Beyin hücresiyle çalışan bilgisayar / Prof. Dr. Berk Üstündağ & Fatih Altaylı - Teke Tek Bilim

Siemens tam otomatik kahve makineleri tekee tekek bilimi sunar. [Müzik]

Deyciler Tekeek bilime hoş geldiniz. Sponsorluğunda bir kez daha karşınızdayız ve yine hem kahvemizi içeceğiz hem de bilimi konuşacağız. Bugünkü konumuz gerçekten eee ne diyeyim ilginç ötesi eee bir noktada hepimizi çok heyecanlandıran eee bir eee haber üzerine eee biz bu programı eee yapmaya karar verdik ve öylesine derinlikli bir konu ki eee Türkiye'de bunu konuşabileceğiniz fazla insan da yok. Eee, o yüzden de, eee, bu işin Türkiye'deki top levelına, eee, gitmek zorunda kaldık. Ve İstanbul Teknik Üniversitesi eee, bilgisayar değil mi hocam? Yanlış söylemiyorum. Bilgisayar Anabilim Dalı, eee, başkanı Profesör Doktor eee, Berk Üstündağ'ı eee, davet ettik. O da sağ olsun 10 eşin arasında bizi kırmadı ve bir günde 8iz toplantısı varken 9uncu olarak da eee bizi eee ekledi. Bugün eee Profesör Doktor Berküsündağı ile beraber, Burak Berküsündağı ile beraber eee yepyeni bir şeyi konuşacağız.

Bu yeni şey ne? Eee, aslında bilim açısından baktığın zaman bilim insanları için yeni değil ama uygulamada ve ele gelir hale eee ya da pazarlanabilir hale gelmede eee oldukça eee yeni. Biyolojik bilgisayar diyorum ben. Eee bunun aslında bilimsel isimleri çok daha eee farklı. Az sonra konuşacağız. Herkes başka bir şey söylüyor. Eee insan beyin hücrelerinden bir bilgisayar yaptılar. Daha doğrusu bilgisayarın işlemcisi basit anlatımıyla insan beynin beyin hücreleri ve bu hücrelerden belli bir miktarı bir araya getirerek eee ve bunları invitro ortamda eee yaşatmayı başararak bunlara bazı şeyleri öğretiyorlar ve bu bir süre içinde bir bilgisayar eee işlevi görmeye başlıyor. Bu gerçekten uzun zamanlar üzerine çalışılan ama ilk defa ticari hale getirilen eee bir eee ürün oldu. Tabii ki henüz daha emekleme aşamasında büyük ihtimalle eee konuşacağız. Fakat muazzam bir gelişimin de öncüsü eee bugünkü konumuz organik, biyolojik ya da nöromorfik bilgisayarlar, nöromorfik işlemciler.

Hocam hoş geldiniz. Nasılsınız?

Hoşuk sağ olun. Sizler de iyisiniz.

Sağ olun. Size göce daha iyi olduk. Size bir kahve yapacağım şimdi. Siz akşamın bu saatinde uykunuzu kaçıracak bir şey eee vereyim dedim size. Ve eee size bir Amerikan hazırlıyorum. Göreçmuşsunuz duydum. Doğru mu? Eee, umarım beğenirsiniz. Çünkü gerçekten iyi kahve yapan bir makinemiz var. Ama, eee, biz, eee, iyi kahve yapan bir makineyı değil, sizinle insan beyni gibi çalışan bir makineyi, yeni bir bilgisayar eee, teknolojisini konuşmak üzere bir araya geldik. Eee, nedir bu biyolojik, nöromorfik bilgisayar dediğimiz şey?

Şimdi önce normal bildiğimiz bilgisayarlar, hepimizin önünde olan bilgisayarları dikkate alırsak bizim bilgisayarlarımızın bir bellek birimi var. Eee, herkes işte RAM, ROM gibi bunların türlerine göre isimlerini artık herkes eee, aşikar. Telefon alan bile eee, Türkçesiyle de ingilizcesiyle de gigab, bazıları gigab diyor yanlışlıkla. Eee, gigabayt gigabayt ram'imiz var diye söylüyorlar. Şimdi bu bellek ne yapıyor bizim bilgisayarlarda? Bizim bilgisayarlarımızda bellek işlenecek programın kendisinin komut karşılıklarını da tutuyor. Onların giriş çıkış ilişkisini, sonuçlarını da tutuyor. Ama işlemciler eee matematiksel hesaplama yapmayı biliyor bir taraftan ve sürekli bellekle konuşuyor ve bu ciddi bir enerji kaybına ve diğer taraftan da eee verimsizliğe yol açıyor. Çünkü gidiyor soruyor ne yapacağını, sonra onu nasıl yapacağını vesaire bir sürü bir karmaşık işlem dizisine dönüşüyor. Halbuki doğada bunlar tümüyle paralel yapılıyor. Böyle ardışık bir işlemle değil. Nasıl paralel yapılıyor? Bir eee doğadaki moleküller eee moleküllerden başlayarak atom altı parçacıklardan hatta belki de moleküllerden başlayarak eee biz eee canlı varlıklara kadar hepsi tümü eee minimum enerji durumunda bulunacak şekilde bir karar veriyoruz. Eee ve bunların bir araya gelmesiyle akıllı organizmalar eee oluşuyor. Özür lafınızı kestim ama biyolojik organizmalar yapacakları işlemi minimum enerjiyle yapmak üzere hareket ediyorlar.

Anla Evet. Aslında bunun temelinde şu var. Peptitler biliyorsunuz proteinlerin yapı taşları. Aminoasitler de 20 tane araba plakası gibi 20 tane amino asit var. Bunları arka arkaya yan yana getiriyorsunuz. Bir enformasyon tutan minimum organik molekül oluyor. Bunlar eee bir etkileşimle karşı karşıya kaldıkları zaman herhangi bir şekilde mesela belirli bir sıcaklık, pH, asidik eee seviyesi, herhangi bir dış dış fiziksel ortam, elektromanyetik alan vesaire eee kendi yeni geldikleri durum, katlanmaları, büzüşmeleri, şekil değişiklikleri eee etraftaki eee ilişkisinde minimum enerji kaybı olacak şekilde oluyor. Şimdi buradan yola çıkarak aslında ikinci bir kural var. O da bu minimum enerji kaybı olacak şekilde bir araya geldikleri düzen ilginç bir şekilde eee olasılığa dönüşüyor. Entropiyi artırıyor. Ve bizim biyolojik bilgisayar dediğimiz bilgisayarlarsa bu fikirden yola çıkarak diyor ki biz komutla arka arkaya verdiğimiz işleri yan yana getireceğimize olasılıkla bütün kombinasyonları eee deneyen ve bunların içerisinde minimum enerji kaybıyla öğrettiğimiz, pekiştirdiğimiz bir motivasyon olabilir mi ki organik moleküller ve daha sonrasında da hücreler, nöron hücreleri, sinir hücreleri eee verdiğimiz işaretlere bağlı olarak çıkışları bizim istediğimiz bir problemi çözebiliyor duruma gelsin.

Bu biraz kuantum bilgisayar mantığı değil mi?

Kuantum bilgisayarda da benzeri bir yaklaşım var. Sadece şu fark var. Kuantum bilgisayarlar tabii eee 0 dereceye yakın milikelvin mutlak sıfıra çok yakın milikelvin eee düzeyinde -273'e yani çok yakın sıcaklıklarda bu moleküllerin hatta atomun eee çok daha kararlı olması ve onun üzerindeki bazı bellek durumlarından çok büyük bir kombinasyon aynı anda üretebilmesinden faydalanıyor. Diğeri ise organik moleküllerse ona göre tabii çok büyük eee yapılar. Onlarsa aynı anda çok fazla çeşidi oda sıcaklığına yakın onun eee hava sıcaklığının, ortam sıcaklığının verdiği aslında gürültüden de eee faydalanarak o çeşitliliği yapabiliyorlar. Hatta mesela eee yeni ilaç üretilmesinde bazı moleküllerin eee keşfedilmesinde de kullanılan yöntemlerden bir tanesi bu. Eee kombinasyon sayısını sırayla mesela arabaların plakasını aa b aa c aad diye sırayla yapacağına bütün plakaları önüne atıyor. Plakaları önünüze atıyorsunuz. O fonksiyonu sağlayan mesela bir kanser hücresini tanıyan karşı molekül neyse veya belirli bir işlevi eee tanıyan, belirli bir enzimi harekete geçiren, saçınızın mesela grisini tekrar orijinaline eee dönüştüren, enzimle konuşan eee hangisiyse o mu onu eee geri çıkartıyorsunuz. Onun özelliklerini inceliyorsunuz. İşte bu bir problem çözme yöntemi.

Şimdi biyolojik bilgisayar denildiği zaman da deniyor ki, eee, biz insan beyninden esinlenerek sadece nöron yani sinir hücresi bazında değil, kortikala yani bir grup işlemi bir araya getiren özellikleri yan yana getirerek insan beynindeki gibi bir motor sistem yani çıktı üreten sistem, bir tane sensör sistem yani algı üreten sistemi yan yana getirip bizim bilgisayarlarımızda nasıl bellek var, işlemci var, giriş çıkış ünitesi var. Aynı şekilde biz insan beynindeki motor korteks, sensör korteks ve aradaki korteks birimleri yan yana getirerek bir problemi çözdürebilir miyiz? Eee, aslında bunun hikayesi, eee, özellikle 2007 yılında Sir Martin Evans'ın embriyotik hücreden eee, pluripotent hücre yani eee, kök hücrelerin farklı dönüşümlerde farklı fonksiyonları eee, üretebilmesi, üretebilen hücreyi ayrıştırmasıyla başlıyor hikayesi. Bu noktaya geri döneriz ama bu hikayenin aradaki bir rolü 2012'de e Shinyo Yamanaka'nın aslında bu ikisi de Nobel eee ödülü aldı. Eee herhangi bir hücrenin de deri hücresinden mesela kök hücreyi oluşturabilmesiyle başladı ve bir sonraki aşamada da eee bu herhangi bir hücreden kök hücrenin oluşturulabilmesiyle bu sefer istediğimiz yerde istediğimiz bir nöron tipini oluşturabilme kabiliyetine geldik. Şimdi bu sefer de denildi ki herhangi bir hücreden nöron üretebiliyoruz artık.

Herhangi bir hücreden nöron üretebiliyoruz. Nöron illa bunun beyin hücresi, sinir hücresi olması gerekmiyor.

Olması gerekmiyor.

Evet. Eee, normalde tabii bu hikayenin bu kısmına belki sonra geri döneriz ama, eee, bu son, eee, biyolojik bilgisayar kavramının son haftalarda, son aylarda popüler olmasına sebep olan Cortic Laps firması da eee, aslında bundan faydalanıyor. Diyor ki biz diyor eee daha önce peptitlerin, proteinlerin bu tür kombinasyonel özelliklerin olduğunu biliyoruz. Nöronların eee giriş çıkış ilişkilerinde de onların da enerji kaybını minimumlaştıracak işaretleşmeye cevap verdiklerini biliyoruz. Biz neden bunları kortikal ağlar halinde yan yana insan beynindeki gibi getirmiyoruz da eee bunların mesela işte oradaki test eee eee şeyinde durumunda bir oyun var PK diye. O da en basit görülebilir. En basit oyun ilk ater çıktığında olan oyun görülebilir örnek olduğu için. Çünkü niye? bir tane yukarı, bir tane aşağı, iki tane çıkışla gösterilebiliyor. Eee, bunun yapıldığı ve biz bu demoda bunu kullanabilir miyiz diye bir ortaya eee demo atıyorlar. Bir gösterim eee atıyorlar ve arkasından bakıyorlar ki bu gerçekten istedikleri gibi başarılı oluyor. Ve bunun üzerine de eee bir sonrakinde tahmin ediyorum eee doğrudan ticarileştirmek için değil de ticarileştirmeye yönelik başka ürünleri geliştirmek üzere aslında deneysel aşamadayken de eee satış yapıp değer oluşturup finansman almak üzere bir model geliştiriyorlar. Diyorlar ki işte bildiğim kadarıyla 35.000 35 civarına bir ünite yapıyor. Eee, siz kendi laboratuvarınızda, eee, bu özellikleri sağlamak için çok sayıda deneysel araç yapacağınıza, kullanacağınıza, genel amaçlı cihazlar kullanacağınıza sadece o hücreleri hayatta tutmak üzere eee, olan eee, besin eee, ortamı ve aynı zamanda deşarj ortamı, atıklarının eee, toplanması ortamını bir bilgisayar ünitesi içerisinde tutuyor ve bunun elektronik arayüzünü gerçekleştirip eee, size bir problem çözmek için eee, kullanılabilir hale getiriyor.

Şimdi bunun avantajı ne? Şimdi bizim geleneksel bilgisayarlarımız hızlandıkça herkes eee özellikle eee 90'lı yıllardan ya da 2000'li yılların başından hatırlar. Mesela bir işlemci çıkar bizimki işte 1 GHz olanı, öbür 2 GHz olanı falan diye söylerdi. Yani frekans arttıkça hızlandığından bahsederdi. Bizim geleneksel bilgisayarlarımız eee bir taraftan malzeme teknolojisi gelişiyor. Eee işte 10 nanometre, 5 nanometre tip çip kalınlığı azalıyor. Bir taraftan da onları hızlandırmak için eee anahtarlama frekansını hızlandırıyor. Niye? Daha çok sayıda komutu okusun ve onların sonucunu geri yazsın diye. Şimdi bu sırada eee bir saat frekansı dediğimiz işaret var. Sürekli yukarı aşağı anahtarlıyor aslında. Ve bu anahtarlamalar sırasında da gerilimle akımanın geçişinden dolayı bir ısı açığa çıkıyor. Bu o kadar çok e ısı açığa çıkıyor ki eee GPU'larda yani görüntü işleme eee ünitelerinde grafik donanım hızlandırıcı diyoruz. Yapay zekanın da temel taşlarından biri eee olmaya başladı. Eee, bu o kadar büyük bir ısı enerjisi, eee, oraya ortaya çıkartıyor ki günümüzde tekrar nükleer santrallerin, eee, gündeme gelmesi, yapay zeka şirketleri nükleer santral yapmaya başladılar veya satın almaya başladılar.

Evet.

Evet. Tekrar bu gündeme geldi. Eskiden hani çevrecilerden dolayı tartışılıyordu bir dönem. Halbuki şimdi de deniyor ki karbon ayak izini de düşürüyor vesaire. Şimdi bizim bu bilgisayarlarımız eee, la ilgili olarak bir kısıt var mevcuttaki bilgisayarlarımızla. O da şu. Eee, mesela 1971'de 4004 ilk 4 bit bilgisayar çipi yani merkezi işlem birimi eee, ortaya konulduğu zaman yarı iletken olarak içinde 2600 civarında transistör vardı. Şimdi eee işlemci kapasitelerinin artması ile birlikte aslında iki şey oldu. Bir tanesi bunların hızlarını artırdık. Ama hızlarını artırabilmek için işte o eee çok tartışılan hani biz Türkiye'de çip yapabilir miyiz, yapamaz mıyız eee konusunda gündeme gelen bunların silikon seviyelerini inceltmek zorunda kaldık. İlk bunlar çıktığında 500 mikrometre civarındayken şimdi 5 nanometrenin altında imalat yapılıyor. Hatta 1 1,5 nanometre civarında şu anda hedef eee var ve 1.8 nanometre civarında da işlemciler var. Bunun sonucu ne? 2600 tane transistörden eee yani anahtarlama elemanından, yarı iletken anahtarlama elemanından 100 milyarın üzerinde anahtarlama elemanı olan işlemciler çağına geldik şu anda. Ama her anahtarlama bir ısı enerji tüketiyor ve ısı üretiyor. Enerji tüketiyor ve bunlar paralel olarak enerji tüketiyor birçoğu. Ha o sırada kaç tanesi aktifse o saat frekansı ile birlikte hepsi birden açılıp kapanıyor. Tümü olmasa da ilgili aktif birimlerin ve çok büyük bir enerji tüketimine yol açıyor. Şu anda öyle bir çağdayız ki dünyada üretilen buğday danesi yani her bir buğdayın içerisindeki dane, Sparklate'in içerisindeki başğanç danesinden daha fazla sayıda transistör üretiyoruz çiplerin üzerinde ve eee bunlar doğal olarak bir yapay zekanın gelişmesiyle dijitalleşme arasında bir simbiyotik ilişkiye eee yol açıyor.

Bu nasıl bir ilişki? Mesela biz 2005-2010 yıllarına geldiğimiz zaman diyorduk ki biz dijitalleşmenin %20'si civarındayız. 2015 civarına geldiğimizde dedik ki dijitalleşmenin acaba %60 civarına gelmiş olabiliriz. Dijitalleşmeden kastımız şu çok her şeyi de dijitalleştirebiliriz ama mevcuttaki ekonomi içerisinde yani 100 lira veriyorsanız 100 liranın karşılığında daha fazla aldığınız bir menfaat sağladığınız dijitalleşmeden bahsediyoruz. Fakat 2015 yılında yılınla birlikte özellikle bu o tarihleri hatırlarsanız eee madencilik, kripto para madenciliği bir anda popüler oldu. Bir taraftan oyun eee teknolojisinin eee yaygınlaştığı eee kullanım alanları oluştu. Ve bu donanım hızlandırıcı dediğimiz GPU her birinin içerisinde binler seviyesinde çekirdeğin yani işlemcinin paralel olarak çalıştığı eee üniteler eee ciddi şekilde pazar buldu. Çok e konuşulan işte iki tane bu konuda firma var. İsimlerini e Nvidia, AMD gibi mesela. Eee onların hisse değerlerine bakın. Mesela 2014-2015'te eee 20 30 dolarlık hisseler eee 700 800 dolarlık hisseler bu dünyanın en değerli şirketi oldu.

Y Evet. dünyanın en değerli şirketi eee oldu haline geldi. Bu şunu gösteriyor. Dijitalleşme ilerledikçe o 2015 ile birlikte aslında daha öncesinde çalıştıramadığımız bazı algoritmaları çalıştırabilir hale geldik. Şimdi gelmek istediğim nokta aslında bizim biyolojik bilgisayara niye ihtiyacımız ortaya eee çıktı? Sebebi şu. Biz bunu yaparken donanım hızlandırıcılarla paralel işlemeye bölmeye başladık. Fakat eee ortaya çıkan iki tane yöntem arka arkaya. Bir tanesi konvolüsyonel ağ dediğimiz eee bir nitelik ayrıştırıcı katmanı. Öz nitelik ayrıştırıcı katmanıydı. Ne demek o? Bu şu demek oluyor. Mesela eee bir kamera görüntüsüyle örneğin şu bardağı aldık. Bu bardağı ben eee bunun bardak olduğunu tanıtabilmek için en boy oranını verebilirim. Başka bir nesneler yoksa en boy oranından bile bulabilirim. Ama çok çeşitli nesne varsa bunun daha çok özelliğine ihtiyacım var. Eee ama problemim ne? Ben bunu bir kameram farklı bir açıdan alıp köşesinde kalmış olabilir. Bir boyu boyu kısa görünüyor olabilir. Şöyle tepeden çapraz geliyor olabilir. Aynı özelliklerin aynı yerde olduğunu bunu öğrettiğim bilgisayar bilmiyor. Bunu öğrettiğim bilgisayarın bu özellikleri çıkartabilmesi için de diyoruz ki aslında piksel piksel yani nokta nokta bunları bir yere aktaracağımıza eee bundan öncesinde araya bazı katmanlar koyalım. Daha öncesinde hangi özelliğin nerede olduğunu eşleştirsin. Şimdi yapay sinir ağı kavramı eee insan beyninden esinlenilmiş bir kavram. Eee ama insan beyni gibi çalışmıyor. İnsan beyniyle belki de hatta çok uzak bir şey var. Tek özelliği eee bizim hesaplama eee birimlerimiz birbirleriyle bir ağ şeklinde bağlı ve bir eee eşik değeri geçince çıkış veriyor. Tek benzerliği bu. Eee, bu yöntem bizim mevcuttaki silikon bilgisayarlarımızda yani yarı iletken bilgisayarlarımızda güzel çalışıyor ve kararlı çalışıyor. Bu güzel ve kararlı çalışma sırasında mesela biz diyoruz ki yapay sinir ağlarına, eee, burada mesela eee, bu bardak var. Bu bardağa hep aynı açıdan girersem ve yerine hep bir şeyi değiştirirsem bunları da güzel ayrıştırıyor. Ama araya bu konvolüsyonel ağ dediğimiz ağı yerleştirdiğimiz zaman eee aynı niteliklerin yani bunun köşesinin aslında bu köşe olduğunu hatta burada başka şeyler varsa da onun yine de orada olduğunu ayrıştıracak özellikleri çıkartabilmekin hesaplama maliyeti eee birden 10 katıyla 20 katı arasına çıkıyor. Bu da demektir ki ortaya çıkacak ısının, ısı enerjisinin de maliyeti karşılığı 10 katıyla 20 katı arasında çıkıyor.

