Ana sayfa 194. Sayı Eski soruyu bugün yeniden sormak Akıl nedir?

Eski soruyu bugün yeniden sormak
Akıl nedir?

1549
PAYLAŞ

Prof. Dr. Nebil Reyhani

Aklın ne olduğuna ilişkin tartışmalarda hakikat, pek çok başka durumda olduğu gibi, muhtemelen aşırı uçların ortasında bir yerde. Bunun neden öyle olduğunu anlamanın bir yolu kendi aklımızı bize yabancı bir aklın aynasında görmek olurdu. Bunu yapamadığımız sürece aşırı uçlar arasında savrulmak kaçınılmaz görünüyor. Ne var ki yakın zamanda bu yazgıdan kurtulacak gibi durmuyoruz. Çünkü görünen o ki, evrende yapayalnızız.

“Akıl nedir?” sorusu felsefenin görmüş-geçirmiş, eski sorularından biri. Kimi kuşaklar nihayet yanıt bulduk sanırken arkasından gelen kuşak bu soruyu sormaktan sıkılır, daha sonrasında yeni bir kuşak yeni bir heyecan ve her şey sil baştan… Mantıksal pozitivizmin önemli temsilcilerinden biri ve İstanbul Üniversitesi Felsefe Bölümü’nün kurucu bölüm başkanı olan Hans Reichenbach İstanbul yıllarında yazdığı söylenen Bilimsel Felsefenin Doğuşu adlı kitabının daha ilk cümlesinde Hegel’in bu soruya verdiği yanıtı alıntılar. Kaynağı Tarih Felsefesinin “Felsefi Tarih” bölümü olan Hegel alıntısı şöyle: “Akıl hem töz hem de sonsuz güçtür; onun sonsuz maddesi tüm doğal ve ruhsal hayatın temelidir; o aynı zamanda maddeyi harekete geçiren sonsuz formdur. Akıl her şeyin ondan kendi varlığını türettiği tözdür.” Reichenbach’ın bu alıntıyı kitabının başına koymaktaki amacı metafiziğin nasıl boş bir çaba olduğunu göstermekti. Elle tutulur bir anlama sahip olmayan her şeyden sıkılan bu sıkılgan kuşağın “akıl nedir?” sorusuna Hegel’in verdiği yanıta bakıp da bu sorudan sıkılmamaları olacak şey değildi.

Bugün bu soruyu yeniden sormak için pek çok nedenimiz var. Çeşitli bilimler bugün bu eski soruyla doğrudan bağlantılı bir takım soruları kilit öneme sahip meseleler olarak empirik araştırma konusu yapıyor. Bu sorulardan üçü şöyle sıralanabilir: 1) Akıl gibi bir şey nasıl evrimleşmiş olabilir? 2) Akıllı varlıklar olarak evrende yalnız mıyız? 3) Akıllı makineler yapabilir miyiz?

‘Tek olma’ tartışmaları
19.yüzyıldan kalma, evindeki laboratuvarda dahiyane buluşlar yapan çılgın biliminsanı imajının aksine bilim bugün epeyce kalabalık takımların ancak çok büyük paralarla yapabildikleri bir etkinlik. Burada sıraladığım üç sorunun öneminin doğrudan bir ölçüsü, dolayısıyla, bu meseleye ayrılan para olabilir. Bu noktayı vurgulamak özellikle ikinci soru açısından önemli, çünkü bu soruyla ilgili tartışmanın salt bilimkurgu edebiyatıyla sınırlı olduğunu düşünenler bir hayli kalabalık olabilir. Evrende başka akıllı canlıların varlığının bilimsel yollardan doğrudan araştırılmasına 1970’lerden beri SETI (“Search for extraterrestrial intelligence”) adı veriliyor. Bugün çoğu gönüllü çalışmaya dayalı dünyadaki çeşitli SETI projelerine yılda milyonlarca dolar para harcanıyor. Bu az bir para değildir gerçi, ama örneğin NASA ve ESA’nın daha “gerçekçi” projelerine ayrılan bütçe yanında devede kulaktır. Mars’ta mikropların yaşadığını kanıtlamak gerçi radyo teleskoplarla “uzaylılar”dan bizzat mesaj almak kadar heyecan verici olmazdı, ama en azından canlı varlıklar olarak evrende yalnız olmadığımızı kesin olarak kanıtlaması bakımından yine de çok büyük bir devrim olurdu. Dünyada çeşitli uzay ajansları bugüne kadar bunu bulmak için çok sayıda misyon gerçekleştirdi, çok büyük paralar harcadılar. Konu buna rağmen kesin bir çözüme kavuşturulmuş değil. Bununla birlikte Mars’ın konumu onu kesin bir çözüm elde etmek için en güçlü aday yapıyor. Uzay ajanslarının üzerinde yoğunlaştıkları projeler içinde en önemlilerinden biri, bu nedenle, ilk defa Mars’tan dünyaya numune getirecek bir misyon gerçekleştirmektir. NASA ve ESA bu amaçla işbirliği yaparak 2030’a kadar ortak projeler gerçekleştirmeyi hedefliyorlar.(1) Bu kadar emek ve paranın karşılığında Mars’ta hayatın izine rastlamamak yine de kuvvetli bir olasılık. Bu durumda gözler güneş sistemimiz içindeki ikinci en kuvvetli adaya çevrilecektir. Jüpiter’in yaklaşık dünya büyüklüğünde, kalın buz tabakasıyla kaplı olan uydusu Europa uzun zamandır buz katmanlarının altında belirli bir canlılık formuna ev sahipliği yaptığı konusunda biliminsanlarının spekülasyonlarına konu oluyor. Daha uzak gelecekte orada da pozitif bir sonuç alınamaması durumunda ilgi odağı exoplanet adı verilen güneş sistemimiz dışındaki gezegenler olacak. İlk exoplanet’in bulunması ancak 1990’larda mümkün oldu. Bugün bu konudaki araştırma çok daha sofistike hale gelmiş durumda ve halihazırda kataloglanmış binlerce exoplanet var. Bu gezegenler içinde en ilgi çekici olanlar bağlı olduğu yıldızdan uzaklığı suyun katı, sıvı ve gaz halde bulunabilmesine imkân verecek, dolayısıyla yaşamı mümkün kılacak olan bir mesafede olanlar. Bu uzaklıktaki bölgeye “yaşanabilir bölge” (“habitable zone”), gezegene ise masal kahramanının adından esinle “goldilocks”adı veriliyor. Bu araştırmalara bilim dünyasında verilen önemin bir göstergesi 2019 yılı Nobel fizik ödülünün bu gezegenlerin ilkini keşfederek bu devrime öncülük etmiş olan İsviçreli iki biliminsanına verilmiş olmasıdır.

Evrende başka akıllı canlıların varlığının bilimsel yollardan araştırılmasına 1970’lerden beri SETI (“Search for extraterrestrial intelligence”) adı veriliyor.

Peki, şimdi bir an için yeryüzüne geri dönerek yeni baştan soralım: akıl nedir? Bu soruya verilebilecek en kestirme yanıtlardan biri aklın doğruyu yanlıştan, iyiyi kötüden, güzeli çirkinden ve amaçlı-anlamlı olanı amaçsız-anlamsız olandan ayırt etme yetimiz olduğudur. Bundan daha kestirme bir yanıt aklın bilim yapmamıza ya da dünyanın bilimsel bir tasarımına sahip olmamıza imkân veren yeti olduğu olabilir. Bu iki yanıt birbirlerinden bağımsız değiller. En göze çarpan ortak özellikleri insan olarak bizi aynı gezegeni paylaştığımız diğer canlıların tamamının karşısına koymaları. Hayvanlar doğru, iyi, güzel, amaçlı-anlamlı nedir bilmezler. Hayvanlar gerçi kuşkusuz kendilerine içinde bulundukları çevreyle uyumlu bir etkileşim imkânı veren bilişsel bir yetiye sahiptirler. Fakat onlar hiçbir zaman bu çevrenin ötesinde dünyanın bilimsel bilgisine sahip olamazlar. Güneş’in hareketine ilişkin gözlemlerimiz bize her zaman Güneş’in Dünya’nın etrafında değil, Dünya’nın Güneş’in etrafında döndüğünü söyleyen Aristarkhus’un yanıldığını söyler: Güneş Dünya’nın etrafında dönüyor. Oysa biz gözlemci olarak konumumuzu dikkate alarak gözlemci etkisini dünyanın bilimsel tasarımında hesaba katmayı biliriz: Dünya yalnızca Güneş’in çevresinde dönmekle kalmıyor, aynı zamanda kendi ekseni etrafında dönüyor olmalı. Gözlemcinin konumundan kaynaklanan perspektifliliği aşmak akla borçlu olduğumuz, başka hiçbir hayvanda bulamayacağımız bir yetidir.

Bu tek olma, akılla ilgili çözümsüz görünen pek çok sorunun kaynağı. Biz nesneleri benzerleriyle karşılaştırarak biliriz. Fakat eğer çevremizde insan türü olarak kendi aklımızı karşılaştırabileceğimiz yabancı akıllar yoksa akla ilişkin söyleyeceklerimiz hep sınırlı olacak.

Bu tek olma, öte yandan, akılla ilgili çözümsüz görünen pek çok sorunun kaynağı. Biz nesneleri benzerleriyle karşılaştırarak biliriz. Fakat eğer çevremizde insan türü olarak kendi aklımızı karşılaştırabileceğimiz yabancı akıllar yoksa akla ilişkin söyleyeceklerimiz hep sınırlı olacak. Bir iskelete sahip olma özelliğiyle bir kalbe ve kan dolaşımına sahip olmak özelliği arasında doğrudan bir bağlantı göremeyiz. Fakat doğada bu iki özelliği hep birlikte buluyoruz. Oysa akıl söz konusu olduğunda biz bir akla sahip olmak için canlı olmak gerekip gerekmediği, örneğin bir makinenin de akıl yetisine sahip olup olamayacağı konusunda bile anlaşamıyoruz. Benzer şekilde eğer bütün dünyada konuşulan, değişmez, tek bir dil olsaydı dilleri karşılaştırarak dilin yapısına ilişkin edindiğimiz bilgiden yoksun olacaktık. Ve eğer bu tek dil diyelim Türkçe olsa, salt Türkçeye özgü olanı yanlış yere dilsel yetimizin, yerine göre biyolojimizin bir özelliği sayacaktık.

