POP HABER Popüler Haber Sitesi
Yapay Zekâ Dünyasında Belirsizliği Modelleyen Bilim İnsanı
Yapay zekânın gelişim öyküsü yalnızca daha büyük bilgisayarlar, daha fazla veri ve daha karmaşık algoritmalardan oluşmuyor. Bu alanın önemli sorularından biri, makinelerin öğrendikleri bilgiler konusunda ne kadar güvenilir sonuçlar üretebildiğiyle ilgili. Çünkü gerçek dünyada hiçbir veri kümesi kusursuz değil; bilgiler eksik olabiliyor, ölçümlerde hata bulunabiliyor ve geleceğe ilişkin tahminlerde her zaman bir belirsizlik ortaya çıkıyor.
İşte Zoubin Ghahramani, yapay zekâ araştırmalarında bu belirsizlik problemini merkeze alan bilim insanlarından biri olarak öne çıkıyor. Bilgisayar bilimi ile istatistik, bilişsel bilim ve sinirbilim arasında bağlantılar kuran Ghahramani; özellikle olasılıksal makine öğrenmesi, Bayesçi yöntemler, grafiksel modeller ve Gauss süreçleri üzerine yaptığı çalışmalarla tanınıyor.
Cambridge Üniversitesi’nde Bilgi Mühendisliği Profesörü olan Ghahramani, Google DeepMind bünyesinde de araştırma liderliği görevinde bulunuyor. Kariyerinin önemli bölümlerinde akademik araştırmalar ile teknoloji sektörünü bir araya getiren çalışmalar yürüttü.
Zoubin Ghahramani’nin Hayatına Kısa Bakış
Zoubin Ghahramani, 8 Şubat 1970 tarihinde Moskova’da doğdu. Eğitim ve araştırma hayatının ilerleyen dönemlerinde bilgisayarların öğrenme kapasitesi ile insan bilişi arasındaki ilişki üzerinde yoğunlaştı.
Üniversite eğitimini ABD’deki Pennsylvania Üniversitesi’nde gerçekleştirdi. Burada bilgisayar biliminin yanı sıra bilişsel bilim eğitimi aldı. Bu çift yönlü akademik altyapı, onun ileride geliştireceği araştırma anlayışının önemli parçalarından biri oldu.
Daha sonra MIT’de doktora yapan Ghahramani, çalışmalarında insanın sensörimotor bilgileri nasıl işlediğini ve öğrendiğini hesaplamalı açıdan incelemeye yöneldi. 1995 yılında doktorasını tamamladı.
Bu noktadan sonra akademik kariyeri farklı üniversiteler ve araştırma merkezleri üzerinden ilerledi. Toronto Üniversitesi, University College London ve Cambridge Üniversitesi, bilimsel yaşamında önemli yere sahip kurumlar arasında bulunuyor.
Bilgisayar Bilimiyle Bilişsel Bilimi Birleştiren Eğitim
Ghahramani’nin çalışmalarının anlaşılmasında eğitim geçmişi özel bir önem taşıyor. Çünkü kariyerinin ilk dönemlerinden itibaren bilgisayarların öğrenme biçimleri ile insanların bilgi edinme süreçleri arasında bağlantı kurmaya çalıştı.
Pennsylvania Üniversitesi’ndeki bilgisayar bilimi ve bilişsel bilim eğitiminin ardından MIT’de bilişsel sinirbilim alanında doktora yapması, disiplinlerarası yaklaşımının temelini oluşturdu.
Doktora çalışmaları sırasında insan hareketlerinin öğrenilmesi ve sensörimotor entegrasyon gibi konular üzerine yoğunlaştı. Bu araştırmalar doğrudan günümüzde kullanılan yapay zekâ sistemlerinin aynısı olmasa da, öğrenmenin hesaplamalı olarak nasıl ifade edilebileceği sorusuna odaklanması bakımından sonraki çalışmalarının öncüllerinden biri oldu.
Bu nedenle Ghahramani’nin akademik kariyerini yalnızca “bilgisayar bilimcisi” tanımıyla açıklamak, çalışmalarının kapsamını tam olarak yansıtmayabilir. Onun araştırmalarında istatistik, bilişsel bilim, matematik ve yapay zekâ sürekli olarak birbirine temas ediyor.
