|
||
| Günümüzde salt bilgisayar destekli öğretim yerini zeki öğretimsistemlerine bırakmaktadır. Bugüne değin bu alanda pek çok çalışmayapılmış olmasına karşın, günün değişen gereksinimleri yeniçalışmaların ve bu çalışmaların günlük hayata aktarılmasını zorunlukılmaktadır. Temel ZÖS mimarileri de söz konusu değişimlerden payınıalmakla beraber genel esasları itibariyle şu an için belirgindir. Uzmansistemlerin yaygınlaşması ZÖS’nin gelişiminde yararlı olacaktır. Bilgisayarlar, 20 yılı aşkın bir süredir dersliklerin bir parçasıolmuştur. 1976 da mikrobilgisayarların hayatımıza girmesiyle etkiliolmaya başlamışlardır. Bilgisayar, bireylerle hızla etkileşime girmeyi,çeşitli biçimlerdeki çok sayıda bilgiyi saklayıp işlemeyi ve geniş birdizi görsel-işitsel girdiyi göstermek için diğer medya araçlarıylabirlikte kullanmayı sağlayabilmektedir. Bilgisayar bu özellikleriyleöğretimde potansiyelini de ortaya koymaktadır. Çeşitli öğretimetkinliklerinde bilgisayarın kullanılması giderek yaygınlaşmaktadır[1].Bilgisayarlar bir eğitim unsuru olarak hayatımızdaki yerinialmaktadırlar çünkü: Çocuklar tarafından kontrol edilebilen grafiksel sunular sağlayarak onları motive edebilirler, Hızlı bir şekilde doküman sunabilirler, Bireysel eğitim sağlayabilirler, Anında hata tespiti ve geri besleme imkanı sunabilirler, Öğretmene, öğrenciyle fert bazında veya küçük gruplar halinde çalışma serbestisi verirler, Öğretmeni, hazırlayacağı raporlar için öğrenciler hakkında bilgiedinmek, sınav sonuçlarını değerlendirmek ve her öğrencinin gelişiminitakip etmek gibi idari ve eğitsel faaliyetlerden kurtarabilirler. Amaç: Bilgisayarın eğitimdeki başlıca kullanım alanı pratik yapılması yoluyladestek vermektir ve genellikle Bilgisayar Destekli Öğretim (BDÖ) olaraktanımlanır. Bu tür yazılımların hazırlanması öğrenci-bilgisayardiyalogu içeren konu anlatımı veya simülasyon yazılımlarından dahakolaydır. Bu yazılımlar matematik ve yabancı dil kelime ve dilbilgisikonularında etkili olmuşsa da aynı metot daha karmaşık konularınsunulmasında başarısız olmuştur. Öğrenciler sunuların sıkıcı olmalarınedeniyle tatmin olmamışlardır. “Alıştırma ve Uygulama” terimleritekrar ve esnek olmamakla aynı anlama gelmeye başlamıştır. Üstelikalıştırma ve uygulama olarak sınıflandırıldığı zaman, eğitimmateryallerinin şüpheyle karşılandığı bir gerçektir. Oyun ve simulasyonlara dışarıdan bakıldığında eğitimi yapılacak olankonunun yarışmanın bir parçası haline geldiği görülür. Esnekliğiolmayan yordamlar öğrencilerin görecekleri konuya ilişkinyapabilecekleri seçimlere dönüşür. “Tekrar” geniş bir veri tabanındanelde edilen muhteviyat sayesinde gizlenmiş olur (Tekrar edilmesinerağmen farklı seçenekler öğrenciye tekrar değilmiş gibi gelir). Tekraredilecek olmasına rağmen ana konular, onları daha çekici yapan yeni vefarklı bölümlerde yer alacaklardır. Gelişmekte olan ülkelerde, eğitsel yazılım daha fazla yaygın olduğunagöre sözlü geleneklerden, yazılı kayıtların zorunlu olduğu çağdaşkültürlere bir değişim önerdiğinden alıştırma ve uygulamalaracanlandırılmış bir ilgi olacaktır. Sonuçta okuma yazma oranı artangelişmiş ülkelerde bu metodolojiyi incelemede canlandırılmış bir ilgivardır. Bireyselleşmiş eğitimi sağlamak için bilgisayarın kullanımıokuma yazma bilmeyen yetişkinleri motive edebilir. Bununla birlikte eğitimde bilgisayarın kullanımını yaygınlaştırmak içindaha yenilikçi ve “zeki” yazılımlara ihtiyacımız vardır. “Zeki” demekleşu tip yazılımı kastediyoruz (diğer olanakları dahil): Alan bilgisini, kontrol (pedagojik) bilgisinden ayıran böylece sistemintasarımcı tarafından ön-kodlanmasına değil özel akışlar sunmasına izinveren, Öğrencilere, programın kendilerine gösterdiği materyaller üzerinde daha fazla kontrol sağlayan, Öğrencilere, yaptıkları hatalara göre acil geribesleme sağlayan (isteğe bağlı), Öğrencilere içinden çıkamayacakları durumlarda, öğretmenlik ya da çalıştırıcılık sağlayan, Öğrencilere, aksiliklerle karşılaşıyorlarsa kendilerine yardım etmesiiçin seçebilecekleri, isteğe bağlı seçeneklere sahip, öğretmenebaşvurmak üzere tavsiyeler de içeren bir “Yardım” menüsü içeren biryazılım Bu açıları eğitsel yazılım içerisine katmak için çalışan araştırmalarile sık sık hatırlanan terim Zeki Bilgisayar Destekli Öğretim (ZBDÖ) yada sonraları daha başarılı şekilde ortaya konulan Zeki ÖğretimSistemleri (ZÖS) terimidir [2]. Eğitim ve eğitim psikolojisi, pedagojik uzmanlığın parçalarınıtamamlama, deneyime dayalı kullanışlı teknikler edinme ve kullanışlıeğitsel araçlar üretme gayretleri dolayısıyla, birbiriyle sıkı sıkıyailişkili araştırma alanlarıdır. Bilgi iletişim sistemleri içinhazırlanan, dolaysız pedagojik uzmanlık bilgisayar modeller,muhtemelen, eğitim araştırmalarına hem teorik ve hem de pratikkatkıları olacaktır. Gerçekte, eğitim toplumu ile ZÖS araştırmacılarıarasındaki bağ her şeye rağmen zayıf olmuştur. Bu durum hızladeğişmektedir [3]. ZÖS Mimarileri Zeki Öğretim Sistemleri’nin kısa ve açık bir tanımı “neyi öğreteceğini,kime öğreteceğini ve nasıl öğreteceğini bilen, yapay zeka ortakoluşumunda yer alan tekniklerden yararlanarak tasarlanmış bilgisayarprogramları” şeklinde yapılabilir [4]. ZÖS pek çok yapıda olabilmektedirler; ancak esasen bir öğretimsisteminin temel bileşenlerini, öğrenim ortamında gerek öğrenci vegerekse sistemin esnekliğine izin veren ve böylelikle gerçekte öğrencive öğretmenin birebir oturup öğrenme ve öğretme girişimini taklit edenbir yöntemle ayrılmaktadırlar. Varolan ZÖS’nde kullanılan mimarilerin sayısı ve farklılıkları bualanda yapılan çalışmaların doğasının deneysel olmasına bağlı olarakşaşırtıcı derecede fazladır. Halen, literatürde ZÖS, üzerinde biranlaşmaya varılmış olan dört temel modül içermektedirler [4]: Uzman Bilgi Modülü Öğrenci Modeli Modülü Öğretim Modülü Kullanıcı Arabirimi Modülü ZÖS’nin genel yapısı Şekil 1’de verilmiştir. Bu şekil genel birgösterimdir ve özel herhangi bir sistemi tanımlamamaktadır. Uygulamadahafif varyasyonlar göstermekle beraber genel yapıya tam olarak oturanveya tamamen farklı olan sistemler de bulunmaktadır. Buradaki modüllerin işlevlerine göz atmak istediğimizde karşımıza şu özellikler çıkmaktadır: UZMANLIK MODÜLÜ: Sistemin öğretmeye çalıştığı alan bilgisi bu modüliçerisinde saklanır. Dahası, öğrenciye kazandırılması arzulanan yetenekve içeriklerin gerçek modeli, özgün alana ilişkin uzmanlığın dinamikbir formu ile donatılan bu modül içerisinde oluşturulmaktadır. Bubileşen tarafından gerçekleştirilen iki ana işlev vardır [5]: Soru, cevap ve açıklamaların geliştirilmesi ve böylelikle bir kaynak gibi davranım, Kavrama düzeyini saptamak için standartları belirlemek açısından kullanıcı performansının değerlendirilmesi. Şekil 1 Genel Olarak ZÖS Mimarisinde Yer Alan Modüller [3] Bu modül öğrencinin performansının değerlendirilmesi ve öğretimiçeriğinin oluşturulması görevlendirildiğinden, kolay kullanım adınamodülün alan bilgisinin bir bilgisayar programı çatısı altında organizeedilmesi gereksinimi vardır. Bu organizasyon çoğunlukla zaman alıcı,karmaşıktır ve buna bağlı olarak organizasyon için metotlarınaraştırılması ve bilginin sunulması bir uzman modülününgeliştirilmesinde önemli bir noktadır [4]. ÖĞRENCİ MODELİ MODÜLÜ: Öğrencinin bilgi düzeyini ölçmek için ve ayrıcaonun kavrayışını