Belki de bu tek olma fikri insan türü olarak kendini beğenmişliğimizin ifadesinden başka hiçbir anlam taşımıyor. Belki de diğer hayvanlardan özsel olarak farklı hiçbir yetimiz yoktur. Bu görüş, doğru olsa, meselenin tek hamlede kesin çözümü olurdu. Bu görüşe karşı olarak insanların akıl aracılığıyla birbirlerini ikna edebildiklerini, bunun başka hiçbir canlıda söz konusu olmadığını söyleyebilirsiniz. Fakat ikna etmek nedir? İkna etmek ya da ikna olmak bir çelişkiyi çelişki olarak görmemizi sağlayan bir akla sahip olmamız gerektiğini gösterir. Biri bize düşünmemizde bir çelişki olduğunu gösterirse rasyonel varlıklar olarak bu düşüncenin tersine ikna oluruz. Bununla ilgili hoşluk şu: çelişkiyi yaratan da yine aklın kendisi. Doğada çelişki bulunmaz, çelişkiyi akıl yaratır. Fakat doğaya ne bizim kendi kendimize yaratıp kendi kendimize düştüğümüz çelişkilerden? Bu görüş, yani akılsal yetimizin hayvanların bilişsel yetilerinden özsel olarak farklı olmadığı görüşü bilime ilişkin tasarımımızı da yerle bir eder. Çünkü dünyanın bilimsel bilgisine sahip olduğumuz fikri buna göre ancak bir kuruntu olabilir. Sincaplar hemen tüketebileceklerinden fazla fındık bulduklarında bunları toprağa gömer, daha sonra topraktan çıkarıp yerler. Fındığın nerede gömülü olduğunu bilen sincabın dünyaya ilişkin bir bilgiye sahip olduğu söylenebilir mi? Hem evet, hem hayır. Fındık belirli bir süre için kuşkusuz her neredeyse orada ve sincap bunu biliyor. Fakat sincap kendisi o fındığı gömmese dünyada böyle bir bilgi içeriği hiç olmayacaktı. Peki ama sincabın fındığı nereye gömdüğünden dünyaya ne? Bizim dünyaya ilişkin bilimsel bilgimiz bundan neden farklı olsun?

Belki de bu tek olma fikri insan türü olarak kendini beğenmişliğimizin ifadesinden başka hiçbir anlam taşımıyor. Belki de diğer hayvanlardan özsel olarak farklı hiçbir yetimiz yoktur.

Bir olasılık da şu: Tek olduğumuz gerçi doğrudur. Fakat asıl sorun bunun aklın yapısıyla ilgisi olmayıp salt rastlantısal olarak öyle olmasıdır. Belki dünyamızda ya da evrenin başka yerlerinde akılsal yeti bakımından bize benzeyen, ama başka bakımlardan hiç ya da çok az benzeyen canlılar tanıyor olsak bizi bilimle ilgili bu kötümser görüşe sürükleyen gerekçeleri bertaraf etmemiz mümkün olurdu. Şöyle bir senaryo düşünelim: Uzay seyyahları olarak bir gezegene doğru yol alıyoruz. Bize bu gezegende şu şu özelliklere sahip şu kadar canlı yanında bizim gibi akla sahip bir canlı türünün de olduğu söylendi. Demek ki dünyamızdaki gibi orada da insan ve hayvan arasındaki ayrıma denk gelen bir ayrım söz konusu. Sorum şu: bu gezegene indiğimizde hangi türün o gezegenin insanı olduğuna, hangi türlerin o gezegenin hayvanı olduğuna kendi başımıza karar verebilir miyiz? Yanıt eğer evet ise bu ayrımı yapmamızı sağlayan özellikler akıl dediğimiz şeyi nesnel olarak tanımlayan özellikler olmalı. Çünkü bu canlı türünde akıl yetisi dışında bize benzeyen hiçbir başka özellik varsaymadık. Diğer yandan bu canlıların bizimki gibi bir bilime sahip olmaları ve bilimsel dünya tasarımlarının bizimkiyle örtüşmesi akıl ile edindiğimiz bilginin nesnelliğinin de garantisi olacaktır.

Kopernikus ilkesi
Başka gezegenlerde akıllı hayatın varlığının gösterilmesi, o halde, aklın neliği konusundaki tartışmalar açısından belirleyici bir önem taşıyor. Bununla birlikte, aynı konunun kozmoloji gibi bir bilimde de bu denli merkezi bir öneme sahip olması meseleye uzak birine ilk başta tuhaf görünebilir. Oysa bu kozmolojide Kopernikus ilkesi adı verilen bir ilkenin doğrudan sonucudur. Aristoteles-Ptolemaios astronomisinde Dünya evrenin merkezi olarak kabul ediliyor, gök kubbedeki tüm gökcisimlerinin Dünya’nın etrafında döndüğü düşünülüyordu. Kopernikus ile birlikte Dünya’nın bu çok özel statüsü ortadan kalkar: Gezegenler Düny’nın değil Güneş’in etrafında dönerler. Dünyamız alsında bu diğer gezegenlerden biridir. Yani Güneş Dünya’nın çevresinde değil, Dünya Güneş’in çevresinde dönmektedir. Fakat bu yeni astronomide bu defa Güneş’in evrendeki konumu ayrıcalıklı bir statüye sahip olacaktır. Yani Dünya evrenin merkezi olmaktan çıkarılırken yerine Güneş konur. Kopernikus ilkesi Kopernikus’a mal edilen bu devriminin daha ileriye götürülmesidir. Buna göre evrende gözlemci olarak konumumuzun evrenin betimlenmesinde hiçbir ayrıcalıklı yeri olamaz. Yani Dünya nasıl diğer gezegenler içinde hiçbir ayrıcalığa sahip olmayan sıradan bir gezegense Güneş de galaksimiz içindeki sayısız yıldızdan farkı olmayan sıradan bir yıldız olacaktır. Aynı şey tabii ki galaksimiz için de doğru olacak: Samanyolu evrendeki sayısız benzeri içinde sıradan bir galaksidir. Bu ilkenin kozmoloji için nasıl kurucu bir öneme sahip olduğunu göstermek için şu örneği verebilirim: Edwin Hubble ilk defa olarak evrenin ne yanına bakarsak bakalım tüm galaksilerde bir kırmızıya kayma (“redshift”) tespit ettiğinde bundan doğru olarak tüm bu galaksilerin bizden hızla uzaklaştıkları sonucunu çıkardı. Üstelik bu galaksiler bizden ne kadar uzaklarsa, o kadar daha hızlı bir şekilde uzaklaşıyorlardı. Fakat bu açıklamanın olduğu gibi kabul edilmesi Kopernikus ilkesine açıkça aykırıdır, çünkü gözlemci olarak bulunduğumuz noktaya belirli bir ayrıcalık getirir. Bu nedenle bu buluştan hareketle evrenin fırında kabaran bir kek gibi genişlediği fikri ortaya atılır. Daha iyi bir benzetme şişirilen bir balon olabilir. Balon üzerindeki hangi noktayı merkeze alarak bakarsanız bakın, balon şişerken her yönündeki noktaların kendisinden uzaklaştıklarını tespit edersiniz. Üstelik bu noktalar ne kadar uzaksa o kadar daha hızlı uzaklaşacaklardır. Bu fikir daha sonra bugün big bang teorisi adını verdiğimiz teoriye kaynaklık edecek ve bu teori 1960’lı yıllardan itibaren deneysel olarak oldukça etkileyici bir şekilde teyit edilecektir.

Bu örneğin de gösterdiği gibi, Kopernikus ilkesi kozmoloji için çok iyi bir kılavuzdur. Bu nedenle de kozmolojinin bu ilkeden ödün vermesi düşünülemez. Diğer yandan, gözlemci olarak bulunduğumuz konumun hiçbir ayrıcalığı olamayacağını varsayarken bulunduğumuz konumun bir gözlemcinin barındığı tek konum olarak düşünülmesi açıkça bir çelişki olurdu. Yani gözlemci, başka deyişle bilimi akıl etmiş insan ve onun içinden çıktığı tüm canlılık evrende yalnızca üzerine bastığımız şu gezegende ortaya çıkmış olsa gezegenimizin evrendeki başka bir noktaya göre ayrıcalıklı bir konumu olduğunu söylemek hâlâ mümkün olacaktır. Şu halde Kopernikus ilkesinin tutarlı bir sonucu yalnızca konumumuzu değil evrende gözlemci olarak varlığımızı da ayrıcalıklı bir varoluş olarak düşünmekten vazgeçmeyi gerektirir. Buna göre evrende Dünya’nın benzeri sayısız gezegen bulunmalı, bunlar içinde yine birçoğunda hayat ortaya çıkmış olmalı ve Dünyamızdakine şu ya da bu şekilde benzer bir evrimle pek çoğunda bizim gibi bir akla sahip başka gözlemciler ortaya çıkmış olmalıdır. O halde Kopernikus ilkesinin bir sonucu olarak kozmoloji canlılığın evrimini cansız maddenin evriminin doğal bir uzantısı olarak ele alır ya da bu ikisi arasında bir ayrım yapmaz, diyebiliriz.

