Palantir Ontology : Yapay Zekada Sonraki Sıçrama mı?

Bugün yapay zeka dediğimiz büyük dil modelleri, temelde birer olasılıksal dil modelidir. Metindeki bir sonraki kelimeyi istatistiksel olarak tahmin eden ve gerçek dünyadaki ilişkileri sadece metinsel karşılık olarak algılayan bir olasılıksal papağandır. Esasında gelişmiş bir chatbottur. “Ankara Türkiye’nin başkentidir.” diyen bir büyük dil modeli Ankara’nın Türkiye’nin başkenti olmasının anlamını değil dildeki karşılığını bilir. Ankara hakkında bilgi verebilir bize. Ankara ve İstanbul arasındaki uzaklığı söyleyebilir ama mesafenin ya da bir şehrin gerçekte ne olduğu bilmez büyük dil modelleri. Modelin zihninde bir dünya haritası, bir coğrafya modeli veya fizik kuralları yoktur. Sadece bu kavramlar hakkında yazılmış metinler vardır. Bir papağan gibi ezberleyip konuşur fakat ne konuştuğu hakkında bilgisi metinseldir.

Yapay zekayı eğittiğimiz milyonlarca metinde “Ankara İstanbul arası beş km’dir.” cümlesi yer alsaydı, yapay zeka iki şehir arasındaki mesafenin beş km olduğunu söyleyecekti bize. Ankara ile Eskişehir arasındaki mesafe 235 km olduğu halde, İstanbul ile Eskişehir arasındaki mesafenin 300 km olduğunu bildiği halde beş km bilgisini verirken muhtemelen bir çelişki görmeyecektir. Büyük dil modelleri İstanbul’un Marmara Denizine kıyısı olduğunu bildiği halde ve Ankara’nın ise iç bölgede olduğunu bildiği halde verdiği İstanbul Ankara mesafe bilgisindeki çelişkiyi siz özellikle göstermezseniz muhtemelen göremeyecektir. Kavramların “gerçekliklerini” değil “sözlük” karşılıklarını daha doğrusu dilsel örüntülerini bilir

Büyük dil modellerini, kavramların gerçekliklerini değil de onların metinsel karşılıklarını bildikleri söylemek onların gerçekliği bizim anlayabileceğimiz düzeyde bize anlatmalarına engel değildir.  Örneğin yapay zekaya bir filozofun kavramını sorduğunuzda onu kesin bir açıklıkla size açıklayabilecektir. Bir şeyin metinsel karşılığını bilmek de bir bilmedir fakat eksik bir bilmedir. Yapay zekalar gelişecekse bu bilme derecesinin artması gerekmektedir. Büyük dil modelleri gerçek dünyadaki varlıklar arasındaki ilişkiselliği anlamıyor. Eğer yapay zeka mesafe kavramının ve şehir kavramının ne olduğunu, birbiriyle dilsel değil mantıksal ilişkilerini anlasaydı İstanbul ve Ankara şehirleri arasındaki mesafenin beş km olması kendi temellendirilmesine aykırı olacaktı.

Kendi ontolojisi üzerine kurulan sistemler ve dijital ikizler

Palantir Ontology teknolojisi yapay zekanın metinsel bilme işini bir adım öteye taşıyabilir. Palantir Ontology farklı veri tiplerini ortak bir veriye dönüştürüp bu veriler arasındaki ilişkilerin anlaşılmasını sağlayan kurumsal bir yazılımdır. Örneğin Togg markasının müşteri bilgileri bir yerde, fabrika sensör bilgileri bir yerde, tedarik izleme sistemi bir yerde ya da lojistik izleme ve finansal takip verileri farklı farklı servis ve sistemlerdedir. Ontology bu farklı veriler arasındaki ilişkiyi kurar ve bu verilerin amaçsal bağlamını anlar. Bir parçanın üretiminde çıkan arızanın lojistiğe etkisini hesaplayarak lojistik firmasını bu konuda erkenden uyarabilir. Palantir Ontology şu an kurumsal kullanıma uygun çok gelişmiş, birleştirilmiş ve süper filtreler uygulayan bir veritabanı gibi görünse de bu teknolojinin bildiğimiz yapay zekalar tarafından da kullanılması yeni bir dönemin başlangıcı olabilir.

