kızımla yapay zeka sohbetleri #11
artık kaybetmiyor, çünkü zaten nereye gideceğini biliyor gibi.
bu hafta yine küçük bir iş seyahatiyle bölündü ve idil hanım gözlemlerim birazcık yarım kaldı. eve döner dönmez, oldukça çarpıcı yeni özelliğimiz ile tanıştım. idil artık bir şeyi izlerken eskisi gibi sarsılmıyor. elimi yavaşça sağdan sola hareket ettiriyorum, gözleri pürüzsüz bir çizgide takip ediyor — ne sıçrama var, ne de kaybedip yeniden bulma çabası.
birkaç hafta önce böyle değildi. o zaman gözler sanki nesneyi sonradan yakalıyordu — önce kaybediyor, sonra bir sıçrayışla tekrar buluyordu. şimdi bulma yok, zaten oradaymış gibi bir akıcılık var. hatta sanki milisaniyelerle idil hanım önden gidiyor bile diyebilirim.
bunu ilk fark ettiğimde tesadüf sandım. ama sonra ona havalimanında aldığım “igu” isimli oyuncağını sallarken de aynı şeyi gördüm — gözleri oyuncağı bırakmıyor, hızlanınca göz de hızlanıyor, yavaşlayınca göz de yavaşlıyor. odanın öbür ucundan yürürken bile beni kaybetmiyor artık; kafasını çeviriyor, ama tam da gerektiği anda, ne erken ne geç. sanki bir yerlerde sessizce bir hesap yapılıyor.
bu değişikliğin arkasında görme sisteminde iki farklı mekanizma var: saccadic (sıçramalı) ve smooth pursuit (akıcı takip) göz hareketleri. yenidoğanlarda hâkim olan sıçramalı sistem — göz, hareket eden bir nesneyi önce kaybeder, sonra küçük sıçramalarla yeniden bulmaya çalışır. bu, tepkisel bir sistem: nesne nereye gitti, oraya bakayım. smooth pursuit ise çok daha farklı bir şey yapıyor — gözü nesnenin şu anki konumuna değil, bir sonraki konumuna götürüyor. isveçli gelişim psikoloğu claes von hofsten, bebeklerin görsel takip ve el-göz koordinasyonu üzerine yaptığı çalışmalarda bu geçişi ayrıntılı biçimde belgelemiş — bebeğin sekizinci ile on ikinci hafta arasında, nesneyi kovalayan bir sistemden, nesneyi önceden kestiren bir sisteme geçtiğini göstermiş.
bunun ötesinde bir şey daha oluyor aslında. beyin artık sadece “şu an ne görüyorum” sorusuna cevap vermiyor, “birazdan ne göreceğim” sorusuna da cevap arıyor. bilişsel bilimde buna tahminsel işleme (predictive processing) deniyor — algının pasif bir kayıt değil, sürekli güncellenen bir tahmin süreci olduğu fikri. göz, nesneyi kovalamıyor artık; nesnenin yörüngesine dair bir iç model kurmuş ve o modelin ürettiği tahmine göre hareket ediyor.
bunun nasıl mümkün olduğunu düşününce insan biraz duraksıyor. idil’in beyni, elimin hızını, yönünü, birkaç önceki konumunu bir şekilde tutuyor olmalı — ve bu birikimden bir sonraki konumu çıkarsıyor. bunu yapabilmek için tek bir anı değil, art arda gelen birkaç anı bir arada değerlendirmesi gerekiyor. yani ortada sadece bir “şimdi” yok; kısa bir geçmiş penceresi var, ve o pencere geleceğe doğru sürekli ekstrapolasyon yapıyor. bebek büyüdükçe bu pencere de genişliyor — önce sadece birkaç saniyelik bir yörüngeyi tahmin edebiliyor, zamanla çok daha karmaşık, çok daha uzun örüntüleri. kocaman bir kız olduğunda ise kim bilir daha neleri..
biz yetişkinler bunu o kadar otomatik yapıyoruz ki fark bile etmiyoruz. bir topu tutarken, elimizi topun şu anki konumuna değil, birkaç yüz milisaniye sonraki konumuna götürürüz — sinir sisteminin tepki gecikmesi zaten buna zorluyor bizi. eğer sadece anlık konuma tepki verseydik, top elimize her zaman geç kalırdı. yani smooth pursuit, aslında ömür boyu süren bir tahmin alışkanlığının ilk, en çıplak hâli.
yapay zeka tarafında ise bu durum tam olarak bir tanıma denk geliyor: video ve zaman-serisi modellerinde sonraki kare tahmini (next-frame prediction). bu modeller, ellerine verilen bir kare dizisinden bir sonraki karenin ne olacağını öğrenmeye çalışır — dışarıdan hiçbir etiket olmadan, sadece zamanın kendi akışından bir öğrenme sinyali çıkarırlar. model ne kadar çok kare görürse, gelecekteki kareyi o kadar isabetli tahmin etmeye başlar; sonunda artık “izlemiyor”, neredeyse birlikte akıyor.
