Sembolik Yapay Zekâ: Akıl Mantıkla Modellenebilir mi? Yapay Zekâ – Bölüm 1

1. Yapay Zekâ Bir Mühendislik Projesi Olarak Nasıl Doğdu?

Bu yaklaşımın arkasındaki temel soru şuydu:

İnsan düşüncesi, açık kurallar ve sembollerle ifade edilebilir mi?

Bu soru tesadüfen ortaya çıkmadı.
Aristoteles’in kıyas mantığı, Boole’un cebirsel mantığı, Frege’nin sembolik dili ve Russell’ın biçimsel sistemleri, düşünmenin kural temelli bir yapısı olduğu fikrini güçlendirmişti.
Alan Turing ise bu düşüncenin makine üzerinde uygulanabileceğini göstermişti.

Artık geriye şu adım kalmıştı:
Bu mantıksal düşünme biçimini gerçekten çalışan bir program hâline getirmek.

2. Dartmouth Konferansı: Sembolik Yapay Zekânın Resmî Doğuşu

1956 yılında düzenlenen Dartmouth Yaz Araştırma Projesi, yapay zekâ alanının başlangıç noktası kabul edilir.
Bu projeyi öneren araştırmacılar (John McCarthy, Marvin Minsky, Allen Newell ) çok iddialı bir varsayımla yola çıktılar:

“Öğrenmenin ve zekânın her yönü o kadar kesin biçimde tanımlanabilir ki, bir makine bunları taklit edebilir.”

Bu varsayımın merkezinde mantık vardı.
Zekâ; sezgi, duygu veya bilinç değil, doğru çıkarım yapabilme yeteneği olarak ele alınıyordu.

Bu nedenle ilk yapay zekâ çalışmaları:

• istatistikle değil,
• veriyle değil,
• öğrenmeyle değil,

semboller ve kurallarla ilerledi.

3. Sembolik Yapay Zekânın Temel Yapı Taşları

Sembolik yapay zekâ üç ana bileşen üzerine kuruludur:

1. Sembolik Temsil
   Gerçek dünyadaki nesneler, kavramlar ve ilişkiler sembollerle gösterilir.
   Örneğin:
   • “İnsan(Sokrates)”
   • “Ölümlü(x)”
2. Bilgi Tabanı
   Doğru kabul edilen ifadeler ve kurallar burada saklanır.
   Örneğin:
   • Tüm insanlar ölümlüdür.
3. Çıkarım Mekanizması
   Kuralları kullanarak yeni sonuçlar üretir.
   Örneğin:
   • Sokrates insandır → Sokrates ölümlüdür.

Bu yapı, Aristoteles’in kıyas mantığının doğrudan bilgisayar uyarlamasıdır.

4. Logic Theorist: Bir Makine Teorem İspatlayabilir mi?

Sembolik yapay zekânın ilk somut başarısı, 1956’da geliştirilen Logic Theorist adlı programdır.
Bu program, matematiksel mantık alanındaki Principia Mathematica kitabında yer alan bazı teoremleri otomatik olarak ispatlamayı başarmıştır.

Buradaki önemli nokta şudur:

• Program sayısal hesap yapmıyordu.
• Olasılık kullanmıyordu.
• Öğrenmiyordu.

Sadece:

• sembollerle çalışıyor,
• kuralları uyguluyor,
• mantıksal arama yapıyordu.

Bu, “makine düşünemez” yargısına karşı çok güçlü bir örnek olarak görülmüştür.

5. Arama ve Çıkarım: Akıl Yürütmenin Mekaniği

Sembolik yapay zekâ sistemleri genellikle arama (search) temelli çalışır.
Bir problem çözülürken:

• olası çıkarım adımları üretilir,
• bunlar bir ağaç yapısı gibi taranır,
• hedefe ulaşan yol seçilir.

Bu yaklaşım, satranç programlarında ve matematik problem çözücülerde yoğun biçimde kullanılmıştır.

Ancak burada kritik bir sorun ortaya çıkar:

Olası durumların sayısı çok hızlı artar.

Bu durum, daha sonra “kombinatoryal patlama” olarak adlandırılacaktır.

6. Dil Anlama Denemesi: SHRDLU

Sembolik yapay zekânın bir diğer önemli örneği SHRDLU adlı sistemdir (1968–1970).
Bu program, sınırlı bir “blok dünyası” içinde doğal dile benzer komutları anlayabiliyordu.

Örneğin:

• “Kırmızı küpü mavi bloğun üstüne koy.”
• “Üzerinde hiçbir şey olmayan bloğu göster.”

SHRDLU, bu komutları:

• sembollere çeviriyor,
• mantıksal çıkarım yapıyor,
• sonucu simüle ediyordu.

Bu başarı, sembolik yaklaşımın kontrollü ortamlarda ne kadar güçlü olduğunu gösterdi.

7. Neden Sınıra Ulaşıldı?

Sembolik yapay zekânın temel problemi şuydu:
Gerçek dünya, sembolik olarak tam tanımlanamayacak kadar karmaşıktır.

Karşılaşılan başlıca zorluklar:

• Kuralların sayısı hızla arttı.
• İstisnalar kural sistemlerini bozdu.
• İnsan bilgisinin büyük kısmı örtüktü (açık kurallara dökülemiyordu).

Örneğin:

• “Bir insan hasta mıdır?”
• “Bir davranış mantıklı mıdır?”

Bu sorular için net, evrensel kurallar yazmak mümkün değildi.

8. Tarihsel Değeri

Bugün sembolik yapay zekâ tek başına yeterli görülmese de, önemi çok büyüktür çünkü:

• Yapay zekâyı bilimsel bir alan hâline getirdi.
• Akıl yürütmeyi teknik olarak tanımladı.
• Açıklanabilir yapay zekâ fikrinin temelini attı.
• Öğrenen sistemlerin neden gerekli olduğunu gösterdi.

En kritik kazanım şuydu:

Zekâ, sezgisel bir kavram olmaktan çıkıp modelleme problemi hâline geldi.

9. Sonraki Soru

Sembolik yapay zekâ şu soruyla baş başa kaldı:

İnsan bilgisini gerçekten kurallar hâline getirebilir miyiz?

Bu soru bizi doğrudan bir sonraki bölüme götürür.