Bunun karşılığı ne oldu? Mesela hatırlarsanız 2010 yılından önce eee özellikle Amerika Birleşik Devletleri'nde otonom araç yarışları yapılırdı ilk defa ve 2007'de 2008'de parkuru tamamlayan araç yoktu. Eee ama 2018 yılına geldiğimizde yaklaşık sadece 10 yıl içerisinde bu öz niteliklerin eee iş ekonomik bir şekilde eşleştirilmesini sağlayan donanım hızlandırıcıların yaygınlaşması ve ekonomik hale gelmesiyle birlikte 2015 sonrasında birden parkuru tamamlamayan araç kalmadı. Çünkü baktığınız zaman oradaki kamera verilerinden, e, diğer sensörlerden lider e diyoruz, aldıkları verilerde eşleştirme oranları gerçekten yükseldi ve insandan daha iyi bir pozisyona da geldi. O kadar sonrasındaki dönemde de eee dedik ki ya tamam biz bunları alıyoruz ama eee bir taraftan da bu öz nitelikler içerisinde bir grup bir veri oluşturuyor. Bu öz niteliklerden mesela bunun bardak olduğunu biliyorum ama eee kısa bir bardak olduğunu hayal edebilir miyim? Veya bir İstanbul fotoğrafı düşünün. İlk baharda çekilmiş. Elimde bir sürü kış fotoğrafı olan ve yaz fotoğrafı olan şeyler var. Bu kışın nasıl gözükürdü? Madem elimde bu kadar öz nitelik eşleştirici bir ağ var. Bunu tersine niye çalıştırmayayım? Yani yeni bir özelliği niye ö işte bu 2020 sonrasında bu sefer eee popülaritesi, trendi artan kısım üretken yapay zeka oldu. Yani biz bu içeriklerden aslında daha önce olmayan bir özür dilerim kahveci vallah unuttum. Eee nasıl üret? Öyle güzel anlatıyorsunuz ki ben kahveyi unuttum.

Evet. Sağ olun. Bu sefer bir eee bir o kadar daha aslında işlemci gücüne ihtiyaç duymaya başladık. Niye? Çünkü içeride o kadar çok benzeri öz nitelik var ki bunları hangi kombinasyonla bir araya getirirsek mantıksal bir şey ortaya çıkar. Yani ben mesela Fatih Altaylı'yı farklı bir Fatih Altaylı olarak çizmek istiyorum ama üç gözlü olmaması lazım yine de değil mi? Şimdi eee bu yöntemleri geliştirdikçe hep daha çok işlemci tüketir hale geldik ve özellikle 2022'den sonra dedik ki ya biz bunları yapıyoruz ama yaygın veriye daha çok ihtiyacımız var. Ve eee işte eee Open AI eeeın chat GPT'yi açmasıyla birlikte yeni bir kavram ortaya çıktı. Yazılımcılara biz bunları model olarak vereceğimize direkt son kullanıcılara hizmet olarak vermeye başladık. Datayı onlar üretsinler. Datayı onlar üretsinler. Çünkü bütün bu işlemlerin içerisinde en büyük problemlerden bir tanesi etiketli ve kaliteli veri toplamak vardı. Halbuki mesela bizim biyolojik bilgisayarlarımızda beklentimiz daha farklı. Bütün bu süreç içerisinde eee 2022 ile birlikte şöyle bir şey oluştu. Geniş dil modeli. LLM, large language model. Geniş dil modeli ile birlikte dedik ki ya bu zamana kadar hep doğal dil işlemeyi işte sıfat eee isim fiil falan gibi bir dilin formatını veriyorsunuz. Bunlar içerisinde buna uygun mudur değil midir? Ama çok harika sonuçlar eee üretmiyordu. Fakat bu sefer dedik ki yeterince çok verimiz var ve bunların öz niteliklerinden biz aslında hangi kombinasyonun mantıklı bir şey çıktığını cümle bazında da hatta paragraf bazında da eee tutturabiliyoruz, biliyoruz. Hatta şey yani bizim buna tek tek eee kelime öğreteceğimize kavramları üretelim.

Kavramları üretelim.

Aynen. Eee çünkü eee insan beyni nasıl bir kelimeyi aslında harf harf okumuyorsa ve kelime olarak görüyorsa ki bununla ilgili bir örnek de eee getirdim. Cümleleri de bilgisek eee bilgisayar eee şey yapabiliyor. Cümleleri de bir arada hangi kombinasyonla iyi olduğunu eee gösterebiliyor. Yapay zeka evrimi devrimi.

Evet. Buna geri döneriz. Evet. Şimdi baktığınızda bu metni hiç bilmiyorsunuz ama okuyorum. Türkiye köklü tarihe ve zengin kültürü dikkat çeker diye hemen okuyorum ama her bütün harflerin yeri değişik aslında.

Ok. Bütün harflerin yeri değişik. Yani Anadolu birçok uygarlığın buluştuğu özel bir coğrafyadır. İstanbul Doğu ile batının birleştiği eşsiz bir şehirdir. Ama kelimelerin hepsi yanlış yazılmış.

Evet. Bir tek yerde problem yaşıyorsunuz. Şurada aşağıda misafirperver haklı dünyada diyor. Misafir misaf Evet. Misafirperver. Niye? Çünkü haklı kelimesi orada eee değiştirilen kombinasyon aslında yine doğru olan bir kombinasyona gelmiş. Yani siz aslında orada kelimelere baktığınızda eee onu bir bütün olarak beyin algılıyor. Hatasını düzeltiyor ve eee onu düzelteceği bir şey bulamıyor. Çünkü o zaten bildiği bir şey misafirperverliği Evet. misafirperver halkı olarak olacağı aklına gelmiyor.

Gelmiyor. Çünkü haklı diye bir kelime de var.

Evet. Cümlenin başından sonunu okursanız ancak bunu doğası mutfağı ve misafirperver halkı dünyada tanınır.

Evet. Şimdi ama okurken orada takılıyor insan.

Evet. Şimdi bu biyolojik bilgisayarın da geniş dil modelin de çalışma şeklini anlatabilmek için aslında çok güzel bir eee örnek. Niye? Çünkü bir seferde baktığınızda önceden bilmediğiniz bir kombinasyonun aslında önceden bildiğiniz bir şeye eşleştiriyor. Değil mi? Bu tıpkı biraz da şuna benziyor. İnsan mesela bir şey öğreniyor. Öğrenirken aslında beynin kortikal ağları yani farklı bölümleri aslında farklı farklı öğrenmek de gerçekleştirebiliyor. Mesela çoğumuz e Q klavye ile yazmayı öğrenmiyoruz değil mi? Eskiden daktilo kursları vardı. F klavye için işte siz daha iyi bilirsiniz gazetecilik. Ben hala F klavye kullanıyorum.

Evet. E gazeteciliğin ilk yıllarından eee ve orada bir antrenman yapılırdı, öğrenilirdi. Ama şimdi birçoğumuz Q klavye kullanmamıza rağmen bakmadan yazabiliyoruz ama hiçbir zaman öğrenmemiştik onu.

Evet. Niye? Çünkü bizim motor sinir sistemimiz, premotor sinir sistemimiz yani kaslarımıza o işaretleri üreten sistemimiz ilk başta yeterince yanlış yapa yapa eee bizim eee ellerimizin oraya gitmesini sağladı. Ama mesela başka bir klavyede çalışmaya başlayın. Daha geniş, daha dar veya tür bu sefer eee saçmalamaya başlıyorsunuz. İşte bizim motor sinir sistemimiz ki etrafına göre kendisini optimize ediyor. Niye? Orada yanlış yaptıkça enerji kaybediyorsunuz. Enerji kaybettikçe aslında enerji kaybetmeyecek şekilde eee bunu yeniden yapmayı öğreniyor. Çünkü niye? Zamanın da bir maliyeti var enerji cinsinden mesela en azından hücrelerinize telomerler kısalıyor değil mi? Zaman içerisinde. Eee dolayısıyla motor sinir sisteminizden başlayarak sensör sinir sisteminize kadar biyolojik bilgisayar zaten her aşamada kendini optimize ediyor ve birbirinden bağımsız paralel çalışıyor. Size öğret demese de pekiştirme pekiştirmeli öğrenme diyoruz. İşte pekiştirmeli öğrenmenin unsuru, temel unsuru minimum enerji disipasyonu yani minimum enerji eee kaybı. Burada da işte tekrar bütün bu hikayenin içerisinde geri dönecek olursak biyolojik bilgisayarı üretenler de diyorlar ki biz saniyede milyarlarca defa eee anahtarlama yapıp paralel çalışan hatta ilerlemesinde milyarlarca dolar yatırdığımız litografi dediğimiz işlem prosesinde işlem sürecine bir alternatif üretebilir miyiz ki hem üretimi daha basit olsun yaygın olarak çoğaltılabilsin daha az enerji daha az enerji tüketsin ve Daha da ilginci yarın öbür gün insana da entegre edilebilsin. Şimdi böyle bir eee fikir var hesaplamada. Bu enerji hesap eee enerji kaybına karşılık hesaplama performansında eee motive eden de bir unsur var.

Şimdi yapay zeka giderek ekonomik değer kazanıyor değil mi? Üstsel bir ekonomik değer kazanıyor. İnanılır gibi değil değil mi? Yapay zekanın kendisi için belki 200-300 milyar dolar harcandı ya da öyle bir ekonomik değeri var 2024-2025 aralığında ama potansiyel olan diğer sektörlere etkisi 15-20 trilyon dolar arasında. Niye? Çünkü birisi kendisine yapılan yatırımlar öbürü onun diğer sektörlere olan etkisi ve bunlar ülkeler arasında da o kadar büyük bir rekabet konusu oluyor ki eee yapay zeka aslında bu işi bilenler farkındalar. Eee bilimi hızlandırıyor, hayatı hızlandırıyor, rekabeti farklı bir noktaya götürüyor. Yani eskiden 20 yılda olacağını beklediğimiz bir şey yapay zekanın çok değil sadece önümüzdeki 2-3 sene içerisindeki getireceği imkanlarla 5 yıla kadar eee düşecek tahminen. Dolayısıyla eskiden mesela nükleer enerjideki bir ilerlemeyi tahayyül ediyorsanız ve bunun için 40 yıl gerekir falan gibi böyle bir şey bir yıla 6 aya belki bir güne düşecek yani düşecek ve bu konuda da eee bazı akademisyenlerde bile saplantılar olduğunu görüyoruz. Çünkü o kadar hızlı değişiyor ki yanındayken onun hızlı değiştiğini göremeyebiliyorsunuz. Bu bir çocuğa tanımadığınız bir çocuğa mesela 6 ayda bir baktığınız zaman ne kadar büyüdü diyorsunuz ama annesi babası yanındayken farkına varmıyorsunuz farkına varmıyor yanınızdayken farkına varmıyor yapay zeka eee aslında dinleyicilerimizin tabii bazıları farkındadır ama şunu görmek gerekiyor yapay zekanın eee bu yol haritasında eee belki de ilk slayta da eee gidebiliriz bir taraftan eee 2015 ile birlikte ilk defa bulunduğu için değil ilk defa ekonomik olduğu için derin konvolüsyonel ağlar yani eee hesaplamayı eee sadece sınıflandırmadan değil öz nitelikleri çıkarttığından yani ben bir A harfi yazdım. O harfinin resmin neresinde olduğunu kendisi bularak sonra A harfini olduğundan yola çıkarak gittiğimizde sonra 2020'lere doğru eee üretken eee yapay zeka daha sonrasında geniş dil modeli şeklinde giden yol haritasında şimdi daha çok ama genel yapay zeka çalışılıyor. Genel yapay zekaya gidiyoruz. Şimdi burada baktığımızda yapay zekanın 1 2 3 4 5 tane eee öngörülen aşaması var. Aşaması şimdi yapay zekayla ilgili konuştuğumuzda önce şunun farkına varmak lazım. Endüstri devrimi kütlesel kitlesel bir üretim şekline dönüşmekteydi. Değil mi? Bunun temelinde yakıtı biz eee enerjiyi eee hareket enerjisine kontrollü bir şekilde dönüştürmekle başladık. Sonra da üretim veya imalat tekniklerimizi eee değiştirdik ve seri üretime uygun hale getirdik. Yani bireysel olarak ayrı ayrı yaptırdığımız yerlerde yaptığımız şeyleri toplulaştırdık. İşte şimdi yapay zeka fikirsel üretimlerimizde bir kitlesel üretim haline gelecek. Yani mass production kitlesel üretimi zihinsel üretimimiz ve fikirsel üretimimize dönüştürecek. Ve burada bize eee bizim önümüzde engel ne? Yol açacak şeyler ne veya fırsatlar ne? Eee, buna baktığımızda biyolojik bilgisayarı önerenler aslında bu yol haritasının içerisinde kendilerine bir yer gördükleri için bunu eee, yapıyorlar. Eee, biyolojik bilgisayarla birlikte çözmek istediğimiz problemlerden bir tanesi bu genelleştirilmiş yapay zeka yol haritasında alternatif bir rota açabilmek. Genelleştirilmiş yapay zeka dediğimiz ne? Yani günümüzdekinden ne farkı var? Belki biraz onu eee, anlatmak lazım. Eee bizim çocukluğumuzda da işte bildiğiniz uzay

1999 gibi bilim kurgu filmleri vardı ve bunlarda işte 2001 Space Odyssey vesaire bir bilgisayar kavramı vardı. Eee hatta insan gibi cevap veriyordu. Hatta 2001 Space Odesi bayağı ilerici yani. Baktığ zaman Hal diye bilgisayar var. Bayağı bugünün yapay zekası aslında. Evet. Evet.

Eee fakat 2001 yılına geldiğimiz zaman bir hayal kırıklığı yaşadık değil mi? Hiç öyle filmlerdeki gibi hayal ettiğimiz gibi olmadı. Olmad ama ilginç bir şekilde 2024, 2025 bundan sonraki dönem hayal ettiğimizin ötesine eee gidiyor. Çünkü biz aslında mevcuttaki bildiğimiz geleneksel bilgisayar, geleneksel dediğimiz bile son işte 50 yılın eee bilgisayarı, son 500 yılda bilinen bir şey değil. Eee son 50 yılın silikon tabanlı bilgisayar gelişimi farklı yol haritalarıyla kendisine şunu bulmaya çalışıyor. Biz belirli bir problemi çözdürmek için bir insanoğlunun yerine orada bir mühendislik yapıyoruz ve yapay zekayı eee uygulamak için bile diyoruz ki sen bu veriyi al, bununla eğitelim, onun benzerlerini içerisinden çıkar. Mesela işte sizin yüzünüzü tanımak istiyorsak onun nasıl tanılacağıyla ilgili ya çok sayıda veri veriyoruz veya sizin yüzünüzün modelini, matematiksel modelini ver. İkisinden birine ihtiyaç var ve eee bütün bunları yaparken giderek daha çok işlemci gücü, daha çok veri diye gidiyoruz. Ama en önemlisi de insan buna müdahale ediyor. Yani sizin yüzünüzü tanıtan, tanıyan yazılım aynı zamanda yemek yapmıyor. Eee, aynı zamanda başka bir şey yapmıyor, değil mi? Ama siz insan olarak, insanoğlu olarak sabahtan itibaren kalktığınızdan itibaren mevcuttaki ekosisteminizde, çevrenizde ihtiyacınız olan fonksiyonları gören bir zihniniz eee var. Gerektiğinde yemek yapmayı da öğreniyorsunuz. Her anda tanıma da yapıyorsunuz. İşte bu aradaki fark şu ya da bu bardağı dolu mu boş mu görebiliyorum veya bardak boyu kısal şekil değilse de anlıyorum ben. Evet.

Ve üst şimdi insan beyninin çok ilginç özellikleri var aslında. İnsan beyni her an tahmin ediyor. Bu noktaya geri döneceğim ama eee ondan öncesinde eee insan beyninin eee özelliklerini biz eee hiperparametre dediğimiz bu mühendislik gerekleri olmadan da acaba bir bilgisayar ortamında yapabilir miyiz? Yani bizim öyle bir eee yapay zekamız olabilir mi ki? Ben ona duyargaları, İngilizcesi sensörleri ya da takayım. Ya sen mesela bizim sensörümüz göz bir sensör. Yani beş duyumuz her biri bir sensör. Evet. Tabii bizim vücudumuz aslında bir sensör. Ağı tamamı her yerimiz sensör. Biz bu sensörlerle birlikte hareket ediyoruz. Bir taraftan da aktüatörler, hareketlendiricilerimiz var. Nasıl? Kaslarımız, gözümüzü baktığımız, merceği hareket ettirdiğimiz, ellerimizi hareket ettirdiğimiz, kalbimizi atan, e bizim bir taraftan da hareketlendiricilerimiz var, hareket vericilerimiz var. Beyin kendisi doğduğundan itibaren minimum enerji harcayacak şekilde kendisini en güvende hissedecek şekilde bu uyumu sağlıyor ve kendisini geliştiriyor. Eğitim bu bütün canlılara has ama değil mi? Bütün canlılara has olan bir şey. Ve biz o sırada senin şu kadar tane hücren var olacak veya korteksini böyle yap demiyoruz değil mi? Bir genetik özelliğimiz var. Bu genetik özelliğimiz bulunduğumuz ortama göre bizi uyarlamayı sağlıyor. Mesela siz aynı genendeki bir insana isterseniz bu kahve makinesini kullanmayı da öğretebiliyorsunuz. Başka kulland traktör de kullandırtabiliyorsunuz ve bunun için başka bir yapıya geç demiyorsunuz ya da bir mühendislik yapmıyorsunuz üzerinde. İşte genelleştirilmiş yapay zeka beynin elastisiz deniyor aslında. Evet. Bizim genelleştirilmiş yapay zekadan da beklentimiz çok sayıda ve yeni veriyle bu kadar çok eğitmeye gerek kalmaksızın kendisi yeterince analoji de yaparak %100 doğrulukla olmasa bile belirli yeterli doğrulukla bir çıkartım yapan bilgisayarı yapabilir miyiz? İşte bu soruyu sorduğumuzda nöromorfizm diye bir kavram ortaya çıkıyor. Nöromorfizm kavramı şu. Bizim bilgisayarlarımız lojik devrelerden oluşuyor aslında. Komut işliyor dediğimiz şey bildiğimiz matematik işlemlerin toplama çıkartma veya mantıksal işlemlerin V veya gibi eee bunları karşılaştırma vesaire. Bunları arka arkaya yapan bir makine yani bir hesap makinesinin hangi hesabı ne zaman hangi koşullarda yapılacağının tarif edilmiş hali diye görebiliriz. Biz bunu o kadar iyileştiriyoruz ki derleyicilerimizle üst düzey programlamaya geçtiğimiz zaman o şunu zamanda şunu yapa kadar eee devam eden bir süreç. İşte bizim yapmak istediğimiz şeylerden bir tanesi bu mantıksal bir makine ve sabit bir makine yerine başka bir esnek düzen var mıdır ki eee biz bunun içerisinde bu düzen içerisinde eee etrafıyla etkileştikçe kendini organize etsin ve o etkileşim içerisinde de mesela son 5 yılda, son 10 yılda daha çok neye maruz kalıyorsa ona uyum sağlasın. SWAT we'i değiştikçe hardware'ini de ona göre organize etsin. Hardware'ini de organize Aynen. Bravo.