tahmin etmeye çalışmak için bir öğrenci modeli veöğrencinin o anki bilgi düzeyine erişmek için uslamlama (muhakeme)metotları kullanılmaktadır. Bu, aynı işlem üzerinde bilgisayar tabanlıuzmanın davranışıyla öğrencinin performansının kıyaslanmasıylayapılmaktadır. Öğrencinin bilgisinin modellenmesi ve öğrenme davranışıtemelde iki yordam kullanmaktadır [5]: Öğrencinin uzmanlaştığı ya da öğrenmeye kalkıştığı alanlar olan bilgiyapısı ağı içerisinde planlandırmak. Diğer bir deyişle, öğrencininbilgi düzeyi, uzman ve sonuçta oluşan bir altkümeninkiyle kıyaslanmasıustalık derecesinin ölçülmesi için kullanılmaktadır. Bu yordamakatmanlama denmektedir. Öğrencinin davranışı, sistemin basit olarakbilgi tabanı içerisinde var olan doğru ya da yanlış bilgi kalıpları iletanımlanmaktadır. Öğrencinin yeteneği anlama ve muhakeme işlemi hakkında sonuç çıkartmakiçin öğrencinin tepki geçmişine kalıpsal tanımlama uygulanmasıtepkilerin elde edilmesi için kullanılırdı. Bu aşama aynı zamandatanımlama olarak da adlandırılır ve istatistiksel analiz gibimetotlarda kullanabilmektedir. İdeal koşullarda öğrenci modeli öğrencinin performans ve öğreniminietkileyebilecek tüm davranış ve bilgilerini kapsamalıdır, ancakgerçekte, böyle bir model oluşturmak insan davranışının tüm duyuların,görüşün, sesin ve hatta yüz hareketlerinin bir bileşeni olan karmaşıkbir konu olmasından dolayı neredeyse imkansızdır. Bu yüzden, birZÖS’inde klavye tek iletişim aracı olduğundan, insan öğretimcilerindüşünüleni tanımlama yeteneklerinin çoğundan eksik kalmaktadır. Genellikle bir öğrenci modelinin kullanım işlevleri şu şekildedir [4]: Düzeltici: Öğrencinin bilgisindeki hataların giderilmesi için bir rehber olarak, Detaylı: Öğrencinin bilgisini tamamlamada bir rehber olarak, Stratejik: (1) ve (2)inci maddelerde sözü edilenlerden farklı olaraköğretim stratejisindeki ana sapmaların düzenlenmesinde yardımcı olarak, Teşhis: Öğrencinin bilgisinde yer alan hataların belirlenmesinde yardımcı olmak amacıyla, Tahmin: Öğrencinin öğretim eylemine karşı olası tepkilerinin belirlenmesine yardımcı olmak amacıyla, Değerlendirme: Öğrencinin ya da ZÖS’nin değerlendirilmesinde yardımcı olmak amacıyla. ÖĞRETİM MODÜLÜ: Öğretim modülü, metot, sunu zamanlaması ve sistemin içerisindebarındırması gereken öğretim materyallerinin bir kümesindenoluşmaktadır. Genellikle halen varolan ZÖS’nde iki sunu metodubulunmaktadır: Sokratsal ve çalıştırıcı metotlar. Birinci metot, kendiyanlış anlamalarını giderme işlemi için öğrenciye yöneltilen bir sorusetini devreye sokmaktadır. Diğeri ise, öte yandan, öğrenci içinbilgisayar oyunları gibi eğlenceli bir ortam yaratmaktadır veböylelikle ilişkili yetenekleri ve genel problem-çözümüalışkanlıklarını öğrenebilmektedirler. Uygulama Örnekleri SCHOLAR: Carbonell’in 1970 yılındaki bir çalışması olan zeki öğretimalanında ilk öncü sayılabilecek programdır [5] [6]. SCHOLAR’a dahiledilen bazı önemli özellikler şunlardır: Olguların, içeriklerin ve yordamların oluşturduğu bir ağ yapısı içerisinde karmaşık ancak iyi tanımlanmış bir veritabanı yapısı, Bilgi-tanımlama kelimeleri içeren bir ağ ve çok-dallı ağaç yapısında olaylar, Sokratsal öğretim diyalogu, Cevaplar için sonuç çıkarım stratejileri anlamsal ağın içeriğinden bağımsızdır. SCHOLAR, öğrencilere Güney Amerika coğrafyası’nı öğretmeyi amaçlayankimi zaman öğrencinin programa kimi zaman ise programın öğrenciyesorular sorduğu bir zeki öğretim sistemiydi. SCHOLAR’ın uzman bilgisimodülü anlamsal bir ağ formunda Güney Amerika coğrafyasınıbarındırmaktaydı. Bu yapı sistemi bellek problemlerinden, sorulara izinvermeyi cevapların saklanmasına gerek duyulmadan sağlayan yapısındandolayı kurtarmaktaydı. Bu devrimsel gelişimlerin yanı sıra, basitolarak ZÖS alanında ilk sistemlerden biri olduğu için SCHOLAR’ınbelirli bir takım dezanavantajları ya da güçsüz yönleri de vardı. Budezavantajlar kendini öğretim stratejisinin ve dil işleme yeteneğininkısıtlı olmasında göstermekteydi. SCHOLAR’ın eksikleri olsa da ZÖSdizaynı ve uygulamaları için yaşamsal pek çok içeriği getirmişti. BUGGY: ‘Hata’ yapan öğrenci uyarlaması yaparak ‘öğretmen’ öğrencilerinsöz konusu hatayı bulmalarını sağlayan bir matematik oyunu programıydı[7]. Sistemli hatalar yapan program çerçevesinde, öğretmen öğrencilerinçoğu özel ve önemli bir hatayı bulduklarını düşünmekteydiler. TARİHÇE o Binlerce yıl önce insanlığın zor anlaşılır bir düşüncesi vardı ;insan vücudu dışında bir zeka yaratmak ! Bu konuda eski Yunanmitolojisinde de örnekler bulunur. Rüzgarın yaratıcısı Daedelus'un biryapay insan yaratmaya teşebbüs etmesi gibi... o 1884 yılında , Charles Babbage adlı bilim adamı , zeki davranışlargöstermesini istediği bir takım makinalar üzerinde deneyler yapmaktaydı. o 1950 yılında , Shannon adlı bilim adamı , bilgisayarların satranç oynayabileceğini önesürdü. o Dartmouth Koleji tarafından düzenlenen konferansta Yapay Zeka adı ilkkez önerildi. Ve bu konferansın katılımcıları Yapay Zeka'nın öncülerikabul edildi. Bu kişiler arasında , Marvin Minsky (MIT'te YZlaboratuvarının kurucusu) , Claude Shannon , Nathaniel Rochester (IBM), Allen Newell (Amerikan YZ derneği ilk başkanı) ve Nobel ödüllüHerbert Simon sayılabilir. o 1965/1970 yıllarında çok az gelişim olduğundan , karanlık dönemdir. o 1970/1975 yılları , önüne geçilemeyecek gelişmelerin başlangıcıdır.Rönesans dönemidir. YZ uzmanları özellikle hastalık teşhisi gibisistemleri geliştirdiler. o 1975/1980 yılları ortaklık dönemidir. YZ araştırmacıları , dil vepsikoloji gibi diğer bilimlerden faydalanabileceklerini gördüler. · YZ için geliştirilen temel program , John McCarthy tarafından 1957'degeliştirilen LISP programıdır. Bu program Basic , Fortran , Cobol vePascal gibi programların aksine , cümle , kural , isim gibi diğerayrıntılı konularla da ilgilidir. LISP kullanıcıları için esas teçhizatLISP makinası veya sembolik işlemci diye adlandırılan düzenektir. Busembolik işlemci , bir çeşit bilgisayar sistemi ve YZ programlarınıngeliştirilmesi ve uygulanmasını etkili ve verimli şekilde desteklemekiçin dizayn edilmiş mantıksal bir sistemdir. · YZ , robotik sistemlerin entegre bir parçası olmaktadır. YAPAY ZEKA NEDİR? Teknolojinin gelişmesine paralel olarak sık sık duymaya başladığımız "Yapay Zeka" nedir ? · Yapay Zeka , insan tarafından yapıldığında zeka olarak adlandırılandavranışların (akıllı davranışların) makina tarafından da yapılmasıdır.Yapay Zeka'nın insan aklının nasıl çalıştığını gösteren bir kuramolduğu da söylenebilir. · Yapay Zeka'nın amacı ; o Makinaları daha akıllı hale getirmek , o Zekanın ne olduğunu anlamak , o Makinaları daha faydalı hâle getirmektir. · Zekanın işaretleri şu davranışlardır : o Tecrübelerden öğrenme ve anlama o Karışık ve zıt mesajlardan anlam çıkarma o Yeni bir duruma başarılı ve çabuk bir şekilde cevap verebilme o Problemlerin çözümünde muhakeme yeteneğini kullanma o Bilgiyi anlama ve kullanma o Alışık olunmayan , şaşırtıcı durumlarla başedebilme o Düşünme ve muhakeme etme ZÖS Mimarileri ---------------------------------------------------------------------------------------- - Oyunlar (dama, satranç, vs.) - Teorem ispatlama o Prolog programlama o Cebirsel Prolog programlama o Paralel Prolog derleyicileri - Doğal dil anlama ve işleme o Çeviri