Yapay Zeka'nın Tarihçesi: Buharlı Otomatlardan Dünya Simülatörlerine (1920–2025)
Yapay Zeka'nın Tarihçesi: Buharlı Otomatlardan Dünya Simülatörlerine (1920–2025)
Yapay Zeka’nın (AI) tarihi, çoğu kişinin sandığı gibi düz bir ilerleme grafiği değildir; aksine büyük beklenti dalgalarıyla yükselen “Yapay Zeka Yazları” ve finansmanların kesildiği “Yapay Zeka Kışları” arasında gidip gelen inişli çıkışlı bir serüvendir.
1920’lerin mekanik zihin hayallerinden 2025’in çevresini anlayabilen modellerine uzanan bu yolculuk, insanlığın hem makinelere hem de kendi bilişsel sınırlarına dair algısını yeniden şekillendirdi. Bugün bu dönüşümün merkezinde yer alan modern eğitimler de dikkat çekiyor; örneğin Sabancı Üniversitesi, EDU’nun sunduğu yapay zeka ile verimlilik üretmek eğitimi, bu teknolojinin pratik kullanım alanlarını derinlemesine kavramak isteyenler için güçlü bir rehber niteliğinde. Bu yazıda, yapay zekanın “dünya simülatörlerine” nasıl evrildiğini, bu evrim boyunca yaşanan bilimsel tartışmaları ve politik kırılmaları tüm yönleriyle ele alıyoruz.
1. İcat: "Yapay Zeka" Kelimesinden Önceki Dönem (1920–1955)
Henüz "Yapay Zeka" terimi icat edilmemişken, bu alanın tohumları edebiyat, biyoloji ve matematik arasında atılıyordu. Bu döneme genellikle AI'ın "Kambriyen Öncesi" dönemi denir.
Edebiyat ve Mekanik Öncüler
Yapay bir varlık yaratma arzusu, bilgisayarlardan bile eskidir. 1921'de Çek oyun yazarı Karel Čapek, Rossum's Universal Robots adlı eseriyle "robot" kelimesini (Çekçe robota yani zorla çalıştırma/angarya kökünden) hayatımıza soktu. 1929'da Japon biyolog Makoto Nishimura, yüz ifadelerini değiştirebilen pnömatik bir otomat olan Gakutensoku'yu inşa ederek, biyolojik taklitçiliğin o dönemki zirvesine ulaştı.
İlk Kıvılcım: McCulloch-Pitts Nöronu (1943)
Mekanik taklitten hesaplamalı zekaya geçiş, 1943'te Warren McCulloch ve Walter Pitts ile başladı. İkili, biyolojik bir nöronun matematiksel modelini çıkardı. Bir nöronun, girdilerin toplamı belirli bir eşiği aştığında ateşlenen ikili (binary/aç-kapa) bir anahtar olarak modellenebileceğini kanıtladılar.
- Neden Önemli? Bu çalışma, zekanın milyarlarca basit işlemin etkileşiminden doğduğunu savunan "Bağlantısalcı" (Connectionist) yaklaşımın temelini attı. Bu, bugünkü modern sinir ağlarının (Deep Learning) büyük babasıdır.
Alan Turing ve Yol Ayrımı (1950)
Bilgisayar biliminin babası Alan Turing, meşhur "Makineler düşünebilir mi?" sorusunu, ölçülebilir bir test olan Turing Testi'ne (Taklit Oyunu) dönüştürdü. Ancak daha da önemlisi, Turing zeka yaratmak için gelecekteki savaşı belirleyen iki farklı yol önerdi:
- Soyut Oyun Yaklaşımı: Satranç gibi kuralları belli, mantığa dayalı bir zeka (Sembolik Yapay Zeka).
- Çocuk Makine Yaklaşımı: Dünyayı bilen yetişkin bir zihin programlamak yerine, öğrenmeye açık "boş" bir çocuk zihni yaratıp onu eğitmek (Makine Öğrenmesi).
2. Bir Disiplinin Doğuşu: Dartmouth Konferansı (1956)
Yapay Zeka, resmi olarak 1956 yazında Dartmouth College'da bir akademik disiplin haline geldi. John McCarthy, Marvin Minsky ve Claude Shannon gibi efsanelerin katıldığı bu konferansta, alanın temel dogması olan "Dartmouth Varsayımı" ortaya atıldı:
"Öğrenmenin her yönü veya zekanın herhangi bir özelliği prensipte o kadar hassas bir şekilde tanımlanabilir ki, onu simüle edecek bir makine yapılabilir."
Bu konferansın en büyük çıktısı, John McCarthy'nin alanı Sibernetik'ten ayırmak için "Yapay Zeka" ismini koyması ve Allen Newell ile Herbert Simon'ın, matematik teoremlerini ispatlayabilen "Logic Theorist" programını tanıtması oldu.