Ve işte şimdi burada ilk kısıtladığımız şu çıkıyor. Herkes görmüştür bir elektronik devreyi bir pertinx dediğimiz bir baskı devrenin üzerindedir. Plakanın üzerinde yeşil böyle bir şey. Üstüne böyle şeyler gider. Hatlar gider. Üstünde de şeyler vardır. Hat Evet. Şimdi bizim nöral hücrelerimiz, doğadaki devreler eee işaretler geldikçe yollarını değiştiriyorlar. Eee ve yeni duruma uyum sağlayabiliyor. Yani o yeşil şeyin üstündeki hatlar yer değiştiriyor sürekli. Evet. Ama bizim bakır devrelerimiz yer değiştirmiyorlar. İhtiyacımız olan bir devre türüne dönüşmüyorlar. Biz o devreyi bir şey yapmaya zorluyoruz. İşte nöromorfizm denilen kavram da diyor ki yani nöro sinirden geliyor. Morfizm de morfoloji yani yapısını değiştirmekten geliyor. Yani bizim öyle bir hesaplama ünitemiz olabilir mi ki onun maruz kaldığı işaretlere göre kendi hesaplayan yolları yer değiştirsin. Rotalamasını en çok işaretleri trafiğine göre uyarlasın. Bu şuna benziyor. Tıpkı Boğaz Köprüsü'nün şeritlerini görüyorsunuz. Mesela eskiden eee tercihli şerit uygulaması vardı. Ama öyle düşünün ki eee sürekli olarak yolları ihtiyacına göre şeritleri kendisi kaydırıyor. Hatta bir tarafta yan yol ihtiyacı oldu. Baktı ki şimdi belediye başkanları bazen eleştiriliyor. Diyor ki bu kavşakta bu kadar süredir trafik var. Sen buna yıllar içerisinde niye müdahale etmedin? İşte bu nöromorfik sistemler onun müdahale edebilecek, baktı kavşak tıkanıyor hemen oraya yeni yol yapıyor kend, yeni yol yapıyor. Yeni yolun nerelerden olabileceğini buluyor. Bulmaya çalışıyor değil mi? E şimdi burada diyorsunuz ki ya bunları nasıl bulacak? Eee işte burada doğanın çok ilginç eee özellikleri var. Yapısal eee özellikleri var. Bir slaytlara dönebilir miyiz? Dönelim hemen. Şimdi eee doğanın özelliklerinden bir tanesi mesela bu bir kök. Kök. Öbür de yıldırım. Köklerin uçlarında görmüşsünüzdür. Şöyle çıkıntılar var. Aynı şekilde ağaçların yukarısında da o çıkıntılardan hepsi dal olmaz. Bir tanesi ya da bir kısmı dal oluyor ve büyüyor, değil mi? Aynı şekilde yıldırım da düşerken mesela eee birçok dalı var ama bir yerden eee uzuyor ve devresini tamamlıyor. Bunların birçoğu aslında bizim eee elektrik eee devresi olarak kapasitif kuplaj dediğimiz bir devre. Yani bu şeyde görmüşsünüzdür. Mesela EKG çektirirken eee kalbinize bir şey saplamıyorlar. Eee kol ve bacaklarınıza birer tane plaka yerleşiliyor ve onun iletken olması değil onun kuple olması yani elektrik yükünü karşı tarafa plakayla kondansatörün uçları plakaları gibi pilin eee plakası gibi eee karşı tarafa aktarması bekleniyor. Buna kapasitif kuplaj deniyor. Eee dünyadaki devreler bizim eee bilgisayarlarımızdaki silikon devrelerdeki bir elektriksel iletkenlikle birbirine bağlı değil. Eee, bunlar kapasitif devreler yani anlık değişikliklerle birbirine hareket ettiriyorlar. Bu da en az enerjiyle, eee, toplamdaki bir hesaplamayı veya sonucu bulabilmeyi sağlıyor. Niye? Sürekli olarak bir akım akıtmak yerine anlık olarak bunu yapıyor ve bu bunun için de bir anahtarlama elemanı kullanmıyor. İki tane plakayı yan yana getirdiğiniz zaman o zaten doğal olarak eee, doğru akımı geçirmiyor. Sadece siz D/DT diyoruz. Yani zamana göre bir açıp kapama işareti varsa bunu aktarabiliyor. İşte burada problem çözmede konulardan bir tanesi şu. Bunlar yeterince kombinasyon üretiyor, farklı doğrultuda suya en iyi ulaşabileceği yer. Üst tarafta ışığa en iyi ulaşabileceği yer. Yıldırımın devresini en kısa yoldan minimum kayıpla tamamlayabileceği yer şeklinde. O çatallanmaların hepsi bunu optimize ediyor. Bir sonrakine gidelim.

Evet. Burada mesela spine dediğimiz bir nöronun, burada bir nöron hücresi var. Nöron hücresinin aslında diğer hücrelerden farkı kendi içinde elektriksel iletkenliği daha yüksek hatları var. Bunların bir kısmı giriş, bir tanesi de çıkış. Bir tane çıkış akson deniyor ve o da farklı bağlantıları olabiliyor. Şimdi burada nöron dediğimiz hücrenin üzerinde bu çok küçük çıkıntılar var. İşte bunlar diyorlar ki mesela kendisi bir sensör, sinir sisteminden data gelince, bir sinyal gelince bunlar nasıl şekil değiştirir de eee bir devreyi tamamlar ve problem eee çözer. Önemli konulardan bir tanesi bu. Bu üzerindeki çıkıntılar aslında birer tane elektrot gibi çalışıyor ve bunlardan bir tanesi en çok ısındığı zaman diğerine geçiyor. Eee, o bağlantı yapmaya başlıyor ve bir dal oluşuyor. Aynen kökte olduğu gibi ya da yıldırımda olduğu gibi. Yıldırımda bu eee milisaniyelerin altında, mikrosaniye, milisaniye aralığında gerçekleşiyor. Buradaysa eee saatler, günler, saatler, günler, günler mertebesinde de gerçekleşebiliyor. Yani siz bir şeyi öğrendikçe a güçleniyor orası. Orası güçleniyor. Buna da orada bir gidiyor, karşı tarafın gövdesine bağlanıyor. İnsanlar mesela birçok kişi şey zannediyor. Oraya yeni bir devre yaptı. Elektriksel olarak eee iletken yüksek bir devreyle bağlandı. Hayır, öyle de olmuyor. Yine eee dışarıdan bir kondansatörün plakası gibi bir elektrodu oraya yaklaştırıyor. Ona sinaps eee diyoruz ve içerisindeki membran yukarı aşağı hareket ettirdikçe buraya işaret iletebilmeye başlıyor. 1952 yılında Hatchin ve Hxley denilen iki tane bilim adamı ilk defa nöronun bu membran ilişkisi ile aslında anahtarlama yaptığını ve giriş çıkış ilişkisinin elektriksel devresini modeller. Hatırladığım kadarıyla da bir 10 yıl sonra, 1962 olabilir. Nobel ödülü aldılar. Bu biyolojik bilgisayara kadar giden yol haritamızda aslında orada baş, aslında orada başladı ve eee en az d ya da be tane Nobel ödülü oluştu zaman içerisinde. Çünkü eee günümüzdeki bilgisayarların eee en yaygın işlemcisinin mimarı Canonlayman. Benim de idollerimden bir tanesidir. Eee, hatta bazılarının Einstein'ı çok önemli görür ama ben benim açımdan kendi mesleğimle de ilgili olduğu için John von Neyman geçen yüzyılın en önemli eee, bilim adamı olduğunu düşünüyorum. Çok gönlülüğüyle ve problem eee çözdüğü problemlerin spektrumu itibariyle işte John von Neyman günümüzdeki bilgisayarın mimarı yani o bellekten al komutu e işlemciye gönder. İşlemci karşılığı olan komutu yaparken onun aynı zamanda sonucunu bir belleğe yazsın tarzında eee tabii burada çok detayına girmeyeyim. O mimariyi ortaya ilk defa koyup, eee, ilk bilgisayar modelini o zaman eee, ortaya koyan John Fon Numan ki uzun zaman von Numan mimarisi olarak eee, bilindi. Aslında bu işe girmeden önce eee, biyolojik bilgisayar yapmayı denedi. Fakat o zaman 1952'de daha eee Haçkin'le Hxley'in bu çalışması daha yeniydi ve 1952'de yayınladığı aynı yıl yayınladığı eee bir makalesinde, eser raporunda diyor ki, "Kararlı olmayan organizmalardan kararlı bir eee işlemci elde edebilir miyim?" kısacası yani orada eee olasılıkla işlem yapan eee eee birimleri, modülleri alıyor. Yan yana öyle bir organizmayla yarına getirebilirim ki diyor. Bunlar kararlı bir işlem yapabilir. Fakat eee maalesef ki o tarihte nöronu şimdiki kadar iyi tanımıyoruz. Ve kendisi aslında hem malzeme bilimci hem matematikçi John von Neyman eee malzeme bilimci olduğu için aslında malzemelerin bu konformasyon denilen özelliğine hakim. O da ilginç bir özellik. Ne demek o konformasyon özelliği? Konformasyon özelliği şu. Bildiğimiz atom eee bildiğimiz hani kimya cetvelindeki her bir atomun özellikleri eee yazıldır. İşte hidrojen atomunun işte iki elektronu vardır vesaire. Buna karşılık elektriksel iletkenli işte oda sıcaklığında şudur falan gibi her birinin eee özellikleri yazılır. Değil mi? Moleküller için de böyle bir şey söz konusu ama organik moleküllerde örneğin aminoasit dizisi dediğimiz bu plakalar gibi 20 tanenin kombinasyonlarında enformasyon taşıyan en küçük molekül disinde yani mesela 5 amino asit, 3 amino asit yan yana geliyor bir fonksiyonu yerine getiriyor. Bunlarda şöyle ilginç bir özellik var. Bunlar etrafındaki etkileşime göre eee şekil değiştiriyorlar ve ilginç olanı şekil değişince fiziksel özelliği değişiyor. Mesela elektriksel olarak iletken olan bir molekül hiçbir şeyini değiştirmiyorsunuz. Elektriksel olarak yalıtkan oluyor. Doğru. Veya eee termal iletkenliği yüksek, ısıl iletkenliği yüksek olan bir şey başka bir konformasyona gelince eee birden eee pozisyonu değiştiriyor. Fiziksel özelliğini değiştiriyor. Mesela 7 tane amino asiti yan yana getirdiğiniz zaman peki bu önceden tahmin edilebiliyor mu bu değişim? Eee, çok güzel bir soru. Bunun önceden tahmin edilebilirliği zaten ilaç sektörünün şu andaki tam e bulunduğu durum. Eee, geçen sene Nobel ödülünü David Baker aldı. Alpa Fold. İşte o katlanma, konformasyondan gelerek. Çünkü peptitte başlıyor bu özellik. Eğer siz bunu tahmin edebilirseniz hedefinizdeki özelliği de tahmin edebiliyorsunuz. Yani mesela eee bir eee Mehmet Sarıkaya Amerika Birleşik Devletleri'nde University of Washington'da bu konuda beraber çalışmıştık. Eee Mehmet Sarıkaya mesela eee peptitlerin hangisi grafene yapışır, hangisi altına yapışır, hangisi hangi özelliği gösterir? Bunlarla çalışırken biz dedik ki biz bunu yapay zekayla yapalım. Hatta David Baker'ın olduğu laboratuvara da biz de gittik anlattık bunun öyle peptit düzeyinde eee yapılabileceğini, 2015, 2016 yılı olabilir. Daha sonrasında işte 2024 yılında David Baker eee tabii onlar protein üzerine çalışıyordu. Biliyorsunuz proteinler aslında peptitlerin uzun hali. Uzun hal eee bunu şöyle düşünebilirsiniz. İzleyicimiz öyle düşünebilir. Birçok kişi hatırlıyordur eee teyp bantlarını. Teype bantlarının içerisinde şerit halinde bir manyetik devre vardır. Aslında manyetik elemandır. Karşısına teyip kafasını getirirsiniz. O onu okumaya başlar. O onu okumaya başlar. Yani bir mıknatısın açık kapası gibi endüklemeye başlar ve siz bunu ses işaretine dönüştürür ve dinlersiniz. Şimdi moleküllerde de böyle çok ilginç bir özellik oluyor ve biyolojik bilgisayarın temellerinden bir tanesi de bu aslında. Eee yani nöronun iç çalışma mekanizmasının temellerinden bir tanesi bu. Dolayısıyla eee bir peptiti siz oda sıcaklığında eee 700 800 civarında konformasyonu var. Siz eğer hangi koşullarda hangi konformasyona hani hangi katlanma durumuna geleceğini tahmin edebiliyorsanız onun hedef özelliğini de tahmin edebilir duruma geliyorsunuz. Eee ama bu çok zor bir problem. Aynı zamanda şöyle düşünün, 7 amino asit demek her birinde 20 tane olasılık var. 20 x 20 x 20 yani 20 üzeri 7 tane kombinasyon var. Ben deney olarak yapsam 20 üzeri 7 tane deney yapmam lazım. Eee trilyon tane deney yapmam lazım ki onun hangisi olduğunu bulabilelim. Ne yapıyoruz? Yapay zekayla aslında karşılıklı böyle bir ilişki de var. Yapay zekayla bilinen özellikleri yapay zekaya öğretiyoruz. Sonrasında da diyoruz ki mesela hangi amino asit dizisi ya dolayısıyla hangi peptit eee mesela örneğin eee sizin mutlu olmanızı eee sağlayacak enzimle etkileşime girer. Mesela oksitosin eee tabii bilindiği için eee söylüyorum. Eee ve o enzimin daha çok salgılanmasını sağlar. Ne yapıyor? Siz o diziyi ürettiğiniz zaman bu molekül gidiyor, tape bandı gibi karşı tarafa gidiyor. O bilgiyi aktarmaya başlıyor. Dolayısıyla buna da signal transduction yapısal veri aktarımı eee olarak görebiliriz. Yani orada teyp bandının önünün eee manyetik kafanın önüne teyp bandı geçer gibi o molekül gidiyor. O peptit dizisi o katlamayla bunu gösteriyor. Farklı bir şekilde katlanırsa parmağımı böyle görmüyorsunuz da böyle görüyorsunuz ve buradan okuduğu bilgi değişiyor. Değişiyor. Zaten kanserle ilgili çalışanların da karşılaştığı problem bu. Eee, genel olarak gördüğüm kadarıyla yani hücrenin bir DNA'sı var ama o DNA'nın katlanma şekli değişince mitokondri başka bir şekilde, eee, çalışmaya başlıyor. İşte biz de biyolojik bilgisayarda aslında dolaylı olarak iki tane kırınımız var. Diyoruz ki bir kısmımız nöronu alıp doğrudan eğitelim. İkincisi de diyoruz ki ya biz bu nöronu alıp da eğitip onu yaşatmaya çalışacağımıza onunla oluşturan peptit ve proteinleri eee organizma olarak tutabilmemiz öbüründen daha kolay. Bunu bir çipin içerisine koyalım. Nitekim biz de bunu da denedik. Sonlara doğru bir slayta gidebilir miyiz? Şimdi mesela eee bu şurada bir çip görüyorsunuz. Tarak şeklinde şöyle iç içe girmiş. Bunun içerisinde peptitleri ekmişiz. Şimdi bu peptit moleküllerini eee frekans spektrum, yani bu eee nöromorfik bilgisayar girişimleri Türkiye'de yapılıyor yani şu anda. Evet. Evet. Bu da bizim mesela bir eee 2013 yılıydı zannediyorum o tarihte başlayan bir TÜBİTAK projemizin eee içerisinden eee buna bir işaret uyguluyoruz. Önce hiç işaret uygulamadan önce frekanslara karşı cevabı dümdüze yakın. Hı hı. Bu farklı frekanslar verdiği cevabı gösteriyor. Sonra buna böyle bir üçgen dalgaya benzer bir işaret uyguluyoruz. Sürekli olarak içerisinde o görmediğimiz sıvının içerisinde yani o kadar küçük ki bunlar moleküller içerisinde çözeltinin içerisindeki peptitler şekil değiştiriyorlar ve öyle şekil değiştiriyorlar ki tabii ki ne yapmaya çalışacaklar? Eee ısıyı kendi üzerinde tutmamaya çalışacaklar. Soğumaya çalışacaklar. Soğumaya çalışacaklar. Soğuyacakları şekilde konforme oluyorlar. Katlanıyorlar ve o katlanmanın sonucunda eee bellekli hale geliyor. Aynı işareti sürekli yaparsanız daha önce düz olan frekans cevabı farklı frekanslarda farklı eee şekilde vermeye başlıyor. Aslında şunu yapmaya çalışıyorum. Bu frekans eee verdiğimiz işaretin dalga biçiminin farklı frekanslarda iz düşümü var. Harmonikleri diyoruz bunlara. Uyguladığımızın karşılığı olanları daha çok geçirmek istiyor. Uygulamadıklarımızı geçirmemeye e çalışıyor. Böylelikle kendisi soğumaya çalışıyor. Rahatsız olmamaya eee çalışıyor. İşte bu yaklaşımda siz şunu görüyorsunuz. Diyorsunuz ki ya bir peptit bir bellek gibi çalışabiliyor. Üstelik de tek ben bunu data olarak işte şu saniyede bu, bu saniyede bu diye öğretmiyor. Kendi öğreniyor. Öğrendiği gibi bir de tanıyor. Dolayısıyla pattern recognition örüntü tanıma için bir sürü algoritma çalıştıracağımıza direkt öğretebiliyoruz. Direkt öğrettiğimiz işlemciler, komponentler varken biz bunu niye işlemciye aktarıp milyarlarca işlem yapıp eee bir işlem yap şeye dönüştürelim? İşte bu Cortical Labs, Kortikal Ağlar Laboratuvarı şirketindeki arkadaşlar da Avustralı bir şirket. Avustralyalı şirket. Bunlar da diyorlar ki biz bunu bu özelliği nöronda kullanalım. Nöronu yani siz peptitte yapıyorsunuz, o nöronda yapıyor. O nöronda yapıyor. Biz de daha önce nöronda yapmayı da eee öngördük. Fakat dedik ki peptit daha pratikte olabilir. Daha kolay olabilir. Çünkü bizim yaptığımız yıllarda hemen bir iki yıl sonrasında nöronlar matriso haline satılmaya da başlandı. Yani insan nöronunu ekilmiş bir devrede böyle, onu nereden buluyorlar? İnsan beyninden mi oluyor yoksa üretiyorlar mı? İlk başlarda insan beyninden alınıyordu. Fakat 2012 yılındaki Nobel ödülünden sonra bir yerden alınabilmeye başlandı. Burada tabii etik açıdan da önemli bir imkan ortaya çıktı. Çünkü eee hani kadavradan alabilirsiniz başka şeyler ama on hayvandan alınabilir. Eee ama canlıdan almak yerine siz kök hücreden üretebil, kök hücreden üretebiliyorsunuz. Kök hücreden üretilmiş olan zor değil mi üretmek? Eee aslında şöyle ilk prosesini bilmediğiniz zaman zor ama yaptığınız zaman çoğaltmak kolay. Kolay. Bu Pong denilen eee oyunu öğretirken diyorlar ki biz bunu aynı şekilde minimum enerji disipasyonu onlar tam da böyle tarif edemiyor aslında. Eee ilgili videoları internette çok yaygın. Eee son günlerde eee diyorlar ki bunun enerjiyle ilişkili olduğunu düşünüyoruz. Biz biliyoruz peptitten dolayı eee biliyoruz. Eee Pong oyununda diyor ki biz buna bazen gürültü verdik. Bazense bildiği işareti veriyoruz. O bazen ne? Eğer doğru hareketi yapıyorsa bildiği işareti eee veriyoruz. Düzenli işareti veriyoruz. Eğer yanlış işareti yapmışsa da rastgele dağılımlı bir işaret. Gürültü dediğimiz rastgele dağılımlı bir işaret yapıyor, aslında şeyi nöronu sinirlendiriyorlar. Nöronu sinirlendiriyorlar, aynen buradaki gibi bildiği işareti yaparsa daha azı sinirleniyor. Eee evet ödüllendiriliyor. Zaten bu reinforcement öğrenme yani pekiştirmeli öğrenmenin aslında bir yolunu ortaya koymuş olursunuz. Yani siz fotoğraftaki kişi Fatih Altaylı demiyorsunuz da Fatih Altaylı'yı doğru bilmişse bu Fatih Altaylıysa onu alkışlıyorsunuz. Alkışlıyorsunuz, ısıtıyorsunuz ya da soğutuyorsunuz. Bu Fatih diye Ahmet demişse eline vuruyorsunuz gibi. Evet. Eee nöronların sinir hücrelerinin işte böyle bir özelliği var. Kendilerini aynen peptitte daha büyük bir eee canlı organizmaya geçince peptitte ki peptit belki de eee canlı olduğu tabii tartışılıyor ama belki de organik molekül olarak canlılığa en, canlılığa en yakın en yakın yapı taşı. Eee peptitin gösterdiği bu özelliği nöronlar gösteriyor ve onlar da diyor ki ben ya sinirlendireyim ya da geçirgenliği oldu. Bildiği işareti uygulayayım. Nöronlar da buna bakarak birbirleriyle o spine dediğimiz o çıkıntılardan devre yapmaya başlıyorlar. O devreyi öyle yapıyor ki mesela eee belirli bir özelliği o dentritik e kanallardaki belirli özellikleri birbirine daha yakın olandan ileriye doğru gidiyor. Yani siz her şeyi öğrete eee organik bilgisayarda ya da bu nöromorfik bilgisayarlarda, nöroforik, nöromorfik işlemcilerde eee siz ona her şeyi öğreteceğinize o kendi kendini öğreniyor ve siz doğru öğrendiği zaman alkışlıyorsunuz. Evet, doğru. Ama nöromorfik işlemci kavramı gel ilk geldiğinde eee denildi ki ya biz eee nöronları işte son 50 yıldır geçen gelişen süreçte eee hep bir çarpımların toplamı şeklinde gösterdik. Bir matematiksel hesap modeli olarak. Halbuki nöronlar böyle çalışmıyor. Yani biraz önce bahsettiğimiz gibi nöronlar spike dediğimiz membranları açılıp kapamasıyla iğne şeklinde darbe katarları gönderiyor ve baktığınızda mesela herkes EEG işaretlerini böyle karışık işaretler görüyor ama gerçek nöronlar öyle çalışmıyor. Çünkü kafanıza takılan elektrotlar aslında nöronlara gitmiyor. O bölgenin ne kadar elektriksel aktivitesi olduğunu gösteriyor. Bu Nörolink projesinde olduğu gibi direkt nörona bağlantı sağladığınızda aslında o darbe katarları yani açma kapama işaretlerini membranlar yaptığı gibi siz elektriksel olarak açma kapama işaretlerini taklit edip nöronunlar aracılığıyla ilgili kortikal ağıyla konuşmaya başlıyorsunuz. Onunla iletişim eee kuruyorsunuz. İşte bu CL1 Cortical Laps One'ın eee ilk yaptığı bir ticaret C'ın fotoğrafı var mı bir daha? Onu gösterelim izleyicilerimize. Evet. Bunun eee yaptığı eee bilgisayar prototipinde de diyor ki ben bunu yaşatacağım ortam içerisinde eee siz bunu eğitebilirsiniz. Dışarıdan elektriksel arayüzünü size verdim. İster Pong için eğit ister başka bir şey için eğit. Ama ben sana bunu Pong için demosunu yaptım. Daha da ilginci ya da güzeli diyor ki bunlardan isterseniz pek çok tanesini de yan yana getirip onları da paralel çalıştırabilir. Çünkü paralel çalışmak bunun doğasında var. Sebebi de kortikal ağlarda eee mesela bir devreye bir şey verdiğiniz zaman o onu iyi tanıyorsa enerjinin çoğunu üzerine alıyor. Bizim hesaplama sistemlerimizdeki ağlardaysa böyle değil. Mesela bir ağ bir işaret veriyorsunuz eee bir katmana. Oradan yayılırken sanki hiç enerjisini kaybetmiyormuş gibi onun bağlı aldığı bütün nöronlar geleneksel yapay sinir ağlarında hep aynı işlemleri eee yapıyorlar. Halbuki biz mesela burada ben tanıyorsam bunu bunun enerjisini tükettiğim için diğerlerine bir şey kalmıyor. Böylelikle ne oluyor? İşte siv hocam değil mi? Evet. Sivamb o üsttekiler ne? 368 ateşi ateşi mi onun? Evet. İçerideki sıcaklığı sıcaklık. İnsan vücudu gibi. İnsan vücudu gibi. Çünkü eee bunu hayatta tutabilmesi için gerekli bir sıcaklık aralığı var. Aynen insan vücudunda eee gibi bu sıcaklık aralığında eee şey çalışıyor. Dikkat ederseniz insan beyninde de mesela eee ateşli bir hastalık geçirirse eee beyinde deformasyon olması ihtimali ortaya çıkıyor. Benzeri durum burada da var. Çünkü o konformasyonlarını kaybedersek diğerlerine 4.7 5.8 tansiyonu mu? Hayır. Eee şimdi tabii bunlar eee içerisinde oksijen şeyi yok. Akciğer yok. Evet. Eee karbondioksit oksijen dengesinin, eee harici bir sistem tarafından sağlanması lazım. İçerisinde karbon, aslında bu biraz reanimasyon şeyi ya da eee ne diyeyim? Eee bu cihaza bağlı yaşayan beyinler gibi biraz. Evet. Evet. Yani o içerisinde karbondioksit ve oksijen eee oranlarını bu da paralel bağlanmışlar kendisi regüle ediyor. Düzenli yok. Bir elektronik kontrol aracılığıyla. Peki mesela bu şu anda hangi bilgisayara eş değer eee diyebiliriz buna? E zor. Tabii şu anda ilkel bir eee durumda olduğunu söyleyebiliriz. Tek farkı az enerji tüketmesi. Çünkü eee bunun yaptığı işi eee bizim herhangi bir cep telefonumuz da fazlasını yapıyor. Fazlasıyla eee yapıyor. Ama bu çok az enerji tüketiyor. Az enerji tüketiyor ve bunu çoğaltma imkanınız fazla. Dolayısıyla eee bu ileriye yönelik bir yol haritası. O yüzden de eee işte bu teknoloji ağacında bazı kırınımlar var. Bu kırınım e burada hocam özür lafınızı kestim ama şimdi biraz mantığını anlamaya çalışıyorum. Bunun içerisinde eee üretilmiş insan beyin hücreleri var. Evet. Nöron var. Kaç kaç adet var? Eee genellikle yani bu tür şeyler içerisinde 100.000'in katları minimum eee bir şey için eee oluyor. Yani CL One'a çok eee bakmadım ama tahmin ettiğimi eee söylüyorum. Eee, içindeki kaç tane korteks kullandığına da. İnsan beyninde kaç tane var? İnsan beyninde, eee, 85 90 milyar arasında var. Bazıları tam 86 milyar diyor ama yani onu çok net saymışlıkları yok. Ama insanda tabii tek nöron beyninde yok. Sindirim sisteminde de nöronlar var. Yani orada malzemeyi eee, tanıyabilmek, teşhis edebilmek için sindirim sisteminizde de hesaplama yapanlar var. Onlar da işte 500 milyonun üzerinde olduğu tahmin ediliyor. Tabii insan beynini yani sindirim senin de aslında bir türü beyin aslında yani. Bak Evet. Tabii ikinci beyin de eee deniyor. O yüzden de sindirimle ilgili bir probleminiz olduğu zaman sizin duygusal durumunuz. Peki nöronların bir yaşam süresi var. Evet. Bunların yaşam süresi belli mi? Şöyle bu sentetik ortamda eee şu andaki bu makine yaklaşık 6 ay bunları tutabiliyor. Peptitler sonra çöp, modu yenisini mi takıyorsunuz? Yenisini takabilirsiniz içerisine. Peki yeniye yenisini öğretmek gerekiyor mu yoksa on...?