sistemleri o Ses tanıma ve işleme - Bilgi Tabanlı Sistemler o Uzman Sistemler o Bilgi tabanlı simülasyon o Genel Bilgi Sistemleri - Makina Öğrenmesi o Bilgi düzeyi öğrenme (çeşitli indüktif, dedüktif, analojik öğrenme metotları) o Sembol düzeyi öğrenme (GA'lar, sınıflandırıcılar) o Aygıt düzeyi öğrenme (YSA'lar) - Makina Buluşları o Bilimsel Buluşlar o Bilgi madenciliği - Robotik o Robot görmesi ve öğrenmesi o Robot timleri ve görev planlaması - Yapay Yaşam (AL) - Örüntü ve ses tanıma ---------------------------------------------------------------------------------------- Şekil 1. Yapay zeka araştırma ve uygulama alanlarından bazıları Zeki sistemler bu gün zeki etmenler (intelligent agents) olarak yenidentanımlanmaktadır (Russel & Norvig, 1995). Buna göre zeki etmenlerinşu temel bileşenlere sahip olması gerekmektedir: o Algılama o Düşünme o Eylem Ayrıca, bu her bir bileşenin de "zeki" diye vasıflandırılabilecekniteliklere sahip olması gerekiyor. Zeki bir etmen, algılamasınıgerçek-zamanda, seçimli, öncelikli, ve bağımsız olarak yapabilmelidir.Aynı şekilde, düşünme bileşeni de benzer özelliklere sahip olmalı,olayların gelişimine göre algılama bileşeninden gelen verilerden vekendi içinde oluşturduğu modellerden gerçek zamanda durum tesbiti vedegerlendirmesi yapabilmeli, hafıza, anlama, problem çözme, öğrenme (vehatta buluş yapabilme), planlama ve kontrol gibi özelliklere sahipolmalıdır. Eylem bileşeni de aynı şekilde zeki özelliklere sahipolmalı, ve düşünme bileşeninden gelen kararları gerçek zamandauygulayabilmelidir. Ayrıca, bu üç bileşen (algılama, düşünme, eylem)özellikle hızlı hareketi gerektiren durumlarda birbirleriyle tam biruyum içinde olmalıdır. Yapay zeka bugün, birçok alanda araştırmaların yapıldığı bir bilim veteknoloji dalı olarak ortaya çıkmış bulunmaktadır. Bu alanlardanbazıları Şekil 1'de gösterilmektedir. 2. Yapay Zekanın Askeri Uygulamaları Yapay zekanın 1970'li yılların sonuna doğru özellikle ABD'deendüstriyel alandaki başarılı uygulamaları, kısa zamanda askeriçevrelerin yoğun olarak dikkatini üzerinde toplamıştır. Gelişmişülkelerin savunma bakanlıkları ile kara, deniz ve hava kuvvetleri buyeni teknolojiden faydalanmanın yollarını araştırmaya başlamışlardır.Askeri uzmanların bu konuya ilgisi şunlardan kaynaklanmaktadır: 1) Yapay zeka teknolojilerinin akademik ve endüstriyel çevrelerdekigerçek başarısı. 2) Günümüz askeri harekatlarının gittikçe genişleyenkarmaşık yapısı ve muhtemel çatışmaların gelişme hızı. 3) Askeriuzmanların yapay zeka tekniklerinin, askeri problemlerin çözümpotansiyeli konusunda bilgilerinin artması. Bu gün, birçok askeri alanda yapay zeka uygulamaları başlatılmıştır. Bualanlardan bazıları şunlardır: Askeri araştırmalar, askeri imalat,bakım-onarım, harekat planlaması, lojistik, eğitim, istihbarat toplamave işleme, istihbarat analizi ve durum tesbiti, sensör kaynaklarınındağıtımı, kuvvet dağıtımı, kuvvet komuta ve kontrolu, güzergahplanlaması, muharebe taktikleri, otonom / yarı-otonom araçlar,aviyonik, elektronik harp, ve komuta kontrol istihbarat karşı-koyma,haberleşme, ağ kontrolu, ve enformasyon yönetimi ve ulaşımı. Marmara Araştırma Merkezi'nde yapay zeka çalışmaları, 1991 yılındakurduğumuz Yapay Zeka Bölümü'nde başlamıştır. Bu bölüm ülkemizin yapayzeka adıyla kurulan ilk bölümüydü. Burada yapılan ilk çalışmalarOsmanlıca-Kiril Optik Karakter Tanıma ve Bilimsel BuluşlarınModellendirilmesi alanında olmuştur. Bölüm, daha sonra Marmara Araştırma Merkezi adına görev aldığı, veMSB-ARGE Dairesi tarafından desteklenen uluslararası EUCLID RTP 11.3projesinde (1993-97 yılları arasında) bir yapay zeka sistemini (AISim),gerçekleştirmiştir (Kocabaş, Öztemel, Uludağ ve Koç, 1995; 1996;Kocabaş ve Öztemel, 1998) AISim, yukarıda bahsedilen türden bir zekietmen tasarımı içeren bir sistemdi. Bu program, dağıtık bir simülasyonortamında 100'den fazla senaryo elemanının yer aldığı, İngiltere veAlmanya'dan kokpit simülatörlerinden pilotların da katıldığı, ve komutakontrol istasyonunu da iceren kompleks bir hava harekatı (havabombardımanı) senaryosu içinde, kırmızı kuvvet bombardıman ucaklarınaeşlik eden (Escort) ve uzak (BVR) ve yakın (WVR) hava muharebesiözelliklerine sahip bir F16 uçağını harekat süresince başarılı birşekilde kontrol etmiştir. Sistem ayrıca 1-1 testlerde Ingiliz pilotlarakarşı hava önleme (CAP) görevini de başarı ile uygulamıştır.Geliştirdiğimiz bu yapay zeka sisteminin en önemli, ve dünyada bualanda ilk defa uygulanan özellikleri ise, gerçek zamanda durumtesbiti, ve gene gerçek zamanda davranış açıklamaları yapabilmesiydi. Bölüm 1996 yılında başlatılan ve gene MSB ARGE tarafından desteklenen10 aylık EUCLID RTP 11.7 "Uçuşta Simülasyon" (WaSiF) projesini debaşarıyla tamamlamıştır. Bu projenin nihai amacı, bir savaş uçağı (F16)üzerine monte edilebilir bir simülasyon sistemi ile muharebepilotlarının, yapay zeka tehditlerinden oluşan sanal hedeflere karşıgünlük muharebe eğitimlerini sağlamaktır. 10 aylık bu fizibiliteçalışmasında böyle bir sistemin, ayrıntılı olarak nasılgeliştirilebileceği gösterilmektedir. Bu alandaki çalışmalarımızı, gerekli imkanlar sağlandığı takdirde aşağıdaki konularda devam ettirmeyi düşünmekteyiz: o Takım veya filo harekatlarında eşgüdümlü ve birliktelik davranışı gösterebilen zeki etmenler geliştirmek, o Etmen takım ve filo davranışlarının gerçek zamanlı olarak modellendirilmesi. o Rakip etmenlerin bireysel ve takım veya filo davranışlarının modellendirilmesi. 3. Harp Oyunlarında Yapay Zeka Uygulamaları Harp oyunlarında bilgisayarca oluşturulan kuvvetlerin (CGF) eğitim veanaliz amaçlı olarak kullanılması ABD'de 1980'lerin sonlarında ciddibir şekilde ele alınmaya başlamıştır. Bundan sonraki önemli gelişme,bilgisayarlı harp oyunlarına, gene ABD'de CFOR programıylakomuta-kontrol yeteneğinin eklenmesi olmuştur (Pratt, 1996). Bilgisayarların gelişmesiyle, önceleri bazı strateji oyunlarına dayanansavaş oyunları sonunda yerini, simülatör sistemleri ve rakipkuvvetlerin (OPFOR) eklenmesiyle gelişmiş Yarı Otomatik Sistemlere(SAFOR) bıraktı. Halen en gelişmiş sistemler bu yarı otomatiksistemlerdir. Ancak, gelecek nesil bilgisayar kuvvetleri (OtonomKuvvetler) üzerine çalışmalar da başlatılmış bulunmaktadır. Mevcut bilgisayarca oluşturulan kuvvetlerin gelişmesi dört safhadaincelenebilir (Pratt, 1996). Bu safhaları şu şekilde sıralayabiliriz: Nesil Bilişim Süreci --------------------------------------------------------------------- 1 Yok 2 Hedef tesbiti ve önleme 3 Görevin kesilmesi ve başlatılması 4 Çok katmanlı Komuta Kontrol 5 Amaç seçimi ve Öğrenme --------------------------------------------------------------------- Birinci nesil CGF'lerin en bariz özelliği bunlarda bilişim sürecininbulunmamasıdır. Bu nedenle, kendileri için oluşturulmuş olan senaryodandışarı çıkamazlar. İkinci nesil sistemler ise, planlanmış faaliyetlerleçatışmayacak şekilde senaryo elemanlarına, hedef tesbiti, nişan alma,ve rakip kuvvetlerle çatışmaya girme gibi basit etkileşimli davranışlaryaptırabilme özelliğine sahiptir. Güzergahlar ve yollar kullanıcıtarafından önceden veya senaryo sırasında belirlenir ve etkileşimler deancak bunlar üzerinde olabilir. Üçüncü nesil sistemler genellikle Yarı Otomatik Kuvvetler (SAF) olarakisimlendirilir. Bu