Bizim gibi bilim sevdalılarının galiba yapay zekadan en büyük beklentisi “her şeyin teorisini” bulması değil mi? Yani. Birçok uzman bunun mümkün olduğunu, hatta birgün bu teori bulunacaksa zaten bunu bir algoritmanın yapacağını söylüyorlar… Fakat ona biraz daha zamanımız var. Neden olduğunu anlamak için ise başka önemli bir soru sormamız gerekiyor. Yapay zeka için belki de her şeyin teorisini bulmaktan daha zor bir görev. Sorumuz şu: Yapay zeka daha önce keşfedilmemiş, yepyeni bir fizik yasası keşfedebilir mi? Böyle bir şey olsa ne olurdu? Bilimin geleceği de makinelerin elinde mi? Bakalım…
1980 yılında Stephen Hawking Cambridge Üniversitesinde yaptığı bir konuşmasında gerçekliğin iki ayrı açıklamasını sunan genel görelili ve kuantum mekaniğini birleştirecek, her şeyi kapsayan bir denklemden, her şeyin teorisinden bahsetmişti. Fakat bunu bizim tek başımıza yapamayacağımızı, makinelerin yardımına ihtiyacımız olacağını da söylemişti. Yapay zeka konusunda kötümser olsa da makinelerin faydalarının da farkındaydı. Fakat yine de bir miktar haklı bir kötümserlik de eklemişti tahminine: “Teorik fiziğin sonu gelmeyecek elbette fakat teorik fizikçiler için aynı şeyi söyleyemeyeceğim” demişti..
O zamandan beri yapay zekanın geldiği nokta malumunuz… Fakat sanki fizikçiler doğayı anlama konusunda yapay zekayı yeterince verimli kullanmıyorlar gibi değil mi? Aslında bunun nedeni işlerini kaybetme korkusu değil elbette. Sorun şu: yapay zeka, bugün dahi “ne” sorusunun cevabını verme konusunda çok iyi olsa da teorik fizikçilerin çoğunlukla cevap aradığı soru “neden?” Yani şu aşamada yapay zekanın verdiği cevaplar bir teorik fizikçi için “tüm evrenin, her şeyin cevabı 42’dir” önermesinden öteye gitmiyor maalesef. O yüzden evrenin sırlarını çözmekten bahsediyorsak daha derinlemesine “düşünebilmesi” gerekiyor makinelerin.
Fizikçilerin dilini konuşması. İşte bu zamana kadar bu mümkün değildi. Ama işte bu zamana kadar. Hep söylediğimiz gibi. Bir dönüm noktasındayız. Ve fizik ve doğa yasalarının keşifleri konusunda işte yine bir dönüm noktasında olabiliriz.
Zira bilim insanları ve yapay zeka uzmanları yavaş yavaş derin öğrenme algoritmalarına fiziğin dilini öğretmeye başladılar gibi görünüyor. Yapay zeka bugün geldiği noktada, kendisine verilen veri setlerinde gizli örüntüleri bulma ve bunlardan anlamlı sonuçlar çıkarma, yani kısacası “denklemler” oluşturma konusunda hiç olmadığı kadar iyi. Washington Üniversitesinden Steve Brunton da bunu destekler bir şey söylemişti yakınlarda: “Yeni bir keşif çağına giriyoruz…”
Fakat Hawking’in karamsar öngörüsü, yani teorik fizikçilerin gereksiz olacağı öngörüsünün aksine, fizikçiler asıl ihtiyaç duydukları güce erişmiş olabilirler bu sayede. Şu noktada asıl çözülmesi gereken sorun ise bu yeni makine teorik fizikçilerin nasıl eğitilmesi gerektiği. Fakat tüm ibareler çok olumlu. Zira aslında yapay zeka gerçekten de her şeyden ve herkesten önce tam da bilimin ihtiyaç duyduğu bir süper güç. Bilimin asıl özüne o kadar uygun bir çalışma mantığı var ki makinelerin.