Maalesef yenine yenisini öğretmek eee gerekiyor. İşte peptitlerle yaparsanız o daha kararlı olabiliyor. Çünkü nöronlar hayatta tutabilmesi peptitlere göre daha zor. Daha zor. Şimdi burada izole bir ortama ihtiyaç var.

Mesela insan beyni lipit yani bir tür yağ doku ve içerisindeki iletkenler var. Yağ doku niye? Çünkü yağ doku aslında yalıtkanlığı yüksek ama aynı zamanda bakterilerin içerisinde nüfusunu da engelliyorsunuz. Mesela yağın içerisinde bir şey bayatlıyor mu? Bayatlamıyor, değil mi? Niye bayatlamıyor? Çünkü bakteri oraya nüfuz etmiyor. Biz de ilk yaptığımız peptitleri mesela hidrojen içerisinde yapmıştık ki bu firma da benzeri bir eee şey yapmış. Yani hidrojel doku eee işte bu jelatin eee de görmüşsünüzdür bu jöleli pasta gibi eee onun içerisine yerleştirdiğiniz zaman içerisinde aslında bir nevi korumuş oluyorsunuz. İkincisi de onu bir iskelet olarak kullanıp içinde devreleri yayabiliyorsunuz üç boyutlu olarak. İnsan beyninde de o yağ doku içerisinde işaretler geldikçe üç boyutlu olarak eee devre büyüyebiliyor.

Son eee özellikle son 3-4 yılda nörolojiyile hesaplama arasındaki eee etkileşim herhalde eee ondan önceki 3-4 yılın göre üstel olarak arttığını söyleyebiliriz. Buradan şu çıkıyor. Biyolojik bilgisayar sadece eee bir hesaplamaya alternatif olarak değil, aynı zamanda insanla ilgili eee bazı sentetik dokuların oluşturulması, zihinsel eee bazı aksaklıkların giderilmesi, insan özelliklerinin eee makine özellikleriyle eşleştirilmesi ve çok yaygın bir problemimiz olan engelliliğin azaltılmasıla ilgili olarak çok önemli bir gelişmeye sebep. Tam tam da gelmek istediğim yere siz eee geldiniz.

Şimdi hep yıllardan beri üzerine çalışılan bir konu var. Yani insanın eee biyolojik eee zekayı ya da biyolojik eee belleği eee silikon belleğe çevirebilir miyiz diye yıllardır süren çalışmalar. Yani insanın eee beynindeki bilgileri biz bir silikon bilgisayara silikon bazlı bir bilgisayara aktarıp bir tür ölümsüzlük sağlayabilir miyiz diye. Bu bu işi kolaylaştıracak bir şey değil mi? Yani sanki bilgisayar daha böylelikle insanla daha yaklaşık bir hale gelmeyecek mi? Evet.

Şimdi bu süreç içerisinde doğrudan bununla ilgili olmasa bile eee dolaylı olarak bununla ilgili eee çalışmalarda bulunan ama başka bir konuda Nobel ödülü olan bir bilim adamı var. Roger Penros. Penros. Roger Penrose'un Stuart Hammerov'ile birlikte yazdığı bir yazı var. Bilinç nerede? eee diye ve orada microtübü, mikrotübül kanallarla bir ilişki öngörülüyor. Yani bu gördüğümüz nöron eeeun mil eee 86 milyar tanin eee çok önemli özelliklerinden bir tanesi sadece 86 milyar olması değil. Onun onlarca katı daha yüksek bağlantıları nöromorfik olarak yapması. Şimdi bu bağlantılar eee sırasında ortada bu mikrotübül çanal kanallar içerisinde bizim gözleediğimiz ilişkiler de ortaya çıkıyor. Çünkü peptitin neye konformu olduğunu bilmiyoruz. Yani gidip de elektron mikroskobuyla onu problayabilme imkanımız yok. O yüzden de yani bir insanın beynini taradık da eee oradan bunu kopyaladık gibi bir şey kısa vadede ben olabileceğini zannetmiyorum ama giderek şuna doğru gidiyoruz. insanın belli bir beyin bölgesinde eee bir beyin bölgesinin işlevsel özelliklerini daha çok tahmin edebilen, tahmin ve buna göre de taklit edebilen bir yapıya gidiyoruz.

Diğer bir değişti basiti şöyle. Biz size mesela bir eee cep telefonu uygulaması vermiş olalım ve sizin gün içerisindeki bütün hareketlerinizi içerisindeki sensörlerden kaydetsin. Oturdu, kalktı, şuraya gitti, kahve içtiğini el hareketlerinizden tahmin etti. ihme sensörlerinden bunu öğrettiğimizde sizin eee birkaç tane bilinen sensör bile bunu yapabilmeye başlıyor. Yapıyor. Daha sonrasında bu sırada da sizin eee omur iliğinize yakın bir yerden de bunu kaydediyor olalım. Yani bunlar sensör hangi beyin aktiviteleriyle oluşuyor? Hangi hangi sensör sisteminizden hangi işaretler geliyor? Şimdi buradanın devamında ilginç şöyle bir şey oluyor. Hani hep dijital ikiz insanı temsil eder mi ve söylediğiniz soruya geliyor. Ben öldükten sonra beni temsil eder miye geliyor. İşte burada şöyle ilginç bir şey var. Bir kere şunu görüyorsunuz. Eee kişiye katalogtan rüya gösterebiliyorsunuz. Nasıl? Mesela Kemal Sunal filmlerinde görmüşsünüzdür. Bardaktan bardağa Hababam sınıfında su döker ve altına kaçırır. Bu nasıl oluyor? Aslında uyuduğu sırada arka plan gürültüsü aşağı gittiğinde ufak uyartılar eee benzeri aktiviteleri tetiklemeye başlıyor. Niye? Su sesiyile işeme arasındaki ilişki gibi. Siz bunun çok daha karmaşık bir bilgisine sahipsiniz. Mesela diyorsunuz ki ben örneğin işte Türkiye'nin şu güneş sahillerinde şöyle bir teknede eee balığ tatil yapayım, kahvaltı yapayım, balığa çıkayım vesaire. Total recall diye film var işte bununla ilgili. Evet. Şimdi eee sizin o olayı yaşamamış olsanız bile o olayı oluşturan sensör ilişkileriniz nerse oyanları sırayla vermeye başlıyor. Eee tabii çok etik problemleri olan bir alan aynı zamanda. Eee biz de meraktan tabii birçok şeyi eee deniyoruz. Yani ben akademiyi eee çocukluğumdan beri hobi olarak gören birisiyim. Yani hiç profesyonel eee olarak görmedim. Hep başka işlerle eee uğraştım. sürekli meraktan eee böyle ilginç şeyleri de yaptım. Eee işte eee böyle otistik çocukların iletişimi, telepatların eee iletişimi gibi eee orada şunu görüyorsunuz. Siz bu uyaranları doğru kombinasyonlarla yan yana geldiği zaman herkes aynı rüyayı görmüyor ama siz bildiğiniz şeyler cinsinden o tekneye gidiyorsunuz ve eee öyle bir kahvaltı görüyorsunuz. Piksel pikel bu e aynı filmi seyretmek gibi değil ama o onu yaşıyorsunuz ve dolayısıyla Netflix gibi siz bir senaryoya oturttuğunuz zaman bunu baştan sona o senaryoyu yaşıyorsunuz. Hatta senaryo sizin tarafınızdan yönetilebilir bir senaryo haline de yani şöyle bir şey ol mesela ben Angena Jolly ile aşk yaşamak istiyorum gibi bir şey oluyor mu? Oluyor. Evet. Yani siz süpermiş çöktü. Evet. E tabii bunun için diyorsunuz ki işte bazıları diyor ki ya nörolink eee ben asla çip taktırmam diyor değil mi? E şimdi e bir taraftan da şöyle düşünün. Eee, bundan bir önceki aşamada elektrotu taktığınız zaman gün içerisindeki bu öz nitelikleri oluşturan işaretleri siz aynı yerlere vermeyi sağlıyorsanız ve siz uyuduğunuz zaman, eee, sizin uykuya geçtiğinizi biliyor. RAM uykusuna da olduğunuzu biliyor ve size benzeri uyaranları sırayla vermeye başlıyor ve tepkilerinizi de ölçebiliyor. Tepkilerinizi ölçerek böyle bir şeye girdiğiniz, deniz kıyısına gittiniz, eee, veya Angelina Joli ile yan yana geldiniz falan. eee, bunu canlandırmaya başlıyor. Müthiş bir şey, değil mi?

Şimdi ama daha müthişi var. Şimdi o zaman şöyle bir şey oluyor mesela. Şimdi sizin bütün bu bilgilerinizi benim burama takarak beni birdenbire eee bilgisayar bölüm başkanı seviyesinde bir şey de yapabilir mi? Şimdi motor sinir sistemi eee biraz daha farklı çalışıyor. Çünkü bilgisayar bölüm başkanı olabilmek için sadece kaslarınızı uyaran motor sinir sistemi değil preferontal kortteek yani onlara o komutu vermeye karar veren muhakeme yeteneğinin olduğu serebral korteks bağlantılarına da ihtiyaç var. Bu da eee o nöromorfizmin getirdiği öğrenme mekanizmasıyla biraz oluyor. Yani eee belki klavyeyi benim gibi kullanabilirsiniz ama çıkartımlarınız benim gibi olamaz. Eee, çünkü yani matrixindeki gibi buraya bir şey takıp helikopter kullanmayı öğrenemem yani. Eee, evet öğrenemezsiniz ama öğrenmeyi öğrenebilirsiniz. Yani rüyanızda bir şey öğrenebilir misiniz? Kanımca öğrenebilirsiniz. Bunlar önümüzdeki 2 sene içinde mi olacak? Hayır. Önümüzdeki 2 sene içinde olacak şeyler değil ama önümüzdeki belki 10 belki 20 1020 yıl aralığında olabilecek şeylerden eee bahsediyoruz.

