Önümüzdeki yıllarda sessizce bir şey gerçekleşecek: Toplum iki insan kategorisine bölünecek.

Birincisine, güçlü bir yapay zeka dijital asistanına erişmek için ayda yirmi avroya sahip olanlar dahil olacak. İkincisine ise geri kalan herkes dahil olacak; onlar için ayda yirmi avro önemsiz bir miktar değil, kirayla, gıdayla, ısınmayla yarışan bir tercih olacak.

1997'de IBM'in Deep Blue bilgisayarı, dünya satranç şampiyonu Garry Kasparov'u (Garry Kasparov, dünyaca ünlü satranç şampiyonu) yendi; bir önceki maçtaki yenilgisinden bir yıl sonra. İtiraf etmeliyim ki Kasparov'un bu yenilgisi satrancı bırakmamın temel nedeni oldu. Makine, bir oyuncunun anladığı gibi satrancı «anlamıyordu». Saniyede iki yüz milyona kadar olası pozisyonu hesaplıyor, ham hesaplama gücünü büyükustaların yardımıyla oluşturulmuş değerlendirme fonksiyonlarıyla birleştiriyordu. Kasparov'un kendisi sonradan, oyunun gerçek bir anlayışına sahip olmayan, yalnızca yenilmez bir hesaplama hızına sahip bir makineden söz etti. Bir noktada IBM'i, bir hamlesinin arkasında bir insan eli olduğunu iddia ederek suçladı, o kadar alışılmadık gelmişti ona.

Deep Blue'nun zaferi, makinenin insan gibi düşünmeyi öğrenmesinden değil, düşünceyi hızla değiştirmesinden geldi: O kadar çok olası devamı inceliyordu ki, doğrusunu seçmek için hiçbir sezgiye ihtiyacı yoktu. Aynı model, on yıllar sonra, tamamen farklı araçlarla, makine çevirisinde tekrarlanacaktı.

1954'te, New York'ta, Georgetown ve IBM ilk makine çevirisi sistemini kamuoyuna sundu: Altmış Rusça cümle, yalnızca iki yüz elli kelime ve altı dilbilgisi kuralı yardımıyla otomatik olarak İngilizceye çevrildi. Coşku büyüktü. İyimser tahmin, sorunun birkaç yıl içinde çözüleceğini öngörüyordu. Neredeyse başarısızlıkla geçen on yıllar izledi. Mühendisler ne kadar çok sözdizimi ve dilbilgisi kuralı eklerse, o kadar çok istisna ortaya çıkıyordu, çünkü doğal dil çatlaksız bir kurallar sistemi değildir, sapmalarla dolu bir tarihtir.

Dönüş, yaklaşımın kuraldan hacme geçmesiyle geldi. 1980'lerin sonunda IBM, dilbilgisi ve sözdizimi talimatlarına değil, zaten çevrilmiş devasa metin gövdelerine dayanan istatistiksel modeller denedi. Bu girişime, istemeden de olsa, Avrupa Birliği'nin kendisi de katkıda bulundu; üye devletlerin tüm dillerinde zorunlu olarak yazılan ortak yasama ve parlamento metinleri, bu tür sistemlerin eğitimi için mevcut en zengin paralel çeviri gövdelerinden birini oluşturdu. 2006'da Google Translate tam olarak böyle başladı, metin örüntülerinin istatistiksel analizine dayanarak. 2016'da sinir ağlarına geçti, daha da etkileyici bir gelişmeyle. İlke aynı kaldı: Sistem artık özne ile fiilin ne olduğunu öğrenmiyor, sayısız örneğe maruz kalıyor, ta ki örüntüleri kendi kendine tanıyana kadar.

Küçük bir çocuk da tam olarak aynısını yapar. Sözdizimi kuralları okuyarak konuşmayı öğrenmez. Dilek kipinin ne olduğunu öğrenmeden çok önce doğru konuşur. Devasa miktarda örneğe, seslere, cümlelere, tekrarlara, düzeltilen hatalara maruz kalarak öğrenir. Makine çevirisi, bu mekanizmayı bilinçsizce kopyalayarak kendi çözümünü buldu.

İşte tam burada her iki benzetmenin de tuzağı gizli. Bir makinenin bir çocuğun öğrenme mekanizmasını taklit etmesi,........

© Bianet