Yapay Zeka, Sun Tzu’ya karşı: Makinalar stratejiyi öğrenebilir mi?

“Savaş sırasında olan hiç bir şey sürpriz değildi, sadece kamikaze taktiklerini öngörememiştik…”

Amiral Chester Nimitz savaş oyunlarıyla ilgili yaptığı bir konuşmada, yukarıdaki cümleyle aslında yapay zekanın strateji ve taktiği ne ölçüde etkileyebileceğini özetlemiş durumda. Nimitz iki noktanın altını çiziyor: Birincisi “savaş oyunları” (Kriegsspiel) veya savaş gibi karmaşık durumlarda bile öngörülerin başarılı olabileceği ve Savaş Oyunlarının ordular açısından ne kadar önemli olduğu. İkincisiyse, Nimitz ve Amerikan ordusunun öngöremediği Kamikaze taktikleri ya da torpidoların yüzeyde kullanılması gibi Japon yeniliklerinin, savaşın gidişatını derinden etkileyen faktörler haline geldiği ve bunların analitik olarak görülebilmesinin pek de mümkün olmadığıdır.

RPA Robotic progress automatisation concept illustration.

Yapay zekanın, strateji alanındaki gücü ve güçsüzlüğü, yukarıda bahsedilen bu iki argümana dayanıyor. İlk argüman yapay zekanın, analitik hesaplamaların ve neden-sonuç ilişkilerinin savaş açısından önemiyle alakalı. Savaş oyunları, orduların belirli senaryoları teorik olarak defalarca denemesi ve rakibin hareketlerini öngörebilmesini amaçlıyor.

Muhtemel tüm hamleleri hesaplamak

Yapay zeka açısından benzeri hesaplamalara girildiğinde; 1997 yılında Gary Kasparov’un Deep Blue’ya kaybettiği satranç müsabakası önemli bir olay olarak göze çarpıyor. Satranç, pek tabii ki savaşlarla kıyaslandığında adeta bir çocuk oyuncağı. Sis perdesi, şans ve belirsizlik gibi savaşın önemli özellikleri satrançta mevcut değil. Çünkü bu oyunda rakibin hareketleri hatasız olarak gözlemlenebilir, oyun tahtası sınırlıdır ve yapılabilecek belirli sayıda hamle vardır. Dolayısıyla Deep Blue gibi günümüzde basit sayılabilecek bir yapay zeka bile bütün olasılıkları hafızasında tutabilir ve insana karşı en iyi hamleyi yapabilir. Satranç oyununda, Nimitz’in bahsettiği analitik hesaplamalar, Deep Blue tarafından tam anlamıyla yapıldı ve insan oyuncunun kazanması imkansız hale getirildi.

Deep Blue’nun başarısı yapay zekanın başka oyunlarda da denenmesine önayak oldu. Kayda değer başka bir deneme daha sonraları Google tarafından satın alınan DeepMind firması tarafından Go oyununda yapıldı. Go, tıpkı satranç gibi, rakip hareketlerinin gözlemlenebildiği, sınırlı bir oyun tahtası ve muhtemel hamlelere sahip bir oyun. Yapısal anlamda satrançla aynı özelliklerde olsa da, satranca kıyasla çok daha fazla muhtemel hamle içeriyor ve bu yüzden yapay zekanın Go oyununda ustalaşması daha uzun sürdü. 2016 yılına kadar geliştirilen AlphaGo, günün Kasparov’u olarak bilinen Lee Sedol’u 4-1 yenilgiye uğrattı. Böylece Go oyunundaki insan üstünlüğü alaşağı edilmiş oldu. İlerleyen yıllarda Lee Sedol ve diğer Go ustaları ile yapılan maçlarda yapay zeka artık hiç kaybetmeden 5-0’lık serilere ulaştı. AlphaGo’nun kullandığı taktikler o kadar yenilikçiydi ki, bu taktikler insan oyuncuların oyun tarzını bile etkiledi ve Go oyununa yeni bir soluk getirdi.