bununla yakından ilişkili bir başka kavram da optical flow (optik akış): ardışık karolar arasında hangi pikselin nereye kaydığını hesaplayan klasik bir bilgisayarlı görü tekniği. bir video modelinin akıcı, titremeyen bir çıktı üretebilmesi için bu akışı doğru okuması gerekiyor — kareler arasındaki geçişin, tek tek karelerin kendisi kadar önemli olduğu bir problem bu. bir video üretim modeli her kareyi ayrı ayrı mükemmel üretse bile, kareler arasında bu akış tutarlı değilse sonuç titrer, kopuk görünür. tıpkı bir bebeğin gözünün, tek tek anları değil, akışın kendisini yakalamayı öğrenmesi gibi.
ilginç olan şu: bu modeller de başta idil’in birkaç hafta önceki gözleri gibi davranıyor — kaba, gecikmeli, sıçramalı. eğitim ilerledikçe, ardışık kareler arasındaki örüntüyü içselleştirdikçe, tahminleri akıcılaşıyor. hem bebekte hem modelde ortaya çıkan şey aynı: geçmiş konumlardan bir iç model kurmak, ve o modelin ürettiği tahminle şimdiki anı değil, gelecek anı hedeflemek. will smith’in spagetti yediği videolar serisini hatırlıyorsunuz değil mi? nereden nereye..
burada dikkat çekici bir ayrıntı daha var: bu tahmin becerisi hiçbir zaman mükemmel değil, hem bebekte hem modelde. elimi aniden yön değiştirirsem, idil’in gözü bir anlığına şaşırıyor — kurduğu iç model, gerçek yörüngeyle uyuşmuyor, ve küçük bir düzeltme sıçraması oluyor. video modellerinde de aynı şey var: beklenmedik bir kesme, bir sahne değişimi, modelin tahminini bozuyor, çıktıda küçük bir tutarsızlık, bir “titreme” ortaya çıkıyor. tahmin sistemleri, öngörülebilir olanı yakaladıkları kadar iyi çalışıyor — sürpriz geldiğinde ikisi de aynı şeyi yapıyor: durup yeniden bakıyor.
bu “yeniden bakma” anı aslında hem bebekte hem modelde en çok bilgi taşıyan an. çünkü tahmin tutarken öğrenilecek fazla bir şey yok — model zaten haklı. asıl öğrenme, tahmin yanlış çıktığında oluyor; hata, modelin parametrelerini güncellemek için gereken sinyali veriyor. araştırmacılar buna bazen tahmin hatası (prediction error) diyor — ve bazılarına göre beynin büyük kısmı, aslında sürekli böyle küçük hataları en aza indirmeye çalışan bir tahmin makinesinden ibaret. idil’in şaşırdığı o kısacık an, belki de öğrenmenin gerçekleştiği tam yer.
bu tahmin ufkunun genişlemesi de ayrı bir eksen. bir video modeli önce sadece bir sonraki kareyi tahmin etmeyi öğrenir; daha büyük, daha iyi eğitilmiş modeller birkaç saniye ötesini, hatta bir sahnenin nasıl gelişeceğini kabaca kestirebilir hale gelir. idil için de benzer bir genişleme söz konusu — bugün elimin bir saniye sonraki konumunu tahmin ediyor, birkaç ay sonra belki “şimdi beni kucağına alacak” gibi çok daha soyut, çok daha uzun vadeli örüntüleri de tahmin etmeye başlayacak. kısa vadeli hareketten uzun vadeli niyete doğru genişleyen bir tahmin ufku.
bunu düşününce aklıma bambaşka bir soru takılıyor. idil’in gözü artık elimi “izlemiyor” — bir adım önden gidiyor. ama bu önden gitme, hâlâ bir takip. tahmin ettiği şey kendi ürettiği bir şey değil; benim elimin hareketinden çıkardığı bir örüntü. yani bir yandan artık pasif değil, aktif bir model kuruyor; öte yandan hâlâ dışarıdaki bir şeyin peşinde. bir video modeli de öyle — ne kadar iyi tahmin ederse etsin, tahmin ettiği şey kendi iradesi değil, verilen dizinin devamı.
akşam onu kucağıma alırken gözlerinin kapıya, sonra bana, sonra tekrar kapıya gittiğini izliyorum bazen. “tamam sen buradasın da sakallı adam, sütçü kadın nerede?” diyecekmiş gibi geliyor.. sanki bir sonraki hareketimi zaten biliyor — ben daha kapıyı kapatmadan o çoktan oraya bakmayı bırakmış oluyor. bu beni hem gururlandırıyor hem de tuhaf bir şekilde ürkütüyor: onu şaşırtmak gittikçe zorlaşıyor.
belki de büyümenin bir kısmı da tam olarak bu: önce dünyayı geriden kovalıyorsun, sonra bir adım önden gitmeyi öğreniyorsun — ama bu önden gidişin, hâlâ birinin çizdiği bir yörüngeye ait olduğunu ne zaman fark ediyorsun? ve o farkındalık geldiğinde, tahmin etmekle kendi yolunu çizmek arasındaki o ince çizgiyi nasıl ayırt ediyorsun?