Fermi paradoksu
Fakat bu son noktayla ilgili olarak işler kozmoloji açısından başlangıçta umulduğu kadar iyi gitmedi. Popüler kültürde Fermi paradoksu olarak bilinen problem bunun çok açık bir göstergesidir. 1961 yılında Frank Drake evrenin yakın çevremiz diyebileceğimiz bir kısmında bile akıllı hayatın sıklığının çok yüksek olması gerektiğini gösteren hesaplamalar yaptı. Bu meselenin İtalyan-Amerikalı fizikçi Enrico Fermi’ye mal edilmesi onun bu hesaplamalarla ilgili aslında ortada olan probleme söylenene göre bir öğle yemeği esnasında çok basit bir dille işaret etmesi oldu: “Peki o halde nerede bunlar?” (“So where is everybody?”) Çünkü bu hesaplamalara göre aslında bilimkurgu edebiyatının hayal ürünleri büyük ölçüde hayal ürünü değil gerçek olmalı, dünya-dışı akıllı hayat ile temas dünyamızın sıradanlaşmış bir olgusu olmalıydı. Burada paradoks olarak nitelenen şey tabii ki terimin mantıktaki anlamıyla bir paradoks değil, teorik kabuller ile empirik bulgu arasındaki sıradan bir uyuşmazlık. Fakat bu sorunun paradoks terimi kullanılarak dramatize edilmesinin nedeni bunun Kopernikus ilkesi için önemli bir problem ortaya çıkarıyor olması. Fermi paradoksuna çok değişik çözüm önerileri mevcut. Bunların hemen hepsi Drake’in tahminlerinin aşırı iyimser olduğu üzerinde birleşir. Sonuçta evren hayal gücümüzün çok ötesinde büyük bir yer. Belli ki evrende akıllı hayat başta umulandan çok daha ender ve onun bulunduğu nadir noktalar arasındaki mesafe çok ama çok büyük. Diğer yandan evrende akıllı hayatın ortaya çıkışını çok büyük bir istisnaya dönüştürmek açıkça Kopernikus ilkesi ile çelişkili olurdu. 1960’lardan bu yana devam eden SETI araştırmalarının olumlu bir sonuç vermesi, radyo teleskoplarının kaynağının dünya-dışı akıllı canlılar olduğundan emin olabileceğimiz şekilde örüntüler içeren bir sinyal tespit etmesi bu nedenle kozmolojinin çok büyük bir zaferi olurdu. Fakat bu henüz gerçekleşemiyorsa da Mars üzerinde mikrobiyolojik düzeyde bile kalsa canlılığın bir zamanlar ortaya çıkmış olduğunu göstermek bu yönde çok önemli bir adım olurdu. Görünüşe göre henüz bu adımlardan çok uzağız. Buradan hareketle akıl dediğimiz şeyin bugün kozmolojinin en önemli problemlerinden biri haline geldiğini söylemek mümkün. Aklın ne olduğuna ilişkin kozmolojiden bir tanım beklemek tabii ki doğru olmaz, fakat kozmolojinin aradığı şeyin ne olduğu üzerine düşünmek kendi aklımız ile ilgili düşüncemiz açısından ufuk açıcı olabilir. Kozmolojinin günün birinde bizi gerçekten yabancı bir akıl karşısında bırakması, diğer yandan, eşi benzeri olmayan bir devrim olurdu.

Kant’a göre evrendeki her gezegende akıl sahibi canlıların ortaya çıkacağı söylenemese de çoğunda bunun olmaması için hiçbir makul gerekçe ortaya sürülemez.

‘Akıllı makine’ fikri yabancımız değil
Evrende bizim gibi akıllı varlıklar olup olmadığını düşünce tarihinde ilk kez soranlardan biri Immanuel Kant’tır. “Genel Doğa Tarihi Ve Gökler Kuramı” adlı eserinde üç kısımdan oluşan kitabın son kısmını bu soruya ayırır. Ona göre evrendeki her gezegende akıl sahibi canlıların ortaya çıkacağı söylenemese de çoğunda bunun olmaması için hiçbir makul gerekçe ortaya sürülemez. Bu düşünce kendi zamanı için o kadar tuhaftır ki saf aklın bu ünlü filozofunun hayranları dahi bugüne kadar onun bu konudaki görüşlerini tamamen görmezden gelir, ciddiyetin timsali bu filozofa böyle ciddiyetsiz fantezileri yakıştıramazlar. İlginçtir, akıllı makineler yapmayı başarıp başaramayacağımız konusunda durum tam tersidir. Daha Eski Yunan döneminde Platon Theaitetos diyaloğunda hafızayı tamamen mekanik bir analojiyle balmumundan bir levha üzerine kazınmış sembollerle açıklar. Bundan daha ilginci onun aynı yerde yaptığı kuşhane benzetmesidir. Platon burada yakın zamanlara kadar pek anlaşılamamış olmalı, çünkü bu benzetmeyle anlatmaya çalıştığı şey bugün bilgisayarlarda “çalışma belleği” (“random access memory” ya da kısaltmasıyla “RAM”) olarak adlandırdığımız bileşenin fonksiyonudur. Descartes çok iyi bilindiği gibi hayvanları salt birer makine olarak görürken bugünkü robot tasarımımıza hayret verici bir şekilde oldukça yaklaşmaktadır. Leibniz zihnin bir makine olarak anlaşılmasının mümkün olup olmadığını açıkça sorar ve bu soruyu Monadoloji’de bir düşünce deneyiyle yanıtlamaya çalışır. Leibniz burada önce zihni bir makine olarak tasarlamamızı ister, sonra bu makineyi bir yel değirmeni kadar büyütür ve bizi içeri davet eder. Burada bütün göreceğimiz, ona göre, birbirini iten, çeken, döndüren parçalardır. Ama buradan hareketle makinenin o anda neyi nasıl algıladığına ilişkin sonuç çıkarmaya imkân yok. Bununla Leibniz zihnin mekanik tasarımına karşı çıkmış oluyor, ama tam da bu düşünce deneyiyle algılayan, düşünen akıllı makineler yapmanın bir şekilde mümkün olabileceğini kabul ettiğinin özellikle altını çizmek gerekir.

Leibniz önce zihni bir makine olarak tasarlamamızı ister, sonra bu makineyi bir yel değirmeni kadar büyütür ve bizi içeri davet eder.

Zihni makine analojisi içinde düşünmek, dolayısıyla bizim gibi düşünebilen akıllı makineler tasarlamak sanılabileceği gibi yalnızca filozoflarla sınırlı da değil. İlginçtir, sıradan insanlar da bir makinenin bizim gibi düşünme yetisine sahip olabileceğini kabul etmekte hiçbir zorluk çekmiyorlar. Bu durumu kötüye kullanan, eğlenceli bir örnek Macar Wolfgang von Kempelen’in tasarladığı, Mekanik Türk olarak bilinen hileli satranç otomatıdır. Kempelen’in bir Türk’e benzeterek tasarladığı bu makine sözüm ona satranç oynayabiliyor ve üstelik hemen hemen herkesi yenebiliyordu. Kempelen bu makinesinin hünerlerini sergilemek için Avrupa ve Amerika’da uzun turlara çıktı. Mekanik Türk’ün bu turlarda yendiği ünlüler arasında Napoleon Bonaparte ve Benjamin Franklin de vardır. Bununla birlikte, sonradan ortaya çıkacağı üzere, gerçekte kendi kendine satranç oynayan bir makine yoktur. Kempelen makinenin içine bir satranç ustası gizlemenin ve bu ustanın iyi tasarlanmış mekanizmalar aracılığıyla Mekanik Türk’ün kollarını oyunu oynamasına izin verecek şekilde hareket ettirebilmesinin bir yolunu bulmuştur. Satranç oynayan makineler 20. yüzyılın ikinci yarısında gerçek olmuş, bu makineler yüzyıl bitmeden en büyük satranç ustalarını yenmeyi de başarmışlardır (IBM Deep Blue – Garry Kasparov, 1996). Fakat bir makinenin bundan iki yüzyıl önce aynı şeyi yapabileceğine insanların bu kadar kolay inanabilmesi bugünden dönüp bakınca oldukça ilginç görünüyor.

Çin Odası düşünce deneyi
Bizim akıl aracılığıyla, düşünerek yaptığımız pek çok işi bizden çok daha hızlı ve güvenilir bir şekilde yapan bilgisayarlar bugün artık salt bir kurgu değil, gündelik hayatımızın gerçekliği. Özellikle son on yılda tanık olduğumuz yapay sinirsel ağ algoritması (neural network algorithm) devriminden sonra kendi kendine düşünebilen, akıllı makineler tasarlamaya oldukça yaklaştığımızı düşünmek için pek çok nedenimiz var. Bununla birlikte, aşağıda daha ayrıntılı olarak değineceğim gibi, bu devrimin ilk heyecanının sönükleşmeye yüz tuttuğu, yeni teknolojinin sınırlarının ortaya çıktığı bugünlerde genel kanı bunun tam olarak başarılmasının ancak teknolojide yeni bir devrimden sonra mümkün olabileceği. Bu konuya geleceğim. Fakat bununla ilgili tartışmanın aklın ne olduğu sorusuna ilişkin ne kadar öğretici olabileceğine dikkat çekmek isterim önce. Tarihte ilk defa aklın ne olduğunu salt spekülasyon aracılığıyla değil, bir tür tersine mühendislik (reverse engineering) ile bulmaya, deyim yerindeyse aklın şifresini kırmaya çalışıyoruz. Bunu başarmamız durumunda aklın ne olduğuna ilişkin tartışmaların nihayet ortadan kalkacağını da umabiliriz. Çünkü eğer bir şeyi sıfırdan yapmayı biliyorsak onun ne olduğunu da biliyoruz demektir. Bununla birlikte yapay zekâ çalışmalarının ilk ortaya çıktığı 50’li yıllardan bu yana bunun başarılacağına ilkesel olarak karşı çıkanlar olmuştur. Bunların başında ortaya attığı Çin Odası düşünce deneyiyle literatürde çok tartışılmış olan John Searle gelir. Searl’ün buradaki argümanı aslında “bilgisayarın babası” Alan Turing’e bir yanıttır. Turing bir makinenin hangi koşullarda insana eşdeğer bir zekâya sahip olduğuna karar vermemizi mümkün kılan bir kıstas bulmak ister. Bulduğu ve bugün Turing testi olarak bilinen kıstas çok kısa olarak şudur: Eğer yüz yüze olmayan bir iletişimde bir makine bizi makine olmadığına inandırabiliyorsa onu en az kendimiz kadar zeki kabul etmek dışında bir seçeneğimiz olamaz. İlk bakışta bu düşünceye hak vermemek elde değil, çünkü birini bir konuda ikna etmek için ikna edenin neden bizimki gibi bir beyne sahip olması gerektiğini söyleyemezsiniz, ama bunun için belirli bir zekâya sahip olması gerektiğini rahatlıkla söyleyebilirsiniz. Leibniz’in yel değirmeni düşünce deneyine benzer bir şekilde Searle de Çin odası düşünce deneyinde bilgisayarı bir oda olarak tasarlar ve bizi içine koyar. Fakat Leibniz’in değirmeninde biz yalnızca bir gözlemciyken Searle bizi bilgisayarın bir bileşeni yapar. Odanın içinde görevimiz dışarıdan aldığımız bir takım sembolleri verili bir algoritmaya göre uygun sembollere dönüştürerek dışarıya geri vermek. Searle bizden burada yaptığımız işin bir takım Çince sorulara yine Çince yanıtlar vermek olduğunu düşünmemizi ister. Oysa ki biz hiç Çince bilmiyoruz! Searle’ün vardığı sonuç şu: eğer biz Çince anlıyormuş gibi görünmemize rağmen gerçekte hiç Çince bilmiyorsak bu şekilde çalışan hiçbir bilgisayarın Çince bildiğini de söyleyemeyiz. Burada vurgulanması gereken iki nokta var. Birincisi, Searle bir bilgisayarın Turing testini geçebileceğine karşı çıkmıyor. O Çin odası argümanıyla bu testi geçmenin bir bilgisayarı gerçek anlamda zeki saymak için yeterli bir dayanak oluşturamayacağını göstermeye çalışıyor. Fakat eğer bilgisayarların gerçek anlamda akılsal bir yetiye sahip olabileceklerine karşıysak bu karşı çıkışımızı neden, açık açık, bilgisayarların hiçbir zaman Turing testini geçemeyecekleri iddiasına dayandırmaya çalışmayalım? Von Kempelen’in aldattıkları gibi, belki de bilgisayarların Turing testini geçebileceklerine çok çabuk kanıyoruzdur. Çünkü itiraf etmek gerekir ki, 20. yüzyılın büyük dehalarından biri olan Alan Turing önümüze son derece iyi düşünülmüş, karşı çıkılması çok zor bir kıstas koymuş. Yine Mekanik Türk ile karşılaştıracak olursak, oradaki sorun muhatabımızın makine olduğuna çok çabuk kanmamızdı. Buradaki mesele ise muhatabımızın makine olmadığına kanmak.