Hem satranç hem de Go, sınırlı sayıda hamleye sahip olduğu için, aslında yapay zeka için zor oyunlar değiller. Muhtemel bütün hamleleri değerlendirebilen bir makine, insan rakibini her zaman yenecektir. Peki yapay zeka, sis perdesinin ve şansın var olduğu oyunlarda denendi mi? AlphaGo’nun daha gelişmiş bir versiyonu olan ve Blizzard’ın Starcraft II oyununa uyarlanan AlphaStar, bunu kısmen de olsa denemiş durumda. Starcraft tıpkı diğer oyunlar gibi sınırlı bir oyun tahtasına sahip, fakat bu tahta satranç ve Go’ya kıyasla çok daha büyük bir tahta ve bu büyüklük, pratik olarak yapay zekayı ezberden çıkaran bir durum. Bu sebepten, satranç ve Go oyunlarında olduğu gibi her hamlenin öğretilmesinin yerini, makine öğrenmesi aldı. Yani AlphaStar oyunu oynayarak öğrendi.

Yapay Zeka ‘sis perdesini’ de öğrenebilir mi?

Bir başka önemli farklılık ise sis perdesinin varlığı. Clausewitz’in en çok konuşulan ve en önemli tanımlarından biri olan ve savaşın belirsizliğini anlatan sis perdesi tanımı, Starcraft oyununda mevcut. Oyunda, karşıdaki oyuncunun ne yaptığını görmeyi engelleyen sis perdesi, yapay zeka açısından büyük zorluklar çıkartan bir unsur. Nitekim rakibin hareketlerini görebilmek için tıpkı hayattaki gibi istihbari unsurların kullanılması gerekiyor. Bu farklılık yapay zeka için yepyeni bir zorluk ve oyunu gerçek savaşa yaklaştıran bir durum. Çünkü karşıdaki rakibin ne yaptığını görememek, muhtemel hamlelerin sayısını tıpkı savaşta olduğu gibi pratik anlamda sonsuza yaklaştırıyor.

İlgili yazı: Siber savaş: Şehir efsanesi mi gerçek mi?

Her ne kadar Starcraft oyunu satranç ve Go’ya kıyasla çok daha komplike bir oyun olsa da, ortaya konulabilecek taktikler ve stratejik anlayış sınırlı. İnsan bir oyuncu için bu oyunda ustalaşmak, hem beceri hem de uzun oyun süreleri gerektiriyor. Beceri konusunda yapay zekanın reflekslerinin bir insandan çok daha iyi olduğu göz önüne alındığında (oyunda micro diye tabir edilen, multi-tasking ve refleks gerektiren beceri) geriye sadece oyun tecrübesi kalıyor. Bu alanda da maalesef yapay zekanın avantajı çok yüksek. AlphaStar, 2 haftalık bir oyun süresinde, bir insanın 200 yılda oynayabileceği kadar oyunu tecrübe edebiliyor ve bu derece yüksek bir tecrübe farkı insan rakiplerini sürklase ediyor.

Gelelim AlphaStar’ın insan rakipleriyle yaptığı müsabakalara. Starcraft’ta 3 farklı ırk ile oynamak mümkün. Bu yazının yazıldığı zamanlarda muhtemelen AlphaStar 3 ırkta da oynayabilme kapasitesine sahip olacaktır fakat müsabakaların hepsi Protoss ırkı üzerinden yapılmış durumda. İki farklı profesyonel oyuncuyu da 5-0’lık yenilgiye uğratan AlphaStar, yapay zekanın satranca ve Go’ya kıyasla çok daha komplike olan bir oyunda da ne kadar başarılı olabileceğini göstermiş durumda. Yazıyı uzatmamak için burada AlphaStar’ın yaptığı taktik yeniliklerden bahsetmeyeceğim fakat şunu söylemekte yarar var: 200 seneyi aşkın bir tecrübeye sadece 2 haftada ulaşabilen AlphaStar, hiçbir insanın öngöremeyeceği taktiklere ve stratejik bir anlayışa başvuruyor. Her iki profesyonel oyuncunun da yorumlarında bahsettikleri bir kelime, yapay zekanın başarısını anlamak için bize ışık tutuyor: “Superhuman” yani insan üstü.

Nimitz’in altını çizdiği ikinci argüman ise yapay zekanın özellikle stratejik boyutta neden başarısız olabileceğini ortaya koyuyor. Gerçek hayatta ve özellikle savaşta bir önceki paragrafta bahsedilen 200 senelik tecrübenin yardım edemeyeceği durumların olması, yapay zekanın belki de hiçbir zaman aşamayacağı bir problem. Nitekim yapay zeka, yapısı itibarıyla her konuyu ve durumu analitik olarak ele alan, neden-sonuç ilişkilerini bir sonuca bağlayan ve kendi öğrenimine göre “kazanan strateji” yaratan bir varlık. Burada Sun Tzu’nun bir öğüdünü hatırlatmakta yarar var; “zafere ulaştıran stratejiyi tekrarlama, yöntem sonsuz olmalıdır.” Bu anlayışın tersi, yapay zekanın aslında çalışma prensibinin kökünde olan bir durum. Yapay zeka aldığı verilerle ve kazandığı tecrübeyle, muhtemel bütün senaryoları oynayarak, taktik ve stratejik sonuçlara ulaşıyor. Buradaki problem, senaryolar sonucunda ulaşılan “kazandıran stratejinin” yeni bir taktikle veya icatla artık “kazandıran strateji” olmama ihtimali.

