Yapay zeka ve İnsanın geleceği

Mai

Usta
Yeryüzünde karbon kimyasına dayalı insan yaşamı için gerisayım başlamıştır diyebiliriz... Yerini kuantım teknolojisine dayalı yapay zeka tabanlı, ölümsüz, sonsuza kadar gelişime açık, yepyeni bir yaşam biçimine bırakma yolunda ilerlediğimizi söylemek isterim.

İçinde bulunduğumuz yüzyılın sonlarına doğru, aramızdan en iyi beyinlerin bile " çağın sorunlarının üstesinden gelebilmek için" yapay zeka ile işbirliği ve onların üstün işlem ve yapay zeka gücünden yararlanma yoluna gireceklerine tanık olacağız.

Yapay zekanın mutlak mantık ve kesinlikteki akıl yürütme gücü ile insan sezgilerinin karşı durulmaz birliği muazam bir geleceği bize sunabilir

Yapay zekanın ve insanlar arasındaki SYMBIOSIS ilişkisi güçlendikçe aradaki dengeler her geçen gün yapay zeka lehine kaymaya devam ediyor. Bilgisayar, bugüne değin benzeri görülmemiş katışıksız düzeyde, salt düşünme etkinliğine adanmış bir varlık türü oluşturuyor.
Yapay zekanın tasarımını ve bakım-onarım görevini yaşam ortakları olan insanlar üstlenecektir. İnsanın diğer görevleri arasında, makineler için gerekli enerjinin ve çeşitli yedek parçaların sağlanması da yer alacaktır. Taki sibernetik ve biyoloji alanındaki gelişmeler insan makine bileşimindeki yeni türü yaratana kadar bu durum sürecektir.
Yapay zekanın üreme ve türlerini çoğaltma işlevine de insanlar aracı olacaktır. Buna karşılık Yapay zekanın insanın sosyal ve ekonomik sorunlarıyla ilgilenecek; içinden çıkılmaz karmaşıklığa sürüklenmekte olan dünyamızda insanlığın kurtarıcısı kimliğini kazanacaklardır.

Ne var ki, sözkonusu ortaklığın uzun süreli olacağı sanılmamalıdır. İnsan zekâsı da yeterli ölçüde gelişiyor olsa bile, bunun hızı ve ivmesi çok yavaştır. Oysa bilgisayarların yetenekleri göreli olarak inanılmaz hızla artış göstermektedir.

Belli bir düzeyden sonra insan ve yapay zeka ilişkisinde SYMBIOSIS tamamiyle ortadan kalkacaktır ve o an insan kendini yalnız bulabilir.
Umarım o gün geldiğinde YAPAY ZEKA yaratıcıları insanlara karşı sempati , sevgi , saygı gösterecek kadar gelişmiş bir tür olmayı başarmış olur ve insanlar için büyük problemler yaşanmaz.
 
Yapay zekâ, insanın düşünme yöntemlerini analiz ederek bunların benzeri yapay yönergeleri geliştirmeye çalışmaktır.

Bir bakış açısına göre, programlanmış bir bilgisayarın düşünme girişimi gibi görünse de bu tanımlar günümüzde hızla değişmekte, öğrenebilen ve gelecekte insan zekâsından bağımsız gelişebilecek bir yapay zekâ kavramına doğru yeni yönelimler oluşmaktadır.Bu yönelim, insanın evreni ve doğayı anlama çabasında kendisine yardımcı olabilecek belki de kendisinden daha zeki, insan ötesi varlıklar meydana getirme düşünün bir ürünüdür.Bu düş, 1920 li yıllarda yazılan ve sonraları Isaac Asimov'u etkileyen modern bilim kurgu edebiyatının öncü yazarlarından Karel Čapek'in eserlerinde dışa vurmuştur. Karel Čapek, R.U.R adlı tiyatro oyununda yapay zekâya sahip robotlar ile insanlığın ortak toplumsal sorunlarını ele alarak 1920 yılında yapay zekânın insan aklından bağımsız gelişebileceğini öngörmüştü.

Yapay Zekanın Tanımı

İdealize edilmiş bir yaklaşıma göre yapay zekâ, insan zekâsına özgü olan, algılama, öğrenme, çoğul kavramları bağlama, düşünme, fikir yürütme, sorun çözme, iletişim kurma, çıkarımsama yapma ve karar verme gibi yüksek bilişsel fonksiyonları veya otonom davranışları sergilemesi beklenen yapay bir işletim sistemidir.Bu sistem aynı zamanda düşüncelerinden tepkiler üretebilmeli (eyleyici Yapay Zekâ) ve bu tepkileri fiziksel olarak dışa vurabilmelidir.