Yani buraya nereden geldik? Çünkü biyolojik bilgisayar niye ortaya konuldu ve hedeflerimiz ne? O zaman okula gitmeye gerek kalmayacak. Mesela ben bütün bunların öğretildiği bir bilgisayardan beynime bir nakil yaptırabilirim. Eee, nakil demeyelim de bilgisayarlığınızın, beyninizin böyle bir bilgisayar aracılığıyla train edilmesini, eğitilmesini sağlayabilirsin. Ama burada atlanmaması gereken bir şey var. Öğrenme dediğimiz kavram aynı zamanda eee seviyesi olarak ileri ileri seviyede muhakeme edilebilir seviyede öğrenme de motor sistemiyle eşleştirilmen özellikleri. Bu şu anlama geliyor. Şimdi bir eee deneyi söyleyeyim size. Eee ikiz bir fareyi alıyorlar. iki farenin eee bir tanesini ağzıyla doğduğundan itibaren ağzından eee besleniyor. Bir tanesi ise önüne çaba göstererek, dokunarak besleniyor. Ağzından beslenen fare 6 ay sonrasında görme duyuları hiç gelişmiyor ve ihtiyacı yok ve bulamıyor bile neredeyse. Eee ama diğeri bulabiliyor. Şimdi siz birden fazla sisteminizin yani motor sisteminizle birlikte sensör sisteminizin eşleştirerek yaptığı öğrenmeleri kalıcı öğrenmeye dönüştürebiliyorsunuz. Şimdi sadece film izleyerek eee bir şeyi muhakeme edecek derecede öğrenemezsiniz. Evet. Dolayısıyla onu test etmeniz lazım. Hatta acı çekmeniz lazım. Çünkü acı çekerken belki bu eee tasavvuftaki çile çekmeye de benziyor. Yani felsefi anlamda bunu eee söylüyorum. eee nörojenesis dediğimiz bir süreç gerçekleştiğini tahmin ediyoruz. Yani sizin daha önce tamam olan nöronlarınız bağlantı yapıyor ama o bölgede nöron yoksa ne olacak? Ne olacak? İşte ilginç bir şekilde eee 1999 yılında ilk defa Eriksson ve arkadaşları eee yetişkin beyninde bile nörogenesis dediğimiz sürecin gerçekleştiğini gördü. Yeni şeyler oluşuyor. Kök hücrelerden. Eee bir slayt var. Birkaç slayt öncesine gel. Öncesine alalım mı arkadaşlar? Birkaç tane. Şimdi beynimizde eee stems yani kök hücreler varken eee farklı kortikal ağlar var demiştik değil mi? Yani bilgisayarın işlemcisi, belleği, eee interface, arayüzü gibi. Bunların her bölgesi kortikal ağan türüne bağlı olarak farklı tür bağlantı şekilleri gerektiriyor. Bir kısmının mesela etrafa doğru yayılgınlığı çok fazla. farklı türden bilgileri kodlayabilmesi için, sinyalleri kodlayabilmesi ve ona göre çıkış vermesi için. Bir kısmıysa ince uzun, bir kısmı unipolar yani sensör olarak aldığını öbür tarafa bir şekilde eee iletmek için. Şimdi hangi bölgede hangi hücre var? Genetik kod en baştan söylemiyor ki eee ön tarafınızda beyninizin şu tip hücre olacak da işte eee preferontal kortte şu olacak, serebral kortekst bu olacak. Nerede ne lazımsa o oluşuyor. Nerede ne lazımsa o oluşuyor. İşte bu eee bu sürece eee protogenesis ya da projenitör deniyor. Yani bir kök hücre önce nöron projenitörüne eee dönüşüyor. Bir ara hücreye, şablon hücreye. Sonrasında da ihtiyacı olan bölgedeki mesela uzun aksiyonlu olan bir hücre ihtiyacı varsa eee ona dönüşüyor. Yani bu aslında benzetme gereken bir tır oluyor. Sonra dorsesine ne koyacaklarına karar veriyorlar. Evet. İşte şimdi bu nöromorfizme bu sefer bir özellik daha ekliyorsunuz. sadece devrelerini gittiği yerde bu uçlarındaki sinapslar tamamlamıyor ya da gerek çok kullanılmadığı zaman onları budamıyor. Eee veya çok kullandığı zamansa onları genişletmiyor. Eee aynı zamanda burada mesela altında ya da üstünde bir şey eee ihtiyacı varsa o bölgedeki kök hücrelerden yenisini üretebiliyor. Yenisini üretebilmek için çile çekmekle alakası şu aslında siz zorlanacak ve ihtiyac zorlanacak ve orada aslında bir elektriksel işaret üretmeye başlayacak. O elektriksel işaret üredikçe, eee, üretildikçe o bölgedeki ısıyı düşürebilmek için oradaki kök hücre uyarılıyor ve o işaretle birlikte kendisinin şeklini değiştiriyor. Bu, eee, nöromorfik bilgisayarlarda da bu oluşacak mı acaba? Nöromorfik bilgisayarlarda biyolojik olanlarında eee, şu ankinde kök hücre çevrimi yok. Eee, ama ileride tabii ki eee, olacak. Ama bizim mesela ortaya koyduğumuz bir bilgisayar yazılım türü var. Diyoruz ki biz de eee kortikal ağları ne geleneksel bilgisayarlardaki gibi yapalım ne de onları biyolojik ekelim. Biyolojinin seviyesini nöronunu taklit etmek yerine korteks'in bu özelliğini taklit edelim. Biz de şu anda yani son 78 yıldır bunun üzerine çalışıyoruz ama bunların hepsi çok emek istiyor. Çünkü insan yetiştirmeniz eee gerektiriyor bunu anlayacak düzeyde. Çünkü bunlar çok yaygın bilgiler değil. Hani ben bir tane işte şu dili bilen birisini, Python lens'i bilen birisini alayım da bir web sitesi yaptırayım gibi bir eee durum değil. Hem fiziksel özellikleri iyi anlatmanız lazım hem de eee buradaki kodlama tekniklerini iyi anlatmanız eee lazım. Uygulama biçimlerini. Şimdi bu aslında eee Nobel ödülü olmasaydı 2012 yılındaki bu bir önceki şeyde gösterdiğiniz CL1'ın CL1 Cortical Cortical Laboratuvar 1in 1 adlı bilgisayarın oluşturulması süreci de aksayacaktı. Niye? Çünkü onlar dediler ki eee insan hücresini direkt buraya uygulayacağımıza deri hücresinden örneğin aldığımız bir hücreyi de acaba bu projenitöre dönüşebilir miyiz? Buna eee plörotent hücre deniyor. Eee plörotent hücre demek şu. Mesela embriyo bir tane hücreden bahs işlevsel hücre ya da çok dönüşebilir hücre. Çok şeye dönüşebilir hücre. İnsan beynindeki bir grup hücreye dönüşebilene de multipotent hücre deniyor. Yani o nöron gruplarına eee dönüşüyor. Siz floropotent bir hücreyi alıyorsunuz. kök hücreyi onu hedefinizdeki bir eee sinir hücresine dönüştürüyorsunuz ve çoğaltıyorsunuz. Ve bunu da bir matris dizisine bilgisayar gibi ekiyorsunuz. Sonrasında elektrotlarıyla ona veriyi vermeye başladıktan sonra onlar kendileri arasında devreler kurmaya başlıyorlar ve eee verdiğiniz işaretlerin uyaran biçimleriyle aslında öğreniyorlar. Burada tabii önemli konulardan bir tanesi eee minimumda kaç tane korteks olmalı? Tamam bir nöronun nasıl davrandığını 3 aşağı 5 yukarı tarif ediyoruz ama o kortekslerin orada olduğunu nasıl biliyoruz? Biz genetik evrimimiz içerisinde bu kortikal ağlar gelişmiş. Yani insanın eee beyni de o yüzden katmanlar halinde. Yani ilk başta işte amigdala amigdala var. Niye? Çünkü ilkel beyinde eee doğada başa başa kaldığında hayatta kalabilmek için gerekli fonksiyonları yerine getirmesi gerekiyor. Ve hala beynin en güçlü tarafı orası ve hızlı cevap veriyor. Çünkü her durumda eee cevap veriyor. Tecrübeli. Diğer taraftansa şimdiki gelişen sosyolojik yaşamımız karmaşıklığı içerisinde ona uyum sağlayacak yaygın bir şeye ihtiyacımız var. İşte o yüzden de serebral korteks dediğimiz küçük hücreler eee en dışa doğru yaygınlaşıyor ve beynin eee özellikle bu gri madde denilen baktığ tam onu a bravo hocam vallahi tam yerine geldik. Buyurun devam edin lütfen. Gri madde denilen dış kısmındaki yoğunlukla olan kısma eee ben de şu anda burayı gri hücreler diye soruya azlıyordum. Evet. Eee, şimdi baktığınız zaman o büyük hücreler daha stabil aşağıdaki, içerideki ve daha hızlı çalışıyor. Bu tıpkı kısa bir elektrik kablosunda daha az kayıpla eee, işaret aktarabildiğiniz gibi. Dışarıdaysa daha küçük devreler eee onlar kadar dayanıklı değil ama o kadar çoklar ki eee onlar daha çok çeşiti eee kodlayabiliyorlar ve uzmanlaşıyorlar. İşte baktığınızda mesela herkes şeyi soruyor. Tamam yapay zekayı hep konuşuyoruz da yapay zekanın zekasını ölçebilir miyiz? Ya da gerçek zeka bir beyine bakılıp anlaşılır mı hocam? Tam bunu soracaktın. Şimdi bu burada kullandığınız bu eee ne diyeyim beyin hücrelerinden, nöronlardan yapılmış bilgisayarda bunlar gri hücre mi, gri madde mi, beyaz madde mi? Aslında bunlar gri maddeye yakın hücreler ama çok küçüklerinden seçilmiyor. Şimdi burada eee aynen ağaç gibi yukarı doğru giden ve aşağı giden ikili bağlantıları görüyoruz. Aslında onlar eee simetrisinde eee hücreler birbirine bağlanmış ve bunlar nöronlar. Nöronlar farklı şekilde ağaç yapısında yapmış. Bakın yukarıda birbirlerinin enlemesine de bir devre onları toplamış. Birkaç slayt ileri gidelim. Böyle bir ağaç gibi bir kısım görüş. Heh, burası. Eee, burada da bakıyor bu Ramon Kayal eee İspanya İş savaşı sırasında eee, sanatı daha çok meraklı olan bir bilim adamı, bilim insanı daha doğrusu sonradan bilim insanı oluyor. Diyor ki ben diyor eee bu nöronları resmedebilir miyim? İlk defa nöronların kesit resimlerini alıp bunları kodlayarak Nobel ödülü 1930'larda alıyor. Evet. eee buradaki gördüğümüz farklı tip nöronları yapı bunu yapıyor ama buradaki gördüğümüz nöron tipi mesela baktığınız gibi çok saçaklanmış ve üste doğru yayılmış. Aslında bu şunu gösteriyor. Bu çok aynı sinyalin çok çeşitli varyantları var. O varyantlarıyla için farklı farklı özellikler çıkartmış. Yani onların her biri aslında bir özellik eee çıkartımı. Şimdi siz insan beynine okuyabilir miyiz dediğimiz zaman aynı şeyi biz farklı kodlayarak görüyoruz. Çünkü annemizin karnından itibaren eee nesne odaklı öğrenme yapıyoruz. Yani siz mesela beni görürken aslında annenizin karnındaykenki hissiyatınızla öğrendiğiniz bileşenler bile var o görüntüyü oluşturan eee içerisinde. Eee dolayısıyla oradaki zorluklardan bir tanesi bilgisayar belleğindeki gibi mesela bu A8 D2 ise şudur dediğimiz sabit bir eşleşme yok. Herkes için o devre farklı herkesin geçmişinde farklı oluşuyor. Birinci zorluk burada. İkincisi bu Roger Penrose'un iddiasında olduğu gibi bu hatların her birinin içerisinde onları oluşturan dentrit kanalları da moleküler seviyeye kadar, biyomoleküler seviyeye kadar bir konformasyonun etkisi de var. Onu o şekle eee sokan ve bizim eee özellikle küçük hücrelerde bunları tek tek problem yani onları sondalama imkanımız bu kadar detayıla yapabildiğimiz şeyler var. Nedir? Mesela bir müzik dinlettiğimiz zaman aynı müziği veya aynı notayı dinlettiğimiz zaman hangi nöronun yaklaşık olarak aktif olduğunu biliyoruz. Ama mesela bir düşünce olarak verdiğim zan, muhakeme etmesine başladığım zan o bir proses. Arka arkaya motor sinir sisteminin öncesindeki katmanlar kendi aralarında eee çevrimler yapıyorlar ve çıkartıyorlar. Onu mevcuttaki teknolojilerimizle çözmek oldukça zor. İleride de zor. Belki bu hıza gelebilecek olan kuantum bilgisayar eee olabilir ama orada da bu kadar sondalama imkanımız ol. Peki hocam kuantum bilgisayar mı yoksa bu bilgisayarda mı? Çünkü bu bir enerji tasarrufu var. Eee ısınmıyor. Eee çalışmak için ya da eee kararlı hale geçmek için çok düşük derecelere ihtiyaç duymuyor. Müthiş tasarruflu bir şey yani. Asıl gelecek burada değil mi? eee, insan ilişkili olarak burada bir gelecek var. Düşük enerji tüketiminde de var ama kuantum bilgisayar, eee, önümüzdeki dönemde, eee, kararlılığına karşı kontrol edilebilirliği beklenen yol haritasında giderse Hı hı. eee, ekonomik değeri muhtemelen bir dönem bunun önüne geçecek. Evet. Çünkü, eee, orada farklı eee, birkaç tane yarışma, eee, alanı var. İstanbul Teknik Üniversitesi'nde de şu anda bununla ilgili bir eee girişim var. Türkiye'de hiç kuantum bilgisayar var mı? Türkiye'de bir tane kuantum bilgisayar var ama İstanbul Teknik Üniversitesi mevcuttaki girişim Türkiye'nin yerli kuantum çipini yapmak üzere çalışıyor. Evet. Eee ve bunu da 2030 yol haritasında eee IBM'in eee ilan ettiğiyle benzer özelliği hatta onun biraz daha iyisi olan bir özelliği hedefleyerek eee yapıyor. Yani bir şey taklit etmek değil. Eş zamanlı ol. Tabii İTÜ'de şimdi çok da iyi bir rektör var. Yani Hasan Mandal Hoca hakikaten iyi bir rektör. İTÜ'nün büyük şansı o yani şu anda. Evet. Evet. Yani bu tür girişimlerin tabii hareket kabiliyetini kazandırmayı eee ilgili yola aktarma konusunda tecrübedi. Daha önceki TÜBİTAK başkanlığından da başkanlığı yaptı eee yaptığı için. Eee şimdi kuantum bilgisayar tabii eee başka bir yol haritası. Benzerlik eee brot force dediğimiz aynı anda çok sayıda işlem yapıyor. Bu tabii hep şey ya da bütün zarları aynı anda atıyor olsun. aynı anda atıyor. Hep tartışılıyor tabii bu işte mevcut kripto sistemleri riske girecek mi girmeyecek mi veya riske girmeyecek algoritma nasıl olmalıdır? Nasıl olacak? Eee diye. Yani o zaten yürütülmesi gereken eee bir kanal ama nöromorfizmin eee bir tane yol haritası da yok. Nöromorfizm bir kere genel olarak işletilmesi gereken bir kavram. Nöromorfik işlemciler kuantum bilgisayarlarla birlikte de olması ihtimali var önümüzdeki dönemde. Çünkü onlarda da bir arayüz var. eee Josephson Junction dediğimiz o duyarlılığı sağlayan bir bölge var. Eee çok detayına girmey çok teknik bir eee konu ama eee oradaki arayüzler yani bir atomun farklı durumlara geldiğini, spin durumlarına geldiğini eee arayüzlerini aslında eee organik malzemeyle de oda sıcaklığı biraz daha yükseldiğinde eşleştirmek mümkün. Eee bu çok önemli bir eee gelişme alanı. Niye? Çünkü milyar dolar ekonomisi şu anda hesaplama eee endüstrisine yayılmış vaziyette. Yani baktığınız zaman eee her bir GPU'ya inanılmaz paralar ödeniyor. Yüksek kapasiteli GPU'lara grafik işlemcileri, donanım hızlandırıcıları ve eee Amerika Birleşik Devletleri biliyorsunuz geçen sene eee önümüzdeki 5 yılda 500 milyar dolarlık bir paket eee ilan etti. Az yapar aslında. Ben arkadaşlar Avrupa Birliği de bunu yaptı. Diğer taraftan baktığınızda eee şey de çok tartışılıyor. Yani bu kadar para gerçekten edecek mi? Gerçekten edeceğini düşünüyoruz. Çünkü bir ülkenin zamanını kısaltıyorsunuz. Mesela çok önemli problemler var, değil mi? Mesela bir tanesi enerji problemi. Füzyon enerjisi. Yani kendisini sağlayan enerji değil de bütün dünyanın eee enerjisini, enerjinin mobilitesini nükleer radyasyon olmaksızın olmaksızın. Füzyon yerine füzyonla soğuk füzyonla. Evet. Fisyon yerine füzyonla eee yapabilmek. Avrupa Birliği büyük jeneratörlere toka maka 35 milyar euro civarında para ödedi. Ama hesaplamayla yapabileceğiniz mesela işte bizim de eee üzerinde çalıştığımız bir başka füzyon eee projesinde malzemenin özelliklerine dayalı malzemenin o özelliklerini yapay zekayla keşfettiğiniz eee takdirde muazzam bir zaman tasarrufu eee inanılmaz bir zaman ve mobilite sağlıyorsunuz. Ve bu sefer şu da sorgulanabilir hale geliyor. Dünyanın herhangi bir yerindeki bir çöl unsuru bile insanoğlu tarafından eee değiştirilebilecek ekonomik değerlere oluşturabiliyor. Çöl, çölü vihaya dönüştürmenizdeki en büyük problem ne? Enerji eee problemi. Enerji her yer yani dünyayı temizlemekte de enerji problemi. Evet. Karbon emisyonunda. Dolayısıyla burada bir ilginç eee ilişki var karşılıklı. Yapay zekada genelleştirmeyi kim öne çıkartırsa, eee, mutlaka füzyon enerjisinin çözümünde bunu kullanacak, kullanacaktır. Eee, bilimi hızlandırdığı için füzyon enerjisini kim öne çıkartırsa o da yapay zekayı hızlandır, kullanmayız. Çünkü enerjiyi enerji Evet. Evet. Aynen öyle. Dolayısıyla bu ülkelerin eee özellikle eee Çin Amerika arasındaki savaşın temel unsurlarından biri olma eee yolunda gidiyor. Organik bilgisayarlar ya da biyolojolojik bilgisayarlar bunlara işte eee biz de daha önce wetware diyorduk. Bu şey de eee cortical lap da wetware olarak eee isimlenmiş. Vet yani ıslak eeean geliyor. Eee software, hardware gibi wetware gibi bir analojiyi onlar da kullanıyorlar. eee, Wedfir aslında, eee, kendi başına bir çözüm olduğu gibi, eee, bu, eee, arayüzlerde yani Nörolink'teki gibi yarı iletken çip alternatif olarak bizim kendi enerjimizle kandaki taşı. Tabii donink'e göre daha pratik değil mi bu baktığınız zaman? Eee, eğer kontrol edebilirseniz daha pratik olarak gözüküyor ama aynı zamanda da nörolinkin tabii tamamını yok etmiyor ama beynin içerisindeki implant kısmını değiştirebildiğini söyleyebiliriz. Eee, çünkü aslında bir organı sentetik biyolojinin bence çok önemli bir gelişmesinin de eee, göstergesi bu. Eee, bir organı insanın kendi dokusundan enerji alır ve işletir hale getiriyorsunuz. Burada da şunu görüyorsunuz. Yapay zeka geliştikçe aynı zamanda sentetik biyoloji gelişiyor ve eee, insanın en önemli problemleri ne? İşte eee, ölüyoruz bir kere e veya kötü bir yaşlılık geçirebiliyoruz. Alzheimer, Parkinson gibi hastalıklarla yapıyoruz. Yani 2005 1905 yılında mesela İngiltere'de Korela kolera salgını sırasında eee inanılmaz insan eee kaybolmuştu ve ortalama insan ömrü o yıllarda 55 eee civarındaydı. Şimdi ne? 100'e yaklaştık değil mi? 80 küsur 88 yıl doğru hatırlıyorsam 80'de öyle ergin önü deniyor şimdi 88 yaşında şimdi ortalama bayanlar erkekler biraz daha erken eee vefat ediyorlar 81 erkek gide evet eee dolayısıyla ömür uzuyor ama genetik olarak eee normalde eskiden görmediğimiz bazı hastalıkları o ömür uzadığı için görmeye başlıyoruz. Şimdi demans bunların başına geliyor. Evet. Şimdi bu sentetik biyoloji iki yönlü de yardım etme potansiyeli var. Bir tanesi sağlıklı yaşlanma. Dolayısıyla biz bir tarafım bir taraftan eee tamam bu kadar elektronik taşıyoruz da bizim yaşlanmamızı sağlıklı hale getirecek özellikleri, implantları organik olarak da niye yapmayalım? Eee eksilen dokularımızı, doku kayıplarımızı niye karşı değiştirmiyor? Ya da ya da işte felç gibi şeylerle eee birtım sinir kaybına bağlı görme diyetisini yoklamak gibi oraları da doldurabilir değil mi bu? Evet. Tabii bizde mesela meraktan ben de denemiştim. Eee mesela eee örneğin bir protez yapacaksınız. Protezde düşünüyorsunuz ki eee bir bilgisayar aracılığıyla biz işte EEG işaretlerini yorumlayalım. Bunu kapattığını öğrenelim. Halbuki organik bilgisayarı yaptığınızda buna ihtiyacınız kalmıyor. Diyorsunuz ki kendi öğreniyor. Eee bunu açma ya da kapatmasıyla başka bir yerden aldığınız sinir sinir sisteminin daha az kullanılan başka bir yerine bağlantı sağlıyorsunuz. o nöron grubunu ve ilgili kortikal ağa bağlantı sağladığınız zaman o onu eşleştirmeyi öğreniyor. Ben ilk eee gördüğümde şaşırmıştım. Mesela sırt kasında bir yerden alıyorsunuz. İlk başta eee hasta şöyle şöyle hareketler yapıyor. Çünkü sırt kasını çevireceğini düşünüyor. Fakat bir süre sonra gelince ilk öğreniyor ve elini kapatmayı düşündü. ini eee kapatıyor. Aynı şekilde mesela sonradan görme kaybı oluşturanlarda kortikal ağlarında eee görsel korteksinde visual cortex görsel korteksinde eee fotonik olarak o reseptörlerini, algılayıcılarına gelen işareti yorumlamasını biliyor. Bu ne demek biliyor? Eee bir şeyi açıkl açıklayayım bu arada. Eee, mesela herkes fotoğraf çekiyor. Fotoğraf çektiğinde fotoğraf plağı gibi bir matris şeklinde satır ve sütunların karşılığı olan renklerin dizildiğini düşünüyor. İnsan gözü böyle çalışmıyor. İnsan gözünde e öyle karşıdan baktığınızda yuvarlak güzelmiş gibi gözüküyor ama rastgele de dağılımlı bir sürü hücre var. Hangisi sizin kravatınızın bu çizgisinin olduğu yer diye bilmiyor. Bunu bilebilmesi için bu fare deneyinde eee olduğu gibi aslında siz dokununca aslında onu görmeyi öğreniyorsunuz. İlk doğduğunuzdan itibaren yani bir düz çizgi olduğunun kavramını, üç boyut kavramını sensörlerinizle anlıyorsunuz. O yüzden de mesela amalarda da tam tersine onu yaşatabilmek için duyma eee duyuyla eee pozisyonlanma, konumlama hissi eee yorumlaması eee gelişiyor. Şimdi biyolojik bilgisayara gelince biyolojik bilgisayar size şu imkanı da veriyor. Eee eğer mesela sonradan eee işitme kaybı ya da görme kaybı oluşmuşsa eğer onun bilgisi aslında ilgili bölgede var kodlanmış olarak. Fakat sizin gözünüz bunu aktarmıyor. Şimdi diyorsunuz ki ben bunu bir sensör aracılığıya PK oyunundaki gibi elektriksel bir sensör aracılığıyla aktarırsam aradaki bir biyolojik bilgisayar eee oradaki nöronlarla konuşarak aslında bunu yorumlayabilir mi? Yani ilgili bölgeyle