sistemler genellikle, önceden planlanmış, kural veyadurum tabanlı modüllerden oluşan görevleri uygularlar. Bunlardadavranışlar görev çerçevelerine yerleştirilir ve bu çerçeveler de ötekigörev çerçevelerine oturtulur. Ana amaçlar böylece bir görevhiyerarşisinden meydana gelir. Bu organizasyon, karmaşık görev vedavranışların oluşturulmasını kolaylaştırmaktadır. Dördüncü nesil sistemler ise bu gelişmiş üçüncü nesil sistemlerüzerinde komuta kontrol (C2) süreçlerine sahip sistemlerdir. Görünüştebasit sanılan bu görev, savaş alanının en zor görevlerinden biridir.Ancak bu sistemlerin çoğunda sadece komutanın görevi temsiledilmektedir. Dördüncü nesil CGF'lere örnek DARPA'nın Komuta Kuvvetleri(CFOR) programıdır. CFOR, C2 süreçlerini, komuta kademesinin bir dizidavranış ve etkileşimi şeklinde temsil eder. Dağıtık EtkileşimliBenzetim (DIS) ortamları dördüncü nesil sistemleri bireyler vebirlikler düzeyinde temsil edebilmektedir, fakat mevcut durumda bunlartaburdan daha yukarı kuvvetlerin temsilinde yetersiz kalmaktadır.Ordular düzeyinde durum bunun tam tersidir. Üst düzey birimler başarılıbir şekilde temsil edilebilmekte, ancak aynı sistem içinde daha altbirimlere ve senaryo elemanlarına doğru gidildiğinde sorunlar ortayaçıkmaktadır. Bir CGF sisteminin gerçek değeri, bunun temsil ettiği davranışlarıntümü ile ölçülmektedir. Davranışların modellendirilmesi ise en zorişlerden biridir. Bunu kolaylaştırmak için davranış süreçlerinin vemodellerinin kodlanmasını standartlaştırmak gerekmektedir. Ortak veuyumlu bir dil geliştirme, gelecek nesil CGF sistemlerinde davranışmodellendirilmesi konusunda karşılaşılacak sorunların bir kısmına çözümgetirebilecektir. 3.1 Gelecek Nesil CGF Sistemleri Gelecek nesil CGF'lerin şu özellikleri sağlaması gerekli görülmektedir: o Savaşan birey ve birimlerle doğrudan etkileşim sağlayabilme, o Komuta, Kontrol, Haberleşme, Bilgisayar ve İstihbarat (C4I) sistemleri tarafından kontrol edilebilme, o Doğrudan haberleşmeyi sağlamak için doğal dil anlama ve işleme özelliğine sahip olma, o Brifing bilgilerini ve taslak çalışmalarını anlayabilme, o Güçlü bir bilgisayar ağına ve bunu kullanacak bilgisayar teknolojisine sahip olma, o Katmanlı bir yapıya sahip olmak ve böylece istenilen düzeyde kuvvetleri yeterli ve gerekli ayrıntıda temsil edebilme, o Amaç ve görev seçimi ve görev planlaması yapabilme (mesela dışarıdan"Şu tepeyi ele geçir," durumu verildiğinde, bunu yapmaya girişmedenönce daha geniş çerçevede o tepeyi ele geçirmenin kazanç ve kayıplarınıhesaplayabilmek. Savaş alanındaki bir komutanın da eğitimi gereğiyaptığı iş, harekatın genel amacı çerçevesinde birliğinin hedeflerinitesbit etmektir.) o Amaç tesbit edildiğinde bunu gerçekleştirmek için görevinplanlanması. (Burada da dost, düşman ve tarafsız kuvvetlerin muhtemelkayıpları, ele geçirilecek alanlar, gereken ve elde bulunan teçhizat,ileri harekat ihtimalleri, v.s. hepsi göz önünde bulundurulmalıdır.Gelecek nesil CGF sistemleri bu tür tesbitleri yapabilmelidir. ) o Değişen duruma göre, amacın yeniden planlanabilmesi. (Mevcut üçüncü nesil sistemlerde bu özellik bulunmamaktadır.) o Öğrenme özelliğine sahip olma. (Mevcut sistemlerde eğitim sadeceinsana yönelik olmaktadır. Halbuki, CGF sisteminin kendisinin detatbikatlardan öğrenebilmesi ve defalarca çalıştırılan senaryolardaaynı yanlışlıkları tekrar etmemesi gerekli görülmektedir.) Yapay zeka, halen birçok endüstriyel alanda olduğu gibi, birçok askerialanda uygulanmış ve hemen hemen bütün askeri alanlarda uygulamapotansiyeli olan bir bilim dalıdır. Yapay zekanın endüstriyel alandakibaşarılı uygulamaları, 1980'lerde gelişmiş ülkelerin savunmabakanlıklarının ve kara, deniz ve hava kuvvetlerinin büyük ilgisiniçekmeye başlamıştır. Sonraki yıllarda birçok askeri alanda yapay zekauygulama çalışmaları başlatıldı. Bu bildirimizde biz, ağırlıklı olarakbir bilim ve teknoloji alanı olarak yapay zeka, askeri uygulamaları vekompleks hava muharebesi ve harp oyunlarında kullanımını inceleyeceğiz. 1. Yapay Zeka Askeri alanda yapay zeka uygulamalarına geçmeden önce, yapay zekakonusunda bazı özet bilgiler vermemiz yerinde olacaktır. Yapay zeka,zeki sistemlerin 1) algılama, hafıza, üşünme, öğrenme, buluş yapma,karar verme, ve eylem gibi özelliklerini inceleyen, 2) bunları formelhale getiren, ve 3) yapay sistemlere bu özellikleri kazandırmayıamaçlayan bir bilim dalıdır. Harp Oyunlarında Yapay Zeka Uygulamaları Teknolojinin gelişmesine paralel olarak sık sık duymaya başladığımız "Yapay Zeka" nedir ? · Yapay Zeka , insan tarafından yapıldığında zeka olarak adlandırılandavranışların (akıllı davranışların) makina tarafından da yapılmasıdır.Yapay Zeka'nın insan aklının nasıl çalıştığını gösteren bir kuramolduğu da söylenebilir. · Yapay Zeka'nın amacı ; o Makinaları daha akıllı hale getirmek , o Zekanın ne olduğunu anlamak , o Makinaları daha faydalı hâle getirmektir. · Zekanın işaretleri şu davranışlardır : o Tecrübelerden öğrenme ve anlama o Karışık ve zıt mesajlardan anlam çıkarma o Yeni bir duruma başarılı ve çabuk bir şekilde cevap verebilme o Problemlerin çözümünde muhakeme yeteneğini kullanma o Bilgiyi anlama ve kullanma o Alışık olunmayan , şaşırtıcı durumlarla başedebilme o Düşünme ve muhakeme etme · . Programcılığa yeni başlayanlar tarafından yazılan Pascalprogramlarındaki yazımsal olmayan hataları bulmak üzere tasarlanan,bilgi tabanlı bir sistemdir[8]. Her çeşit hatayı bulur. Buna ek olarak,hataların nasıl ortadan kaldırılacağını belirler. PROUST,sentezle-analiz yaklaşımını kullanarak programları analiz eder; dahaönce belirlenmiş olan program gereksinimlerini, söz konusugereksinimleri yerine getirebilecek metotları bulmak için inceler. Dahasonra sistem, mümkün olan her metodu programcının metoduylakarşılaştırır ve böylece de programcılık bilgisine gereksinim gösterir. PROUST, bir ZÖS olarak, bir hayli başarılıydı ve tecrübesizprogramcılarca yazılmış olan kod içerisindeki pek çok hatayı bulmayıbecermiştir. PROUST üzerine kurulabilecek diğer bir mantıklı adım da,sadece öğrencinin hatalarını düzelten değil de, aynı zamanda gereksinimduyulduğunda öğrenciye pratik kazandırmak için gerekli örneklerisağlayabilecek bir otomatikleştirilmiş programlama kursu olmasıdır. WEST: Öğrencilere “How the West was won?” (“Batı nasıl kazanıldı?”) adıverilen, bir oyun oynatılarak öğretimin gerçekleştirilmesini amaçlayanbir çalıştırıcı programın ilk örneklerinden biridir [4] [6]. Oyun, herbir oyuncu tarafından üç anahtar sayı üzerinde dört işlemdenyararlanılarak değişiklik yapılmasına dayanmaktaydı. WEST, ZÖS’ninfarklı modüllerinin çok farklı sistemlerde kullanılabileceğini mükemmelbir şekilde vurgulayan bir programdı. Bu yüzden, WEST ortaya koyduğuresmi olmayan öğretim atmosferine bağlı olarak bir öğreticiden çok bir“çalıştırıcı” olarak adlandırılmaktadır. Tartışma Klasik bilgisayar destekli öğretim, öğretim araç gereçleri içerisinebilgisayarı dahil etmeyi öngörürken, ZÖS’nden yararlanılarak hazırlananeğitim programlarıyla öğreticinin yanında bilgisayar bir destek elemanıolarak bulunabilmekte, hatta öğreticinin bulunmadığı ortamlardaöğreticinin kısmen yerini alabilmektedir. Bu görüşün en iyi uygulamasıancak uzman sistemlerin yeterince geliştirilmesiyle ortaya çıkmaktadır. ZÖS’nin eğitimde uygulama