3. Altın Çağ ve Sembolik Yapay Zeka (1956–1974)
Dartmouth sonrası, ARPA'dan (bugünkü DARPA) gelen sınırsız fonlarla AI bir "Altın Çağ" yaşadı. Bu döneme Sembolik Yapay Zeka (veya GOFAI - Good Old-Fashioned AI) hakimdi. İnanç şuydu: "Eğer dünyayı sembollerle ve kurallarla tanımlayabilirsek, makine her şeyi düşünebilir."
Mikro Dünyalar: SHRDLU ve ELIZA
- SHRDLU (1970): Sanal bir blok dünyasında "Kırmızı bloğu yeşil kutunun üstüne koy" gibi komutları anlayıp plan yapabiliyordu. Ancak sadece bloklardan oluşan, sınırları belli bir dünyada çalışıyordu; gerçek hayatın karmaşasında çuvalladı.
- ELIZA (1966): Bir psikoterapisti taklit eden ilk sohbet robotuydu. Basit kelime eşleştirmeleri yapmasına rağmen, insanlar ona insani duygular atfetti (ELIZA Etkisi).
Perceptrons Tartışması (1969)
Sembolik yapay zeka yükselirken, rakip görüş olan "Sinir Ağları" (Neural Networks) ölümcül bir darbe aldı. Marvin Minsky ve Seymour Papert, yazdıkları Perceptrons kitabında, o dönemki tek katmanlı sinir ağlarının basit bir mantık problemini (XOR) bile çözemeyeceğini matematiksel olarak kanıtladı. Bu eleştiri o kadar etkili oldu ki, sinir ağları araştırmaları 10 yıldan fazla süreyle durma noktasına geldi.
4. Birinci Yapay Zeka Kışı (1974–1980)
1970'lerin ortasında, verilen büyük sözlerin tutulmadığı anlaşıldı ve fonlar kesildi. Yapay zeka ilk kez "kış" mevsimini yaşadı.
- Lighthill Raporu (1973): İngiltere'de yayınlanan bu rapor, AI'ın sadece "oyuncak problemlerde" çalıştığını, gerçek dünya problemlerinde ise "Kombinatoryal Patlama" (seçenek sayısının katlanarak artması) nedeniyle başarısız olduğunu belirtti.
- Çeviri Fiyaskosu: ABD hükümeti yıllarca Rusça-İngilizce çeviri için milyonlar dökmüştü. 1966'daki ALPAC raporu, makine çevirisinin insanlardan daha yavaş, pahalı ve hatalı olduğunu söyleyince bu alandaki fonlar da kurudu.
5. Uzman Sistemler Patlaması (1980–1987)
Yapay Zeka 1980'lerde strateji değiştirerek yeniden doğdu. "Genel zeka" arayışı bırakıldı, bunun yerine "belirli bir alanda uzmanlaşmış" sistemlere odaklanıldı.
- Uzman Sistemler (Expert Systems): İnsan uzmanların bilgisini binlerce "Eğer-O Zaman" (If-Then) kuralına dönüştüren sistemlerdi.
- Ticari Başarı (XCON): DEC firması için geliştirilen XCON, bilgisayar parçalarının siparişlerini yapılandırarak şirkete yılda 40 milyon dolar kazandırdı. Bu, AI'ın para kazandırabileceğini kanıtladı ve şirketler AI'ya hücum etti.
Ancak bu sistemlerin zayıf karnı "Bilgi Edinme Darboğazı" idi. Uzmanların bilgisini kurallara dökmek çok zordu ve sistemler "sağduyudan" yoksundu. Tanımlanmamış en ufak bir hatada sistem çöküyordu.
6. İkinci Yapay Zeka Kışı ve İstatistiksel Dönüş (1987–2010)
1980'lerin sonunda, PC'lerin ucuzlamasıyla, AI için özel üretilen pahalı "Lisp Makineleri" pazarı çöktü. Uzman sistemler balonu patladı ve "Yapay Zeka" terimi o kadar itibar kaybetti ki, araştırmacılar fon bulabilmek için çalışmalarına "Makine Öğrenmesi" veya "İstatistiksel Örüntü Tanıma" demeye başladı.
Sessiz Devrim: Olasılık ve İstatistik
Bu dönemde alan, katı mantık kurallarını bırakıp Olasılık ve İstatistik temelli yaklaşımlara yöneldi.
- Bayesian Ağlar: Judea Pearl, belirsizliği modellemek için matematiksel bir yol sundu. Sistemler artık kesin doğrularla değil, "hastalık olma ihtimali %80" gibi olasılıklarla çalışıyordu.