Bağlantı kurabilir mi? İlk başta, eee, ameliyat sonrası mesela bir, eee, çizgi çek dediğiniz zaman bozuk çizgi çekiyorlar ama iyileştiği zaman göz düz, eee, çekiyorlar. Buna benzer şekilde ilk başta, eee, yine sanki yeni doğmuş bir çocuk gibi, eee, çok şey yapmıyor, bulanık görüyor ama öğrenmeye başlıyor. Ama öğrenmeye başlıyor zamanla. Çünkü ve bir anda öğrenilmiş doğru bölgeye implant konulmuşsa da potansiyel olarak eşleştirmeye başlıyor.

Bunu yıllar öncesinde ilk, eee, zannediyorum hearing by voice ya da hearing with, eee, eee, seeing sing with voice gibi bir ismi olan bir proje, eee, vardı. İlk, eee, deneyenlerden bir tanesi onlardı. Onlar daha basit bir şey yapmışlardı. Şapkasına bir tane kamera koyuyor ve bunu bir ses işaret düşüyor. Eee, ve baktığınızda sonradan ama olan bunu kapıyın nerede olduğunu görebiliyor. Bastonsuz en azından, eee, hayatını idame ettirebiliyor.

Milli Eğitim Bakanlığı'nda ben birkaç defa bakan danışmanlığı da yaptım yıllar içerisinde. Mesela Milli Eğitim Bakanlığı'ndayken, eee, bir, eee, kişi geldi dedi ki biz ben, eee, öğretmenim ama bir, eee, hayat başından geçen bir şey anlattı. Yani bundan nasıl faydalanabileceğimizle, eee, ilgili olarak, eee, bunlar ikizler, kardeşler, eee, Anadolu'da bir kasabasında ya da köyünde işte doğuyorlar. Eee, ekonomik sebeplerle annesi babası, eee, bunu, eee, ninesinin yanında bırakıyor ve Almanya'ya göç ediyor. Eee, Almanya'daki, eee, kardeş 3-4 yaşında engelliliğini tespit ediyorlar. Düşük ışık, eee, duyarlılığını. Çünkü engelliliğin aslında birçoğu tam bir engellilik olmuyor. Eee, önemli bir kısmı düşük ışık algılaması şeklinde oluyor. Işık duyarlılığının az olması şeklinde. Bunu orada Tekvwando kursuna gönderiyorlar ve tekwando da kendisini aslında görme duygusuyla motor sinir sisteminin, eee, tepkilerini eşleştirmeye çalışıyor ve, eee, ben karşılaştığımda, eee, kendisi, eee, ehliyet vermiyorlardı ama herhangi bir yardımcıya ihtiyaç duymadan masasının sandalyesini buluyor oturuyor kapıdan çıkıyor yürüyor gidiyor falan hayatını böyle idame ettirebiliyordu.

Ama Türkiye'deki k o galiba şey de öyle ya Metin Şentürk de galiba öyle o meşhur. Evet. Evet. Görüyor mu görmüyor mu? Tartışılır. Evet. Nöronların şöyle özellikleri de var. Mesela transistörle elektronikle uğraşanlar bilirler. Metal kapaklı transistörler vardır. Böyle 2n355 falan gibi kodları vardır onların. Kapağı çıkarttığınız zaman onlar aynı zamanda ışığa duyarlıdır. Yani fotosel gibi aynı zamanda elektrik akımı da ölçersiniz üzerinden. Eee, gerilim oluşur. Nöronlarda da ilginç bir şekilde nöronların aslında her biri birer tane de sensör gibi de çalışıyor. Dokunduğunuz zaman da, eee, iç bölgelerdeki bir nöron da bunu algılayabiliyor. Üzerini kazıyıp açtığınız zaman da ışığa karşı duyarlılık gösteriyor. Yani burada zaten evriminden itibaren şu ama beyinde his yoktur, değil mi? Beyinde his yok ama nöronlar nöronlar fiziksel teması veya fotonik, eee, etkileşimi hissediyorlar. Yani sadece acımıyor, acı duymuyor ama acı acı olarak duymuyor. Çünkü acı olarak duyması da başka bir öğreti aslında. Sinir sisteminin başka bir kısmıyla, eee, ilgili.

Buradan da şunu mesela bu, eee, bilgisayarda acı duyacak mı acaba? Eee, bu aslında o öğrenme, eee, metabolizması içerisinde acı duyma, öğrenmenin içerisinde ihtiyaç duyulursa yani kendisine zarar verildiğini ya da verilmediğini, eee, hissettirmek istiyorsanız o fonksiyonu da yine bir k çünkü işte az önce dediniz ya hani ona bir gürültü veriliyor ve rahatsız ediliyor diye. O da aslında bir tür acı değil mi? Evet. Evet, doğru. O da, eee, o da bir tür acı ama mesela metabolizmasıyla ilgili de bir sens acı verirseniz, eee, işte birisi yumruk attı, çizdi falan. Eee, böylelikle bu tür acılar da verebilirsiniz veya acıları farklı şekillerde de verebilirsiniz. Tabii acı, acı hissetmek, hissetmemek gibi şeyler insanda biraz daha kompleks. Yani niye? Hormonlarıyla da ilişkili. Onu bastırabiliyorsunuz, bastıramayabiliyorsunuz. Mesela işte hep tartışılıyor ya depremlerin tahmininde serotonin, eee, mesela elektriksel olarak uyardığınız zaman, eee, serotonin seviyesi değişiyor memelilerde. Eee, Amerikan Deniz Kuvvetleri yıllarca bunun üzerine, eee, çalıştı. Eee, mesela duvarın arkasına elektrot koyuyorsunuz. Serotonin seviyesini yukarı çıkartan bir şey yaptığınız zaman baskılanıyor. Mesela bakıyorsunuz esirler olduğu yerde ilaç vermeseniz bile Birleşmiş Milletleri şeyini aşmayacak şekilde, eee, ilaç vermeseniz bile hareket edemiyor, uyuşuyorlar. Eee, veya tam tersine başka bir işaretlisi verdiğiniz zaman dışa vurumcu, eee, oluyorlar. Yani insanın dolayısıyla bedenindeki o sensör sinir sistemi, eee, acıyı bastıran, bastırmayan, dışa vurumcu, içe vurumcu gibi daha karmaşık bir şe Evet. Bir de acı, ağrı eşi, acı eşi diye bir şey de var. Yanda Evet. Eee, eğitiliyor çünkü.

Evet. Şimdi tabii çok sorulan sorulardan bir tanesi mesela tamam güzel böyle hücrelerimiz var biyolojik bilgisayarda. Eee, bunlar nasıl birbirini, eee, tanıyorlar? Yani bir şeyi bir şeye yaklaştırdığınız zaman burada tanıma kavramında o elektriksel işaretlerin her biri bir tanımlayıcı ve, eee, aynı tek bir hücre birden fazla deseni ayrıştırabiliyor. Bizim, eee, yapay zeka yol haritamızdaki ilk ortaya koyduğumuz yapay sinir ağı dediğimiz, eee, çarpımların toplamını bir eşik olunca dışarı veren, eee, hesaplama ünitesi bunu yapmıyor tek başına. Onu yapabilmek için çok sayıdasını, sayıda olanını birlikte, eee, kullanıyoruz. Ayrıca bu nöromorfizm kavramı içerisinde molekülden hücreye doğru geçen çok büyük bir evrim skalası ve ölçek skalası, eee, içerisinde bunu, eee, bunu, eee, elektriksel devreyi, bu elektriksel özellikleri, eee, kendi doğası gereği de yapabiliyor. Mesela bir slayt var videosu oynayabiliyorsa bakın burada, eee, bu ne hocam? Bu aslında bunu taklit etmek için manyetik bir devre. Hı hı. Eee, çıkıntılar var. Görüyor musunuz? O çıkıntılar aslında doğadaki gibi. Eee, spine dediğimiz yani nereye gideceğim? Potansiyel gidebileceğim yerler belli. Mesela 3 olursa buraya giderim. Sensör 7 olursa buraya giderim. 5 olursa yani kod çözmek. O duyargalar içerisinde birbirine en yakın olanı aslında burada elektriksel ekstra bir uyarım olmadığı için fiziksel olarak en yakın olanı yaklaştırıyorsunuz ve birbirleriyle bağ kuruyor. Bu bağ kurma hadisesini siz elektriksel olarak uyardığınız zaman burada elektriksel uyarı olmadığı için hepsi eşit olarak dağılmış bu çıkıntılar. Küçük küçük çıkıntılar. Eğer elektriksel olarak uyarı olsaydı onların geçmişteki manzumesine göre bir dağılım gösterecekti. Ve yeni bir tane bağ kurarken de böyle kendileri, eee, en yakın olanına değil de o elektrik işaretinin minimum enerjiyle bağlayacağı tarafa mesela buradaki özelliği oraya en iyi aktaracağı olan yere tamamlayacaksın.

Peki hocam bir şey mi? Şimdi bilgisayarlarda, eee, bu yapay yapay zekaya ilk yaklaşma ya da yapay zeka arayışı ilk olarak bilgisayarların satranç öğrenmesiyle başladı bildiğim, eee, kadarıyla ve, eee, önce yavaş yavaş öğrendiler fakat en sonunda en büyük ustaları yenecek hale geldiler. Bu bir aşamaydı. Fakat daha önemli aşama, eee, Goç oranında çok daha karmaşık bir sistemi olan bir oyunu öğrenmeleriyle oldu. Alfa Go muydu neydi? Ve dünyadaki en go oyuncusunu yenmeyi başardı. Mesela şimdi bu şey bilgisayarlar, eee, nöromorfik dediğiniz benim biyolojik diyerek basitleştiğim bilgisayarlar mesela bu oyunları falan kendi kendilerine öğrenebilecekler mi? Eee, tabii öğrenebilir ama, eee, öğretme hızımız ve onların öğrenmesi için gerektiği kortikal ağlar çok daha karmaşık olacak. Öğretme hızımız da daha iyi olmayabilir. Çünkü, eee, 2017 yılında söylediğiniz, eee, olay ilk gerçekleşti. Yani Dünya Go şampiyonunu ilk, eee, yendiği arka arkaya yönde Alfa Go da Alfa Zero çıktı. Çünkü ilk önce insan oyunuyla eğitmişlerdi onu. Evet. Sonra iki tane yapay zekanın birbirleriyle oyunlarıyla, eee, eğittiler ve çok daha iyi sonuçlar elde edilmeye başlandı. Yani mevcutta olmayan kombinasyonları da görmeye başladılar. Donanım hızlandırıcılar geliştikçe bunların öğrenme hızı öyle bir oyun için, eee, kısaldı. Biz bir Go oyuncusunu yıllar içerisinde onu yapıyoruz. İşte onun oynadığı sıkıntı vesaire falan. E nöromorfik işlemcilerde birkaç grup var. Bir tanesi memritör dediğimiz işlemciler var. Yani bir nevi yarı iletkenlere benzer şekilde donanımlarda, matrisyel donanımlarda, eee, devrelerini birbirine tamamlıyor. Yani sizin o gördüğünüz yeşil baskılı devrelerdeki gibi yine düşünün ama satranç tahtası gibi öyle bir matris var. Hangisinin hangisine bağlı olduğunu değiştirerek çalıştırıyor. Eee, bunu sağlayan bellekli elemana, bellekli kendinden, eee, belleği olan elektrik devre elemanına memritör diyoruz. Yani direnç gibi düşünün. Bazen direnci yüksek, bazen direnci küçük ama direncinin ne olacağına daha önceki gelen işaret belirliyor. Bu nöromorfik çözümlerin bir grubu membresörler üzerine kurulu. Memristörle yapılanlar daha kontrollü oluyor ve, eee, ticarileşmede aslında bu biyolojik bilgisayardan daha önceki adımda IBM ve İNtel, eee, geçen yıllar içerisinde, eee, nöromorfik işlemci olarak Memristör işlemcileri çıkarttılar. Onlar daha kararlı olarak, eee, gidiyorlar. Loihi adlı bir işlemcisi, eee, var bu sınıfta. Eee, alternatifi peptit, eee, bilgisayarların çözülmesi ve bir tanesi de bu nöronlar. Nöronlar. Şimdi, eee, ama siz peptitlerin daha peptitler daha kararlı olduğunu, eee, düşünüyorum. Buralar tabii daha kolay olduğu için, eee, nöronları göstermek çünkü arada bir çip teknolojisine ihtiyaçları yok. Mevcuttaki yatırımlarıyla, eee, bunu yapabiliyorlar. Eee, bu şekilde yola çıktılar. Tahmin ediyorum onlar da daha sonrasında iki yola da gidecektir. Bir tanesi sadece bir sensör ve motor korteks şeklinde değil de araya diğer katmanları koyup aynı zamanda düşünce zincirlerini, eee, oluşturmaya çalışacaktır. Bunu anlamak için aslında bir ilk slayta gidersek di slay arkadaşlar başa dönelim.