Aynı anda biri makine olan beş kişiyle uzaktan sohbet ediyoruz. Amacımız onları sorularımızla köşeye sıkıştırarak hangisinin makine olduğunu ortaya çıkarmak. Fakat bir makine foyasını meydana çıkarmak için tüm girişimlerime rağmen beni bir insan olduğuna ikna edebiliyorsa onda insandaki akılsal yetinin bir eşdeğeri olduğunu reddetmek için bir dayanak bulmak bana çok zor görünüyor. Buradaki asıl mesele bizim kozlarımızı iyi oynayıp oynamadığımızda. Eğer Searle’ün iddia ettiği gibi bir bilgisayar hiçbir zaman insan zekâsına eşdeğer bir zekâya sahip olamayacaksa makinenin foyasını ortaya çıkarmak için elimizde hâlâ bir koz bulunuyor olmalı. Ya bu kozu oynayıp makineyi deşifre edelim, ya da elimizde başka koz kalmadığını itiraf edip Turing’e hakkını teslim edelim. Bu nedenle Searle bana bir bilgisayarın Turing testini geçebileceğine çok çabuk kanmakla argümanını dayanaksız bırakmış görünüyor.

Vurgulamak istediğim ikinci nokta Searle’ün karşı çıkışının doğasıyla ilgili. Searle bu karşı çıkışının teknolojinin bir aşamasıyla ilgili olmayıp ilkesel bir karşı çıkış olduğunu açıkça belirtir. Fakat teknolojinin nereye doğru ilerleyeceğini şimdiden kestirmek mümkün olmadığına göre bu teknoloji ile ileride neyin mümkün olup neyin mümkün olmadığına neye dayanarak karar verebiliriz? Bunu yapmanın ancak iki yolu mümkün görünüyor. Eğer bir bilgisayarın insandaki gibi bir düşünme yetisine sahip olabileceğine ilkesel bir itirazınız varsa bu itirazınızı ya düşünmenin ne olduğuna dayandırabilirsiniz ya da bir makinenin ne olduğuna. Düşünmek eğer hep yapıldığı gibi “problem çözmek” ile eşdeğer tutulacak olursa bir bilgisayarın düşündüğünü inkâr etmenin bir yolu kalmaz, çünkü bilgisayarlar hiç kuşkusuz problem çözerler. Oysa Searle’e göre salt problem çözme düşünmek olamaz. Düşünmek ona göre ancak bir düşünce içeriğine sahip olmakla mümkündür. Ne var ki bu içerik, doğası gereği, nesnel değil her zaman öznel olacağından Searle’ün iddiasına empirik bir dayanak bulmak mümkün olmaz. Peki, bir makinenin ne olduğundan hareketle nasıl aynı soru karşısında ilkesel bir tavır alabiliriz? Bunu yapmak için Searle bilgisayarı herhangi bir makine değil, bir Turing makinesi olarak, yani sentaktik çalışan dijital bir bilgisayar olarak ele alıyor. Searle’ün Çin odasıyla gösterdiği, salt sentaktik çalışan bir dizgeden semantiğe, yani anlama giden hiçbir yol olamayacağı. Çünkü tam da bilgisayarın sentaktik çalışıyor olması Çin odası içinde bizim ne yaptığımızı hiç bilmeden anlamlı bir Çince diyalog yürütüyor görünmemizi sağladı. Mevcut bilgisayarlarımızın sentaktik çalıştığı gerçi doğrudur. Hakiki random (rastlantısal) sayı üretmenin zorluğu bunun çarpıcı bir göstergesi. Bilgisayarlar sentaktik çalıştıkları için normalde ancak bir kurala göre random sayı üretebilirler. Fakat sayı bir kurala göre üretilmişse random olamaz, çünkü kurala sahip olan herkes o sayıyı her defasında yeniden üretebilir. Bu nedenle bu sayılara pseudo random (sahte rastlantısal) sayılar adı verilir. Fakat eğer bir sensöre sahipseniz bu güçlüğü aşmanın bir yolunu bulabilirsiniz. Ortamdaki nemi, sıcaklığı vesaire ölçerek elde ettiğiniz verileri random sayı üreten algoritmanıza girdi olarak aldığınızı düşünelim. Nemin ya da sıcaklığın ne olacağı bizim kuralla belirleyebileceğimiz bir şey olmadığı için aynı kural her defasında aynı sayıyı vermeyecek demektir. Sonuç olarak, bilgisayarlarımızın sentaktik çalıştığı doğruysa da onların salt sentaktik çalıştıklarını söylemek aceleci bir iddia gibi görünüyor. Şimdi Searle’ün doğası gereği öznel olduğu için nesnel-empirik dayanaktan yoksun olduğunu söylediğim iddiasına geri dönelim. Düşünmenin salt problem çözme değil, ancak düşünce içeriğine sahip olmakla mümkün olacağı bu eksikliğe rağmen oldukça makul göründüğü için kabul edilebilir bir iddia olabilir. Fakat diğer yandan Searl’ün temel iddiası bilgisayarların salt sentaktik çalıştığı için böyle bir içeriğe sahip olamayacakları öncülüne dayanıyor. Dolayısıyla Searle ilkesel itirazını dayandırdığı bu iki iddia birbirlerine dayandıkları ölçüde döngüsellik gibi bir akıl yürütme hatasına düşmektedir.

Bir algoritmayı nasıl geliştirebiliriz?
Searle bilgisayarların ne olduğu üzerine düşünürken, yazdıklarından öyle anlaşılıyor, mevcut teknolojiyi değil yalnızca Turing makinesini göz önünde bulunduruyor. Turing makinesi, öte yandan, Turing’in ya da bir başkasının yaptığı gerçek bir makine değil, belirli bazı matematiksel önermeleri kanıtlamanın yepyeni bir yolunu açan matematiksel bir idealizasyondur. Bununla birlikte Searle’ün bu tercihi bir bakıma gayet anlaşılır. Çünkü Turing makinesinin temel özelliği onun evrensel bir makine olmasıdır. “Evrensel” olma bu bağlamda şu anlama geliyor: Eğer bir problemin biçimsel bir çözümü varsa bu problem Turing makinesi aracılığıyla da çözülebilir. Turing’in başarısı böyle bir makineyi icat etmiş olması değil bunu matematiksel olarak kanıtlamış olmasıdır.

Şimdi eğer Turing makinesi başka her makinenin çözdüğü problemi çözebilecek bir makineyse Searle’ün tam da bu teorik makinenin teorik altyapısını hedef alması gayet anlaşılır görünüyor. Ne var ki Turing makinesinin evrensellik iddiası doğru olmakla birlikte aslında hakikatin yarısıdır. Turing makinesinin biçimsel bir çözümü olan her türlü problemi çözebileceği gerçi doğrudur, fakat bu söz konusu çözüm için gerekli algoritmayı bulmuş olmamız koşuluna bağlıdır. Oysa Turing makinesi bize sadece böyle bir algoritmanın bir şekilde var olması gerektiğini söyler, bu algoritmayı nasıl bulacağımız konusunda hiçbir şey söylemez.

Konuyu şöyle somutlaştırabilirim: Günlük işlerimizde kullandığımız bilgisayarlarımızın uygun program yüklü olmak koşuluyla öncesinde varlığından bile haberdar olmadığımız bir yığın problemi, yerine göre inanılmaz yavaş da olsa, çözebileceklerini günlük tecrübelerimizden biliyoruz. Fakat hiçbir programın yüklü olmadığı bir bilgisayar hiçbir problem çözemez. Böyle bir nesnenin uzayda yer kaplamak ve eğer fişini takarsanız boş yere elektrik tüketmek dışında hiçbir özelliği yoktur. 1950’lerdeki bilgisayar devrimi bu nedenle en başta bu problemin çözümüne odaklanmıştır: Bir algoritmayı nasıl geliştirebiliriz? Aynı problemin çözümüne ilişkin rakip algoritmalar arasında hangisinin daha etkili olduğuna nasıl karar verebiliriz? Bu etkililiği nereye kadar artırabiliriz?