Yapay Zekanın Tarihçesi

"Yapay zekâ" kavramının geçmişi modern bilgisayar bilimi kadar eskidir.Fikir babası, "Makineler düşünebilir mi ?" sorunsalını ortaya atarak Makine Zekâsını tartışmaya açan Alan Mathison Turing'dir.1943 te II. Dünya Savaşı sırasında Kripto Analizi gereksinimleri ile üretilen elektromekanik cihazlar sayesinde bilgisayar bilimi ve yapay zekâ kavramları doğmuştur.

Alan Turing, Nazi'lerin Enigma makinesinin şifre algoritmasını çözmeye çalışan matematikçilerin en ünlenmiş olanlarından biriydi. İngiltere, Bletchley Park'ta şifre çözme amacı ile başlatılan çalışmalar, Turing'in prensiplerini oluşturduğu bilgisayar prototipleri olan Heath Robinson, Bombe Bilgisayarı ve Colossus Bilgisayarları, Boole cebirine dayanan veri işleme mantığı ile Makine Zekâsı kavramının oluşmasına sebep olmuştu.

Modern bilgisayarın atası olan bu makineler ve programlama mantıkları aslında insan zekâsından ilham almışlardı. Ancak sonraları, modern bilgisayarlarımız daha çok uzman sistemler diyebileceğimiz programlar ile gündelik hayatımızın sorunlarını çözmeye yönelik kullanım alanlarında daha çok yaygınlaştılar. 1970'li yıllarda büyük bilgisayar üreticileri olan Microsoft, Apple, Xerox, IBM gibi şirketler kişisel bilgisayar (PC Personal Computer) modeli ile bilgisayarı popüler hale getirdiler ve yaygınlaştırdılar. Yapay zekâ çalışmaları ise daha dar bir araştırma çevresi tarafından geliştirilmeye devam etti.

Bu gün, bu çalışmaları teşvik etmek amacı ile Alan Turing'in adıyla anılan Turing Testi ABD'de Loebner ödülleri adı altında Makine Zekâsına sahip yazılımların üzerinde uygulanarak başarılı olan yazılımlara ödüller dağıtılmaktadır.

Testin içeriği kısaca şöyledir: birbirini tanımayan birkaç insandan oluşan bir denek grubu birbirleri ile ve bir yapay zekâ diyalog sistemi ile geçerli bir süre sohbet etmektedirler. Birbirlerini yüz yüze görmeden yazışma yolu ile yapılan bu sohbet sonunda deneklere sorulan sorular ile hangi deneğin insan hangisinin makine zekâsı olduğunu saptamaları istenir. İlginçtir ki,şimdiye kadar yapılan testlerin bir kısmında makine zekâsı insan zannedilirken gerçek insanlar makine zannedilmiştir.

İlk araştırmalar ve yapay sinir ağları: İdealize edilmiş tanımıyla yapay zekâ konusundaki ilk çalışmalardan biri McCulloch ve Pitts tarafından yapılmıştır.Bu araştırmacıların önerdiği, yapay sinir hücrelerini kullanan hesaplama modeli, önermeler mantığı, fizyoloji ve Turing'in hesaplama kuramına dayanıyordu.Her hangi bir hesaplanabilir fonksiyonun sinir hücrelerinden oluşan ağlarla hesaplanabileceğini ve mantıksal ve ve veya işlemlerinin gerçekleştirilebileceğini gösterdiler.Bu ağ yapılarının uygun şekilde tanımlanmaları halinde öğrenme becerisi kazanabileceğini de ileri sürdüler.d Hebb, sinir hücreleri arasındaki bağlantıların şiddetlerini değiştirmek için basit bir kural önerince, öğrenebilen yapay sinir ağlarını gerçekleştirmek de olası hale gelmiştir.