Şimdi bu yapay zeka evrimi ya da devrimi dediğimiz şey de, eee, işte ilk istatistiki sınıflandırmayla başlamıştık. Yani bu ne demek? Ben Fatih Altaylı'nın karşısında Fatih Altaylı olduğunu tanımlamak için onun istatistiki bazı özelliklerine bakıyorum. Mesela gözünün, eee, açıklığının, kulağının açıklığına oranı gibi, eee, yeterince özellik sağlamışsam diyorum ki işte bunu öğrenen fonksiyona y = ax + b gibi, eee, yüzeyler oluşuyor. Bu matematiksel yüzeyleri öğrenme yöntemlerine ben, eee, yap makine öğrenmesi diyordum, eee, daha öncesinde. Fakat zaman içerisinde bu daha önce bahsettiğimiz, eee, problem ortaya çıktı. Tamam güzel de Fatih Altaylı'nın gözü nerede? Yani belki orada hangisi göz ya da şurada küçücük bir şey dikkat ederseniz mesela ilk plaka tanıyan e yazılımlar vardı ama otoparklarda kullanılamıyordu. Ama şimdi o kadar doğru ölçüyorlar ki otoparkta neredeyse bilet kullanılmıyor. Direkt plakayı tanıyor. Çünkü insandan daha iyi, eee, tanıyor. İşte bunu yapan şey bu öz nitelik ağı dediğimiz bu ikinci katmanda, eee, oluştu ve öz nitelikleri ayrıştıran ağlardı. 3üncü katmanda, eee, dedik ki öz nitelikler var ama bu öz niteliklerden yeni özellikler de çıkartabilir miyiz kısmı ve bunu da dilde kullanabilir miyiz? Elelen yani geniş dil modeli dediğimiz kısımdı. Şimdi bulunduğumuz çağ şu 3üncü katmanda şu anda. Bu 3üncü katmanda şunu öğreniyoruz biz özellikle son bir ik sene içerisinde, eee, biz bir işaret geliyor mesela, eee, bir ses işareti. Bu ses işaretinden bunun ne demek istediğini çıkartıyoruz vesaire. Ama bunu çıkartan sistemin özelliklerini de tahmin etmek istiyoruz. Mesela en çok paranın döndüğü yer ne? Borsa, finans piyasaları, değil mi? Finans piyasalarında şöyle bir problem ortaya çıkıyor. Sizin bir veriniz var ama mesela, eee, çok da iyi işlemcileriniz olabilir ama kaç günlük veriniz var? Geriye doğru 30 yıllık veriniz olsa bile borsa mesela son 5 yıldaki verisiyle tahmin edilebilirle 1995 ile 2000 arasındaki aynı borsa değil. Çünkü işlem hacimleri farklı, finansalları farklı. Aynı cevabı vermiyor. E dolayısıyla daha az veriyle daha çok daha doğru, eee, sonuç üretme ihtiyacınız var. Yani Trump'ın belki ne zaman tweet ya da ex mesajı yazacağını bilmeyebilirsiniz ama, eee, o mesajı oluşturan koşulları belirli bir zaman penceresinde tahmin edebilirsiniz. Çünkü ne yapıyor büyük sistem? Volatilite, eee, yapıyor. Siz giderek daha çok, eee, öğreniyorsunuz. Diyorsunuz ki ya bunlar birden, eee, birbirleriyle kızıştılar. Demek ki birileri bunu biliyordu. Sonra da anlaştılar. Sonra ertesi hafta başka bir olay oldu falan. Şimdi o büyük sistemin verileri sizde olmayabilir ama o desenlerden yeterince çok varsa o büyük sistemin ne yapmak istediğini keşfedebilir misiniz? İşte şu anda bulunduğumuz dönem diyoruz ki biz işaret örüntülerini öğrenmek yerine bu kadar bu işaretleri üreten sistemi öğrenelim ki kaotik sistemleri de öğrenelim. Yani kaotik sistem demek şu. Mesela y = ax + b gibi bir şey değil de e üstel olarak değişiyor ve ilk koşullarını bilmiyorsanız çok farklı, eee, sonuçları üretebiliyor. Tıpkı deprem tahmini yapmak gibi. İlk koşulunu bilirseniz kaotik bir sistem olmasına rağmen tahmin edebilirsiniz. Şimdi borsada da finansal piyasalarda da böyle bir durum var. Biz şu anda, eee, örüntüleri değil sistemi onu üreten sistemi üretenleri biliyoruz. Onu üreten sistemi bilirsek daha az işaretle de onu, eee, yapabiliriz.

İşte buradan bir analoji yapabileceğimiz, benzetme yapabileceğimiz şey de şu dijital ikiz, eee, konusu. Çünkü biz mesela bizim davranışlarımızla, eee, bunu aldığım zaman büyük bir ihtimal ağzıma götüreceğim ve içeceğim. Bunu tahmin edebilirim. Eee, daha düşük bir olasılık bunu içmeden geri koyacağım. Bir olasılık öyle bir olasılık bana fırlatacaksın. Evet. Bunların hepsi e olabilir ama ben beni, eee, aynı zamanda o sırada hangi bağlam ilişkisini context evance ya da context bağlam derinliği diyoruz hangi bağlam derinliğinde ne yaptığımı öğrenebilirse benim sistem olarak bu sefer benim ağzıma götürdüğüm zaman tekrar bunu bu sefer geri getireceğimi de bilebilir. Doğruluğu artar. İşte biz şu anda bu aşamadayız. Yani sistemleri öğrenmeye çalışıyoruz. Ama bir taraftan laboratuvarlarımızda da bu, eee, biyolojik bilgisayar daha iyi öğrenebilir mi konusuyla ilgili bir sorunun cevabı geliyor. Muhakeme etme. Biz muhakemeyi bulmaya çalışıyoruz bir taraftan. Çünkü geniş dil modeli mesela muhakeme dediğimiz, eee, katmanları on orada React ve inference pipeline diye bunun literatüründe geçiyor. Yani bir davranış çıktısını oradaki şeyle ilişkilendiriyorsunuz. Kararla ilişkilendiriyorsunuz ve kullanıcıya mesela geniş dil modeliyle veriyorsunuz ya da gelen bir, eee, dille gelen bir şeyi, sözle gelen bir şeyi farklı bir sensör dizisinde de, eee, doğrudan bu kırmızıdır değil de bunun ne olması olasılığı hangi koşullardadır gibi e çıkartımları yaptığımız modeller var. Fakat bunlar hep bizim arka arkaya bir zincir dizisiyle bizim karar verdiğimiz şeyler. Fakat biz bir taraftan şunu söylüyoruz. Biz ilk doğduğumuzdan itibaren hiçbir dil bilmezken, gramer bilmezken annemizden duyarak annemizle konuşmayı öğreniyoruz. Değil mi? Aslında annemizin davranışlarına karşılık olarak, eee, onun söylediklerini sinir sistemimiz içerisinde kodlamayı öğreniyoruz ve muhakeme de ediyoruz. Çünkü yenisini doğru üretiyoruz zamanla. Şimdi bizim bir sonraki aşamamız laboratuvarda yani bu ürünleştirme aşamamız. Laboratuvarlardaki aşamamızsa şu derin muhakemiyetini. Yani biz örneğin, eee, 1 x 0 = 0 olduğunu biliyoruz. 1 ve 0ı hiç bilmesek çarpıyı da bilmeseydik 2 x 0 = 0 olduğunu biliyoruz. İlk defa 7 x 0 geldi. Şimdi derin öğrenme olsaydı yeterince çok data gelmesi lazımdı ki onun 0'a gideceğini keşfetsin. Ama hiç gelmedi ve ilk defa geldi. Bu sefer diyor ki olsa olsa bu yine budur. Niye? O doğru mu yanlış mı olduğundaki acısına göre ikinci sembol işte, eee, sıfırsa kendisine götürür gibi. Bunu lojik çıkartımlarda, hesaplamalarda muhakeme yeteneğini derinleştirerek yaptığımız zaman bu sefer şu çıkıyor. Biz bir araştırma her şeyi mesela, eee, işte, eee, yapay zekayla eşleştireceğimizi giderek çok oranda söylüyoruz ama mesela işte sadece plaka tanıma bir şey tanıması değil. Bir, eee, örneğin resepsiyon görevlisine söylenenlere karşılık onun ne söylemesi gerektiğini öğreteceğimiz gibi. Ama ilk defa bir şey söylendiği zaman resepsiyon görevlisi bir problemi çözmek zorunda değil. Bilmiyor olabilir.

Şimdi çok sorulan yine sorulardan bir tanesi yapay zeka mesela bir bilim insanının yerini alacak mı? Değil mi? İşte bunu alabilmesi için bilim insanı gibi aynı zamanda muhakeme yapmayı da öğreniyor olması lazım. Sadece çıkartım yapmayı ve kural tabanlı olarak bir algoritmayı uygulamayı değil. Yani bir meslek erbabı güzel bir duvar örmeyi öğrenmiş olabilir. Gerçi Türkiye'de onu da zor buluyorsunuz ama, eee, bir duvar tarzı ilk defa geldiğinde burada hangi boyanın hangi astarla nasıl davranacağını ilk defa geldiğinde onun özelliklerine bakarak öngörebilir mi? Şimdi muhakeme yeteneği aslında ama muhakeme biraz tecrübeye bağlı değil mi? İşte, eee, onun fiziksel öz niteliklerine ulaşabiliyor mu? Eee, yoksa tecrübe o aslında mevcuttaki sistemle de çözülüyor şu anda. Yani o düşük muhakeme yeteneği diyebiliriz ona. O şu anda çözülüyor. Ama onun mesela bir astarın bir boyayla doğru davranma biçimini astarın ve boyanın özellikleri cinsinden kavramışsa yeni bir boya ya da yeni bir astar geldiği zaman olsa olsa bu bununla tutarı çıkartabiliyormuş. Ama ustadan daha usta oluyor. Ustadan daha usta oluyor. Bu sefer diyor ki, eee, hiçbir şey henüz gelmedi. Burada hem iyi görünecek hem de en kısa sürede tutunacak olan nediri kendisi çıkartabilecek. İşte bu nedir yeni ilaç keşfi dahil olmak üzere insanın mesela kansere, eee, hücresi herkeste biraz farklı değil mi? Kişisel ilaç kavramı ortaya çıkıyor. Kişiye özel problemlerin çözümü muhakeme gerektiriyor. Bu muhakeme yeteneği, eee, bilim insanının, eee, çözmesinde de şöyle görüyorsunuz. Siz bir problemi önce doğru tanımlamanız lazım. Bir hipotez ortaya koyuyorsunuz. Niye? Kesin sonucu bilmiyorsunuz ama ona en yakın en yakın, eee, şeyleri öz nitelikleri cinsinden, eee, koymanız lazım. Özellikleri değil. Onu oluşturan öz nitelikleri cinsinden yapmanız lazım. İşte bu bilim insanının bile yerinde hipotezi tahmin et. O hipotezi uygula ve sonucunu yap. Ama aynı anda çok sayıda hipotez ve çok sayıda uygulama yapıp bilim insanı önüne geçmez mi bir yandan da baktığınız zaman? Eee, geçebilir. İşte bu bir sonraki aşamada yani şu anda laboratuvarda kendisini geliştirdiğimiz yapay zeka modelinin ileride uygulamaya geçtiğinde tahminen 2025-2035 yılları, eee, arasında olacağını düşünüyoruz. Tabii burada bir sonraki aşamada, eee, bunun çok daha hızlı olabileceğini düşünenler de var. Evet. Bunun çok daha hızlı olacağını düşünenler de var. Bir sonraki aşamada genelleştirmiş yapay zeka artificial general intell. Yani biz burada bunu bu muhakemeyi yapacak modeli o zaten insanı gereksiz kılan bir nokta ol geliştirmeyeyim. Potansiyel olarak bu tür problemlerin hepsine bunu gönderebilirim. Yani bu şey gibi mesela eskime oturü insan, eee, genetiğinde kuzey iklimlerinde kar çevresinde dayanıklıdır. Beyaz ayı, eee, gibi örneğinde olduğu gibi başka bir insan türü Afrika sıcağında, eee, dayanıklıdır. Biz o çevreye uygun insan genetiği gibi o çevreye uygun potansiyel özelliklerdeki yapay zekayı kullandığımız zaman o zaman yapay zekalar da kendi içinde farklı evrimleşebilecekler. Evrimleşebilecek, eee, ve problem çözecek. Ama daha sonrasında bu sefer şu ortaya çıkacak. Diyecek ki eğer insandan daha iyi bunu yapabiliyorsa insandan daha hızlı niye yapmasın? Çünkü mesela sonra insana ne gerek var diyebilir mi? Tabii der. Eee, 50 100 Hz gibi mesela saniyede 50 100 tane yapan tamam çok sayıda ama, eee, nöronlarımız bağlantıları da inanılmaz çok kombinasyonda ama el sonuçta bir bilgisayarın diskine baktığınız zaman, eee, çok daha fazla da yer, eee, bir disk içerisinde tutabiliyoruz artık. Eee, ama moleküler seviyeye kadarki olan kombinasyonu karşılamıyor. Şimdi biz diyoruz ki, eee, bunun insanın yeterince çok özelliğini en azından problem çözecek kadarki özelliğini insandan daha hızlı yapıyorsa insanın yaptığı işleri servisleştiremez miyiz? Önümüzdeki dönemdeki kısım bu. Ama daha sonrasında da, eee, şu söylenecek. Ya ben bunu insandan daha iyi yapabiliyorsam ve insan networkleşmiyor. Yani aynı anda başka insan bir sürü insan bir sürü beyin beraber düşünemiyor. Düşünemiyor. Eee, ben bunu yapacağım bir şeyi aynı zamanda biyolojik bilgisayarla nörolink çipine benzer şekilde kortikal ağımın bir parçası olarak, eee, bunu yeni bir sensör gibi algılasam, eee, insan bunu hayal edemiyor. Çünkü duyduğunuz zaman onu doğduğunuzdan itibaren kodlamayı biliyorsunuz. Yeni bir sensörünüz, duyarganız olsaydı, e, yaşamdaki performansınız artacaktı. Şimdi bazıları büyük bir insan grubu diyecek ki, "Ben bunu istemiyorum. Ben insan doğasıyla yaşamak istiyorum." Haklılar. Ben de öyle isterdim. Ama şimdi bu bir kara delik gibi. E belirli bir grup insan bu özelliklere sahip olup sizden daha hızlı ve daha iyi bir öne geç, eee, şekilde öne geçtiği zaman sporda farklı aktivitelerde bilimde bilimdey iş hayatında, eee, bu sefer diyecekler ki, eee, mesela bir sınıfın en tembel insanı mı daha, eee, kolay iş bulur? En çalışkan ve yetenekli insanı mı daha çalışkan, eee, iş bulur? Bu sefer de diyecek ki ya genetik olarak sınıflandırmaya başladık. Artık tezi şey alırken de ne öğrendiği belli. Eee, potansiyeli belli. Biz o insanları alacağız. Bu sefer insanlar arasında sosyolojik ve kültürel problemler, eee, ortaya çıkmaya başlayacak. Arada bir şeyi, eee, atladım. Bu genetik deyince tekrar, eee, canlandı. İlgili nöron grubu, eee, tıraş oldu. Eşiği yukarı çıkarttı. Bu gri malzeme, eee, konusu. Şimdi mesela işi alırken de veya sınavlarda da insanlar stres oluyor ya. Eee, sınava girmeden de bizi şey yapar mıydınız? Eee, ölçebilir miydiniz? Eee, diye. En azından zeka testleri açısından bunu tahmin edebiliyoruz. Nasıl? Eee, mesela, eee, beynin bazı metrikleri var. Örneğin bir problem yapıyorsunuz. FMR, eee, FMRI magnetik rezonans. Eee, görüntüleme yaptığınız zaman, eee, orada entropisini hızlı artıran, eee, hücre yapılanmasına sahip olanlar genellikle daha zeki oluyor. Çünkü o tür problemler mesela serebral korteks'in ilgili bölümüne daha hızlı ulaşıyor ve, eee, yayabiliyor problemi. Yani daha hızlı soğuyan beyin daha zeki. Evet. Daha kendisini soğutmak üzere daha hızlı ağ kurabilen, daha doğru ağları korabilen daha zeki oluyor. Burada da şu şey çıkıyor. Hangi ortamda zeki? Yani bir ortamda zeki olan insan başka bir ortamda zeki olmayabilir ama kendi ortamında kimin daha zeki olduğunu bulun. Metrik olarak da görebiliyorsunuz. Mesela gri madde oranının, eee, yani çok küçük serebral korteks kısmının, eee, kalın olduğu ve yoğun olduğu, eee, insanların daha zeki olduğunu istatistik olarak kanıtlanmış. Hatta bu 25 yıldan fazla bir süre oldu. Eee, bildiğim kadarıyla, eee, burada birçok, eee, kadavradan ölmeden önce başarılı olan insanlardan mesela kadavrasından yapılan, eee, testler de etkili oldu. Dolayısıyla sonuçta bu yapay zeka yol haritasında bizim, eee, istemeyeceğimiz en azından var olan insan olarak yeni doğanlar bizim gibi düşünmeyebilir, bilirler. Var olan insanlar olarak ya o zaman bu evrimi değiştirecek, insan evrimini de değiştirecek. Her şeyi değişecek bir şey.

Hocam bir şey merak ediyorum. Ben şimdi hep biz şeyin üstüne konuşuyoruz ya. Yapay zeka zihin üretebilecek mi? Zeka, eee, hakikaten zeki olacak mı? Eee, işte siz deminden beri bir sürü özelliği anlatıyoruz. Şimdi insanı insan yapan özelliklerden bir tanesi daha doğrusu bir beyni sağlıklı düşünebilen insan yapan özelliklerin ikisi de empati ve empati yeteneği. Daha doğrusu. Şimdi empati yetenin, eee, eksikliği şunları doğuruyor. Psikopat veya sosyopat olabiliyorsunuz. Evet. Eee, yapay zeka empati kuramadığı için şu anda bildiğim kadarıyla empati kurabilecek mi yoksa empati kuramadığı için aslında, eee, bir tür, eee, ne diyeyim beyin hastalığı olan, eee, sosyopat veya hatta psikopat psikopat olmaya daha mı mütemil olacak? Empati kurmak aslında karşınızdakinin davranışını tahmin edebilmek ve onun yerine kendinizi koyabilmekle ilgili değil mi? Sonuçta minimum enerjiyle yaşamak istiyorsanız daha doğrusu minimum kayıpla karşınızdakine mesela ikna etmek istiyorsunuz. İkna etmenin bir parçası karşınızdakine empati kurmakta değil mi? Bunun için karşınızdakini iyi algılamak, onun geçmiş durumlarını iyi kavramak hatta dersinizi çalışıp gelmekle ilgili. Tamam, eee, negotiation yani müzakerecilik diye bir profesyonel meslek var değil mi? Uluslararası anlaşmalarda bile müzakereciler polisler de var, sorgucular var vesaire. Bunların hepsi bir empati kurma, eee, yeteneği modeli. Yapay zeka empati kuracak çözümleri hipotetik olarak bulacak. Bulacak ama bunu yapması işte bu derin muhakeme, eeeyi geliştirmemizle de ilgili. Çünkü empati kuracağınız kişi, eee, o kişiden yüzlercesi yok ki onu eğitim, eee, yapın. Ama onun empati kurduğunuz geçmişteki benzer kişilerin empati kurmanıza sebep olan geçmiş özelliklerini eşleştirmesi gerekiyor. Yani diyorsunuz ki işte Fatih Altaylı işte tuttuğu takım onu hiç kimse sormuyor herhalde. Galatasaraylı olduğu belli. Ondan sonra işte en çok gördüğü renkler işte sarı, kırmızı vesaire falan. Yani geçmişinize göre bilinen bütün özelliklerinizi alıp sizden bir kişilik analizi yapacak. Analizi yapacak ama siz hiç farkında değilsiniz ama belki mesela sarı kırmızı size daha yakın olan bir şey değil mi? Sizin karşınıza belki de burada kravatın içerisinde farkında olmadan sarı kırmızı tabii buraya bir rozet takacak rozet takacak falan, eee, size uygun özellikleri çıkartacak. Sonra diyecek ki Fatih Altay diyelim ki arabalara meraklı. E sizin diyelim ki işte, eee, tahmin beğendiğiniz işte klasik e arabalar içerisinden bir tanesinin özelliğini bir yerine yerleştirecek. Sonra siz o sırada motor sisteminiz bir taraftan şey üretmeye başlayacak. Eee, algı üretmeye başlayacak yani. Çünkü motor sisteminiz sadece, eee, kas uyartımınız değil. O kas yutumunuzdan önce premotor korteks, prefrontal korteks aradaki bağlantılarda canlandırma var. Eee, o canlandırmayı istediği bir duruma çekecek. Sonra bu durumdayken ben Fatih Altaylı'ya şunu sorarsam buna evet diyecektir. Eee, diyecek bence manipülatif olacak. Y manipülatif, eee, olacak. Manipülatif olmayı, eee, öğrenecek. Öğrenecek yani şerefsiz bir yapay zekaya doğru gidiyoruz yani. Evet. Maalesef. Eee, yine sorulan sorulardan bir tanesi genel hani biz bilgisayar fakültesindeyiz diye her gören son zamanlarda soruyor. Günün birinde, eee, biz yapay zekadan yine üstün özelliklerimiz olacak mı? Burada işte kuantumla ilgili bir şey olduğuna ben inanıyorum. Eee, yine geçmişte bazı testler, eee, yaptık. Eee, insanların

