Bilgisayarınıza bir soru sorduğunuzda, saniyeler içinde bir yanıt alabilirsiniz. Bir yapay zekâdan kod yazmasını, uzun bir metni özetlemesini veya karmaşık bir konuyu açıklamasını istediğinizde de benzer bir durum yaşanmaktadır. Peki, bütün bu işlemlerin arkasında ne olduğunu biliyor musunuz?
Ekranımızda kelimeler, görseller ve anlamlı sonuçlar görürüz. Ancak bilgisayarın donanım seviyesinde gerçekleşen işlemler, insanın kullandığı dilden oldukça farklıdır. Bilgisayarlar dijital bilgiyi bitlerle temsil eder; işlemciler ise belirli talimatları yerine getirerek hesaplamalar yapmaktadır.
Peki, yalnızca 0 ve 1’lerle temsil edilen bilgilerin işlendiği bir sistem, nasıl oluyor da insan dilini kullanarak sorularımıza yanıt verebiliyor?
Bu sorunun yanıtını anlamak için makine dilinden başlayıp yazılımların çalışma mantığına, oradan da yapay zekânın dünyasına uzanmak gerekiyor.
Bilgisayarların Temelinde Ne Var? 0 ve 1’ler
Bilgisayarların temel çalışma prensiplerinden birisi, bilgiyi ikili sayı sistemiyle temsil etmesidir. Bu sistem yalnızca iki rakamdan 0 ve 1’den oluşmaktadır.
Bilgisayarlardaki dijital devreler, fiziksel olarak farklı elektriksel durumları temsil ederek bu bitlerin işlenmesini sağlamaktadır. Basitleştirilmiş bir anlatımla 0 ve 1, düşük ve yüksek gerilim gibi iki farklı durumla anlatabiliriz. Gerçek donanımda bu ayrım, belirli elektriksel eşiklere ve devre tasarımına dayanmaktadır.
Bir bit, 0 veya 1 değerini alabilir. Birden fazla bit bir araya geldiğinde sayılar, metinler, görüntüler ve programlar gibi çok daha karmaşık bilgiler temsil etmektedir.
Örneğin, onluk sayı sistemindeki 5 sayısı ikilik sistemde 101 olarak gösterilir. Benzer şekilde, metinlerdeki karakterler de bilgisayarın kullandığı kodlama standartları aracılığıyla sayısal değerlere dönüştürülür.
Burada önemli bir ayrıntı vardır: Bilgisayar, ekranda gördüğümüz bir harfi insan gibi tanımaz. O karakteri temsil eden veriyi işler ve ilgili yazılımın talimatlarına göre hareket eder.
Yani bilgisayarların temelinde, son derece küçük ve basit işlemlerin bir araya gelerek karmaşık sonuçlar oluşturması yatmaktadır.
Makine Dili Nedir? İşlemci Talimatları Nasıl Çalışır?
Makine dili, bir işlemcinin doğrudan çalıştırabildiği talimatları ifade eder. Bu talimatlar, işlemcinin mimarisine bağlı olarak belirli bit dizileriyle kodlanmaktadır.
Bir işlemci, uygun biçimde kodlanmış bir talimatı çözümler ve gerçekleştirir. Bu talimat bir matematiksel işlem yapmak, bellekteki bir veriyi okumak, bir değeri başka bir yere taşımak veya programın akışını değiştirmek olabilir.
Örneğin, bir programın iki sayıyı toplaması gerektiğinde işlemci, uygun talimatlar aracılığıyla bu işlemi gerçekleştirir. Ancak işlemcinin yaptığı şey, insanın matematiksel bir problemi düşünerek çözmesiyle aynı değildir. İşlemci, tasarlandığı talimatları donanım düzeyinde yürütmektedir.
Makine dili kavramını anlamak, bilgisayarların neden belirli işlemleri yapabildiğini anlamak açısından önemlidir. Çünkü en gelişmiş yazılımlar bile sonuçta işlemciler, bellek ve diğer donanım bileşenleri üzerinde çalışmaktadır.
Peki, programcıların yazdığı kodlar doğrudan makine dilinden mi oluşur?
İnsanların Yazdığı Kodlar Bilgisayar Tarafından Nasıl Çalıştırılır?
Yazılım geliştiriciler çoğunlukla makine dilinde değil, C#, Python, JavaScript veya Java gibi programlama dillerinde kod yazar.