Google Maps Palantir’in ontology teknolojisini kullanmasa da ontology mantığını çok iyi yansıtan harika bir araçtır. Eve ne zaman varırım sorusunu sorduğumuzda Google Maps bize, mesafe, trafik ışıkları, hız, hava durumu, trafik işaretleri, toplu taşıma saatleri, yol yapım çalışmaları gibi tüm nesneler (ontolojik varlıkları) arasındaki ilişkileri dikkate alarak bir cevap verir. Burada Google Maps’in yaptığı bir anlamda trafiğin “dijital ikizini” çıkarmaktır. Trafikteki bütün değişkenler ve bunların arasındaki ilişkiler gerçek dünyanın bir kopyası olarak Google Maps’te vücut bulmuştur. Verilerin gerçek dünya ile birebir örtüşmesinin nedeni Google Maps’in gerçek dünyanın trafik durumunu değişken atlamadan, Google Maps yazılımı üzerinde modelleyebilmiş olmasıdır. Modelleme gerçek dünyaya ne kadar çok benzerse, modelde yapılan deneyler ya da denemeler gerçek dünyada da aynı sonucu verecektir.

Şimdi Google Maps’te yapılan modelleme işinin ilaç sanayinde, tarımda, kimya sektöründe nasıl kullanılabileceğini düşünelim. Kokarca için yeni bir tarım ilacı geliştirmek için, kokarcayla ilgili tüm verilerin, arazi, tarım ürünleri, flora ve faunayla ilgili bütün verilerin işlendiği bir gerçek dünya modeli oluşturalım. Bu model üzerinden kokarca ilacının çevreye ve kokarca zararlısına olan etkilerini görmek yıllarca sürecek bir araştırmayı çok kısa bir zamana indirebilirdi. Devletin haksız şekilde sosyal yardımlar alan insanları tespit etmeye çalıştığı bir model düşünelim. Bu model üzerinden kredi kartı harcamaları, konum hız ve mesafe bilgisi, hava durumu gibi gerçek dünyanın birçok etkenini modelimize entegre edelim ve model bunlar arasındaki nedenselliği anlayabilsin. Bu model yürüme engelinden dolayı yardım alan birinin tekerli sandalye ile dışarı çıkmanın mümkün olmadığı bir havada, normal yaya hızının %25 fazlası bir hızda hareket edip dağ başındaki bir kafede sıcak çikolata içtiğiyle ilgili veriler elde ederse aradaki bağlamsal ilişkiden dolayı bir anomali tespit edebilir.

Yapay zekadaki sıçrama yani bir sonraki adım ontolojiye eklenen nesneler ve bu nesneler arasındaki ilişkinin neden sonuç bağlamında ele alınabilmesi sayesinde olabilir. Yapay zekanın daha etkin olabilmesi için büyük dil modeline ontology kullanan bir katman eklenerek bu dünyanın bir dijital ikizi yapay zekanın gerçekliği olabilir. Nesneler arasındaki ilişkiyi, hangi etkenin diğerini nasıl etkilediğinin bilgisi yapay zekanın dünyayı sadece metinsel olarak bilmesinin bir adım ötesine taşıyabilir. Bu artık yapay zekanın hayatı bir bütün olarak ele alması demektir. Yapay zeka artık sizin daha haberiniz yokken bir toplantıya geç kalacağınızı anlayıp toplantıdakilere yarım saat geç kalacağınızın mesajını atabilir ya da birkaç hafta içinde doktor randevusu alacağımızı anlayıp randevuyu almış bile olabilir. Belki ontology mantığı bu yolun kapısını aralar ama kesin olan şu ki yapay zeka sonraki aşamalara geçmek için “gerçekliği” bir şekilde anlamak zorunda.