Geoffrey Hinton ile Çalıştığı Dönem
Doktora sonrasında Ghahramani’nin kariyerindeki önemli duraklardan biri Toronto Üniversitesi oldu. Burada doktora sonrası araştırmacı olarak görev yaptı.
Toronto’daki döneminde, yapay zekâ ve makine öğrenmesinin önde gelen isimlerinden Geoffrey Hinton ile çalışma fırsatı buldu. Hinton’ın araştırmaları özellikle sinir ağları ve makine öğrenmesi açısından etkili olurken, Ghahramani farklı bir çizgide olasılıksal modelleme ve istatistiksel öğrenme yöntemlerine yoğunlaştı.
Bu dönem, makine öğrenmesinin farklı araştırma geleneklerinin birbirleriyle temas ettiği yıllardan biriydi. Ghahramani’nin kariyerinde de bu etkileşim, sonraki çalışmalarının şekillenmesine katkıda bulundu.
Cambridge Üniversitesi Yılları
Ghahramani, kariyerinin önemli bir bölümünü Cambridge Üniversitesi’nde geçirdi. Üniversitenin Bilgi Mühendisliği bölümünde profesör olarak görev yaptı ve makine öğrenmesi araştırmalarının gelişimine katkı sağladı.
Cambridge’deki çalışmalarının merkezinde bilgisayarların verilerden nasıl daha iyi çıkarımlar yapabileceği sorusu yer aldı.
Burada dikkat çeken nokta, Ghahramani’nin makine öğrenmesine yalnızca tahmin problemi olarak yaklaşmamasıydı. Ona göre bir modelin elde ettiği sonucun yanında, o sonuca ilişkin belirsizliğin de anlaşılması gerekiyor.
Bu yaklaşım, özellikle bilimsel araştırmalarda ve hata maliyetinin yüksek olduğu uygulamalarda önem kazanıyor.
Olasılıksal Makine Öğrenmesi Nedir?
Zoubin Ghahramani’nin bilimsel kimliğinin en önemli parçalarından biri olasılıksal makine öğrenmesi alanıdır.
Geleneksel bir tahmin sistemi çoğu zaman tek bir sonuç üretmeye odaklanır. Örneğin bir sistem bir görüntüyü incelediğinde bunun bir otomobil olduğunu söyleyebilir. Fakat gerçek hayatta veriler her zaman yeterince açık olmayabilir.
Görüntü bulanık olabilir, veri eksik olabilir veya sistem daha önce karşılaşmadığı bir örnekle karşılaşabilir.
Olasılıksal makine öğrenmesi, bu durumlarda farklı sonuçların ne ölçüde mümkün olduğunu hesaplamaya çalışır. Böylece model yalnızca “sonuç budur” demek yerine, farklı sonuçlara ilişkin olasılıkları değerlendirebilir.
Bu yaklaşımın önemli tarafı, belirsizliği bir hata olarak görmemesidir. Belirsizlik, modelin dünyaya ilişkin bilgisinin doğal bir parçası olarak ele alınır.
Ghahramani’nin Nature dergisinde 2015 yılında yayımlanan çalışması, olasılıksal makine öğrenmesi ile yapay zekâ arasındaki ilişkiyi ele alan önemli araştırmalarından biridir.
Bayesçi Makine Öğrenmesi Çalışmaları
Ghahramani’nin araştırmalarında Bayesçi yöntemler de önemli bir yere sahip.
Bayesçi yaklaşımın temelinde, mevcut bilgiler ile yeni kanıtların bir arada değerlendirilmesi bulunuyor. Yeni veri elde edildiğinde modelin önceki varsayımları yeniden değerlendiriliyor.
Bu özellik, özellikle belirsizliğin yüksek olduğu problemlerde kullanışlı olabiliyor.