Bunun yanında bu yıllarda ilk defa şu fikir ortaya çıkar: Makinenin yeni durumlar karşısında yeni çözüm yollarını kendi kendine bulmasını sağlayan bir algoritma bulabilir miyiz? Bu 1955’te John McCarthy’nin ilk defa adını koyarak tescillediği gibi yapay zekâ (artificial intelligence) araştırmalarının doğuşudur. Bu hedefi gerçekleştirmek için ilk akla gelen kendi akıl yürütmelerimizi makineye kopyalamaktır. Nasıl biz aklımız aracılığıyla belirli bazı durumlardan başka bazı durumlara mantıksal sonuçlar çıkarıyorsak bir makinenin de aynı şeyi yapmasını sağlayabiliriz. Bir makine dünyayı bizimle birebir aynı kategorilere ayırıyor olduğu sürece bu yöntemin oldukça etkili olacağını umabiliriz. Fakat burada ilk bakışta göründüğünden çok daha zor olan problem makinenin nesneleri bizim kategorilerimize uygun şekilde etiketlemesini sağlamaktır.(2)

Bu yaklaşımdan kökten farklı bir öneri çözümü doğayı taklit etmekte bulur. Genetik algoritma adı verilen bu yaklaşımda çözüm yolu baştan belirlenmiş değildir. Bu algoritmanın görevi doğadaki evrim sürecini örnek alarak rastlantısal çözüm yolları üretmek, bunlar içinde göreli olarak başarı gösterenleri birleştirerek rastlantısal müdahalelerle çeşitlemek ve kabul edilebilir bir sonuç alıncaya kadar bu süreci tekrar etmektir. Bu yaklaşım başlangıçta oldukça ümit vaat ediyor göründü. Fakat evrimin kendisine bu türden somut hedefler koyarak hiç ödün vermeksizin bu hedeflerin arkasından koştuğunu düşünmek bir yanılgıdır. Bu nedenle günümüzde başlangıçta değişmez bir hedefin de konmadığı yeni yollar önerilmektedir. Bu yaklaşım varılan nokta başta konulan hedef yerine büsbütün ilgisiz bir hedefe daha yakın olduğunda hedef değiştirmeyi mümkün kılıyor.(3) Böyle bir algoritmanın sonucunun ne olacağını önceden hiç kestiremeyecek olmamız Searle’ün tüm makinelerin salt sentaktik çalıştığı itirazını temelsiz bırakıyor. Bununla birlikte nereye varacağı, ne yapacağı hakkında önceden hiçbir fikrimizin olmadığı bir makinenin ne işimize yarayacağı, özellikle bu araştırmalara çok büyük paralar yatıran endüstri açısından çok önemli bir soru olarak ortaya çıkıyor. Kuşku yok, ticari değil, salt teorik amaçla da bu çalışmalar yapılabilir. Yine de, doğayı taklit ettiği varsayılan bu algoritmanın doğayı taklit etmesinde aşılamaz görülen bir sınır olduğuna işaret etmek isterim. Doğal evrimde hangi çözüm yolunun başarısız olduğuna yine doğa kendisi karar veriyor. Buna karşılık genetik algoritmada programcı olarak buna biz kendimiz karar vermek, dolayısıyla kendimizi doğanın yerine koymak durumundayız. Bu nedenle genetik algoritmanın doğal evrimle yalnızca biçimsel, sınırlı bir benzerliği olduğunu, dolayısıyla başarısının da sınırlı olacağını öngörebiliriz.

Yapay sinirsel ağlar algoritması
Bugün hakkında en çok konuşulan, devrimsel başarısıyla diğer algoritmaları gölgede bırakmış olan yapay sinirsel ağlar algoritmasının (artificial neural network) kökleri de aslında bilgisayar devriminin başlarına, 1950’lere dayanır. Frank Rosenblatt’ın Walter Pitts ve Warren McCulloch’un 1940’lardaki teorik çalışmalarına dayanarak 1957 yılında geliştirdiği Perceptron bu yapay sinirsel ağlar fikrinin ilk meyvesidir. Genetik algoritma gibi burada da doğaya bir öykünme söz konusudur. Fakat burada öykünülen doğal evrim değil, beynin sinirsel yapısıdır. Nöron adı verilen sinir hücreleri sinaps adı verilen bağlantılar üzerinden başka çok sayıda nöron ile sinyal alışverişinde bulunur. Öte yandan bu bağlantılar sinyal alışverişinin sıklığına göre daha kuvvetli olur ya da zayıflar. Yapay sinirsel ağlarda amaç veriyi bu tür bağlantı noktaları olarak temsil ederek bu noktalar arasındaki bağlantıların veri akışına göre kendiliğinden yapılanmasını sağlamaktır. Beynimizin sinir hücreleri arasındaki bağlantılar yeni deneyimlerimizle sürekli değişir. Deneyimlerimizin sonuçlarını beynimizin kodlama biçimidir bu. Yapay sinirsel ağlar algoritması, bu nedenle, beyne sahip bir canlı gibi çevresini deneyimleyerek yeni şeyler öğrenebilen bir makine yaratmanın yolu olarak görüldü. Ne var ki, bu yöndeki yüksek beklentilerin karşılanamaması 1960’lardan itibaren bu algoritmaya ilginin oldukça azalmasına neden oldu. Bununla birlikte 2010’lu yıllardan beri tanığı olduğumuz devrimin en önemli isimlerinden biri olan Geoffrey Hinton gibi birkaç araştırmacı ümitlerini kesmedi ve bu algoritma üzerinde teorik çalışmalarını sürdürdüler. 1986 yılında Hinton başka iki araştırmacı ile birlikte yapay sinirsel ağlarda hatalı çıktıların nasıl yeniden işlenmesi gerektiğini gösteren geri yayılım (backpropogation) algoritmasını ortaya koydu. Bu algoritma bugünlerde çokça duyduğumuz derin öğrenmenin (deep learning) temeli olmuştur. Bu çalışmalar sayesinde yapay sinirsel ağlar algoritması henüz tanığı olduğumuz zaman diliminde nihayet kesin zaferini ilan etti ve insanlık ilk defa zihnin şifresini kırmış gibi göründü.

1996 yılında IBM’in Deep Blue adlı bilgisayarı zamanın dünya satranç şampiyonu Garry Kasparov’u klasik algoritma ile yenmeyi başarmıştı. Bu hiç küçümsenecek bir başarı değil. Ne var ki, bu tür algoritmaların neredeyse hiçbir ilerleme gösteremedikleri alanlar da vardı. Bu alanlardan biri “örüntü tanıma” (pattern recognition) denilen problemdir. Bir kitap sayfasındaki yazıyı tanıyabilmek görece kolaydır, fakat gelişigüzel nesneleri ya da insan yüzlerini tanımak bu tür algoritmalar için neredeyse hiç çözülemeyecek bir problemdir. Bir bilgisayarın bir nesneyi başka bir nesneden ayırt etmesini ancak eğer biz bu ikisini hangi kritere göre ayırdığımızı biliyorsak sağlayabiliriz. Oysaki biz günlük hayatımızı sürdürmek için nesneleri sürekli olarak birbirinden ayırt etmek zorunda olduğumuz halde çok nadir olarak bu ayrımı hangi kritere göre yaptığımızı biliriz. Ayşe Teyze’yi günlük hayatımızda başka teyzelerden rahatça ayırırız, fakat bu teyzeyi tam olarak hangi kriterlere göre tanıdığımızı muhtemelen hiç düşünmemişizdir ve böyle bir soruya muhatap kaldığımızda vereceğimiz yanıtın güvenilirliği son derece düşüktür. Bu nedenle, kendi tanıyabildiğimiz her örüntünün benzerlerinden hangi kritere göre ayrıldığını bulup programımıza dahil etmemiz mümkün olsa bile henüz bizim de deneyimlememiş olduğumuz nesneler olacağına göre bu yaptığımız her zaman eksik kalacaktır.

Satranç oynayan makineler 20. yüzyılın ikinci yarısında gerçek olmuş, bu makineler yüzyıl bitmeden en büyük satranç ustalarını yenmeyi de başarmışlardır (IBM Deep Blue – Garry Kasparov, 1996).

2010’lu yıllara geldiğimizde örüntü tanıma problemini bilgisayarların asla işe yarar bir şekilde çözemeyeceklerini düşünenlerin sayısı (kendimden biliyorum) muhtemelen hiç az değildi. 2013 yılından itibaren Google, Facebook gibi şirketler bize fotoğraflar gösterip “Bu dayıoğlun mu?” “Bu amcakızın mı?” diye sormaya başladıklarında bu kişilerin şaşkınlığı (kendimden biliyorum) muhtemelen görmeye değerdi. Yapay sinirsel ağlar algoritması aracılığıyla bugün makineler yalnızca herkesin rahatlıkla tanıyabildiği örüntüleri değil, örneğin bir tomografide meme kanserinin işaretlerini de bir uzman kadar, hatta yerine göre uzmandan daha güvenilir bir şekilde tespit edebiliyor.(4) Google’ın AlphaGo Zero adlı bilgisayarı IBM’in Deep Blue’sundan yaklaşık yirmi yıl sonra bu kez dünya go şampiyonunu bu algoritma sayesinde yendi. Burada göz kamaştırıcı olan yalnızca bu oyunun satrançtan farklı olarak insansal sezgi gerektirdiği için bir makine tarafından oynanmaya müsait görülmüyor olması değildi. AlphaGo Zero oyunun kuralları haricindeki her şeyi, yani tüm stratejileri sayısız defa kendi kendine oynayarak kendi başına buldu. Gelecekte bu algoritma aracılığıyla bilgisayarların yeni türden materyal keşfetmekte ya da yeni ilaçlar geliştirmede çok büyük avantajlara sahip olacağı öngörülüyor.