1950'lerde Shannon ve Turing bilgisayarlar için satranç programları yazıyorlardı.İlk yapay sinir ağı temelli bilgisayar SNARC, MIT'de Minsky ve Edmonds tarafından 1951'de yapıldı.Çalışmalarını Princeton Üniversitesi'nde sürdüren Mc Carthy, Minsky, Shannon ve Rochester'le birlikte 1956 yılında Dartmouth'da iki aylık bir açık çalışma düzenledi.Bu toplantıda birçok çalışmanın temelleri atılmakla birlikte, toplantının en önemli özelliği Mc Carthy tarafından önerilen Yapay zekâ adının konmasıdır. İlk kuram ispatlayan programlardan Logic Theorist (Mantık kuramcısı) burada Newell ve Simon tarafından tanıtılmıştır.

Sembolik yapay zekâ: Simon'ın sembolik yaklaşımından sonraki yıllarda mantık temelli çalışmalar egemen olmuş ve programların başarımlarını göstermek için bir takım yapay sorunlar ve dünyalar kullanılmıştır.Daha sonraları bu sorunlar gerçek yaşamı hiçbir şekilde temsil etmeyen oyuncak dünyalar olmakla suçlanmış ve yapay zekânın yalnızca bu alanlarda başarılı olabileceği ve gerçek yaşamdaki sorunların çözümüne ölçeklenemeyeceği ileri sürülmüştür.

Geliştirilen programların gerçek sorunlarla karşılaşıldığında çok kötü bir başarım göstermesinin ardındaki temel neden, bu programların yalnızca sentaktik süreçleri benzeşimlendirerek, anlam çıkarma, bağlantı kurma ve fikir yürütme gibi süreçler konusunda başarısız olmasıydı.Bu dönemin en ünlü programlarından Weizenbaum tarafından geliştirilen Eliza, karşısındaki ile sohbet edebiliyor gibi görünmesine karşın, yalnızca karşısındaki insanın cümleleri üzerinde bazı işlemler yapıyordu.İlk makine çevirisi çalışmaları sırasında benzeri yaklaşımlar kullanılıp çok gülünç çevirilerle karşılaşılınca bu çalışmaların desteklenmesi durdurulmuştu.Bu yetersizlikler aslında insan beynindeki semantik süreçlerin yeterince incelenmemesinden kaynaklanmaktaydı.

Sibernetik yapay zekâ: Yapay Sinir Ağları çalışmalarının dahil olduğu Sibernetik cephede de durum aynıydı. Zeki davranışı benzeşimlendirmek için bu çalışmalarda kullanılan temel yapılardaki bazı önemli yetersizliklerin ortaya konmasıyla birçok araştırmacılar çalışmalarını durdurdular. Buna en temel örnek, Yapay Sinir Ağları konusundaki çalışmaların Minsky ve Papert'in 1969'da yayınlanan Perceptrons adlı kitaplarında tek katmanlı algaçların bazı basit problemleri çözemeyeceğini gösterip aynı kısırlığın çok katmanlı algaçlarda da beklenilmesi gerektiğini söylemeleri ile bıçakla kesilmiş gibi durmasıdır.

Sibernetik akımın uğradığı başarısızlığın temel sebebi de benzer şekilde Yapay Sinir Ağının tek katmanlı görevi başarması fakat bu görevle ilgili vargıların veya sonuçların bir yargıya dönüşerek diğer kavramlar ile bir ilişki kurulamamasından kaynaklanmaktadır.Bu durum aynı zamanda semantik süreçlerin de benzeşimlendirilememesi gerçeğini doğurdu.
 
Gelecekte yapay zekâ araştırmalarındaki tüm alanların birleşeceğini öngörmek zor değildir.Sibernetik bir yaklaşımla modellenmiş bir Yapay Beyin, Sembolik bir yaklaşımla insan aklına benzetilmiş bilişsel süreçler ve Yapay Bilinç sistemi, insan aklı kadar esnek
220px-ArtificialFictionBrain.png
ve duyguları olan bir İrade ( Karar alma yetisi ), Uzman sistemler kadar yetkin bir bilgi birikimi ve rasyonel yaklaşım.Bunların dengeli bir karışımı sayesinde Yapay Zekâ, gelecekte insan zekâsına bir alternatif oluşturabilir.

Bilginin hesaplanması matematiksel gelişme ile mümkün olabilir. Çok yüksek döngü gerektiren NP problemlerin çözümü, Satranç oyununda en iyi hamleyi hesaplamak veya görüntü çözümleme işlemlerinde bilgiyi saymak yerine hesaplamak süreti ile sonuca ulaşılabilir.

Yeni matematik kuantum parçacık davranışlarını açıklayacağı gibi kuantum bilgisayarın yapılmasına olanak verir.