Örneğin bir makine öğrenmesi sistemi belirli bir olayın gerçekleşme ihtimali konusunda başlangıçta bir tahminde bulunabilir. Daha sonra yeni veriler ortaya çıktığında tahminini güncelleyebilir. Bayesçi yöntemler bu değişimin matematiksel olarak ifade edilmesine yardımcı olur.
Ghahramani’nin çalışmaları, Bayesçi çıkarımı makine öğrenmesiyle birleştiren çok sayıda araştırma başlığını kapsıyor.
Grafiksel Modeller ve Karmaşık Veriler
Bir yapay zekâ sisteminin karşılaştığı problemlerde çoğu zaman tek bir değişken bulunmaz. Birbirleriyle ilişkili çok sayıda faktör aynı anda değerlendirilmek zorunda kalabilir.
Grafiksel modeller, bu ilişkileri matematiksel bir yapı içinde ifade etmeye yarayan yöntemlerden biridir.
Örneğin bir sistemdeki farklı değişkenlerin birbirini nasıl etkilediği, hangi bilgilerin başka bir değişken hakkında çıkarım yapmaya yardımcı olduğu grafiksel modeller aracılığıyla temsil edilebilir.
Ghahramani’nin araştırmaları bu tür modellerin makine öğrenmesi ve istatistiksel çıkarım alanlarında kullanılmasına önemli katkılar sağladı.
Grafiksel modellerin değeri, karmaşık problemlerde yalnızca sonuç üretmekten ziyade değişkenler arasındaki ilişkilerin de incelenmesine olanak sağlamasından kaynaklanıyor.
Gauss Süreçleri ve Belirsizlik Hesabı
Ghahramani’nin akademik çalışmalarında Gaussian processes, Türkçede kullanılan adıyla Gauss süreçleri de önemli bir başlık oluşturuyor.
Gauss süreçleri, özellikle tahmin problemlerinde kullanılan istatistiksel modeller arasında bulunuyor. Bu modellerin dikkat çekici özelliklerinden biri, tahmin edilen sonuçla birlikte belirsizliğin de hesaplanmasına imkân vermesi.
Örneğin bir model gelecekteki bir değeri tahmin ederken yalnızca tek bir rakam sunmak yerine, tahminin ne kadar değişebileceğine ilişkin bir aralık veya olasılık dağılımı ortaya koyabilir.
Bu özellik, özellikle verinin az olduğu veya gözlemlerin belirsiz olduğu durumlarda önem taşıyor.
Ghahramani’nin araştırma alanları arasında Gauss süreçlerinin yanı sıra yaklaşık çıkarım ve Bayesçi yöntemlerin de bulunması, çalışmalarındaki farklı matematiksel yaklaşımların nasıl birbirini tamamladığını gösteriyor.
Automatic Statistician Projesi
Zoubin Ghahramani’nin çalışmalarında öne çıkan projelerden biri de Automatic Statistician.
Adından da anlaşılabileceği gibi bu projenin amacı, istatistiksel analiz süreçlerinin belirli bölümlerini otomatikleştirmeye yönelik yöntemler geliştirmek.
Bir araştırmacının eline yeni bir veri seti geçtiğinde hangi modelin uygun olduğunu belirlemek, farklı modelleri test etmek ve ortaya çıkan sonuçları yorumlamak zaman alabilir.
Automatic Statistician yaklaşımı, bu işlemlerin bir kısmında yapay zekâ ve makine öğrenmesinden yararlanmayı hedefliyor.
Buradaki temel fikir sadece daha hızlı tahmin yapmak değil. Aynı zamanda verinin altında yatan yapıyı ortaya çıkarmak ve elde edilen istatistiksel sonuçların insanlar tarafından anlaşılmasını kolaylaştırmak.
Bu yönüyle proje, otomatik makine öğrenmesi ile istatistiksel modelleme arasında ilginç bir bağlantı oluşturuyor.
Geometric Intelligence ve Girişimcilik Deneyimi
Ghahramani’nin kariyerinde akademi dışında önemli bir dönem daha bulunuyor.
2014 yılında Gary Marcus, Doug Bemis ve Ken Stanley ile birlikte Geometric Intelligence adlı yapay zekâ şirketinin kuruluşunda yer aldı.
