Tensorflow yeni Wordpress mi? İş Dünyası Yapay Zeka Satın Almaya Hazır mı?

İlk bakışta fazla abarttığım düşünülebilir. Dünyanın en donanımlı bilim adamları ve mühendisleri tarafından büyük yatırımlarla üretilen yapay zeka framework’ü Tensorflow (TF) ile web sitesi yapmanızı sağlayan Wordpress (WP) arasında ne gibi bir benzerlik olabilir. İkisinde de benzer bir soyutlama problemi görüyorum. Bilişim tarafında satın alma yapan yöneticilerin konuların içsel dinamikleri ile ilgilenmemeleri devam ederse bir dönem web alanında yaşanan başarısız projeler dönemininin yapay zekada da tekrar edeceği düşüncesindeyim.

https://www.information-management.com/list/debunking-five-common-misconceptions-about-ai

White Box vs. Black Box

Öncelikle test literatüründe çok kullanılan White Box, Black Box kavramlarını anlatmak isterim. Herkesin çevresini siyah ve beyaz kutular olarak algılaması gerektiğini düşünürüm hep. Örneğin buzdolabınız ya da her gün bindiğiniz otobüs siyah bir kutudur. Siyah kutuların iç dinamiklerinin nasıl çalıştığını bilmeyiz. Ve biz bunu bilmeyelim diye:

Her siyah kutunun bir arayüzü vardır.

O kutu ile etkileşime geçmek istediğinizde arayüz seviyesinde bilgi her zaman size yeterlidir. Buzdolabınız örneğin sadece 1–5 arasında bir soğukluk ayarı vardır, yazın değiştirebilirsiniz. Bir de kapağı vardır açar-kaparız. Onun dışında eve kurulduğu günden beri bu konuda hiç düşünmeyiz. Otobüse gelince, şöförle mesela iletişime geçmeyelim diye artık araya panel koyuyorlar. Otobüsün arayüzünde, nereye gittiği yazıyor, numarası belli, akbil makinesine basıp geçiyorsunuz. Siyah kutuların arayüzü basit olur, içi görünmez, eğitime gerek yoktur. Google search örneğin.

Beyaz kutu tarafına gelince işler değişir. Hiç istemediğiniz halde onun dinamiklerini öğrenmeniz gerekir. Kendinizi bir anda trigger kayışı ve karbüratör gibi şeylerin ne yaptığını neye benzediğini falan öğrenmeye çalıştığınız abzürt bir durumda bulursunuz. Beyaz renk ama iç bileşenleri görünen şeffaf bir araba hayal edin. Araba kullanmak için ehliyet almanız gerekmektedir. Artık siz bir sertifikalı araba operatörüsünüz. Bu ehliyete gerçekten ihtiyacınız var çünkü o satın aldığınız ürün bir motor arızası yapıp on saniye içinde havaya uçabilir. Araba konusuna siyah kutu olarak yaklaşmak isterseniz her zaman taksi var. Bu durumda da taksinin dezavantajları bariz elbette. Taksiler software-as-a-service (SaaS) çözümlerine benziyor.

Soyutlama

Her konuya yaklaşırken baştan beyaz kutu mu siyah kutu mu kararını vermek zorundayız. Eğer siyah kutuyu seçerseniz işinizi tek tuşla halledebilir, kendinizi o konudan tamamen soyutlayabilirsiniz. Burada ürün ve hizmet ayrımına da çok kanmamak gerekir. Ürünler ve hizmetler siyah ya da beyaz olabilirler.

Bilgisayarın Soyutlama Katmanları

Şimdi işin biraz bilişim ile ilişkisine gelelim. Bahsettiğimiz soyutlama kavramı bütün bilgisayar bilimi alanlarında öğretilen Abstraction kavramının aynısıdır [1]. Bu soyutlama örneğin bilgisayar donanımının nasıl çalıştığını aslında bilmeyen programcının yazılım yapabilmesini sağlar. Kompleks sistemler her zaman soyutlamalar üzerine yükselmiştir. Her uzman aslında bir ya da iki kutuyu beyaz görür, gerisi ona da siyahtır. Yalnız soyutlamaların da dezavantajları vardır. Joel Spolsky’nin meşhur makalesinde [2] söylediği gibi:

Tüm önemli soyutlamalar bir dereceye kadar sızdırır.

Burada sızdıran soyutlama (leaky abstraction) ile basit senaryolarda kara kutu olarak kullanılabilen sistemin kompleks ve ideal senaryolarda kutunun açılmasının gerektiğini yani kara kutunun bize yetmeyeceğini, aksi halde verimlilikten kaybedeceğimizi söylüyor. Yani WP herkesin web sitesi yapabilmesini sağlarken bunu basit işler için sağlamıştı, kompleks işler için bu sadece bir limitleyici haline geliyordu. Yıllarca iş birimlerine bunu anlatmaya çalışmış ama nadiren başarılı olmuş biri olarak karşılıklı çok zaman ve bütçe kaybedildiğine şahit oldum.

Yapay zeka alanına da gelince, alanının önde gelen araştırmacılarından Andrej Karpathy’nin de tespit ettiği gibi yapay zeka alanındaki hazır bileşenlerde de soyutlamalar sızdırıyor [3]. Bir dönem web projeleri için yaşanan şey önümüzdeki dönem yapay zeka projeleri için de yaşanacak. Üç-dört gün uğraşıp TF gibi hazır bir yazılım kuran herkes nesne tanıma, duygu analizi gibi temel sınıflandırma çözümlerini (modellerini) kurup satabilecekler. Ama çözümün gerisi gelmeyecek. Siyah kutular kolay kolay beyaza dönmez. Siyah kutu sadece onu üretene ya da üretecek kadar bilgisi olana beyazdır.