Peki, o halde makine zekâsının şimdiden insan zekâsını geçtiğini söyleyebilir miyiz? Bunu öyle görenler kuşkusuz var. Bunlar içinde bunu kutlamaya değer bulanlar yanında(5) önlem alınmazsa büyük bir felaketin başlangıcı olacağını düşünenler de var. Bu ikinci grupta olanların çoğu gereksiz yere panik yaratıyor gibi görünseler de içlerinde oldukça haklı endişeler dile getirenler de var.(6) Yeni teknolojinin dezinformasyon aracı olarak çok işe yarar olması, ama özellikle silah sanayisinde özerk hareket edebilen ölümcül silahların geliştirilebilmesini mümkün kılması bu haklı endişelerden sadece ikisi. Bununla beraber bu yeni teknolojinin uygulamadaki tüm göz kamaştırıcı başarılarına rağmen yapay zekânın öncülerinin koydukları hedefleri gerçekleştirmekten henüz çok uzak olduğunu düşünenler konunun uzmanları arasında çoğunluğu oluşturuyor. Bu kuşkuculuğu anlamak için öncelikle temelleri 50’li yıllarda atılan bu teknolojinin atılım yapmak için neden 2010’ları beklemesi gerektiğini sormamız gerekir.

Bunun nedeni konusunda aslında hemen herkes hemfikir: yapay sinirsel ağların işe yarar, güvenilir bir sonuç vermesi için muazzam büyüklükte veri işleyebilmesi gerekir. Bunun olabilmesinin ise iki koşulu var: Birincisi, böyle bir veri yığının oluşabilmesi için dünya nüfusunun önemli bir bölümünün internet denilen küresel ağın veri üreten noktaları olması gerekiyordu. İkincisi, bilgisayarların işlemci (CPU – GPU), hafıza (RAM) ve depolama birimlerinin bu muazzam büyüklükteki verileri işleyebilecek kapasiteye ulaşması gerekiyordu. Henüz çok sınırlı sayıda insanın internetle tanışmış olduğu 90’lı yıllarda, hatta onu takip eden on yılda hem veri hem de teknoloji bu yetkinlikten çok uzaktı. İnsanların mobil cihazları aracılığıyla her an bağlı kalıp internetteki veri yığınını her yerden besleyebilmeleri ve teknolojinin bu veri yığınını işleyebilecek kapasiteye ulaşmış olması asıl büyük dönüm noktası oldu. Fakat yapay sinirsel ağların böyle büyüklükte veriye ihtiyaç duyması, her ne kadar bu algoritma beyinlerimizin çalışma modeli üzerine inşa edildiyse de, aslında bizim öğrenirken gösterdiğimiz performansın çok uzağında olduğunu gösterir. Bir çocuğun diyelim bir kediyi kedi olarak tanımak için önceden milyonlarca kedi görmüş olması gerekmez. Oysa bu yeni teknoloji tam da buna ihtiyaç duyuyor. Bu ihtiyaç aslında öyle ciddi boyutlarda ki belki de çok az sayıda kişinin önceden kestirebileceği, konuyla doğrudan ilintisiz başka bir problem ortaya çıkarıyor. Yapay sinirsel ağlar teknolojisinin işe yarar bir sonuç verebilmesi için işlemesi gereken veri yığını öyle devasa büyüklükte ki bu iş için kurulan bilgi-işlem çiftlikleri (server farm) çok ciddi ölçülerde elektrik tüketimine yol açıyorlar. Önlem alınmazsa kaçınılmaz olacak çevresel felaketlerin önüne geçebilmek için karbon emisyonunu düşürmenin yollarının arandığı bir dönemde bu kuşkusuz iyi bir haber değil. Buradaki konumuzla sınırlarsak bununla ilgili en azından şu saptamaya hak vermemek güç: yapay zekâ teknolojisinin geleceği daha uzun süre böyle büyüklükteki verilerin işlenmesine dayalı olamaz. Bu sürdürülebilir bir gelişme değil.(7)

Özellikle son on yılda tanık olduğumuz yapay sinirsel ağ algoritması devriminden sonra kendi kendine düşünebilen, akıllı makineler tasarlamaya oldukça yaklaştığımızı düşünmek için pek çok nedenimiz var.

Yapay zekânın geleceği
Bugünlerde Jerome Pesenti gibi önde gelen yapay zekâ araştırmacılarından biri dahi 2010’ların başında devrim yaratan bu teknolojinin sınırlarına yaklaştığımızı, hatta “bir duvara toslamak” üzere olduğumuzu söylüyor.(8) Yapay zekâ çalışmaları 50’li ve 60’lı yıllar boyunca büyük bir ilgi odağı olmuş, fakat çok yüksek tutulan beklentileri karşılayamadığı için yetmişli yılların ortalarından itibaren bu ilgi kaybolmaya yüz tutmuştu. Bu dönem bugün “yapay zekâ kışı” (AI winter) olarak adlandırılıyor. Seksenlerin sonundan doksanların başına kadar süren ikinci bir yapay zekâ kışı daha yaşandı. Bugün ise kuşkusuz bir bahar yaşıyoruz. Ancak çok yüksek tutulan beklentilerin karşılanmasının mümkün olmaması dolayısıyla bizi yeni bir kışın beklediğini dillendiren uzmanlar da var.(9) Beklentilerin çok yüksek tutulmasının nedeni yapay sinirsel ağların bugüne kadar gösterdiği başarıdır. Fakat henüz gerçekleşmemiş beklentileri aynı yolla gerçekleştirmek mümkün görünmüyor. Bunun tek nedeni çok büyük veri yığınlarına ihtiyaç duymak değil. Bunun dışındaki önemli nedenlerden biri bu algoritmanın saydam olmaması. Makine bu algoritma aracılığıyla kendisine verilen işi başarıyor, fakat onun tam olarak ne yolla bunu başardığını açıklamak artık mümkün olamıyor. Biz gerçi başka insanların zihinlerini de okuyamayız, fakat düşüncelerimizi birbirimizle paylaşmamızı sağlayan bir dil yetisine sahibiz. Yapay zekânın bunu başarabilmesi için hakiki bir dilsel kavrayış geliştirmesi gerekirdi. Oysa yapay sinirsel ağlar algoritması çeviri ya da metin üretimi gibi alanlarda oldukça etkili atılımlar yapmış olsa da dilsel ya da dil-dışı hakiki bir kavrayış geliştirmekten çok uzak.(10)

Böyle hakiki bir kavrayıştan yoksun olmasının iki önemli dezavantajı daha var. Birincisi, ancak çok büyük verilerin işlenmesiyle ortaya çıkan yapay zekâ buna rağmen başta belirlenen dar amaç dışında başka bir problem alanı için kullanılamıyor. Oysa hakiki bir zekâ bir alanda kazandığı beceriyi buna benzerlik taşıyan herhangi başka bir alanda rahatlıkla kullanabilir. İkincisi, örüntü tanımadaki üstünlüğün böyle bir kavrayış olmadan çok fazla şey ifade etmemesi. Örüntü tanıma her ne kadar zekânın belirtilerinden biri olsa da zekâ denildiğinde ilk akla gelen olan bitenler karşısında akıllı kararlar almaktır. Oysa yapay sinirsel ağlar algoritması örüntü tanımada insanı geçen bir performans sergilerken akıllı kararlar almak konusunda varlık gösteremiyor.(11) Tam da bu yüzden yapay zekâ çalışanlar içinde bu algoritmanın ya da genel olarak makine öğrenmesinin yapay zekâ ile eş tutulmaması gerektiğini, çünkü burada zekâ bulunmadığını öne sürenler de var.(12)

Nöron adı verilen sinir hücreleri sinaps adı verilen bağlantılar üzerinden başka çok sayıda nöron ile sinyal alışverişinde bulunur. Öte yandan bu bağlantılar sinyal alışverişinin sıklığına göre daha kuvvetli olur ya da zayıflar.

Genel kanı yapay zekânın geleceğinin hibrid olduğu. Yapay sinirsel ağları başka algoritmalarla birleştirmek mümkün olursa yeni bir devrimin önü açılabilir. Fakat yukarıda sözünü ettiğim saydam olmama problemi böyle hibrid bir çözümün önünde ciddi bir engel. Dilsel bir kavrayışa dayanarak doğal dili kusursuz işleyen (başka deyişle Chomsky’yi de mutlu eden(13)) bir algoritma geliştirdiğinizi varsayalım. Şimdi bunu AlphaGo Zero’ya öyle yükleyelim ki bize 37. hamleyi neden yaptığını açıklasın. Fakat ona dünya go şampiyonunu yenmesini sağlayan yetiyi kazandıran algoritma belirli bir kavrayış vermediği ölçüde istediği kadar dil yetisi kazanmış olsun AlphaGo Zero hangi hamleyi neden yaptığını bize açıklayamayacaktır.

Yapay zekânın 1950’li yıllardaki öncüleri hedeflerine ulaşma konusunda aşırı iyimserlerdi. On yıl içinde insan gibi akıl yürüterek kendi kendine yeni bilgiler edinen makineler yapabileceklerini düşünüyorlardı. Bu öngörü gerçekleşmedi. Bugün gerçi makinelerin gerçekten bir şeyler öğrendikleri ortada. Öte yandan, AlphaGo Zero örneğini tekrar etmek gerekirse, bu makinenin go şampiyonunu yenerken ne “düşündüğünü” makineyi tasarlayanlar dahil hiç kimse söyleyemiyor. Bu nedenle bu makinelerin bunu nasıl bir akıl yürütme ile yaptıklarını bilemediğimiz gibi, ortada bir akıl yürütme olup olmadığı da son derece tartışmalı. Bu makineler, o halde, pratikteki tüm başarılarına rağmen bizim aklımızın bir aynası değiller. Oysa yapay zekânın öncülerinin hedefleri gerçek olsa bu zeki makinelerde kendi aklımızı görecek, akıl dediğimiz şeyi bu sayede daha iyi anlayabilecektik. Bu yazının başında söylediğim gibi, akıl ile ilgili görüş ayrılıklarının çok keskin olmasının asıl nedeni kendi aklımızın evrende bildiğimiz tek akıl olması. Yapay zekânın vaadi kendimizi bu lütuf mu lanet mi olduğunu kestiremediğimiz tek olma durumundan kendi elimizle kurtarmaktı. Diğer yandan bu hedef gerçekleşmiş olsa bu defa akılla ilgili bambaşka bir sorun karşımıza çözümsüz bir problem olarak çıkacaktı.