Tycho Brahe’yi düşünün. 16. Yüzyılda gezegenlerin ve yıldızların hareketlerini çok hassas bir şekilde gözlemlemiş, bu gözlemlerini yazdığı defterlerde bulunan verilerde Johannes Kepler gizli örüntüleri bulmuş ve gezegen hareketlerini açıklayan üç temel yasa ortaya koyabilmiş ve en nihayetinde dünyanın değil güneşin merkezde olduğu sonucuna varmıştı. Kepler burada bir tür yapay zeka algoritması gibi çalışmıştı aslında. Tycho Brahe ise bir veri mühendisi, mimarı… Artık ne derseniz. Veri tabanlı bilimin başlangıcı olarak görülebilir bu yaklaşım. Bir anlamda matematik denklemleri yani verilerle evrenin gizemleri keşfedilmişti.
Galileo da zaten “Doğanın kutsal kitabının dili matematiktir” derken bundan bahsediyhordu. Bugün ise “evren matematikselmidir yoksa biz matematiği evrene giydiriyor muyuz” sorusunun cevabını tam olarak verememiş olsak bile evrensel yasaları keşfettiğimiz basit denklemler bize matematiğin her şeyin cevabı olduğunu gösteriyor. Ve yapay zeka algoritmalarına “fiziği” öğretirken de bu temel gerçeği baz alıyor fizikçiler.
Örneğin 1970’lerde Carnegie Melon’dan Patrick Langley’nin geliştirdiği “sembolik regresyon” metodunun temel aldığı yaklaşım da buydu. Bir tür “matematiksel doğal seçilim” diyebiliriz buna. Mantık şuydu: Belirli bir yöntem ile toplama, çarpma gibi işlemler ile konum veya ivme gibi fiziksel değişkenler bulunan denklemleri çözüyor algoritmalar. Bu denklemler eğer örneğin bir gezegenin yörünge gözlemleri ile örtüşüyorsa pekiştirmeli makine öğrenmesi mantığına göre ödüllendiriliyor ve daha zor denklemlere geçiliyor. Bu sayede aslında örneğin yörünge mekaniği gibi konuları kendi kendine öğrenmesi sağlanıyor. Hiçbir müdahale olmadan.
Fakat tabi 70’lerde geliştirilen bu yaklaşımın bir sorunu vardı. Veri miktarı arttıkça mantığın çökmesi sorunu. Örneğin saniyede yüzbinlerce çarpıştırmanın yapıldığı CERN’de bu algoritmayı kullanmak mümkün değil. O yüzden büyük veri setleri ile çalışabilmesi için bir süre beklememiz gerekecekti. İşte o süre de ChatGPT ile birlikte ve daha da öncesinde geliştirilen ve çok büyük veri setleri ile çalışabilen modellerle bir anlamda doldu.
Bu yeni modellerle de fizikçiler yavaş yavaş denemeler başladı bile. Örneğin yakın zamanda PsSR isimli bir sembolik regresyon algoritması kendisine verilen devasa veri içerisinden kendi kendine Newton’ın Kütleçekim Yasasını sıfırdan yeniden keşfetti. Yani şöyle söyleyeyim. Kendisine verilen veri seti ne temizlenmiş, ne kategorize edilmiş ne de başka bir işlemden geçmişti. Bildiğiniz ham veriden bahsediyoruz. Bunun ne anlama geldiğini anlıyorsunuz değil mi?
