Uzman Sistemler: Bilgiyi Kurallara Dönüştürmek Yapay Zekâ – Bölüm 2

1. Sembolik Yapay Zekâdan Bir Adım İleri

Sembolik yapay zekâ, düşünmenin mantıksal kurallarla modellenebileceğini göstermişti.
Ancak bu yaklaşım büyük ölçüde soyut problemlerle sınırlıydı:
mantık teoremleri, oyunlar veya çok dar tanımlanmış dünyalar.

1970’li yıllara gelindiğinde yapay zekâ araştırmacıları şu soruya yöneldi:

Eğer mantıkla akıl yürütme mümkünse, uzman bilgisi de kurallara dökülemez mi?

Bu soru, yapay zekânın ilk büyük uygulama alanını doğurdu:
Uzman Sistemler.

2. Uzman Sistem Nedir?

Uzman sistemler, belirli bir alanda (örneğin tıp, kimya, jeoloji)
insan uzmanların karar verme süreçlerini taklit etmeyi amaçlayan yapay zekâ sistemleridir.

Bu sistemler üç temel bileşenden oluşur:

1. Bilgi Tabanı (Knowledge Base)
   Alan uzmanlarından elde edilen kurallar ve olgular burada saklanır.
   Örneğin:
   • “Eğer bakteriyel enfeksiyon varsa ve ateş yüksekse, antibiyotik düşünülür.”
2. Çıkarım Motoru (Inference Engine)
   Kuralları kullanarak yeni sonuçlar üretir.
   İleri zincirleme (forward chaining) veya geri zincirleme (backward chaining) gibi yöntemler kullanılır.
3. Açıklama Mekanizması
   Sistem, neden bu sonuca ulaştığını adım adım açıklayabilir.

Bu yapı, sembolik yapay zekânın mantık temelli yaklaşımını pratik karar verme alanlarına taşımıştır.

3. DENDRAL: Uzman Sistemlerin İlk Başarısı

Uzman sistemlerin ilk önemli örneklerinden biri DENDRAL’dır.
Bu sistem, kimyasal bileşiklerin moleküler yapısını belirlemek için geliştirilmiştir.

DENDRAL:

• Kimyagerlerin kullandığı sezgisel kuralları alır,
• Olası molekül yapılarını üretir,
• Bu yapıları mantıksal kısıtlarla eleyerek en olası sonucu verir.

Buradaki kritik nokta şudur:
Sistem “öğrenmez”;
ona uzmanın nasıl düşündüğü kurallar hâlinde öğretilmiştir.

DENDRAL, dar ama iyi tanımlanmış bir alanda
insan uzmanlarla rekabet edebilecek düzeyde sonuçlar üretmiştir.

Bu başarı, yapay zekâ alanında büyük bir heyecan yaratmıştır.

4. MYCIN: Yapay Zekâ Tıpla Buluşuyor

Uzman sistemlerin en meşhur örneği ise MYCIN’dir.
MYCIN, kan enfeksiyonlarının teşhisi ve antibiyotik önerisi için geliştirilmiş bir sistemdir.

Sistemin çalışma biçimi şuydu:

• Hastadan alınan veriler (ateş, laboratuvar sonuçları vb.) girilir,
• Bilgi tabanındaki yüzlerce kural değerlendirilir,
• Olası teşhisler ve tedavi önerileri üretilir.

MYCIN’in en dikkat çekici yönlerinden biri,
belirsizlikle başa çıkmak için güven katsayıları kullanmasıydı.
Yani sistem, sonuçlarını “kesin doğru” olarak değil,
“şu yüzdeyle muhtemel” şeklinde sunuyordu.

Testlerde MYCIN’in performansı,
birçok durumda insan uzmanlarla karşılaştırılabilir bulunmuştur.

5. Bilgi Mühendisliği: Büyük Darboğaz

Uzman sistemlerin başarısı kadar, onları geliştirme süreci de öğreticiydi.
En büyük sorun kısa sürede netleşti:

Bilgi elde etmek çok zordu.

Bu sürece bilgi mühendisliği denir.
Alan uzmanlarından bilgi almak:

• zaman alıcıydı,
• yorucuydu,
• çoğu zaman eksik veya çelişkiliydi.

Uzmanlar çoğu zaman:

• “Bunu sezgisel olarak biliyorum” diyordu,
• ama bu sezgiyi açık kurallara dökemiyordu.

Bu durum, sembolik yapay zekânın temel varsayımını sorgulatmaya başladı:

İnsan bilgisi gerçekten açık kurallardan mı oluşur?

6. Kural Patlaması ve Kırılganlık

Bir diğer büyük problem, kural patlamasıydı.
Gerçek dünya karmaşıklaştıkça:

• kural sayısı hızla arttı,
• sistemlerin bakımı zorlaştı,
• küçük bir değişiklik, tüm sistemi bozabilir hâle geldi.

Uzman sistemler:

• dar alanlarda başarılıydı,
• ama alan genişledikçe kırılgan hâle geliyordu.

Bu durum, yapay zekâ araştırmalarında ciddi bir hayal kırıklığı yarattı.

7. Yapay Zekâ Kışı’na Giden Yol

1980’li yılların ortalarına gelindiğinde beklentiler ile gerçekler arasındaki fark büyüdü.
Uzman sistemler:

• pahalıydı,
• zor geliştiriliyordu,
• her probleme genellenemiyordu.

Sonuç olarak:

• fonlar kesildi,
• projeler durduruldu,
• yapay zekâ alanı ciddi bir durgunluğa girdi.

Bu dönem, literatürde “Yapay Zekâ Kışı” olarak anılır.

Ancak bu bir son değil, bir dönüm noktasıydı.

8. Tarihsel Değerlendirme

Uzman sistemler bugün yaygın kullanılmıyor olabilir;
ancak yapay zekâ tarihinde çok kritik bir rol oynadılar:

• Yapay zekânın uygulamaya dönük olabileceğini gösterdiler.
• Açıklanabilirlik kavramını yerleştirdiler.
• İnsan bilgisinin sınırlı biçimde formelleştirilebildiğini ortaya koydular.
• En önemlisi:
  Öğrenme olmadan genel zekâ olmaz fikrini netleştirdiler.

Bu fark ediş, yapay zekânın yönünü kökten değiştirecektir.

9. Bir Sonraki Eşik

Uzman sistemlerin tıkanması, şu yeni soruyu gündeme getirdi:

Eğer bilgiyi kurallara dökemiyorsak,
makineler bilgiyi kendileri öğrenebilir mi?

Bu soru bizi bir sonraki bölüme götürür.