Özellikle tek yumurta ikizlerinde de görülen, birbirlerine hani bahsedilir ya, bir başına kötü bir şey geldi, benzer şeyler hissediyor, hissediliyor. Eee biz eee şeyi gördük. Yani bazı hücre türlerinde dolanıklık etkisi var. Eee dolayısıyla eee insanlık çok zor durumda kaldığı zaman, filmlerde olduğu gibi, belirli bir olasılıkla içlerinden bir tanesi eee çıkıyor. Onu kurtaracak iletişimi, zamansız bölge diyelim, zamandan bağımsız olarak eee ortaya koyabiliyor. Yani insanın bu eee işte o eee Sturt Homer of Roger Penrose'un o makalesinde olduğu gibi, o çok küçük eee hücrelerin olduğu, moleküler düzeydeki etkileşimin olduğu kısımda, hatta onların eee bilincin ilişkilendirdiği öngörülerin, o da bir hipotetik bir şey. Eee dolanık olması ihtimali olan ilişkiler var. Bizim aslında sıra dışı bir iletişimimiz de eee var. Eee ama buna karşı bir tür telepati gibi. Bu öğrenilebilir mi? Biz karmaşık sosyal yaşamımız içerisinde bunu gürültüyle bastırıyoruz. Eee öğrenemiyoruz. Bazı genetik özelliklerdeki kişiler eee bunu öğrenebiliyorlar. Eee, bunu zaten, eee, çok da tartışılıyor, komplo teorileri içerisinde de hatta çok konuşulur işte eee Dünya Savaşı sırasında Hitler'in niye Tuğla örgütüyle bu kadar ilişkide olduğu, karşı tarafta Nikolay Kozirev'in nasıl bir ekol oluşturup onları yanılttığı vesaire gibi. Eee, bu komplo teorisyenleri doğrudur ya da gerçektir. Ama yani bu çok, eee, geçmişten beri konuşulan eee, bir konuşu. Ama bizi ilgilendiren tarafı tabii karşı tezde şu: Tamam insanın nöronların böyle bir özelliği olabilir ama biyolojik bilgisayar yaptığımız zaman onun da bu özelliği olacak. Çünkü o yeterince küçük hücre yapmışsa ve size dolanık bir şeyden üretilmişse o hücre, o da eee benzeri elektriksel uyartımlarda aynı anda iki tane dolanık, yani kuantum haberleşmesi gibi. Yani benim kök hücreden yapılan bir bilgisayar benimle bir dolanıklık içinde olabilir. Bir kuantum dolanıklı içinde olabilir. Olabilir. Evet. Bu da muhtemel olan şeylerden bir tanesi.

Peki hocam son bir şey sorayım. Eee 2 saattir falan konuşuruz. Hatta geçtik bile galiba. Şahane anlatıyorsunuz. Ee çünkü değil mi arkadaşlar? Eee herkes büyük bir keyifle dinliyor. Eee Ayça bile uyumadı bugün eee bizi dinlerken. Çünkü bazı programlarda Ayçe'nin için geçtiğini görüyorum ben. Eee şunu merak ediyorum. Hep konuşulan şey, özellikle bu yapay zeka söz konusu olduğunda, dünyadaki bütün bilgisayarların birbirleri bir alışveriş içerisinde eee olarak müthiş bir bilgi üretebil, daha doğrusu müthiş bir eee veriye dayalı bilgi üretebileceği eee buradan baktığımız zaman, bu biyolojik bilgisayardan baktığımız zaman, o açıdan baktığımız zaman acaba önümüzdeki 10, 20, 30, 100 bilmiyoruz artık insan nereye kadar gidecek ama insan beyinlerinin de aynen bilgisayarlar gibi bir toplam ağ oluşturduğu, nasıl? Nasıl ki karınca kolonilerinde olduğu gibi eee küçük zekaların bir büyük zeka oluşturduğu bir sisteme ortaklığı, insanlığın bir ortak bilincine geçmek mümkün olabilecek mi acaba? Evet. Ya da gerekli mi? Zannediyorum ilk Avatar filminde biraz bu sembolize edilmeye çalışılmıştı. Dikkat ettiyseniz orada bir eee ritüel içerisinde bir ağacın eee etrafında eee bir araya gelip farklı bir toplumsal eee işlev eee ortaya konulmaya eee çalışılıyordu. Şimdi baktığınızda eee sadece bu genetik özelliklerden eee bir embriyotik hücrenin multipotent hücreye dönüştürmesinden faydalanmaktan çıkan süreçle kalmayıp, aynı zamanda evrenin kendisindeki metriklerin de orantısına baktığınızda bir bütünün içerisinde yer aldığımız zaten böyle bir fikir var şu anda. Evrenin evrenin bir fikir var. Eee işte bunun bir sonraki aşamasında bizim eee bu düzenin içerisinde eee bir uyumluluk eee süreciyle birbirimize bağlılığımız, bu eee neokortekse benzer şekilde sonradan işte evrimleşmeyle eee ilişkili olduğu gösterilen eee bir başka sentetik korteks aracılığıyla biz birbirimize bağlanabilir miyiz? Birincisi. İkincisi, bunlar olmasa bile, doğru şekilde çocukluktan itibaren eğitilerek, yani hiç biyolojik bilgisayara girmeden ama bilgisayarların yardımıyla eğitim sistemimizi değiştirerek biz birbirimize daha iyi empati sağlayacak ve eee birbirimizle iletişim yapabilecek hale gelebilir miyiz? Bunların hepsi muhtemel olan eee şeyler. Çünkü çocukluğumuzdan itibaren biz annemizle karşılaşıyoruz ama bazı özelliklerde zorlanmalarda bulunmuyoruz her zaman. Yani daha kapalı bir çevres çevredeyiz ve daha az duyarlı hale geliyoruz. Eee mesela eee bazı insanlar var internette de eee belki vardır videoları, çok emin değilim. Kendisi bir ses üretiyor ve o sesle eee yarasaya benzer bir şekilde, buna çirp sound deniyor İngilizcesiyle, bir geniş kapsamlı bir frekans veriyorum. Böyle gibi böyle yön bulanlar, etrafı görenler var. Yön bul, etrafı görenler var. Bunun yerine şöyle de düşünülebilir: Biz eee çocuklardan itibaren mesela bazı e işaretleri duyarlı olmayı öğretebilir miydik ve ortak olarak ve normaldeki insanların duymadığı, mesela örneğin 15-20 kilo ardaki sesler e gibi ki hayvanlarda olduğunu bunu biliyoruz, onlar duyuyor onu, biz duyuyoruz biliyoruz. Ya da eee insanın mesela olmasını istediğimiz bazı ya da olmasını istemediğimiz bazı hastalıklara karşı gelişimini genetiğinde olduğu halde eee ona duyarsız hale beyninin kontrolüyle getirebilir miy, getirebilir miydik? Şimdi bu Brainmaster diye bir cihaz var. Ben de ilk 90'lı yıllarda yazışmıştım. Tom diye bir arkadaş vardı. Sonra baktım enstitü kurdu Amerika'da ve eee Almanya'daki bir Ergin Akgül diye bir abimiz vardı. O ilk bunu eee ortaya koymuştu, söylemişti bana. Eee insanda mesela EEG ile alınan işaretlerle çocukların mesela hiperaktif çocukların tedavisi mümkün olabiliyor mu? Eee daha sonrasında bu eee Amerika'daki Brainmaster eee denilen aleti geliştiren ya da uyarlayan, yani birçok kişinin üzerine çalıştığı bir şeydi. Eee şöyle bir noktaya doğru gitti: Biz EEG'den aldığımız işaretler tamam doğrudan nöronlarla ilgili değil ama bizim motor sinir sistemimizi yönlendirmemizde ve gelişmemizde işe yarıyor. Dolayısıyla mesela iş adamı konsantre olamıyor, yorgun. Eee veya bazı özelliklerini daha çok geliştirmek istiyor. Beynin içerisinde işte o acı olmadığı için aynı zamanda kendi kendini yapılandırma da olmayabiliyor. Ama mesela burada beynin içerisinde bu tür geri beslemeler sağlanarak, felçli hastaların beyindeki mesela belli arızalı bölgelerin dolaylı olarak farklı bölgelerden birbirine tamamlandığı görüldü. Mesela NASA astronotlarının eee fizyolojik özelliklerinin arttırılmasında, bazı sporcularda bunlar kullanılmaya başlandı. Benzer şekilde mesela hiperbarik oksijen terapisinin de bunun gibi etkileri var. Önümüzdeki dönemde mesela aktif hiperbarik oksijen terapisinin olması ihtimali var. Şöyle: Siz orada eee metabolize olan oksijen oranınızı arttırıyorsunuz ve mesela telomerlerinizin kısalma oranı, kısalma hızı düşüyor. Düşüyor. Eee dolayısıyla daha sağlıklı, uzun ömür oluyor, yaşlanabiliyorsunuz. Ama o sırada mesela verdiğiniz eee oksijenin havanın içerisinden doğru analiz edilip size de aynı şekilde eee nefes aldığınız oksijen içerisinde doğru peptitlerin sekansları eee verilerek sizin eee siz farkında olmadan biyolojinizle bir haberleşme içerisine girmek mümkün. Bunu sizin biyolojinizi dolayısıyla siz hasta olmadan takip etmek, bir merkezden bunu yönetmek, hastalıkların olmadan sizin genetik özelliklerinizin keşfedilmesi ve olmadan eee o risklerin azaltılması mümkün. Mesela işte gözünüzde mesela dejenerasyon olacak, makula dejenerasyon ya da benzeri bir şey. Bu genetik potansiyelinizde var veya işte bir tümörleşme var. Eee, bunların birçoğuna aslında verdiğiniz havanın mesela örnek olarak söylüyorum, nefes biyopsisi deniyor. Bunların içerisinden keşfedebiliyorsunuz ama bunların hepsi bir verinin alınıp bunu keşfen hayvanlar da var. Kokudan anlıyor. Evet. Kokudan da eee anlıyor. Bunların bu tür şeylerin hepsi oradaki bir sensör mekanizmasının bir yerde toplulaştırılıp doğru şekilde yorumlanıp oraya servis edilmesi. Sonra da orada size uygun reseptör mesajcının size özel olarak üretilmesini gerektiriyor. Burada işte organik biyolojik bilgisayarlarla bildiğimiz silikon bilgisayarların merkezi bulut ortaklaşa çalışmasının insanda yeni tür eee sağlık sistemini ortaya koyacağını öngörebiliriz. Yani bunu söyleyebiliriz. Hatta klasik hiperbarik oksijeni bile ben eee insanların yeterince dikkate almadığını eee düşünüyorum ki eee nefes biyopsisiyle analiz etme dahil olmak üzere şu anda elimizde insandan alabildiğimiz, yani enjeksiyona vesaire gerek kalmadan çok sayıda veri var. Veri var. Eee bu verileri yeterince zaten kullanmıyoruz ve insan beyninin kendi kendine tedavi etme potansiyelini de yeterince kullanmıyoruz. Yani bunu Brainmaster örneğine dayanarak eee söylüyorum. Biz bazı geri beslemeleri o eee güncel hayatta eğitimimiz veya olgunlaştığımız için budandığı için kaybettiğimiz unsurları veya genetik olarak olmadığı için eee unsurlardan, geri besleme alamadığımız unsurlardan geri beslemeler üretilmeye başlayınca onları tedavi eder veya geliştirebilir hale geliyor beyin. Hiperbarikte bile mesela eee çocukların zeka seviyesini bile etkilediği eee söyleniyor. Eee Alzheimer, Parkinson gibi hastalıklar da aşağı doğru gidiyor. Yani insanlar aslında geleneksel tıbbi yaklaşım ya da ilaç sektörünün geleneksel yaklaşımları eee insanın kendi fizyolojisini tanıyıp insana özelleştirme kısmında yeterince ilerlememiş olduğunu düşünüyorum. Yani orada ciddi bir ekonomik, yapay zeka bunu da yapay zekanın bunu hızlandıracağı kanaatindeyim. Yani şu tavsiyeyi de yapabilirim: Hani kötü alışkanlıkları olanlar olabilir. Yani bağımlılıkları olanlar. Eee yani denemek için değil de sürekli mesela işte sigara, alkol vesaire gibi, bulunduğumuz dönem öyle bir dönem ki eee bu biyolojiyle eee silikon arasındaki teknoloji gelişimi önümüzdeki 10 yıl insanlık tarihinin en önemli atlamalarından bir tanesini yapma potansiyelinde. Eğer büyük bir dünya savaşı ya da başka bir şey eee olmazsa, katastrofik bir şey eee olmazsa, o yüzden de bu aralar ölmemeye bakmakta eee sağlıklı yaşamaya bakmakta fayda var. Fayda var. Çünkü bir süre sonra ölmek zorlaşacak diyorsunuz. Ölmek zorlaşacak, en azından eee en azından sağlıklı ve eee makul bir yaşlılık ol, evet. Sağlıklı bir yaşlılık süreci geçirebileceğiz.

Hocam çok teşekkür ediyorum. Önümüzdeki günlerde inşallah yine bir araya geliriz. Eee bu konuyu önümüzdeki haftalarda eee Türker Kılıç hocayla da ele alacağız. Eee siz de aynen onun gibi o tıp doktoru ama eee ne diyeyim eee diğer alanlara da eee yapay zeka alanına da hakim. Siz yapay zeka ve bilgisayar alanında ama tıp tarafına da hakimsiniz. Eee sizin gibi insanları görünce hakikaten, eee keyif alıyoruz. Türkiye'ye olan güvenimiz eee artıyor. Ülkenin geleceğine olan inancımız eee artıyor. Biz bir yandan bunları konuşurken bir yandan eee hemen eee yanı başımızda eee silahlar, füzeler, roketler gidiyor. İnsanlar birbirlerini öldürüyorlar. İşte yapay zeka iyi de kullanılıyor, kötüye de kullanılıyor. Teknoloji iyiye de kullanılıyor, kötüye de kullanılıyor. Baktıkça da insan bu kadar gelişmiş bir dünyada bunlar nasıl oluyor diye de bir yandan da düşünüyoruz. İşte o fil çimen hadisesinin olduğu yerde biz çimen olmamamız için birlikte iyi bir kütle oluşturmamız lazım. Eee ülke olarak eee bir arada hareket etme kabiliyetimiz, insanlarımızın birbirine olan güveninin yeniden tesis edilmesi, yeniden tesis edilmesi eee lazım. Çünkü birlikte olduğumuz zaman aslında başkaları için o hareketleri yapanlar için bir tehlikeyiz, tehlike oluşturuyoruz. Bize benzer yapıdaki ülkelerle belki de bir arada daha çok olmamız eee gerekiyor. Dolayısıyla bu birliktelik aslında birlikte hareket etme, birbirimize güvenme, hem kişiler, hem aile, hem toplum olarak, hatta benzeri kültürler arası, teknoloji ne kadar değişirse değişsin bizim rekabet gücümüzü tutunmamızı sağlayan şeyler. Çünkü her toplumda eee aslında yeterince yetenekli insan olduğuna da eee inanıyorum. Eee herkesin her yeteneği olması gerekmiyor ama toplum olarak zaten aslında o yeteneğinizin belirli yerlerde olması ve o insanları doğru yerlerde faydalanacak şekle eee de konumlandırıyor olmamız lazım. Yani birbirimizi çekiştireceğimize eee birbirimizi düşmanlaştıracağımıza, birbirimizi içerize, evet herkesin bir özelliği var. Eee eğitim sistemimizin eee doğru sınıflandırmayı yapıyor olmamız lazım. Olması lazım. Eğer birbirimize daha az güveniyorsak da en azından yapay zekayı bunu yapar duruma yapar yapmamız lazım.

Vallahi hocam çok keyif aldım. Eee yani Türkiye'nin eee soğuk vizyon üzerine çalıştığını eee duyuyorum eee sizden. Eee bu e Avustralya'da geliştirilen eee şu anda kullanıma sunulan ama bütün yani üst çalıştığı teknolojide sizin yıllar öncesinden beri peptitler üzerinde çok daha kapsamlı bir şekilde aynı işi yapmaya çalışmanız Türkiye'de eee son derece etkileyici. Eee, yani biz siyasete bakarak veya toplum yaşamındaki bazı olumsuzluklara bakarak, sosyal medyaya bakarak umutsuz, umutsuzlandığımız anda eee burada sizin gibi değerli insanları konuk edince umudumuz artıyor. İyi ki varsınız. Çok teşekkür ediyoruz. Sağ olun hocam. İyi ki geldiniz. Eee önümüzdeki dönemlerde sizle daha sık görüşmek eee umudu ve dileğiyle inşallah. Hatta Türker Hocayla bir araya gelip belki farklı boyutta bir tartışma da eee tartışma değil de farklı boyutta bir ufuk da açabilirsiniz. Sağ olun, var olun. İyi ki geldiniz, değerliler. Eee İstanbul Teknik Üniversitesi Bilgisayar Anabilim Dalı Başkanı Profesör Doktor Berk Üstüağ konuğumuzdu. Biyolojik bilgisayarlardan, insan sinir hücrelerinden, nöronlardan eee faydalanarak işlem eee yapan ya da biyolojik işlemcilere sahip bilgisayardan yola çıkarak yapay zekanın nerelere gelebileceğini, sağlık alanında insanların eee hem eee psikolojik hem eee nörolojik eee sorunlarının çözümünde nelere eee muktedir olabileceğine kadar geniş bir yelpazede yapay zekayı ve eee bilgisayar teknolojisinin gelişmelerini konuştuk. Kuantum bilgisayarlarla biyolojik bilgisayarların bir araya gelerek inanılmaz işler becerebileceğinden ve bana sorarsanız ben yapay zekadan korkanlardan değilim açıkçası. Çok korkanlar var ama ben korkanlardan değilim. Çünkü insanlığın kendi bulduğu şeyleri sonuçta kendi faydasına bir şekilde eee geliştiriyor diye hep gördüm. Eee geçtiğimiz binlerce yıla baktığımız zaman. O yüzden pek de korktuğum yok. Eee yapay zekadan eee insan yapay zekadan değil de kendi zekasından korkarsa daha doğru bir şey yapar. Çünkü insan zekası her şeyden daha korkunç. Eee galiba diyelim. Siemens'e bir kez daha teşekkür ederim. Bizim eee bu e bilgi dolu e sohbetleri izleyicilere, sizlere aktarmamızda, gençlere yeni ilgi alanları eee yaratmak ve gençlerin merakını özellikle eee körüklemekte bize destek olduğu için Siemens'e bir kez daha teşekkür ederiz. Noktaların görüşmek üzere. Hoşça kalın. [Müzik] [Müzik] Siemens tam otomatik kahve makineleri, teketek bilimi sundu. [Müzik]