Akıl yetisi nasıl evrimleşmiş olabilir?
Yapay zekâ hedefinin kısa sürede gerçekleşeceği konusundaki iyimserliğin bir nedeni kendi aklımız ile yukarıda sözünü ettiğim evrensel Turing makinesi arasında çok temel bir ortaklık görülmesiydi. İnsanlar geçen yüzyıldaki bilgisayar devriminden binlerce yıl önce bile değişik problemlerin çözümünü veren makineler tasarladılar. Bu makineler içinde en hayranlık verici olanlarından biri, Eski Yunanlıların Antikythera mekanizması, gezegenlerin farklı zamanlardaki konumlarını, Ay ve Güneş tutulmalarını gösterebiliyordu. Fakat bu türden makinelerin önemli bir dezavantajı hangi problem için tasarlanmışlarsa onunla sınırlı olmalarıydı. Örneğin güneş sistemi dışında keşfettiğimiz başka bir yıldız sistemi için Antikythera mekanizmasından hiçbir yardım umamayız. Bunun için o makineyi sil baştan yeniden kurmamız gerekirdi. Oysa günlük kullandığımız bilgisayarlardan yeterince aşina olduğumuz gibi, yerine göre sadece belirli bazı parametreleri değiştirmek bu yeni problemi çözmek için yeterli. Yine biliyoruz ki bizim bilgisayarlarımız yalnızca gökcisimlerinin hareketi ya da şu, bu alandaki problemleri değil, ilke olarak biçimselleştirilebilir herhangi bir problemi çözerler. Tüm yapmamız gereken uygun programı bulmaktır. Evrensel Turing makinesine “evrensel” dememizin nedeni de bu.

Aklın evrimine ilişkin en makul yol, aklın evrensel bir problem çözme cihazı olarak değil de tedricen, farklı modüller halinde evrimleştiğini kabul etmek gibi görünüyor.

Fakat bu “evrensellik” aynı zamanda bizim aklımızın özsel bir özelliği değil midir? Hayvanlar da pek çok şeyi öğrenir. Kuşlar, örneğin, uçmayı öğrenmek zorundadırlar. Bunu yaparken kuşların çok karmaşık bazı problemler çözdüğüne kuşku yok. Fakat kuşların buradaki problem çözme becerilerini başka bir alana taşımaları söz konusu değil. Oysa insan aklı herhangi bir problem alanıyla sınırlı değildir. O halde insan aklı da bir evrensel problem çözme aygıtıdır. Evrensel Turing makinesi ile akıl arasındaki bu benzerlik ilk bakışta oldukça ikna edici görünüyor. Fakat bu durumda şu soruya yanıt bulmak oldukça güç olacak: Böyle bir akıl yetisi nasıl evrimleşmiş olabilir? Aklımızın bir tür evrensel Turing makinesi olarak evrimleştiğini kabul etmek çok güç, çünkü evrensel makinenin “yarı evrensel”, “çeyrek evrensel” gibi aşamaları olamayacağına göre aklın bu durumda birdenbire belirmiş olması gerekirdi. Bu da aslında evrimin olmadığını söylemekle aynı şey olur. Antikythera mekanizmasını ona benzer başka makinelerle karşılaştıracak olursak bunların birbirlerinden şu ya da bu şekilde etkilendiklerini, dolayısıyla birbirlerinin devamı olduklarını görebiliriz. Dolayısıyla burada “evrimsel” bir çizgi saptamak mümkün. Diğer yandan bu tür makinelerden evrensel Turing makinesine sıçramak için bu makinelerden tamamen vazgeçip daha önce hiç var olmamış yepyeni bir şeyi hayal etmek gerekiyor. Aklın doğal evrimde böyle bir sıçramayla ortaya çıktığını söylemek, tekrar vurgulamak isterim, aklın evrimleşmediğini söylemekle aynı şey. Fakat evrensel Turing makinesi gibi bir şey kendiliğinden, birdenbire ortaya çıkabilir mi?

Aklın evrimine ilişkin en makul yol, bu nedenle, aklın evrensel bir problem çözme cihazı olarak değil de tedricen, farklı modüller halinde evrimleştiğini kabul etmek gibi görünüyor. Aklın bir an için yön bulmaya ilişkin farklı modüllerden, zaman algısına ilişkin farklı modüllerden, dilsel ve dil-dışı iletişime ilişkin farklı modüllerden, kandırma ve kandıranı deşifre etmeye yönelik farklı modüllerden oluştuğunu farz edelim. Bu durumda birbirlerinden belirli ölçülerde bağımsız olan bu modüllerin ayrı ayrı evrimleşip bugünkü şekilleriyle birleşerek bizim akıl dediğimiz şeyi oluşturduklarını varsaymak için hiçbir engelimiz kalmaz. Bu aynı zamanda insanı akıl sahibi bir varlık olması bakımından doğanın tamamen dışına çıkararak bu yetiyi maddesel dünyanın ötesinde ruhsal dünyaya ait bir yeti sayan Descartes’ın yanılgısından kurtulmak anlamına da gelir. Akıl dediğimiz şey de en nihayet doğanın içinde doğal yollardan ortaya çıkan bir doğa varlığıdır. Ne var ki pek çok biliminsanı için bugün tek makul seçenek olan bu düşünce, sonuna kadar götürüldüğünde, bizim hayvanlardan farklı olarak dünyanın bilimsel bilgisine sahip olduğumuz iddiasını temelsiz bırakır.

Hilbert’e göre “Bilmiyoruz, bilemeyeceğiz” yaklaşımı bilimi dışlayan ve dinsel bir bakış açısının dışavurumudur. Ona göre doğru söylem, “Bilmek zorundayız, bileceğiz”dir.

Bunu görmek için önce bu iddianın ne kadar güçlü bir iddia olduğunu hatırlamakta fayda var. Yirminci yüzyılın en büyük matematikçilerinden biri olan David Hilbert, örneğin, bu iddiayı öyle içselleştirmiş ki, bu konuya ilişkin söylediği sözler bugün mezar taşından insanlığa verdiği mesaj olmuş: “Wir müssen wissen. Wir werden wissen” (“Bilmek zorundayız. Bileceğiz.”) Bu sözlerle Hilbert aslında Emil du Bois-Reymond’un Prusya Bilimler Akademisi’nde yaptığı bir konuşmada alıntıladığı Latince bir deyişe yanıt verir. Evrende ne bilimin ne de felsefenin yanıtlayamayacağı sorular olduğunu düşünen du Bois-Reymond bunu ifade etmek için Ortaçağ’dan kalma, dinsel motivasyonla söylenmiş bir söze gönderme yapar: “Ignoramus et ignorabimus” (“Bilmiyoruz, bilemeyeceğiz.”) Hilbert’e göre bu açıkça bilimi dışlayan, dinsel bir bakış açısının dışavurumudur. Bu nedenle ona göre evrende bilinebilecek ne varsa bilim aracılığıyla onu bilmemiz mümkündür.(14)

Fakat doğada tamamen rastlantısal bir evrimsel sürecin ürünü olarak ortaya çıkmış olan akıl nasıl böyle bir iddianın temeli olabilir? Nasıl olur da aynı evrimsel sürecin ürünü olan binlerce türden insan hariç bir tanesinin bile bilimsel bir dünya tasarımına ilişkin hiçbir iddiası olamazken bu türlerden sadece bir tanesi olan insanın bu kadar büyük bir iddiası olabiliyor? Bilimsel dünya görüşümüze göre tamamen rastlantısal olduğunu kabul etmekten başka seçeneğimizin bulunmadığı evrimsel süreç -insanda her nasıl bir yol izlemişse, ondan- çok küçük bir sapma göstermiş olsa ne olacaktı? İki seçenek var: Bir ihtimal bu durumda insanın diğer hayvanlardan farkı kalmaz, dünyanın bilimsel bilgisine ilişkin hiçbir iddiası olmazdı. İkinci bir ihtimal, bilimsel bilgi hâlâ mümkün olur, fakat bu durumda bilim dediğimiz şey “bizim bilimimiz”den farklılık gösterirdi. İki seçenek de kabul edilemez. Çünkü ilki evrimsel sürecin rastlantısallığı düşüncesine aykırı. Doğanın tamamen rastlantısal olarak izlemiş olduğu evrimsel çizgiyi aklın ortaya çıkması için biricik yol olarak görüyor, dolayısıyla bu çizgiyi zorunlu hale getiriyor. İkincisi ise bilimin nesnelliğinden feragat ediyor. Eğer “evrim farklı bir yol izlemiş olsa farklı bir bilimimiz olurdu” diyorsak, bu biz evreni bize göre, farklı evrimleşmiş canlılar da kendilerine göre bilirlerdi anlamına gelir. Dolayısıyla bu, hiçbir canlı evreni kendinde her nasılsa öyle bilemez anlamına gelir. Bu da Hilbert’in arzusunun tam aksine, değil evrende her şeyi bilmek, aslında hiçbir şeyi bilemeyeceğimiz anlamına gelirdi.

