genelleme yapar — ve AI, gayet emin bir ses tonuyla saçmalayabilir. (Buna “halüsinasyon” deniyor; ileride ayrıca konuşacağız.)

Yani AI’ın parlak anları da fiyaskoları da aynı kaynaktan geliyor: genelleme. Sana bugüne kadar kimsenin yazmadığı bir metni yazabilmesinin sebebi de, arada bir uydurduğu “gerçeği” büyük bir özgüvenle sunmasının sebebi de bu tek mekanizma. Bunu bilen biri, AI’a ne körü körüne güvenir ne de ondan korkar — nerede parlayacağını, nerede kontrol edilmesi gerektiğini bilir.

✅ İşte bu yüzden: AI ezberlemiş bir ansiklopedi değil, örüntü genelleyen bir makine. Bu yüzden esnek ve yaratıcı — ama bu yüzden de %100 güvenilir bir “gerçek deposu” değil. Ona çok iyi bir tahminci stajyer gibi davran: zeki, hızlı, ama kontrol etmen gereken biri.

🎯 Şimdi sen dene

AI’a daha önce hiç tarif edilmemiş, tamamen uydurma bir şey sor. Örneğin: “Kedilerin yaşadığı bir gezegen için 3 turizm sloganı yaz.”

Böyle bir şeyi hiçbir yerde ezberlemiş olamaz — ama yine de mantıklı, hatta eğlenceli bir cevap üretecek. Kendine sor: Bunu nasıl yaptı? “Slogan nasıl yazılır”, “turizm dili nasıl kurulur”, “kediler neyi sever” örüntülerini birleştirip hiç görmediği bir soruya cevap üretti. İşte genelleme tam da bu.

Madem bu kadar güçlü ama bazen yanılıyor — tam olarak neyi iyi yapıyor, neyi yapamıyor? O net çerçeveyi de çizeceğiz. Serinin devamı yakında.