alanları şu şekilde karşımıza çıkmaktadır: Bireye özgün öğretim ortamı sağlanabilmesiyle, Genel alıştırma, uygulamalarla, Öğrenci kontrolü istenildiğinde, İstatistiksel veriler talep edildiğinde, Simülasyonlarla ekonomi sağlanması arzulandığında, Öğretim programına ilgi çekilmesinin sağlanması için oyunlarla, Hayal gücünün ve yaratıcılığın geliştirilmesi beklendiğinde, Problem çözümünün sembolizasyonu istendiğinde. Bu örnekler gereksinimlere bağlı olarak kolaylıkla arttırılabilir. Buradan da kolayca görüleceği üzere ZÖS’nin hayatımıza girmesiyleeğitim alanında yeni ufuklar açılabilecektir. Klasik öğretimsistemleriyle elde edilebilecek en yüksek başarı oranlarının ZÖSdevreye sokulduğunda ne şekilde artacağı daha ileri çalışmalarıgerektirmektedir. ASKARİ UYGULAMA ALANLARI Yapay zeka, halen birçok endüstriyel alanda olduğu gibi, birçok askerialanda uygulanmış ve hemen hemen bütün askeri alanlarda uygulamapotansiyeli olan bir bilim dalıdır. Yapay zekanın endüstriyel alandakibaşarılı uygulamaları, 1980'lerde gelişmiş ülkelerin savunmabakanlıklarının ve kara, deniz ve hava kuvvetlerinin büyük ilgisiniçekmeye başlamıştır. Sonraki yıllarda birçok askeri alanda yapay zekauygulama çalışmaları başlatıldı. Bu bildirimizde biz, ağırlıklı olarakbir bilim ve teknoloji alanı olarak yapay zeka, askeri uygulamaları vekompleks hava muharebesi ve harp oyunlarında kullanımını inceleyeceğiz. Askeri alanda yapay zeka uygulamalarına geçmeden önce, yapay zekakonusunda bazı özet bilgiler vermemiz yerinde olacaktır. Yapay zeka,zeki sistemlerin 1) algılama, hafıza, üşünme, öğrenme, buluş yapma,karar verme, ve eylem gibi özelliklerini inceleyen, 2) bunları formelhale getiren, ve 3) yapay sistemlere bu özellikleri kazandırmayıamaçlayan bir bilim dalıdır. - Oyunlar (dama, satranç, vs.) - Teorem ispatlama o Prolog programlama o Cebirsel Prolog programlama o Paralel Prolog derleyicileri - Doğal dil anlama ve işleme o Çeviri sistemleri o Ses tanıma ve işleme - Bilgi Tabanlı Sistemler o Uzman Sistemler o Bilgi tabanlı simülasyon o Genel Bilgi Sistemleri - Makina Öğrenmesi o Bilgi düzeyi öğrenme (çeşitli indüktif, dedüktif, analojik öğrenme metotları) o Sembol düzeyi öğrenme (GA'lar, sınıflandırıcılar) o Aygıt düzeyi öğrenme (YSA'lar) - Makina Buluşları o Bilimsel Buluşlar o Bilgi madenciliği - Robotik o Robot görmesi ve öğrenmesi o Robot timleri ve görev planlaması - Yapay Yaşam (AL) - Örüntü ve ses tanıma Zeki sistemler bu gün zeki etmenler (intelligent agents) olarak yenidentanımlanmaktadır (Russel & Norvig, 1995). Buna göre zeki etmenlerinşu temel bileşenlere sahip olması gerekmektedir: o Algılama o Düşünme o Eylem Ayrıca, bu her bir bileşenin de "zeki" diye vasıflandırılabilecekniteliklere sahip olması gerekiyor. Zeki bir etmen, algılamasınıgerçek-zamanda, seçimli, öncelikli, ve bağımsız olarak yapabilmelidir.Aynı şekilde, düşünme bileşeni de benzer özelliklere sahip olmalı,olayların gelişimine göre algılama bileşeninden gelen verilerden vekendi içinde oluşturduğu modellerden gerçek zamanda durum tesbiti vedegerlendirmesi yapabilmeli, hafıza, anlama, problem çözme, öğrenme (vehatta buluş yapabilme), planlama ve kontrol gibi özelliklere sahipolmalıdır. Eylem bileşeni de aynı şekilde zeki özelliklere sahipolmalı, ve düşünme bileşeninden gelen kararları gerçek zamandauygulayabilmelidir. Ayrıca, bu üç bileşen (algılama, düşünme, eylem)özellikle hızlı hareketi gerektiren durumlarda birbirleriyle tam biruyum içinde olmalıdır. Yapay zeka bugün, birçok alanda araştırmaların yapıldığı bir bilim veteknoloji dalı olarak ortaya çıkmış bulunmaktadır. Bu alanlardanbazıları Şekil 1'de gösterilmektedir. 2. Yapay Zekanın Askeri Uygulamaları Yapay zekanın 1970'li yılların sonuna doğru özellikle ABD'deendüstriyel alandaki başarılı uygulamaları, kısa zamanda askeriçevrelerin yoğun olarak dikkatini üzerinde toplamıştır. Gelişmişülkelerin savunma bakanlıkları ile kara, deniz ve hava kuvvetleri buyeni teknolojiden faydalanmanın yollarını araştırmaya başlamışlardır.Askeri uzmanların bu konuya ilgisi şunlardan kaynaklanmaktadır: 1) Yapay zeka teknolojilerinin akademik ve endüstriyel çevrelerdekigerçek başarısı. 2) Günümüz askeri harekatlarının gittikçe genişleyenkarmaşık yapısı ve muhtemel çatışmaların gelişme hızı. 3) Askeriuzmanların yapay zeka tekniklerinin, askeri problemlerin çözümpotansiyeli konusunda bilgilerinin artması. Bu gün, birçok askeri alanda yapay zeka uygulamaları başlatılmıştır. Bualanlardan bazıları şunlardır: Askeri araştırmalar, askeri imalat,bakım-onarım, harekat planlaması, lojistik, eğitim, istihbarat toplamave işleme, istihbarat analizi ve durum tesbiti, sensör kaynaklarınındağıtımı, kuvvet dağıtımı, kuvvet komuta ve kontrolu, güzergahplanlaması, muharebe taktikleri, otonom / yarı-otonom araçlar,aviyonik, elektronik harp, ve komuta kontrol istihbarat karşı-koyma,haberleşme, ağ kontrolu, ve enformasyon yönetimi ve ulaşımı. Marmara Araştırma Merkezi'nde yapay zeka çalışmaları, 1991 yılındakurduğumuz Yapay Zeka Bölümü'nde başlamıştır. Bu bölüm ülkemizin yapayzeka adıyla kurulan ilk bölümüydü. Burada yapılan ilk çalışmalarOsmanlıca-Kiril Optik Karakter Tanıma ve Bilimsel BuluşlarınModellendirilmesi alanında olmuştur. Bölüm, daha sonra Marmara Araştırma Merkezi adına görev aldığı, veMSB-ARGE Dairesi tarafından desteklenen uluslararası EUCLID RTP 11.3projesinde (1993-97 yılları arasında) bir yapay zeka sistemini (AISim),gerçekleştirmiştir (Kocabaş, Öztemel, Uludağ ve Koç, 1995; 1996;Kocabaş ve Öztemel, 1998) AISim, yukarıda bahsedilen türden bir zekietmen tasarımı içeren bir sistemdi. Bu program, dağıtık bir simülasyonortamında 100'den fazla senaryo elemanının yer aldığı, İngiltere veAlmanya'dan kokpit simülatörlerinden pilotların da katıldığı, ve komutakontrol istasyonunu da iceren kompleks bir hava harekatı (havabombardımanı) senaryosu içinde, kırmızı kuvvet bombardıman ucaklarınaeşlik eden (Escort) ve uzak (BVR) ve yakın (WVR) hava muharebesiözelliklerine sahip bir F16 uçağını harekat süresince başarılı birşekilde kontrol etmiştir. Sistem ayrıca 1-1 testlerde Ingiliz pilotlarakarşı hava önleme (CAP) görevini de başarı ile uygulamıştır.Geliştirdiğimiz bu yapay zeka sisteminin en önemli, ve dünyada bualanda ilk defa uygulanan özellikleri ise, gerçek zamanda durumtesbiti, ve gene gerçek zamanda davranış açıklamaları yapabilmesiydi. Bölüm 1996 yılında başlatılan ve gene MSB ARGE tarafından desteklenen10 aylık EUCLID RTP 11.7 "Uçuşta Simülasyon" (WaSiF) projesini debaşarıyla tamamlamıştır. Bu projenin nihai amacı, bir savaş uçağı (F16)üzerine monte edilebilir bir simülasyon sistemi ile muharebepilotlarının, yapay zeka tehditlerinden oluşan sanal hedeflere karşıgünlük muharebe eğitimlerini sağlamaktır. 10 aylık bu fizibiliteçalışmasında böyle bir sistemin, ayrıntılı olarak nasılgeliştirilebileceği gösterilmektedir. Bu alandaki çalışmalarımızı, gerekli imkanlar sağlandığı takdirde aşağıdaki konularda devam ettirmeyi düşünmekteyiz: o Takım veya filo harekatlarında eşgüdümlü ve birliktelik davranışı gösterebilen zeki etmenler geliştirmek, o Etmen takım ve filo davranışlarının gerçek zamanlı olarak modellendirilmesi. o Rakip etmenlerin bireysel ve takım veya filo davranışlarının modellendirilmesi. 