Filozof Ludwig Wittgenstein’ın dil teorilerinin yayınlanmasından 60 yıl sonra, Google Translate’in arkasındaki yapay zeka, Wittgenstein’ın hipotezlerinin pratik bir örneğini sağlamıştır. Adobe’de makine öğrenmesi üzerine çalışan ve Bard College’daki lisans derecesinde Wittgenstein uzmanı Garry Hagberg’den felsefe eğitimi alan Patrick Hebron, Google Translate’in arkasındaki ağların Wittgenstein’ın çalışmalarının gerçek bir temsili olduğunu belirtiyor.
Google çalışanları, daha önce Wittgenstein’ın teorilerinin çeviri hizmetlerini daha etkin hale getirme konusunda bir atılım yaptığını kabul etmişti; ancak bir şekilde dil felsefesi ile yapay zeka felsefesi arasındaki bu önemli bağlantı, uzun süredir gözden kaçırılmıştı.
En temelde, Google Translate, bağlamlarında sözcükleri anlayarak işlev görür. Tercüme servisi, Google çalışanları tarafından word2vec adı verilen ve kelimeler için ‘vektör gösterimleri’ yaratan bir algoritmaya dayanmaktadır, bu da temel olarak her kelimenin sayısal olarak temsil edildiği anlamına gelir.
Tercümelerin işe yaraması için, programcıların bu kelimelerin birbirleriyle nasıl ilişkili olduğunu anlamak için eğitilmiş bir tür makine öğrenme şekli olan ‘sinir ağı’ oluşturmaları gerekir. Çoğu kelimenin çeşitli anlamları vardır (örneğin ‘gövde’ bir filin, bir ağacın, valizin veya arabanın bir kısmını ifade edebilir) ve bu nedenle Google Translate’in, içeriği anlaması gerekir. Sinir ağı, etrafındaki kelimelere dayanarak bir kelimeyi tahmin edebilmek için, herhangi bir kelimeden önce gelen ve onu takip eden iki kelimeye odaklanarak milyonlarca metni okur. Yapay zeka, hayal etmesi imkansız olan çok boyutlu bir vektör uzayının koordinatlarını oluşturan her kelime arasındaki olasılıksal bağlantıları hesaplar.
İşte harika bölüm: Cebirin, kelimelerin vektör gösterimlerine uygulanabileceği ve kavramsal olarak anlamlı sonuçlar verebileceği ortaya çıkıyor. Hebron, Computer Science’da 2013 yılında yayınlanan kanonik örneğe değinir: “Kral’ı temsil eden vektör kelimesini alıp ‘erkek’i temsil eden vektörü çıkarır ve ‘kadın’ı temsil eden vektörü eklerseniz, ‘kraliçe’ kelimesini temsil eden vektör alanına ineceksiniz.” Bu bir şans değil; örneğin ‘Pekin’ ve ‘Çin’ için vektör temsilleri arasında ‘Moskova’ ve ‘Rusya’ için olduğu gibi benzer bir vektör ilişkisi vardır.
Hebron, “Benzer kelimeler benzer yerlere düşüyor” diyor. “Bu kelimeler arasındaki mekânsal ilişkiler, aralarındaki kavramsal ilişkiler hakkında düşünme şeklimizi oluşturur.”
Bu bağlantı, Wittgenstein’ın dil kavramının bir temsilidir. 1953 yılında ölümden sonra Philosophical Investigations’ta yayınlanan felsefi araştırmalarda filozof, kelimelerinin standart, sabit anlamlarının olmadığını savundu; bunun yerine anlamları kullanımlarında yattığını öne sürdü. Standford Ansiklopedisi’nin Wittgenstein’ın teorisinin açıklamasında, “anlamı araştırırken filozof, sözcüğün kullanıldığı kullanım çeşitliliğine ‘bakmalı ve görmelidir’” diyor. Ayrıca Wittgenstein kelimelerin “aile benzerliği” ile diğer kelimelere göre anlaşılması gerektiğini vurguladı: “Geleneksel olarak -ve dogmatik olarak- yaptığımız gibi, bir kelimenin anlamının yer aldığı temel çekirdeğe ve dolayısıyla, bu kelimenin tüm kullanımlarında ortak olan şeye bakmamız için hiçbir neden yok. Bunun yerine ‘birbiriyle çakışan ve çapraz geçişli karmaşık bir benzerlikler ağı’ aracılığıyla sözcük kullanımlarında seyahat etmeliyiz.” diyor Standford Ansiklopedisi’nde.
Ve böylece Google Translate, Wittgenstein’ın teorilerine özenle bakıyor: “Bu iki fikir arasında çok gerçek bir bağlantı var; çünkü word2vec içindeki kelimelerin temsillerini ortaya koyma yollarımız, temelde kelimeleri çevreleyen sözlere bakarak kendileri için bir yer bulmamız ve bağlam içi kullanımlarının toplamı tarafından tanımlandığı şekilde onları tespit etmemizdir” diyor Hebron.
Bu, felsefi teorileri test eden tek yapay zeka örneği değil. Örneğin, Noam Chomsky, dilbilgisi gibi bazı dil özelliklerinin biyolojik olarak ve doğası gereği akılda bulunduğunu öne sürmüş; ama derin öğrenme öncüsü Yoshua Bengio, şu ana kadar derin öğrenmenin bu teorilere tamamen aykırı olduğunu belirtmiştir. Makine öğrenmesi kesinlikle kendi başına faydalı olsa da, Hebron “başka türlü soyut felsefi kavramlar için vaka çalışmaları” olabileceğini de belirtti. İlk olarak George Boole ve Gottlob Frege gibi filozofların bilgisayar kodunu yarattıkları göz önüne alındığında, AI’daki ilerlemenin sürekli olarak felsefi teorilere döneceği düşünülmektedir.
Yazar: Olivia Goldhill
Çevirmen: Nilüfer Çakır
Kaynak: Quartz
Düşünbil Portal’da yayımlanan, Düşünbil yazar ve çevirmenlerine ait herhangi bir yazı, çeviri, makale ve haber izin alınmadan basılı olarak ya da internet ortamında kullanılamaz, çoğaltılamaz, yayınlanamaz. İzinsiz kullananlar hakkında hukuki yollara başvurulacaktır. Düşünbil Portal’da yayımlanan tüm özgün yazıların içeriğinden yazarları sorumludur.