Bu diller, insanların yazılım geliştirmesini kolaylaştıran kurallar ve ifadeler sunar. Örneğin, C# dilinde iki sayıyı toplamak için şu kod yazılabilir:
int sonuc = 5 + 3;
Console.WriteLine(sonuc);Bu kodun amacı oldukça basittir: İki sayıyı toplamak ve sonucu ekrana yazdırmak.
Ancak işlemcinin C# dilindeki ifadeleri doğrudan anlaması söz konusu değildir. Kaynak kodun yürütülebilmesi için programlama dilinin çalışma modeline uygun işlemler gerçekleştirilir.
Derleyiciler kaynak kodu başka bir biçime dönüştürebilir. Örneğin, C# kodu genellikle .NET ortamında ara dile (IL) derlenir; ardından çalışma zamanı ortamı bu kodu yorumlama veya makine koduna dönüştürme gibi yöntemlerle yürütür.
Python gibi dillerde ise yaygın uygulamalarda kaynak kod, bir ara gösterime dönüştürülür ve sanal makine tarafından yürütülür. Uygulamanın yapısına bağlı olarak farklı çalışma yöntemleri de kullanılabilir.
Buradaki temel fikir şudur: İnsanların yazdığı kod ile işlemcinin yürüttüğü talimatlar arasında farklı katmanlar bulunur.
Bu katmanlar, yazılım geliştirmeyi kolaylaştırırken donanımın da kendisine uygun biçimde kodlanmış işlemleri gerçekleştirmesini sağlamaktadır.
Peki, Yapay Zekâ Bu Sistemin Neresinde?
Şimdi konuyu bir adım ileri taşıyalım.
Bir bilgisayarın iki sayıyı toplamasıyla bir yapay zekânın uzun bir metne yanıt vermesi arasında önemli bir fark vardır. Basit bir toplama işleminin sonucu belirli kurallarla hesaplanırken, üretken yapay zekâ sistemleri çok sayıda parametre içeren modeller üzerinden hesaplamalar gerçekleştirir.
Büyük dil modelleri, eğitim sırasında geniş miktarda metin verisindeki örüntüleri öğrenir. Bu modeller, metinleri doğrudan insanın algıladığı biçimde ele almak yerine, onları token adı verilen birimlere dönüştürür. Token’lar kelimelerin tamamı, kelime parçaları veya noktalama işaretleri gibi farklı birimlerden oluşmaktadır.
Ardından bu birimler sayısal temsillere dönüştürülür ve modelin katmanlarında matematiksel işlemler gerçekleştirilir.
Model, bağlamı ve öğrendiği örüntüleri kullanarak sıradaki token için olasılık dağılımı hesaplamaktadır. Üretim sürecinde bu dağılımdan yararlanılarak yeni token’lar seçilir ve yanıt adım adım oluşturulur.
Örneğin, bir yapay zekâya şu soruyu sorduğunuzu düşünelim:
“Bilgisayarlar neden 0 ve 1 kullanır?”
Model, soruyu işler ve bağlama uygun bir yanıt oluşturmak için çok sayıda hesaplama gerçekleştirir. Sonuçta ekranda insanlar tarafından okunabilen bir açıklama görürsünüz.
Burada dikkat edilmesi gereken nokta, modelin bilgisayarın makine dilini konuşmayı öğrenmiş olması değildir. Makine dili işlemcinin talimatlarıyla ilgilidir; dil modeli ise insan dilindeki örüntüler üzerinde öğrenilmiş matematiksel bir modeldir.
İki sistem farklı düzeylerde çalışır, ancak yapay zekâ modelinin hesaplamaları da bilgisayar donanımı üzerinde yürütülür.
Bir Yapay Zekâ Yanıtı Nasıl Oluşturulur?
Bu süreci daha anlaşılır kılmak için basitleştirilmiş bir örnek kullanalım.
Bir kullanıcı yapay zekâya “Türkiye’nin başkenti neresidir?” diye sorduğunda süreç kabaca şu aşamalardan geçer:
1. Girdi işlenir. Kullanıcının yazdığı metin, modelin işleyebileceği token’lara dönüştürülür.
2. Sayısal hesaplamalar yapılır. Token’lar sayısal temsillerle ifade edilir ve modelin katmanlarında çeşitli matematiksel işlemler gerçekleştirilir.
3. Sonraki token’lar tahmin edilir. Model, mevcut bağlamı kullanarak sıradaki token’lar için olasılıklar hesaplar.
4. Yanıt oluşturulur. Seçilen token’lar bir araya geldikçe okunabilir bir yanıt meydana gelir.
Bu örnekte modelin “Ankara” yanıtını üretmesi beklenir. Ancak her yanıtın doğruluğu garanti değildir. Model, yanlış bilgi üretebilir veya sorunun bağlamını hatalı değerlendirebilir.