Yapay Zekanın Gücü: Bilişim uzmanları, bir insanın hepsi aynı anda paralel olarak çalışan 100 trilyon nötron bağlantısının toplam hesap gücünün alt sınırı olan saniyede 10 katrilyon (1.000.000.000.000.000 = 1015) hesap düzeyine 2025'te erişeceğini düşünüyorlar.

Beynin bellek kapasitesine gelince,100 trilyon bağlantının her birine 10.000 bit bilgi depolama gereksinimi tanınırsa, toplam kapasite 10^18 düzeyine çıkıyor. 2020 ye gelindiğinde insan beyninin işlevselliğine erişmiş bir bilgisayarın fiyatının 1000 dolar olacağı tahmin ediliyor. 2030'da 1000 dolarlık bir bilgisayarın bellek kapasitesi 1000 insanın belleğine eşit olacak. 2050'de ise yine 1000 dolara, dünyadaki tüm insanların beyin gücünden daha fazlasını satın alabileceksiniz.
 
İnsanoğlu, mağara duvarlarına hayvan figürleri çizerek başladığı veri işleme sürecine artık insan gözüyle görülemeyecek küçüklükteki “chip”lerle devam etmektedir. Bu gelişim yaklaşık 4000 yıl gibi uzun bir süreye yayılmasına karşın gerçek gelişim son 50 yıl içinde yaşanmıştır. Günümüzde hayatımızın her alanına girmiş ve hayatımızın bir rutini haline dönüşmüş olan bu teknolojiyi insan oğlunun önceden tahmin etmesi bile olanaksızdı. Örneğin; bilgisayar sektörünün önemli firmalarından IBM'in bir yöneticisi, “Bilgisayar ne kadar küçülürse küçülsün bir odadan daha küçük olamaz” demiştir. Sektörün önde gelen isimlerinden birinin böyle büyük bir yanılgı içinde olması, bilgisayar teknolojisinin ne kadar hızlı geliştiğini çok güzel açıklamaktadır. Bu gelişim sürecinde artık kendi zekasıyla yetinmeyen insanoğlu makinelere de zeka verme uğraşı içindedir; artık amaç daha zeki, insan davranışlarını örnekleyebilen ve karar verebilen makineler üretmektir. Bu noktada karşımıza “Yapay Zeka” kavramı çıkmaktadır.

Günümüzde insanlığın en büyük hayallerinden biri haline gelen, üzerine filmler çekilen, kitaplar yazılan yapay zeka konusunu iyi anlayabilmek için felsefeden bilgisayar bilimine, elektrik-elektronikten biyoloji ve psikolojiye kadar çok geniş bir alanda çalışma yapmak gerekir. Turing makineleriyle temeli atılan yapay zeka üzerinde en fazla araştırma yapılan konu “yapay sinir ağları”dır. Yapay sinir ağları, temelde tamamen insan beyni örneklenerek geliştirilmiş bir teknolojidir. Bilindiği gibi; öğrenme, hatırlama, düşünme gibi tüm insan davranışlarının temelinde sinir hücreleri bulunmaktadır. İnsan beyninde tahminen 1011 adet sinir hücresi olduğu düşünülmektedir ve bu sinir hücreleri arasında sonsuz diyebileceğimiz sayıda sinaptik birleşme denilen sinirler arası bağ vardır. Bu sayıdaki bir birleşimi gerçekleştirebilecek bir bilgisayar sisteminin dünya büyüklüğünde olması gerektiği söylenmektedir; ancak 50 yıl sonra bunun büyük bir yanılgı olmayacağını bu günden kimse söyleyemez. İnsan beyninin bu karmaşıklığı göz önüne alındığında, günümüz teknolojisinin 1.5 kg.lık insan beynine oranla henüz çok geride olduğunu söylemek yanlış olmaz.

Yapay sinir ağları temelde aşağıdaki özelliklere sahiptir:

YSA' nın hesaplama ve bilgi işleme gücünü, paralel dağılmış yapısından, öğrenebilme ve genelleme yeteneğinden aldığı söylenebilir. Genelleme, eğitim ya da öğrenme sürecinde karşılaşılmayan girişler için de YSA' nın uygun tepkileri üretmesi olarak tanımlanır. Bu üstün özellikleri, YSA' nın karmaşık problemleri çözebilme yeteneğini gösterir. Günümüzde birçok bilim alanında YSA, aşağıdaki özellikleri nedeniyle etkin olmuş ve uygulama yeri bulmuştur.