Şirket daha sonra Uber tarafından satın alındı ve bu gelişmenin ardından Uber AI Labs oluşturuldu. Ghahramani de Uber bünyesinde yapay zekâ araştırmalarıyla ilgili üst düzey görevler üstlendi.
Bu deneyim, onun üniversite laboratuvarlarında geliştirilen makine öğrenmesi yöntemlerinin büyük ölçekli teknoloji şirketlerindeki araştırma ve geliştirme süreçleriyle buluşmasını sağladı.
Dolayısıyla kariyerinin bu bölümü, akademik bilgi ile ticari teknoloji geliştirme süreçleri arasındaki geçişin önemli örneklerinden biri olarak değerlendirilebilir.
Google Brain’den Google DeepMind’a
Ghahramani’nin teknoloji sektöründeki kariyerinin sonraki önemli adresi Google oldu.
2020 yılında Google’a katılan bilim insanı, Google Brain bünyesinde araştırma liderliği görevleri üstlendi. Google Brain, şirketin yapay zekâ ve makine öğrenmesi araştırmalarının önemli merkezlerinden biriydi.
Google Brain ile DeepMind’ın birleşmesiyle 2023 yılında Google DeepMind ortaya çıktı. Bu yeni yapı, Google’ın farklı yapay zekâ araştırma ekiplerini tek bir organizasyon altında topladı.
Ghahramani de Google DeepMind’ın araştırma liderliği içerisinde yer aldı. Cambridge Üniversitesi’nin güncel biyografisinde kendisi hem üniversitede profesör hem de Google DeepMind’de araştırma başkan yardımcısı olarak tanımlanıyor.
Böylece Ghahramani’nin kariyerinde akademik araştırma ile dünyanın en büyük teknoloji şirketlerinden birinin yapay zekâ çalışmalarının aynı anda devam ettiği bir dönem başladı.
Alan Turing Institute ile Çalışmaları
Birleşik Krallık’ın yapay zekâ ve veri bilimi alanındaki önemli kuruluşlarından biri olan Alan Turing Institute da Ghahramani’nin akademik faaliyetleri içerisinde yer aldı.
Ghahramani, Cambridge Üniversitesi ile Alan Turing Institute arasındaki bilimsel bağlantıların geliştirilmesinde görev aldı.
Bu çalışmalar, yapay zekâ araştırmalarının yalnızca algoritma geliştirme boyutuyla sınırlı olmadığını; üniversiteler, araştırma kuruluşları ve teknoloji şirketleri arasında işbirliğinin de alanın gelişiminde önemli rol oynadığını gösteriyor.
Ödülleri ve Bilim Dünyasındaki Yeri
Ghahramani’nin bilimsel çalışmaları çeşitli akademik kuruluşlar tarafından ödüllendirildi.
2015 yılında Royal Society Fellow seçildi. Cambridge Üniversitesi’nin açıklamalarında bu üyelik, makine öğrenmesi ve veri üzerinden öğrenen algoritmalar alanındaki katkılarıyla ilişkilendiriliyor.
2021 yılında ise Royal Society Milner Award ödülüne layık görüldü. Ödül kapsamında özellikle Avrupa’da bilgisayar bilimine yapılan önemli katkılar ve olasılıksal makine öğrenmesi alanındaki çalışmaları öne çıkarıldı.
Bu ödüller, Ghahramani’nin çalışmalarının yalnızca yapay zekâ araştırmacıları arasında değil, daha geniş bilgisayar bilimi çevresinde de karşılık bulduğunu gösteren göstergeler arasında yer alıyor.
Zoubin Ghahramani’nin Araştırmalarının Günümüz Yapay Zekâsına Katkısı
Bugün yapay zekâ sistemleri sağlık, finans, robotik, doğal dil işleme, görüntü analizi ve bilimsel araştırma gibi çok sayıda alanda kullanılıyor.
Bu sistemlerin tamamında önemli bir sorun ortaya çıkıyor: Modelin verdiği sonuca ne kadar güvenilebilir?
İşte Ghahramani’nin araştırmalarının günümüzdeki önemini anlamak için bu soruya bakmak yeterli.