Nitekim AlphaStar’ı yaratan ekip, en ufak bir değişiklikte bile yapay zekanın bütün oyunu tekrardan oynaması gerektiğini ve buna göre AlphaStar’ın agentlarının, makine öğrenmesini değiştirmesi gerektiğini söylemekte. Bu da, savaşın değişken karakterinde yapay zekanın belki de “arkhesi” itibarıyla, asla stratejiyi özümseyemeyeceği anlamına gelebilir. Öte yandan bu problemin gelecekte iyice artacak olan işlemci hızıyla aşılması da mümkün. Bugün 200 senelik tecrübeyi 2 haftalık bir sürede elde eden AlphaStar, işlemci hızının artışıyla birlikte bu süreyi 2 güne, 2 saate, hatta 2 dakikaya düşürebilir. Böyle bir hız mümkün olursa kuşkusuz ki yeryüzünün gördüğü en kuvvetli coup d’oeil yapay zekada olacaktır.

Gelecek tahminleri insanın kafasında hoş fanteziler yaratsa da, Nimitz’in kamikaze örneğini yapay zekanın şu anki kapasitesiyle öngörebilmesi mümkün gözükmüyor. Hatta meseleyi bir adım daha ileri götürmek gerekirse, savaş zamanı yapılan yenilikleri “sis perdesine” bile dahil etmek mümkün, bu da bu tarz gelişmelerin hiç bir zaman tahmin edilemeyeceğiyle eş değer. Dolayısıyla, yapay zekanın şu an için sadece sınırlı mekan ve sınırlı imkan içindeki stratejik ve taktik problemleri çözebileceği, savaş gibi boyunu aşan alanlara giremeyeceği aşikar. Öte yandan Nimitz’in ilk argümanına dönecek olursak, yapay zekanın günümüzde bile insan kapasitesinin önüne geçebileceği AlphaStar tarafından belirli sınırlar içerisinde kanıtlanmış durumda.

Yazıyı kafa karıştıran ve tartışmalı bir soru ile bitirmek istiyorum. Yaradılışı analitik ve rasyonel bir yapıya sahip olan yapay zeka, neden-sonuç ilişkilerinin hayattaki karmaşıklığı göz önüne alındığında, pratik açıdan irrasyonel olarak nitelendirebilecek “şans” faktörünü algılayabilir mi?

Siber Bülten abone listesine kaydolmak için formu doldurunuz

Dağhan Yet

2015 yılında Koç Üniversitesi Uluslararası İlişkiler ve Siyaset Bilimi bölümünden mezun olduktan sonra 2017 senesinde Boğaziçi Üniversitesi Uluslararası İlişkiler bölümünde Yüksek Lisansını tamamladı.
2018 yılında Milli Savunma Üniversitesi’nde Savaş Araştırmaları Yüksek Lisansına başlayan Yet, özellikle strateji, savaş felsefesi ve teknolojinin bu alanlara etkisi ile ilgilenmektedir.

Kurucuları arasında bulunduğu FoW Araştırma şirketinde çalışmalarını sürdürmektedir.
Dağhan Yet

Leave a Reply

E-posta hesabınız yayımlanmayacak. Gerekli alanlar * ile işaretlenmişlerdir

*

This site uses Akismet to reduce spam. Learn how your comment data is processed.

Dağhan Yet

2015 yılında Koç Üniversitesi Uluslararası İlişkiler ve Siyaset Bilimi bölümünden mezun olduktan sonra 2017 senesinde Boğaziçi Üniversitesi Uluslararası İlişkiler bölümünde Yüksek Lisansını tamamladı.
2018 yılında Milli Savunma Üniversitesi’nde Savaş Araştırmaları Yüksek Lisansına başlayan Yet, özellikle strateji, savaş felsefesi ve teknolojinin bu alanlara etkisi ile ilgilenmektedir.

Kurucuları arasında bulunduğu FoW Araştırma şirketinde çalışmalarını sürdürmektedir.
Dağhan Yet