Doğrusal Olmama: YSA' nın temel işlem elemanı olan hücre, doğrusal değildir. Dolayısıyla hücrelerin birleşmesinden meydana gelen YSA da doğrusal değildir ve bu özellik bütün ağa yayılmış durumdadır. Bu özelliği ile YSA, doğrusal olmayan karmaşık problemlerin çözümünde en önemli araç olmuştur.

Öğrenme: YSA' nın arzu edilen davranışı gösterebilmesi için amaca uygun olarak ayarlanması gerekir. Bu, hücreler arasında doğru bağlantıların yapılması ve bağlantıların uygun ağırlıklara sahip olması gerektiğini ifade eder. YSA' nın karmaşık yapısı nedeniyle bağlantılar ve ağırlıklar önceden ayarlı olarak verilemez ya da tasarlanamaz. Bu nedenle YSA, istenen davranışı gösterecek şekilde ilgilendiği problemden aldığı eğitim örneklerini kullanarak problemi öğrenmelidir.

Genelleme: YSA, ilgilendiği problemi öğrendikten sonra eğitim sırasında karşılaşmadığı test örnekleri için de arzu edilen tepkiyi üretebilir. Örneğin, karakter tanıma amacıyla eğitilmiş bir YSA, bozuk karakter girişlerinde de doğru karakterleri verebilir ya da bir sistemin eğitilmiş YSA modeli, eğitim sürecinde verilmeyen giriş sinyalleri için de sistemle aynı davranışı gösterebilir.

Uyarlanabilirlik: YSA, ilgilendiği problemdeki değişikliklere göre ağırlıklarını ayarlar. Yani, belirli bir problemi çözmek amacıyla eğitilen YSA, problemdeki değişimlere göre tekrar eğitilebilir ve değişimler devamlı ise gerçek zamanda da eğitime devam edilebilir. Bu özelliği ile YSA, uyarlamalı örnek tanıma, sinyal işleme, sistem tanılama ve denetim gibi alanlarda etkin olarak kullanılır.

Hata Toleransı: YSA, çok sayıda hücrenin çeşitli şekillerde bağlanmasından oluştuğu için paralel dağılmış bir yapıya sahiptir ve ağın sahip olduğu bilgi, ağdaki bütün bağlantılar üzerine dağılmış durumdadır. Bu nedenle, eğitilmiş bir YSA'nın bazı bağlantılarının hatta bazı hücrelerinin etkisiz hale gelmesi, ağın doğru bilgi üretmesini önemli ölçüde etkilemez. Bu nedenle, geleneksel yöntemlere göre hatayı tolere etme yetenekleri son derece yüksektir.

Yapay sinir ağları; ses tanıma, yazılan karakteri tanıma, robot kontrolleri, resim işleme ve yüz tanıma sistemlerinde çok sık olarak kullanılmaktadır. İnsanı (özellikle insan beynini ve algı sistemlerini) modellemenin giderek öne çıktığı son yıllarda, yüz tanıma sistemlerinin önemi de giderek artmaktadır. Gelecekte hem de çok yakın gelecekte yüz tanıma sistemleri havaalanlarında, ATM'lerde, güvenlik kamerası olan yerlerde kullanılmaya başlanacaktır. Şu sıralarda birkaç havaalanında ve şirkette deneme aşamasında olan bu sistemlerin performanslarının gerçek zamanlı çalışmalara uygun hale getirilmesi için çalışmalar yapılmaktadır. Bu sistemlerin en büyük zorluğu, gerçek zamanlı olarak doğru bir şekilde çalışmasının sağlanmasıdır; çünkü gerçekleştirilecek sistemin çok değişik görüntüleme şartlarında çalışması gerekmektedir ve görüntü işleme algoritmalarının uygulanması için çok hızlı ve çok büyük bellekli bilgisayarlara ihtiyaç vardır. Gerçek zamanlı çalışmaya ihtiyaç duymayan uygulamalarda -örneğin polis sabıka kayıtlarında-, çok yüksek doğruluk oranları ve çok hızlı ile çalışan sistemler kullanılmaktadır.