3. Harp Oyunlarında Yapay Zeka Uygulamaları Harp oyunlarında bilgisayarca oluşturulan kuvvetlerin (CGF) eğitim veanaliz amaçlı olarak kullanılması ABD'de 1980'lerin sonlarında ciddibir şekilde ele alınmaya başlamıştır. Bundan sonraki önemli gelişme,bilgisayarlı harp oyunlarına, gene ABD'de CFOR programıylakomuta-kontrol yeteneğinin eklenmesi olmuştur (Pratt, 1996). Bilgisayarların gelişmesiyle, önceleri bazı strateji oyunlarına dayanansavaş oyunları sonunda yerini, simülatör sistemleri ve rakipkuvvetlerin (OPFOR) eklenmesiyle gelişmiş Yarı Otomatik Sistemlere(SAFOR) bıraktı. Halen en gelişmiş sistemler bu yarı otomatiksistemlerdir. Ancak, gelecek nesil bilgisayar kuvvetleri (OtonomKuvvetler) üzerine çalışmalar da başlatılmış bulunmaktadır. Mevcut bilgisayarca oluşturulan kuvvetlerin gelişmesi dört safhadaincelenebilir (Pratt, 1996). Bu safhaları şu şekilde sıralayabiliriz: Nesil Bilişim Süreci --------------------------------------------------------------------- 1 Yok 2 Hedef tesbiti ve önleme 3 Görevin kesilmesi ve başlatılması 4 Çok katmanlı Komuta Kontrol 5 Amaç seçimi ve Öğrenme --------------------------------------------------------------------- Birinci nesil CGF'lerin en bariz özelliği bunlarda bilişim sürecininbulunmamasıdır. Bu nedenle, kendileri için oluşturulmuş olan senaryodandışarı çıkamazlar. İkinci nesil sistemler ise, planlanmış faaliyetlerleçatışmayacak şekilde senaryo elemanlarına, hedef tesbiti, nişan alma,ve rakip kuvvetlerle çatışmaya girme gibi basit etkileşimli davranışlaryaptırabilme özelliğine sahiptir. Güzergahlar ve yollar kullanıcıtarafından önceden veya senaryo sırasında belirlenir ve etkileşimler deancak bunlar üzerinde olabilir. Üçüncü nesil sistemler genellikle Yarı Otomatik Kuvvetler (SAF) olarakisimlendirilir. Bu sistemler genellikle, önceden planlanmış, kural veyadurum tabanlı modüllerden oluşan görevleri uygularlar. Bunlardadavranışlar görev çerçevelerine yerleştirilir ve bu çerçeveler de ötekigörev çerçevelerine oturtulur. Ana amaçlar böylece bir görevhiyerarşisinden meydana gelir. Bu organizasyon, karmaşık görev vedavranışların oluşturulmasını kolaylaştırmaktadır. Dördüncü nesil sistemler ise bu gelişmiş üçüncü nesil sistemlerüzerinde komuta kontrol (C2) süreçlerine sahip sistemlerdir. Görünüştebasit sanılan bu görev, savaş alanının en zor görevlerinden biridir.Ancak bu sistemlerin çoğunda sadece komutanın görevi temsiledilmektedir. Dördüncü nesil CGF'lere örnek DARPA'nın Komuta Kuvvetleri(CFOR) programıdır. CFOR, C2 süreçlerini, komuta kademesinin bir dizidavranış ve etkileşimi şeklinde temsil eder. Dağıtık EtkileşimliBenzetim (DIS) ortamları dördüncü nesil sistemleri bireyler vebirlikler düzeyinde temsil edebilmektedir, fakat mevcut durumda bunlartaburdan daha yukarı kuvvetlerin temsilinde yetersiz kalmaktadır.Ordular düzeyinde durum bunun tam tersidir. Üst düzey birimler başarılıbir şekilde temsil edilebilmekte, ancak aynı sistem içinde daha altbirimlere ve senaryo elemanlarına doğru gidildiğinde sorunlar ortayaçıkmaktadır. Bir CGF sisteminin gerçek değeri, bunun temsil ettiği davranışlarıntümü ile ölçülmektedir. Davranışların modellendirilmesi ise en zorişlerden biridir. Bunu kolaylaştırmak için davranış süreçlerinin vemodellerinin kodlanmasını standartlaştırmak gerekmektedir. Ortak veuyumlu bir dil geliştirme, gelecek nesil CGF sistemlerinde davranışmodellendirilmesi konusunda karşılaşılacak sorunların bir kısmına çözümgetirebilecektir. 3.1 Gelecek Nesil CGF Sistemleri Gelecek nesil CGF'lerin şu özellikleri sağlaması gerekli görülmektedir: o Savaşan birey ve birimlerle doğrudan etkileşim sağlayabilme, o Komuta, Kontrol, Haberleşme, Bilgisayar ve İstihbarat (C4I) sistemleri tarafından kontrol edilebilme, o Doğrudan haberleşmeyi sağlamak için doğal dil anlama ve işleme özelliğine sahip olma, o Brifing bilgilerini ve taslak çalışmalarını anlayabilme, o Güçlü bir bilgisayar ağına ve bunu kullanacak bilgisayar teknolojisine sahip olma, o Katmanlı bir yapıya sahip olmak ve böylece istenilen düzeyde kuvvetleri yeterli ve gerekli ayrıntıda temsil edebilme, o Amaç ve görev seçimi ve görev planlaması yapabilme (mesela dışarıdan"Şu tepeyi ele geçir," durumu verildiğinde, bunu yapmaya girişmedenönce daha geniş çerçevede o tepeyi ele geçirmenin kazanç ve kayıplarınıhesaplayabilmek. Savaş alanındaki bir komutanın da eğitimi gereğiyaptığı iş, harekatın genel amacı çerçevesinde birliğinin hedeflerinitesbit etmektir.) o Amaç tesbit edildiğinde bunu gerçekleştirmek için görevinplanlanması. (Burada da dost, düşman ve tarafsız kuvvetlerin muhtemelkayıpları, ele geçirilecek alanlar, gereken ve elde bulunan teçhizat,ileri harekat ihtimalleri, v.s. hepsi göz önünde bulundurulmalıdır.Gelecek nesil CGF sistemleri bu tür tesbitleri yapabilmelidir. ) o Değişen duruma göre, amacın yeniden planlanabilmesi. (Mevcut üçüncü nesil sistemlerde bu özellik bulunmamaktadır.) o Öğrenme özelliğine sahip olma. (Mevcut sistemlerde eğitim sadeceinsana yönelik olmaktadır. Halbuki, CGF sisteminin kendisinin detatbikatlardan öğrenebilmesi ve defalarca çalıştırılan senaryolardaaynı yanlışlıkları tekrar etmemesi gerekli görülmektedir.) YAPAY ZEKA NEDİR? Teknolojinin gelişmesine paralel olarak sık sık duymaya başladığımız "Yapay Zeka" nedir ? · Yapay Zeka , insan tarafından yapıldığında zeka olarak adlandırılandavranışların (akıllı davranışların) makina tarafından da yapılmasıdır.Yapay Zeka'nın insan aklının nasıl çalıştığını gösteren bir kuramolduğu da söylenebilir. · Yapay Zeka'nın amacı ; o Makinaları daha akıllı hale getirmek , o Zekanın ne olduğunu anlamak , o Makinaları daha faydalı hâle getirmektir. · Zekanın işaretleri şu davranışlardır : o Tecrübelerden öğrenme ve anlama o Karışık ve zıt mesajlardan anlam çıkarma o Yeni bir duruma başarılı ve çabuk bir şekilde cevap verebilme o Problemlerin çözümünde muhakeme yeteneğini kullanma o Bilgiyi anlama ve kullanma o Alışık olunmayan , şaşırtıcı durumlarla başedebilme o Düşünme ve muhakeme etme TARİHÇE o Binlerce yıl önce insanlığın zor anlaşılır bir düşüncesi vardı ;insan vücudu dışında bir zeka yaratmak ! Bu konuda eski Yunanmitolojisinde de örnekler bulunur. Rüzgarın yaratıcısı Daedelus'un biryapay insan yaratmaya teşebbüs etmesi gibi... o 1884 yılında , Charles Babbage adlı bilim adamı , zeki davranışlargöstermesini istediği bir takım makinalar üzerinde deneyler yapmaktaydı. o 1950 yılında , Shannon adlı bilim adamı , bilgisayarların satranç oynayabileceğini önesürdü. o Dartmouth Koleji tarafından düzenlenen konferansta Yapay Zeka adı ilkkez önerildi. Ve bu konferansın katılımcıları Yapay Zeka'nın öncülerikabul edildi. Bu kişiler arasında , Marvin Minsky (MIT'te YZlaboratuvarının kurucusu) , Claude Shannon , Nathaniel Rochester (IBM), Allen Newell (Amerikan YZ derneği ilk başkanı) ve Nobel ödüllüHerbert Simon sayılabilir. o 1965/1970 yıllarında çok az gelişim olduğundan , karanlık dönemdir. o 1970/1975 yılları , önüne geçilemeyecek gelişmelerin başlangıcıdır.Rönesans dönemidir. YZ uzmanları özellikle hastalık teşhisi gibisistemleri geliştirdiler. o 1975/1980 yılları ortaklık dönemidir. YZ araştırmacıları , dil vepsikoloji gibi diğer bilimlerden faydalanabileceklerini gördüler. · YZ için geliştirilen temel program , John