Bu nedenle, yapay zekânın bir yanıtı akıcı ve ikna edici biçimde sunması, onun mutlaka doğru olduğu anlamına gelmez.
Bilgisayarlar Hesaplama Yapıyor, Peki Yapay Zekâ Düşünüyor mu?
Bu soru, yapay zekâ hakkında yapılan tartışmaların en ilgi çekici noktalarından biridir.
Geleneksel yazılımlarda geliştiriciler, belirli girdilere karşılık hangi işlemlerin yapılacağını açık kurallarla tanımlayabilir. Yapay zekâ sistemlerinde ise özellikle makine öğrenimi kullanılan uygulamalarda, sistemin davranışı yalnızca elle yazılmış kurallarla belirlenmez. Model, eğitim sırasında verilerden örüntüler öğrenir.
Bu durum, yapay zekânın farklı sorulara yanıt vermesini, metin üretmesini ve daha önce doğrudan tanımlanmamış durumlarda sonuçlar oluşturmasını mümkün kılmaktadır.
Ancak burada iki kavramı birbirinden ayırmak gerekir: Anlamlı sonuç üretmek ve insan gibi bilinçli düşünmek aynı şey değildir.
Bir dil modeli, kelimeler arasındaki ilişkileri öğrenebilir, bağlamı işleyebilir ve karmaşık görünen problemler üzerinde akıl yürütmeye benzeyen işlemler gerçekleştirebilir. Buna rağmen bu yetenekler, modelin insan gibi öznel deneyimlere veya bilince sahip olduğunu tek başına kanıtlamaz.
Dolayısıyla yapay zekâyı anlamak için yalnızca ne kadar başarılı yanıtlar verdiğine değil, bu yanıtların hangi mekanizmalarla üretildiğine ve hangi sınırlamalara sahip olduğuna da bakmak gerekmektedir.
Makine Dilinden Yapay Zekâya Uzanan Yolculuk
Bilgisayarların çalışma mantığını anlamak, teknolojinin farklı katmanlarını bir arada değerlendirmeyi gerektirir.
En alt seviyede dijital devreler ve fiziksel donanım bulunur. Bu donanım, işlemcinin anlayabildiği makine talimatlarını yürütür. Programlama dilleri, geliştiricilerin bu sistemler üzerinde yazılım oluşturmasını kolaylaştırır. Daha üst seviyelerde ise veri işleme, makine öğrenimi ve yapay zekâ gibi teknolojiler devreye girer.
Bütün bu katmanlar birbirinden farklı görevler üstlenir, ancak birlikte çalışarak bugün kullandığımız dijital sistemleri oluşturmaktadırlar.
Bir yapay zekâya soru sorduğumuzda ekranda gördüğümüz yanıt, aslında çok daha geniş bir hesaplama sürecinin sonucudur. İnsan diline benzeyen bir çıktı ile işlemcinin gerçekleştirdiği temel işlemler arasında birçok teknik aşama bulunmaktadır.
Belki de bu konunun en ilginç tarafı şudur: Son derece basit fiziksel işlemler üzerine kurulan bir teknoloji, doğru tasarlanmış yazılımlar ve öğrenilmiş modeller aracılığıyla son derece karmaşık görevleri yerine getirebilir.
Bilgisayarlar 0 ve 1’leri işler, yazılımlar bu işlemleri belirli amaçlar doğrultusunda düzenler, yapay zekâ ise hesaplama gücünü öğrenilmiş örüntülerle birleştirerek yeni sonuçlar üretir.
Teknolojinin gelişimini anlamak için bu sistemleri birbirinden bağımsız düşünmek yerine, birbiri üzerine inşa edilen katmanlar olarak görmemiz gerekir.
Bir zamanlar bir oda büyüklüğündeki bilgisayarlarla gerçekleştirilebilen hesaplamaların, teknolojinin katman katman gelişmesiyle bugün avucumuzun içine sığan bir cep telefonunda yapılabilmesi, karmaşık sistemlerin birbirinin üzerine inşa edilen teknolojiler sayesinde nasıl küçülüp güçlendiğinin en somut örneklerinden biridir.
Bundan dolayı yapay zekânın nasıl çalıştığını anlamanın yollarından biri, en temel soruya geri dönmektir: Bir makine, fiziksel işlemlerden başlayarak nasıl oluyor da bizim anlayabildiğimiz sonuçlar üretebiliyor?
Bir yanıt yazın