Tabi bunda şu an için heyecanlanacak bir şey yok diye düşünebiliriz. Sonuçta Newton’ın yasalarını biz zaten biliyoruz. Bize bildiğimiz şeylerden bahsetme diyebiliriz. Fakat işte yeni keşiflerin nasıl yapıldığını biliyorsunuz. Ve yapay zekanın zamanı büktüğünü ve binlerce yıllık literatürü birkaç gün içerisinde yalayıp yuttuğunu da biliyoruz. Ki zaten PySR isimli algoritma halihazırda kara deliklerin kütlelerinden kozmik boşlukların özelliklerine kadar birçok şeyi de öğrenmiş durumda. Daha da etkileyici olan ise şu: örneğin “kozmik boşluk” dediğimiz ve hakkında çok az şey bildiğimiz olgular. Bu boşluklar kozmik ağ haritasında da gördüğümüz ve ne maddenin ne de karanlık maddenin olmadığı, tamamen boş alanlar. Bu alanları, nasıl ortaya çıktıklarını, benzerliklerini hala çözememiştik. Fakat 2021 yılında yine PySR ile çalışan bilim insanları kozmik boşlukların boyutu ve şekilleri arasında yeni bir “ilişki” keşfettiler. 2022 yılında ise yine PySR’ı kullanan başka bir ekip “karanlık maddenin belirli alanlardaki kütlesini tahmin eden bir denklem” keşfetti. Ve bu denklemi gözlemlere uyguladıklarında keşfedilmiş tüm galaksilerde doğru çalıştığını gördüler. Yani yapay zeka sadece verilere bakarak evrenle ilgili daha önce bizim pek farkında olmadığımız bir örüntüyü keşfetmişti. Bu işte o kadar önemli bir adım ki. Çünkü bu tip “temel” keşifler, yani tüm evrene uygulanabilir keşifler tam da “keşif çağının” başlangıcını müjdeleyen gelişmeler.
Ve bir gün her şeyi, ama her şeyi öğrendikten sonra – ki bu çok uzun sürmeyecektir – işte az önce bahsettiğimiz “yeni keşif çağı” başlayacaktır. Ama işte bunun için bir adıma daha ihtiyacımız var. Şöyle ki. Misal Brahe’nin gözlemlerinden bir sonuç çıkaran Kepler “empirik” bir denklem ortaya koymuştu. Yani “ne” sorusuna cevap vermişti. “Neden” sorusunu açıklayan ise Newton olacaktı. Yani bu algoritmaların “Newton” ya da “Einstein” olmasına ihtiyacımız var.
Yani şu aşamada mevcut yasaları yeniden keşfeden ya da bazı örüntüleri gören algoritmalar harika olsa da bunlar uzmanlara göre bir kilometre taşı olarak görülmeli. Bazı bilim insanlarına göre önümüzdeki 10 yıl içerisinde algoritmalar artık “neden” sorusuna da cevap vermeye başlayacak ve Planck’ın yasasından Kuantum Mekaniğini doğuran zihinlerin yarattığı etkiyi yaratmaya başlayacak. Kimine göre ise bu “ne” sorularını cevaplamaktan öteye gitmese de bu tip bir anlamda “angarya” işleri yapması sayesinde asıl bilim insanları yepyeni yasalar keşfetmeye başlayacaklar.
Son olarak çözülmesi gereken bir problem var tabi. Bu algoritmaları eğitirken benimseyeceğimiz yaklaşım. Burada bir ikilem var. Eğer tüm bilgi birikimimiz ile bizim gibi düşünen, evrene bizim gibi bakan, bizim yaşadığımız ikilemleri ve önyargıları taşıyan bir algoritma eğitirsek bu durumda bu algoritma da bizim takıldığımız yerlerde takılacak ve aslında pek de “devrimsel” olmayacaktır. Tam bir özgürlük verdiğimizde ise burada da yaptığı keşifleri anlamlandıramama ya da kontrol edememe sorunu ortaya çıkabilir.
Yani soru şu “ideal bir bilim insanı” nasıl olmalıdır? Misal her şeyiyle “einstein’ı” makineleştirseydik? Bugün Einstein makine formunda bir algoritma olarak yeniden doğsaydı? Bunu mu isterdik? Bu soruyu doğru cevapladığımızda yeni keşif çağının kapılarını açabiliriz gibi görünüyor.