Bugün Hilbert gibi bilimin hiçbir sınırı olamayacağını en az onun kadar tavizsiz savunanlar olduğu gibi insan beyninin evrenin sırlarını keşfetmek için evrimleşmiş olmadığını empirik bilimin ortaya koyduğu tartışmasız bir hakikat olarak görenler de var. Yakınlarda bir grup araştırmacı ikinci görüşü test etmek için evrimsel oyun teorisine dayanan ilginç bir simülasyon tasarladı.(15) Bu simülasyonda olan bitene ilişkin yargılarında iki farklı strateji izleyen iki ayrı popülasyon yaratılır. Birinci popülasyonun stratejisi gerçeklik her ne ise onu bulmaktır. İkinci popülasyonun stratejisi, tersine, hayatta kalma olasılığını artıran her ne ise ona inanmak. Evrim bu simülasyonun sonuçlarına göre stratejileri gerçeği bulmak olanlara hiç hayat hakkı tanımıyor.(16) Bu test araştırmacılara göre bizim nesnel gerçekliği keşfetmek için evrimleşmiş olamayacağımızı gösteriyor. Bununla birlikte bu iki stratejinin birbirlerini neden dışladıkları açık değil. Merak yerine göre ölümcül olabilir. Günlük hayat bilgeliği bu yüzden bize fazla merakın iyi bir şey olmadığını söyler. Fakat merak buna rağmen kendi türümüzün en belirgin özelliklerinden biridir. Buradaki asıl sorun, diğer yandan, bilimin temellerini ortadan kaldıran bir iddiayı yine bilime dayandırmaya çalışmakta. Eğer iddia edildiği gibi nesnel gerçekliği keşfetmek için evrimleşmiş değilsek bunu nesnel bir hakikat olarak ortaya koyacak bir bilimimiz de olamaz. Yine de, bu iddiadaki güçlükler karşıt iddianın, yani Hilbertçilerin haklı olduğunu göstermiyor henüz. Aklın evrenin tüm gizemlerini çözmek üzere evrimleşmiş olamayacağını iddia edenlere nasıl karşı çıkabilirsiniz? “En iyi savunma saldırıdır” şiarını düstur edinmiş bir yazar yakınlarda bunu karşı tarafı “gizemciler” olarak yaftalayarak yapmaya çalıştı. “Gizemciler”, bu yazarın anlatımında, kuantum teorisindeki zorluklara işaret ederek bilimin bir sınıra dayandığını iddia ediyorlar.(17) Diğer yandan bu “karşı taarruz” meseledeki asıl zorluğu tamamen görmezden geliyor. Eğer bilimin kuantum teorisinin tuhaflıkları hariç gerçekliği her nasılsa öyle betimlediğini kabul ediyorsak bu başarının neden bir yerde durması gerektiğini temellendirmek güç olabilir. Fakat sorun bilimin yalnızca bize tuhaf gelen sonuçlarında değil. Asıl sorun, bundan daha çok, bilimin bize son derece olağan ve anlaşılır gelen sonuçlarında. Evrim başka hiçbir canlıya bu yetinin bir benzerini vermezken insanda bu sıçrama nasıl mümkün oldu? Cisimleşmiş biliş (embodied cognition) adı verilen bir görüşü savunanlar, örneğin, bu “sıçrama”nın gerçek değil bizim kuruntumuz olduğunu iddia ederek meseleyi çözüyorlar. Buradaki iddia bilimin nesnel gerçekliği betimlemede bir sınırı olduğu değil, bilimin nesnel gerçekliği betimlemek gibi bir işlevinin hiç olmadığı.

Yine ilk soru: Yapayalnız mıyız?
Aklın evrimi konusunu empirik olarak insanın evrimi üzerine çalışanlara bırakmak en doğru yol olabilir. Aklın doğrudan fosil kaydı yoktur gerçi, ama kullanılan aletler, süs eşyaları, ölü gömme biçimleri bize bu konuda çok şey anlatabilir. Bizim ses aracılığıyla iletişim kurmamızı anatomik olarak mümkün kılan özellikler de uzak ataların bizim gibi konuşup konuşmadıklarına ilişkin bir fikir verebilir. Buna ilişkin buluntular bizden başka türlerin de bizim gibi sanatsal bir bakışa, sembolik düşünce formlarına sahip olduklarını, bizim gibi konuşabildiklerini gösterebilir. Bununla birlikte araştırmacılar arasında bize en yakın tür olan Neandertallerin bunları başardıkları konusunda bile bir görüş birliği yok. Kullanılan aletlerin gelişimine baktığımızda yüz binlerce yıl kayda değer neredeyse hiçbir ilerleme olmadığını, ancak modern insanın (homo sapiens) ortaya çıkışından belirli bir süre sonra bu konuda bir patlama olduğunu görüyoruz. Noam Chomsky dilin evriminin de buna paralel bir seyir izlemiş olduğunu düşünüyor. Ona göre dil son yüz bin yıl içinde genetik mutasyona bağlı bir sıçrama ile ortaya çıkmış olabilir. Bu görüş Chomsky’nin bugüne kadar ortaya attığı görüşler içinde muhtemelen en tartışmalı olanı.(18) Bu tartışmalarda, bununla beraber, konumuz açısından ilginç bir ironi bulunuyor. Chomsky’ye göre bütün insan dilleri dil yetisini mümkün kılan ortak bir gramere dayanır. Bu “evrensel gramer”in temeli insanın biyolojisidir. Chomsky’nin dil yetisini genel olarak düşünme yetisinden ayrı bir modül olarak ele aldığını görüyoruz. Ona göre dilsel öğrenme tam bu nedenle genel bir öğrenme teorisi ile açıklanamaz. Dilsel öğrenmeyi açıklamak için salt bu alanla sınırlı olan bir öğrenme teorisine ihtiyacımız var. Aklı birbirlerinden belirli ölçülerde bağımsız evrimleşmiş olan modüllerin bir araya gelmesi olarak ele almak, yukarıda gördük, eğer aklın birdenbire belirdiğini kabul etmek istemiyorsak, tek seçenek gibi duruyor. Diğer yandan Chomsky bu defa dille ilgili olarak dil yetisinin evrimde birdenbire belirdiğine bizi inandırmaya çalışıyor. Chomsky’ye karşı çıkanlar ise böyle bir sıçrama olmadığını, insanın dilsel yetisi ile diğer hayvanların iletişimsel yetileri arasındaki farkın çok fazla abartıldığını iddia ediyorlar.(19) Aklın evrimsel bir sıçrama olup olmadığına ilişkin tartışmanın aynısı dille ilgili olarak yeniden karşımıza çıkıyor, ama tarafların burada ilginç bir şekilde yer değiştirdiklerini görüyoruz.

Kendi türümüzün evrimine baktığımızda gördüğümüz, aslında anlaşılmaz bir şekilde, bu gezegende de tek olduğumuz. Üstelik buradaki teklik iki anlamda. Bundan iki milyon yıl önce Afrika’da yaşayan pek çok insan türü (hominina) varken bugün kendi türümüz dışında diğerlerinin nesillerinin tamamen tükenmiş olmasının nedeni ne olabilir?(20) Fakat bu öyle olmasaydı ve bu türlerden bir ya da birkaçı daha bizim gibi bir akla sahip olacak şekilde evrilseydi de, muhtemelen henüz bizimkinden tamamen farklı bir akılla karşı karşıya olmayacaktık. Çünkü bu türlerle ortak kökenimiz henüz çok yakın. Fakat evrimin uçmayı çok farklı türlerde, farklı şekillerde yeniden icat etmesi gibi, neden akıl bizden görünüşte çok farklı türlerde tamamen farklı yollardan ortaya çıkmadı? Daha somut bir örnek: Avustralya’da bugün nesli tükenmiş bir “marsupial” tür olan thylacin kanguru gibi bir cebe sahipti ama kangurudan çok kurda benziyordu. Evrim uçan sincabın da, köstebeğin de bir marsupial versiyonunu yarattı. Peki, insanın marsupial bir versiyonu neden yok?(21)

Aklın ne olduğuna ilişkin tartışmalarda hakikat, pek çok başka durumda olduğu gibi, muhtemelen aşırı uçların ortasında bir yerde. Bunun neden öyle olduğunu anlamanın bir yolu kendi aklımızı bize yabancı bir aklın aynasında görmek olurdu. Bunu yapamadığımız sürece aşırı uçlar arasında savrulmak kaçınılmaz görünüyor. Ne var ki yakın zamanda bu yazgıdan kurtulacak gibi durmuyoruz. Çünkü görünen o ki, evrende yapayalnızız.

Dipnotlar

1) https://spacenews.com/mars-sample-return-mission-plans-begin-to-take-shape/

2) https://web.archive.org/web/20090624113015/http://www.betaversion.org/~stefano/linotype/news/91/

3) https://www.quantamagazine.org/computers-evolve-a-new-path-toward-human-intelligence-20191106/

4) https://www.bbc.com/news/health-50857759

5) https://www.theguardian.com/sport/2018/dec/11/creative-alphazero-leads-way-chess-computers-science

6) https://www.theguardian.com/commentisfree/2019/nov/02/ai-artificial-intelligence-language-openai-cpt2-release

7) https://www.theguardian.com/commentisfree/2019/nov/16/can-planet-afford-exorbitant-power-demands-of-machine-learning

8) https://www.wired.com/story/facebooks-ai-says-field-hit-wall/

9) https://www.forbes.com/sites/cognitiveworld/2019/10/20/are-we-heading-for-another-ai-winter-soon/#41022c3956d6

10) https://www.technologyreview.com/s/602094/ais-language-problem/

11) https://www.wired.com/story/greedy-brittle-opaque-and-shallow-the-downsides-to-deep-learning

12) https://www.forbes.com/sites/cognitiveworld/2019/11/21/is-machine-learning-really-ai/#2f57f85d2621

13) https://www.theatlantic.com/technology/archive/2012/11/noam-chomsky-on-where-artificial-intelligence-went-wrong/261637/

14) https://mindmatters.ai/2020/01/faith-is-the-most-fundamental-of-the-mathematical-tools/

15) https://www.newscientist.com/article/mg24332410-300-is-reality-real-how-evolution-blinds-us-to-the-truth-about-the-world/

16) https://bigthink.com/surprising-science/does-reality-exist.amp.html

17) https://thenextweb.com/syndication/2019/11/17/why-philosophers-believe-weve-reached-peak-human-intelligence/

18) https://www.psychologytoday.com/us/blog/the-recursive-mind/201803/whos-afraid-noam-chomsky

19) https://www.scientificamerican.com/article/evidence-rebuts-chomsky-s-theory-of-language-learning/

20) http://www.bbc.com/earth/story/20150929-why-are-we-the-only-human-species-still-alive

21) https://www.livescience.com/evolution-says-humans-only-intelligent-life.html