- Deep Blue: IBM'in satranç bilgisayarı Kasparov'u yendi. Ancak bu bir "zeka" zaferi değil, saniyede 200 milyon pozisyon hesaplayan devasa bir işlemci gücü zaferiydi.
7. Derin Öğrenme Devrimi (2012–2017)
Yıllarca "Nöral Yeraltı" olarak adlandırılan ve Geoffrey Hinton, Yann LeCun, Yoshua Bengio gibi isimlerin (Kanada'daki CIFAR desteğiyle) ısrarla üzerinde çalıştığı Sinir Ağları, sonunda beklenen patlamayı yaptı.
Üç büyük faktör bir araya gelmişti:
- Algoritmalar: Derin Öğrenme (Deep Learning) teknikleri.
- Veri: İnternet sayesinde oluşan devasa veri setleri (Big Data).
- Donanım: Paralel işlem yapabilen GPU'lar (Grafik işlemciler).
AlexNet ve ImageNet Anı (2012)
AlexNet adlı model, görsel tanıma yarışmasında rakiplerini ezici bir farkla yendi. Artık insanların makineye "bıyık nedir, kulak nedir" diye tarif etmesine (feature engineering) gerek kalmamıştı; makine bu özellikleri veriden kendi öğreniyordu.
AlphaGo ve 37. Hamle (2016)
Google DeepMind’ın AlphaGo'su, dünyanın en iyi Go oyuncularından Lee Sedol'u yendi. Maçın 2. oyunundaki 37. Hamle, hiçbir insanın öğretmediği, makinenin kendi kendine öğrendiği "sezgisel" ve "yaratıcı" bir hamle olarak tarihe geçti.
8. Transformerlar ve Üretken YZ Çağı (2017–2023)
2017'de Google araştırmacıları "Attention Is All You Need" (İhtiyacınız Olan Tek Şey Dikkat) adlı makaleyle Transformer mimarisini tanıttı. Bu mimari, yapay zekanın kelimeleri sırayla değil, tüm cümleyi aynı anda (paralel) işleyebilmesini sağladı.
- GPT Serisi: OpenAI, bu mimariyi kullanarak GPT modellerini geliştirdi. GPT-3 ile birlikte "Ölçekleme Yasaları" (Scaling Laws) kanıtlandı: Veri ve işlem gücü arttıkça, zeka da artıyordu.
- ChatGPT (2022): Ham modelleri kontrol etmek zordu. RLHF (İnsan Geri Bildirimiyle Pekiştirmeli Öğrenme) tekniğiyle modeller insan tercihlerine göre eğitildi ve ChatGPT doğarak tarihin en hızlı büyüyen uygulaması oldu.
9. Modern Sınır: Akıl Yürütme ve Ajanlar (2024–2025)
2025 itibarıyla yapay zeka artık sadece metin üretmiyor; plan yapıyor, kod yazıyor ve fiziksel dünyayı simüle ediyor.
- Mimari Savaşları: Google'ın Gemini modelleri, 1-2 milyonluk "bağlam penceresi" ile bütün bir kitabı veya uzun videoları tek seferde hafızasında tutabiliyor.
- Akıl Yürütme (Reasoning): OpenAI'ın o1 modeli, sorulan soruya anında cevap vermek yerine, insan gibi "düşünmek" (Chain of Thought) için zaman harcıyor. Bu sayede karmaşık matematik ve bilim sorularında doktora seviyesine ulaşıldı.
- Dünya Simülatörleri:Sora gibi video modelleri, sadece piksel oluşturmuyor; nesnelerin sürekliliği ve yerçekimi gibi fizik kurallarını videolardan öğrenerek bir nevi dünyayı simüle ediyor.
- Açık Ağırlıklar (Open Weights): Meta'nın Llama hamlesiyle güçlü modellerin halka açılması, teknolojinin tekelleşmesini önleyerek "kişisel yapay zekaların" yolunu açtı.
Soyutlamanın Tarihi
Yapay Zeka'nın tarihi aslında bir soyutlama tarihidir:
- 1940'larda Nöronu taklit ettik.
- 1960'larda Mantığı kurallaştırdık.
- 1980'lerde Bilgiyi paketledik.
- 1990'larda Belirsizliği modelledik.
- 2010'larda Öğrenmeyi otomatize ettik.
- 2020'lerde ise Dikkati ve Akıl Yürütmeyi soyutluyoruz.
Geçmişteki "Yapay Zeka Kışları", teknolojinin yetersizliğinden kaynaklanmıştı. Bugünün zorlukları ise yetersizlikten değil, "aşırı yetenekten" kaynaklanıyor: Halüsinasyonlar, telif hakları ve yaratıcılarından daha zeki olmaya başlayan sistemlerin kontrolü. Tarih bize şunu gösteriyor: Yapay Zeka sadece bir mühendislik aracı değil, insan zihninin aynasıdır.
