Ai Tarihi

 Prof. Dr. Cahit Arf'ın 1959 yılında Atatürk Üniversitesi'ndeki

Konuşmanın Ana Temaları

Cahit Arf'ın 1959 tarihli bu konferansı, yapay zekâ (sunî beyinler) kavramının Türkiye'deki ilk bilimsel tartışmalarından biri olması açısından büyük önem taşır. Konferansta ele alınan bazı temel başlıklar şunlardır:

• Düşünen Makineler ve Yapay Zekâ: Arf, dönemin teknolojik gelişmelerini (elektronik beyinler/bilgisayarlar) ele alarak, makinelerin problem çözme yeteneği ile insan beyninin "yeni durumlara intibak edebilme" (adaptasyon) ve yeni, daha önce karşılaşılmamış problemleri çözebilme yeteneği arasındaki farkı inceler.

• İnsan Beyninin İşleyişi: İntibak kabiliyeti olan bir makine tasarlamak için önce beynin nasıl çalıştığını (soru tespiti, bilgilerin ön hafızada toplanması, mantıki hesap, dönüşüm ve neşir) üstünkörü bir gözden geçirme yapar.

• Estetik Fark: Arf'a göre insan beyni ile makine arasındaki asıl fark, insan beyninin estetik mahiyette müessirleri alıp işleyebilmesi ve estetik mahiyette kararlar verebilmesi; yani verilen bir işi yapıp yapmamak hususunda kendisini serbest hissetmesine mukabil, makinede bu vasıfların benzerlerinin olmamasıdır.

Bu makalenin 1950'lerde Alan Turing'in "Makineler Düşünebilir mi?" (Can Machines Think?) sorusunu tartıştığı döneme denk gelmesi, Arf'ın konuya ne kadar erken bir zamanda değindiğini gösterir.

Aşağıdaki tablo, Arf'ın insan beyni ile o dönemin elektronik beyinleri (bilgisayarları) arasındaki temel farklara ve konuşmanın ana argümanlarına odaklanmaktadır.

Kategori İnsan Beyni (Sunî Beyin Hedefi) Elektronik Beyin (Dönemin Makineleri) Ana Fikir ve Tartışma
Problem Çözme Yeni durumlara intibak (adaptasyon) ve yeni, daha önce karşılaşılmamış problemleri çözme yeteneği. Verilen bir program dahilinde mantıki hesap ve işlemleri hatasız yapma yeteneği. "Düşünme", yalnızca hesap yapmaktan ibaret değildir; yeni duruma adapte olma yeteneğini gerektirir.
Karar Mekanizması Estetik Mahiyette Kararlar verme yeteneği. Bir işi yapıp yapmamakta kendisini serbest hissetme (seçim yapma). Mekanik ve zorunlu kararlar. Sadece verilen talimatları takip etme. Gerçek düşünme, iradeyi ve estetik/değer yargılarını içermelidir.
Bilginin Alınması Estetik mahiyette müessirleri (duygusal, sanatsal verileri) alıp işleme. Sadece matematiksel ve mantıksal verileri işleme. İnsanı makineden ayıran temel fark, duygu ve sanat gibi estetik verileri işleme yeteneğidir.
Gelecek Potansiyel Makinenin adaptasyon kabiliyetini ve öğrenme yeteneğini artırmak mümkündür. Mevcut makineler, sadece programlandığı işi yapar. Arf, düşünebilen bir makine (intibak edebilen) yapmanın teorik olarak mümkün olduğunu, ancak bunun beynin işleyişini tam olarak anlamaya bağlı olduğunu belirtir.
Sonuç (Arf'a Göre) Beyin, serbest kararlar verebilen ve estetik yargıları olan bir sistemdir. Makine, henüz sadece zorunlu ve mantıki hesaplar yapan bir araçtır. Arf'a göre makinelerin düşünmesi mümkündür, ancak serbest kararlar verme ve estetik yargılama yeteneği kazanmaları için daha derin araştırmalar gereklidir. 

Time Line Özeti

• TR: 1940s–1950s — Alan Turing ve hesaplama teorileri. Neden önemli: AI kavramının felsefi temellerini attı.

• EN: 1940s–1950s — Alan Turing and computation theory. Why it matters: Laid philosophical foundations.

• TR: 1956 — Dartmouth Konferansı. Neden önemli: Kurumsal AI araştırmasının başlangıcı.

• EN: 1956 — Dartmouth Conference. Why it matters: Institutional start of AI research.

• TR: 1997 — Deep Blue Kasparov'u yendi. Neden önemli: Makine yeteneklerinin somut gösterimi.

• EN: 1997 — Deep Blue defeats Kasparov. Why it matters: Concrete demonstration of machine capabilities.

• TR: 2012 — Deep Learning görüntüde atılımı. Neden önemli: Modern AI uygulamalarının temeli.

• EN: 2012 — Deep learning breakthrough in vision. Why it matters: Laid groundwork for many modern AI applications.

• TR: 2018 — Transformer mimarisi. Neden önemli: NLP'de yeni standart.

• EN: 2018 — Transformer architecture. Why it matters: Set new standard for NLP.

• TR: 2020–2022 — LLM'ler ve multimodalite. Neden önemli: AI'nın geniş tüketici entegrasyonu.

• EN: 2020–2022 — LLMs and multimodality. Why it matters: Accelerated consumer integration.

2023 — Ölçek, Verimlilik ve Düzenleyici Tartışmalar

• TR Özet: Model ölçeklendirme, verimlilik optimizasyonu ve politika tartışmaları yoğunlaştı.

• EN Summary: Model scaling, efficiency optimization, and regulatory debates intensified.

• TR Detay: Yüksek kapasiteli modellerin enerji ve altyapı maliyetleri, şeffaflık talepleri ve etik kaygılar gündeme taşındı; şirketler verim odaklı optimizasyona yöneldi.

• EN Detail: Energy and infrastructure costs of large models, transparency demands and ethical concerns rose; firms shifted toward efficiency optimizations.

• Neden önemli: TR: Sürdürülebilir AI stratejilerini zorunlu kıldı. EN: Forced sustainable AI strategies.

2024–2025 — Çok Modlu İleri Nesil Modeller ve Endüstri Entegrasyonu

• TR Özet: Çok modlu ve uygulamaya dönük ileri nesil modeller piyasaya girdi; sektör entegrasyonları hızlandı.

• EN Summary: Next-gen multimodal models appeared and industry integrations accelerated.

• TR Detay: Görüntü, ses ve metni birlikte işleyebilen modeller; uygulamalar günlük ürünlere entegre edilirken veri koruma, adalet ve adaptasyon ve güvenlik meseleleri daha fazla tartışıldı.

• EN Detail: Models handling image, voice and text together emerged; as applications integrated into daily products, discussions on data protection, fairness and adaptation grew.