İş Dünyası ve Yapay Zeka

Burada iş insanlarının aynı hataya düşmemesi için temel bir soruya cevap vermesi gerekecek.

Bu çözmeye çalıştığım problem genel mi, yoksa bana özel mi?

Eğer genel ise konuya siyah kutu muamelesi yaparak bir SaaS modeli ile çalışan yapay zeka hizmeti alabilecekler. Burası araç kiralama satın almaya benziyor. O kendini ispatlamış “çok-dedin, az-dedin, Ahmet abi’nin selamı var, firma büyükse iyidir arkadaş, adamların sitesi güzel” tarzı yaklaşımlar burada büyük oranda çalışacaktır. Örneğin İngilizce bir cümleyi otomatik İngilizce’ye çevirmek istiyorsanız hazır paketlenmiş bir NLP servisi işinizi görecektir.

Ama eğer cevap hayır “ben burada özel bir optimizasyon peşindeyim”, “benim verim bana özel”, “iş süreçlerim özel”, “sürekli değiştirebilmek ve iyileştirebilmek istiyorum” dediklerinde konuya hala siyah kutu olarak bakarlarsa çok kandırılacaklar. Tıpkı web dünyasında yıllardır yaşandığı gibi, her karşılaştıkları kişi onlara ihtiyaçlarını analiz etmeden bildiği hazır bileşenleri (Sharepoint, Wordpress, Joomla vb.) kurup, parasını alıp çıkıp gidecektir. Koskoca kurumların iki yılda bir kendilerine yeni web sitesi yaptırması gibi bütçeler boşa harcanacaktır.

İş dünyasının bilmesini isterim ki bu sefer işler farklı. Yapay zeka dediğiniz neredeyse hiç kimsenin (teknik insanlar dahil) anlamadığı bir uzmanlık alanı. Bu sefer teknikerlikten değil gerçek bir bilim alanından bahsediyoruz. Uzmanları iyi araştırmak, alandaki tez, makale, uygulamalarını öğrenmek, analizlerini okumak ve kullandıkları bazı kavramları anlamaya çalışmalısınız. Danışmanlık sistemini devreye sokmak, danışmanızı seçerken o kişinin sahip olduğu evrensel ehliyetleri kontrol etmelisiniz. Eğer iş alanınız bu konular ile direk olarak sürekli bağlantılı ise bir an önce yapay zeka ehliyeti almanız gerekecektir. Önümüzdeki dönem muhtemelen bütün vakıf üniversiteleri “dijital dönüşüm” eğitim merkezlerine dönüşecekler, onları değerlendirebilirsiniz. Veriniz modellenirken sürecin bir parçası olmanız, projelerin başarı kriterlerini uzmanlar ile birlikte belirlemeniz gerekecektir [4]. Big data, data science gibi popüler kelimelerin büyüsüne kapılıp her datadan işe yarar bir sonuç çıkacağını ve bunu herkesin yapabileceğini varsayımı hatasına düşmemelisiniz. Bu alan tonlarca başarısız projeyle doludur ve böyle olmaya devam edecek. Günümüzde hala standart otomasyon yazılım projelerinin büyük oranda başarısız olduğunu düşünürsek, çalışıp çalışmayacağına bile asla emin olamayacağınız deneysel yapay zeka projelerinde çok daha dikkatli olmalısınız.

Akademinin Yükselişi

Bu trend bilimin para etmesini sağlayacağı için piyasa doğru değerlendiremeler yapabilirse akademisyenlerin yükselmesi gereken bir döneme giriyoruz. Muhtemelen bizde olmayacak ama olması gerekir. Akademisyenler kendini satmayı bilmez, şirket kurmayı, personel yönetmeyi, iyi sözleşme yapmayı bilmez. Ama yapay zeka konusunu gerçekten bilen kişiler uzunca bir süre sadece onlar olacaklardır. Ülkemizin iş kültürüne yerleşmiş, doktorası olan insanlarla neredeyse dalga geçme seviyesine gelmiş akademik başarıları önemsememe refleksinin [5] bu yüzden değişmesi, en azından yumuşaması gerekir. Yıllardır yalandan söylenen ve uygulanan üniversite-özel sektör işbirliğini gerçekten uygulamanın zamanı geldi. Web dünyasında lise mezunu birini altı ayda web programcısı yapabiliyorken, yapay zeka uzmanlığı için beş-on yıllık bir adanmışlığa ihtiyaç var.

Son Söz

Aslında bu gibi paradigma değişimleri bizim gibi gelişmekte olan ülkeler için bir şans. Tonlarca yapay zeka altyapısı açık kaynak, yabancılar yıllarca binbir maliyetle öğrendikleri şeyleri kitap ve eğitim yapıp 50 dolara satıyorlar. Mevcut özel sektörümüzü ülkemizin içinde bulunduğu 10 bin dolar gelir tuzağına benzetiyorum. Hiç bir şeyi derinlemesine öğrenmeye çalışmayıp, üretmeden sadece ürün bayiliği yapıp hizmet satarak övünmenin limitine geldik. Ekonomistlerin sürekli yapısal reform gerekli demelerine benzetebilirsiniz bu çağrımı. Eğer kapitalizmin bir tüketicisi değil bir parçası olmak istiyorsak sahip olduğumuz yüzeysel bakış açılarından arınıp temellere inmeliyiz.

Referanslar

[1] Abstraction (computer science), Wikipedia
[2] The Law of Leaky Abstractions, Joel Spolsky
[3] A Recipe for Training Neural Networks, Andrej Karpathy
[4] Az Çorba Az Çeviklik
[5] What is this ‘anti-PhD’ attitude about?

Geri bildirimler için yazıyı Medium'da aç.