Bir yapay zekâ sistemi yalnızca tahmin üretirse kullanıcı sonucu doğru kabul edebilir. Ancak sistem tahmininin belirsizliğini de gösterebiliyorsa, karar verme sürecinde daha fazla bilgi sağlayabilir.
Örneğin bir modelin iki farklı seçenek arasında neredeyse eşit olasılık hesaplaması ile seçeneklerden birini çok yüksek güvenle tahmin etmesi aynı durum değildir.
Olasılıksal makine öğrenmesi, bu farkın matematiksel olarak ifade edilmesine yardımcı olur.
İnsan Öğrenmesi ve Yapay Zekâ Arasındaki Bağ
Ghahramani’nin kariyerindeki dikkat çekici unsurlardan biri de araştırmalarının ilk dönemlerinden itibaren insan öğrenmesine ilgi göstermesidir.
Bilişsel bilim ve sinirbilim eğitimi, onun bilgisayarların öğrenme süreçlerini insan bilişiyle birlikte düşünmesine zemin hazırladı.
Elbette insan beyni ile modern makine öğrenmesi modelleri aynı şekilde çalışmıyor. Ancak her iki alanda da “öğrenme”, “belirsizlik”, “çıkarım” ve “bilgiyi kullanma” gibi ortak araştırma soruları bulunuyor.
Ghahramani’nin çalışmaları, bu ortak soruların matematiksel modeller aracılığıyla incelenmesine örnek oluşturuyor.
Zoubin Ghahramani Neden Önemli?
Zoubin Ghahramani’nin bilimsel kariyerini tek bir buluş üzerinden değerlendirmek yerine, farklı araştırma alanlarını birbirine bağlayan uzun soluklu bir çalışma çizgisi olarak görmek daha doğru olur.
Bilgisayar bilimi eğitimiyle başlayan kariyeri bilişsel bilim, sinirbilim ve istatistikle kesişti. Toronto’da Geoffrey Hinton ile çalıştı, University College London’da araştırmalar gerçekleştirdi ve Cambridge Üniversitesi’nde makine öğrenmesi alanında önemli bir akademik kariyer oluşturdu.
Daha sonra Geometric Intelligence, Uber AI Labs, Google Brain ve Google DeepMind gibi teknoloji dünyasının önemli araştırma merkezlerinde görev aldı.
Bilimsel çalışmalarının ortak noktası ise büyük ölçüde veriden öğrenme, olasılıkları değerlendirme ve belirsizliği modelleme etrafında şekilleniyor.
Sonuç
Zoubin Ghahramani, modern makine öğrenmesi ve yapay zekânın istatistiksel altyapısının gelişmesinde rol oynayan önemli bilgisayar bilimcilerinden biridir. Çalışmaları; Bayesçi makine öğrenmesi, olasılıksal modeller, grafiksel modeller, Gauss süreçleri, yaklaşık çıkarım ve otomatik istatistiksel analiz gibi geniş bir araştırma alanına yayılıyor.
Onun kariyerini farklılaştıran noktalardan biri, akademik dünyayla teknoloji sektörünü bir araya getirmesi. Cambridge Üniversitesi’ndeki profesörlük görevinin yanında Google DeepMind’de araştırma liderliği yapması, teorik bilgisinin büyük ölçekli yapay zekâ araştırmalarıyla buluşmasını sağlıyor.
Ghahramani’nin çalışmalarının merkezindeki temel düşüncelerden biri, makinelerin yalnızca “ne biliyorum?” sorusuna değil, “bildiğim şeyden ne kadar eminim?” sorusuna da cevap verebilmesi.
Yapay zekâ sistemleri daha karmaşık hale geldikçe belirsizliğin ölçülmesi ve sonuçların güvenilirliğinin değerlendirilmesi de önemini koruyor. Bu nedenle Zoubin Ghahramani’nin araştırmaları, yapay zekânın yalnızca öğrenme kapasitesini değil, öğrenmenin sınırlarını ve belirsizliğini anlamaya yönelik bilimsel çabaların önemli bir bölümünü oluşturuyor.