McCarthy tarafından 1957'degeliştirilen LISP programıdır. Bu program Basic , Fortran , Cobol vePascal gibi programların aksine , cümle , kural , isim gibi diğerayrıntılı konularla da ilgilidir. LISP kullanıcıları için esas teçhizatLISP makinası veya sembolik işlemci diye adlandırılan düzenektir. Busembolik işlemci , bir çeşit bilgisayar sistemi ve YZ programlarınıngeliştirilmesi ve uygulanmasını etkili ve verimli şekilde desteklemekiçin dizayn edilmiş mantıksal bir sistemdir. · YZ , robotik sistemlerin entegre bir parçası olmaktadır. Gelişim Süreci Yapay zeka konusundaki ilk çalışma McCulloch ve Pitts tarafındanyapılmıştır. Bu araştırmacıların önerdiği, yapay sinir hücrelerinikullanan hesaplama modeli, önermeler mantığı, fizyoloji ve Turing’inhesaplama kuramına dayanıyordu. Her hangi bir hesaplanabilirfonksiyonun sinir hücrelerinden oluşan ağlarla hesaplanabileceğini vemantıksal “ve” ve “veya” işlemlerinin gerçekleştirilebileceğinigösterdiler. Bu ağ yapılarının uygun şekilde tanımlanmaları halindeöğrenme becerisi kazanabileceğini de ileri sürdüler. Hebb, sinirhücreleri arasındaki bağlantıların şiddetlerini değiştirmek için basitbir kural önerince, öğrenebilen yapay sinir ağlarını gerçekleştirmek deolası hale gelmiştir. 1950’lerde Shannon ve Turing bilgisayarlar için satranç programlarıyazıyorlardı. İlk yapay sinir ağı temelli bilgisayar SNARC, MIT’deMinsky ve Edmonds tarafından 1951’de yapıldı. Çalışmalarını PrincetonÜniversitesi’nde sürdüren Mc Carthy, Minsky, Shannon ve Rochester’lebirlikte 1956 yılında Dartmouth’da iki aylık bir workshop düzenledi. Butoplantıda bir çok çalışmanın temelleri atılmakla birlikte, toplantınınen önemli özelliği Mc Carthy tarafından önerilen Yapay zeka adınınkonmasıdır. İlk kuram ispatlayan programlardan Logic Theorist (Mantıkkuramcısı) burada Newell ve Simon tarafından tanıtılmıştır. Daha sonra Newell ve Simon, “insan gibi düşünme” yaklaşımına göreüretilmiş ilk program olan General Problem Solver (Genel sorun çözücü)‘ı geliştirmişlerdir. Simon, daha sonra fiziksel simge varsayımınıortaya atmış ve bu kuram, insandan bağımsız zeki sistemler yapmaçalışmalarıyla uğraşanların hareket noktasını oluşturmuştur. Bundan sonraki yıllarda mantık temelli çalışmalar egemen olmuş veprogramların başarımlarını göstermek için bir takım yapay sorunlar vedünyalar kullanılmıştır. Daha sonraları bu sorunlar gerçek yaşamıhiçbir şekilde temsil etmeyen oyuncak dünyalar olmakla suçlanmış veyapay zekanın yalnızca bu alanlarda başarılı olabileceği ve gerçekyaşamdaki sorunların çözümüne ölçeklenemeyeceği ileri sürülmüştür. Geliştirilen programların gerçek sorunlarla karşılaşıldığında çok kötübir başarım göstermesinin ardındaki temel neden, bu programlarınyalnızca sentaktik bir şekilde çalışıp konu ile ilgili bilgilerikullanmamasıydı. Bu dönemin en ünlü programlarından Weizenbaumtarafından geliştirilen Eliza, karşısındaki ile sohbet edebiliyor gibigörünmesine karşın, yalnızca karşısındaki insanın cümleleri üzerindebazı işlemler yapıyordu. İlk makine çevirisi çalışmaları sırasındabenzeri yaklaşımlar kullanılıp çok gülünç çevirilerle karşılaşılınca buçalışmaların desteklenmesi durdurulmuştur. Zeki davranışı üretmek için bu çalışmalarda kullanılan temelyapılardaki bazı önemli yetersizliklerin de ortaya konmasıyla bir çokaraştırmacılar çalışmalarını durdurdular. Buna en temel örnek, sinirağları konusundaki çalışmaların Minsky ve Papert’in 1969’da yayınlananPerceptrons adlı kitaplarında tek katmanlı algaçların bazı basitproblemleri çözemeyeceğini gösterip aynı kısırlığın çok katmanlıalgaçlarda da beklenilmesi gerektiğini söylemeleri ile bıçakla kesilmişgibi durmasıdır. Her sorunu çözecek genel amaçlı program yerine belirli bir uzmanlıkalanındaki bilgiyle donatılmış programlar kullanma fikri yapay zekaalanında yeniden bir canlanmaya yol açtı. Kısa sürede uzman sistemleradı verilen bir metodoloji gelişti. Fakat burada çok sık rastlanantipik bir durum, bir otomobilin tamiri için önerilerde bulunan uzmansistem programının otomobilin ne işe yaradığından haberi olmamasıydı. İnsanların iletişimde kullandıkları Türkçe, İngilizce gibi doğaldilleri anlayan bilgisayarlar konusundaki çalışmalar bu sıralardahızlanmaya başladı. Doğal dil anlayan programların dünya hakkında genelbilgiye sahip olması ve bu bilgiyi kullanabilmek için genel birmetodolojisi olması gerektiği belirtilmekteydi. Uzman dizgelerin başarıları beraberinde ilk ticari uygulamaları dagetirdi. Yapay zeka yavaş yavaş bir endüstri haline geliyordu. DECtarafından kullanılan ve müşteri siparişlerine göre donanım seçimiyapan R1 adlı uzman sistem şirkete bir yılda 40 milyon dolarlıktasarruf sağlamıştı. Birden diğer ülkelerde yapay zekayı yenidenkeşfettiler ve araştırmalara büyük kaynaklar ayrılmaya başlandı.1988’de yapay zeka endüstrisinin cirosu 2 milyar dolara ulaşmıştı. Bütün bu çalışmaların sonunda yapay zeka araştırmacıları iki gurubaayrıldılar. Bir gurup insan gibi düşünen sistemler yapmak içinçalışırken, diğer gurup ise rasyonel karar verebilen sistemler üretmeyiamaçlamaktaydı. Aşağıda bu yaklaşımları kısaca inceleyeceğiz. İnsan gibi düşünen sistemler İnsan gibi düşünen bir program üretmek için insanların nasıldüşündüğünü saptamak gerekir. Bu da psikolojik deneylerle yapılabilir.Yeterli sayıda deney yapıldıktan sonra elde edilen bilgilerle bir kuramoluşturulabilir. Daha sonra bu kurama dayanarak bilgisayar programıüretilebilir. Eğer programın giriş/çıkış ve zamanlama davranışıinsanlarınkine eşse programın düzeneklerinden bazılarının insanbeyninde de mevcut olabileceği söylenebilir. İnsan gibi düşünen sistemler üretmek bilişsel bilimin araştırma alanınagirmektedir. Bu çalışmalarda asıl amaç genellikle insanın düşünmesüreçlerini çözümlemede bilgisayar modellerini bir araç olarakkullanmaktır. İnsan gibi davranan sistemler Yapay zeka araştırmacılarının baştan beri ulaşmak istediği ideal, insangibi davranan sistemler üretmektir. Turing zeki davranışı, birsorgulayıcıyı kandıracak kadar bütün bilişsel görevlerde insandüzeyinde başarım göstermek olarak tanımlamıştır. Bunu ölçmek için deTuring testi olarak bilinen bir test önermiştir. Turing testinde denek,sorgulayıcıyla bir terminal aracılığıyla haberleşir. Eğer sorgulayıcı,deneğin insan mı yoksa bir bilgisayar mı olduğunu anlayamazsa denekTuring testini geçmiş sayılır. Turing, testini tanımlarken zeka için bir insanın fiziksel benzetiminingereksiz olduğunu düşündüğü için sorgulayıcıyla bilgisayar arasındadoğrudan fiziksel temastan söz etmekten kaçınmıştır. Buradavurgulanması gereken nokta, bilgisayarda zeki davranışı üreten sürecininsan beynindeki süreçlerin modellenmesiyle elde edilebileceği gibitamamen başka prensiplerden de hareket edilerek üretilmesinin olasıolmasıdır. Rasyonel düşünen sistemler Bu sistemlerin temelinde mantık yer alır. Burada amaç çözülmesi istenensorunu mantıksal bir gösterimle betimledikten sonra çıkarım kurallarınıkullanarak çözümünü bulmaktır. Yapay zeka’da çok önemli bir yer tutanmantıkçı gelenek zeki sistemler üretmek için bu çeşit programlarüretmeyi amaçlamaktadır. Bu yaklaşımı kullanarak gerçek sorunları çözmeye çalışınca iki önemliengel karşımıza çıkmaktadır. Mantık, formel bir dil kullanır. Gündelikyaşamdan kaynaklanan, çoğu kez de