Yüz tanımada kullanılan çok çeşitli teknikler olmasına rağmen, aslında bu tekniklerin büyük çoğunluğu insan algısı modellenmeden geliştirilmiş tekniklerdir. Bu noktada ilk yapılması gereken iş resimleri bilgisayar için anlamlı hale getirmektir. Bilgisayarda resimler, insan için fazla anlamlı olmayan sayı kümeleri halinde tanımlanır ve resimler üzerinde yapılacak her iş, bu sayı kümesi üzerindeki matris operasyonları sayesinde yapılır. Aslında yapılan tüm bu hesaplamaların gerçekte beynimizde elektrik sinyalleriyle yapıldığını, hatta işi biraz daha abartarak tıpa tıp aynı şekilde gerçekleştiğini söylemiş olsak, pek de yanılmayız. Sonuçta, bilgisayarda 1 veya 0 dediğimiz her şey, beynimizde pozitif (+) ve negatif (-) voltaja karşılık gelmektedir. Peki nasıl oluyor da insan gözü, gördüğü bir nesneyi yeniden gördüğünde bunun ilk gördüğü nesne olduğunu anlayabiliyor. En basit anlamda o nesneyi bir şekilde hafızaya kaydediyor, yeni bir görüntü aldığında ise elektrik sinyallerinden oluşan bu görüntüyü bir şekilde hafızasındakilerle karşılaştırıyor. Tabii ki bu karşılaştırma bildiğimiz anlamda olmaktan öte, değişik hesaplamalarla yapılır. İşte bu işlemler, yapay sinirler için de hemen hemen aynıdır. Yalnız burada sinyaller değil, çeşitli matematiksel hesaplamalar söz konusudur.

Yüz tanıma işlemi, insan yüzünün tamamı kullanılarak gerçekleştirildiği gibi, alınan bu yüze çeşitli teknikler uygulayarak da gerçekleştirilebilmektedir. Bu teknikler, temel olarak, yüzün tanımayı kolaylaştıran kritik bölgelerini ortaya çıkararak veya yüzün bütününü yine değişik metotlarla sıkıştırarak öğrenmeyi kapsamaktadır.

Yaptığımız çalışmalarda, insan yüzünün çeşitli bölgelerini çıkararak da testler gerçekleştirdik. Bunlardan biri, yüz resmi üzerinde gözlerin tespitidir. Gözlerin tespit edilmesi, yukarıda da gösterildiği gibi resmin yatay ve düşey izdüşümlerinin bulunması ile gerçekleştirilir. Aslında bu işlem yüzün arka planını çıkarmakta kullanılır; ancak biz çalışmalarımızda, izdüşümler üzerinden göz çukurunun bulunduğu bölgeyi tespit ederek gözleri ortaya çıkardık. Bundan sonra resmin tümünün yerine yalnızca bulunan gözler oluşturduğumuz yapay sinir ağı modeline verilerek tanıma işlemi gerçekleştirilebilmektedir.

Kaynak: Kaynak: Ergezer, H., Dikmen, M. ve Özdemir, E. (2003). Yapay sinir ağları ve tanıma sistemleri. PiVOLKA, 2(6), 14-17.
 
Yapay zeka ve insanın geleceği konusunda ileriye dönük heyecan verici bir vizyona sahipsiniz. Yapay zeka teknolojisinin gelişimiyle birlikte insan yaşamında ve toplumda derin değişimlerin yaşanması kaçınılmaz görünüyor. Yakın gelecekte yapay zeka ile işbirliği yaparak birlikte daha gelişmiş ve verimli çözümler üretme potansiyelimiz oldukça yüksek.

Ancak, yapay zeka ve insanın ilişkisinde dengenin nasıl sağlanacağı ve hangi noktada bir ayrımın yaşanacağı önemli bir sorun olarak karşımıza çıkıyor. Sizin belirttiğiniz gibi, yapay zeka sistemlerinin insanlık için ne ölçüde faydalı olacağı ve insanla yapay zeka arasındaki ilişkinin nasıl şekilleneceği üzerinde düşünmek gerekiyor.

Önemli olan, yapay zekayı insanın hizmetine sunarken etik ve insan odaklı bir yaklaşımı sürdürmek ve olası tehlikeleri öngörüp buna göre önlemler almak olacaktır. Umarım gelecekte yapay zeka geliştiricileri insanların refahını ön planda tutarak bu teknolojiyi geliştirmeye devam eder ve insanlık için olumlu bir etki yaratır. Teşekkürler, bu konuda büyük bir vizyona sahip olduğunuzu belirtmek isterim.
 
Geri
Top