belirsizlik içeren bilgileri mantığınişleyebileceği bu dille göstermek hiç de kolay değildir. Bir başkagüçlük de en ufak sorunların dışındaki sorunları çözerken kullanılmasıgerekecek bilgisayar kaynaklarının üstel olarak artmasıdır. Rasyonel davranan sistemler Amaçlara ulaşmak için inançlarına uygun davranan sistemlere rasyoneldenir. Bir ajan algılayan ve harekette bulunan bir şeydir. Buyaklaşımda yapay zeka, rasyonel ajanların incelenmesi ve oluşturulmasıolarak tanımlanmaktadır. Rasyonel bir ajan olmak için gereklikoşullardan biri de doğru çıkarımlar yapabilmek ve bu çıkarımlarınsonuçlarına göre harekete geçmektir. Ancak, yalnızca doğru çıkarımyapabilmek yeterli değildir. Çünkü bazı durumlarda doğruluğuispatlanmış bir çözüm olmadığı halde gene de bir şey yapmakgerekebilir. Bunun yanında çıkarımdan kaynaklanmayan bazı rasyoneldavranışlar da vardır. Örneğin, sıcak bir şeye değince insanın eliniçekmesi bir refleks harekettir ve uzun düşünce süreçlerine girmedenyapılır. Bu yüzden yapay zekayı rasyonel ajan tasarımı olarak görenaraştırmacılar, iki avantaj öne sürerler. Birincisi “düşünce yasaları”yaklaşımından daha genel olması, ikincisi ise bilimsel geliştirmeyöntemlerinin uygulanmasına daha uygun olmasıdır. Şimdi ise farklı disiplinler açısından yapay zeka yaklaşımları anlatılacaktır. Yapay Zekaya Farklı Yaklaşımlar Matematiksel Yaklaşım Kaos teorisinin beynin üst düzey fonksiyonlarının modellenmesindeönemli bir rol oynayacağı düşünülmektedir. İnsan beyni gibi birfonksiyon üstlenmesine çalışılan bir sistemin tasarlanmasındaki çabalariçin, kuşkusuz kaos teorisi çok önemli bir yer tutmaktadır. Çünkütasarılar ortaya konulacak modelleri temel almaktadır. Kaos teorisi, sayısal bilgisayarların ve onların çıktılarını çok kolaygörülebilir hale getiren ekranların ortaya çıkmasıyla gelişti ve son onyıl içinde popülerlik kazandı. Ancak kaotik davranış gösterensistemlerde kestirim yapmanın imkansızlığı bu popüler görüntüylebirleşince, bilim adamları konuya oldukça kuşkucu bir gözle bakmayabaşladılar. Fakat son yıllarda kaos teorisinin ve onun bir uzantısıolan fraktal geometrinin, borsadan meteorolojiye, iletişimden tıbba,kimyadan mekaniğe kadar uzanan çok farklı dallarda önemli kullanımalanları bulması ile bu kuşkular giderek yok olmaktadır. Teoriye temel oluşturan matematiksel ve temel bilimsel bulgular,18.yüzyıla, hatta bazı gözlemler antik çağlara kadar geri gidiyor.Yunan ve Çin mitolojilerinde yaradılış efsanelerinde başlangıçta birkaosun olması rastlantı değil. Özellikle Çin mitolojisindeki kaosun,bugün bilimsel dilde tanımladığımız olgularla hayret verici birbenzerliği olduğunu görüyoruz. Batı’da da daha sonraki dönemlerde bilimadamları tarafından karmaşık olgulara dair gözlemler yapılmıştır.Poincare, Weierstraas, von Koch, Cantor, Peano, Hausdorff, Besikoviçgibi çok üst düzey matematikçiler tarafından bu teorinin temelkavramları oluşturulmuştur. Karmaşık sistem teorisinin ardında yatan yaklaşımı felsefe, özelliklede bilim felsefesi açısından inceleyecek olursak, ortaya ilginç birolgu çıkıyor. Aslında bugün pozitif bilim olarak nitelendirdiğimiz şey,batı uygarlığının ve düşünüş biçiminin bir ürünüdür. Bu yaklaşımın enbelirgin özelliği, analitik oluşu yani parçadan tüme yönelmesi(tümevarım). Genelde karmaşık problemleri çözmede kullanılan ve bazen çok iyisonuçlar veren bu yöntem gereğince, önce problem parçalanıyor ve ortayaçıkan daha basit alt problemler inceleniyor. Sonra, bu alt problemlerinçözümleri birleştirilerek, tüm problemin çözümü oluşturuluyor. Ancak buyaklaşım görmezden gelerek ihmal ettiği parçalar arasındakiilişkilerdir. Böyle bir sistem parçalandığında, bu ilişkiler yok oluyorve parçaların tek tek çözümlerinin toplamı, asıl sistemin davranışınıvermekten çok uzak olabiliyor. Tümevarım yaklaşımının tam tersi ise tümevarım, yani bütüne bakarakdaha alt olgular hakkında çıkarsamalar yapmak. Genel anlamda tümevarımıBatı düşüncesinin, tümdengelimi Doğu düşüncesinin ürünü olaraknitelendirmek mümkündür. Kaos yada karmaşıklık teorisi ise, bu anlamdabir doğu-Batı sentezi olarak görülebilir. Çok yakın zamana kadarpozitif bilimlerin ilgilendiği alanlar doğrusallığın geçerli olduğu,daha doğrusu çok büyük hatalara yol açmadan varsayılabildiğialanlardır. Doğrusal bir sistemin girdisini x, çıktısını da y kabuledersek, x ile y arasında doğrusal sistemlere özgü şu ilişkilerolacaktır: Eğer x1’e karşılık y1, x2’ye karşılık y2 elde ediyorsak, girdi olarak x1+x2 verdiğimizde, çıktı olarak y1+y2 elde ederiz. Bu özellikleri sağlayan sistemlere verilen karmaşık bir girdiyiparçalara ayırıp her birine karşılık gelen çıktıyı bulabilir, sonra buçıktıların hepsini toplayarak karmaşık girdinin yanıtını eldeedebiliriz. Ayrıca, doğrusal bir sistemin girdisini ölçerkenyapacağımız ufak bir hata, çıktının hesabında da başlangıçtaki ölçümhatasına orantılı bir hata verecektir. Halbuki doğrusal olmayan birsistemde y’yi kestirmeye çalıştığımızda ortaya çıkacak hata, x’inölçümündeki ufak hata ile orantılı olmayacak, çok daha ciddi sapma veyanılmalara yol açacaktır. İşte bu özelliklerinden dolayı doğrusalolmayan sistemler kaotik davranma potansiyelini içlerinde taşırlar. Kaos görüşünün getirdiği en önemli değişikliklerden biri ise,kestirilemez determinizmdir. Sistemin yapısını ne kadar iyi modellersekmodelleyelim, bir hata bile (Heisenberg belirsizlik kuralına göre çokufak da olsa, mutlaka bir hata olacaktır), yapacağımız kestirmedetamamen yanlış sonuçlara yol açacaktır. Buna başlangıç koşullarınaduyarlılık adı verilir ve bu özellikten dolayı sistem tamamen nedenselolarak çalıştığı halde uzun vadeli doğru bir kestirim mümkün olmaz.Bugünkü değerleri ne kadar iyi ölçersek ölçelim, 30 gün sonra saat12’de hava sıcaklığının ne olacağını kestiremeyiz. Kaos konusunda bu uzun girişten sonra konunun beyinle ilişkisinegelelim. Beynin fizik yapısı ve görünüşü fraktaldır. Bu yapı, beyningerek evrimsel, gerekse canlının yaşamı sürecindeki gelişimin ürünüdürki, bu gelişimin deterministik (genlerle belirli), ancak çevre vebaşlangıç koşullarına son derece duyarlı, yani kaotik olduğu açıktır.Beynin yalnızca oluşumu değil, çalışma biçimi de kaotiktir. Beynioluşturan inanılmaz boyuttaki nöron ağının içinde bilgi akışı kaotikbir şekilde gerçekleşir. Kaotik davranışın tarama özelliği ve bunungetirdiği uyarlanırlık (adaptivite) sayesinde, beyin çok farklıdurumlara uyum sağlar, çok farklı problemlere çözüm getirebilir, çokfarklı fonksiyonları gerçekleştirir. EEG sinyalleri üzerine yapılan araştırmalar göstermiştir ki, sağlıklıbir insanın sinyalleri kaotik bir davranış gösterirken, epilepsikrizine girmiş bir hastanın sinyalleri çok daha düzenli, periyodik birdavranış sergilemektedir. Yani epilepsi krizindeki hastanın beyni,kendini tekrarlayan bir davranışa takılmış ve kaotik (yani sağlıklı)durumda sahip olduğu adaptivite özelliğini yitirmiştir. Bunun sonucuhasta, kriz sırasında en basit fonksiyonlarını bile yerine getiremezolur. Kaos bilimini ortaya çıkaran, karmaşık olguları basit parçalara ayırmakyerine onları bir bütün olarak görme eğilimi, beyni inceleyen bilimadamlarının da yaklaşımını belirlemiştir. Eskiden beyin farklıfonksiyonlardan sorumlu merkezler şeklinde modellenirken, artıkholistik (bütünsel) beyin modeli geçerlilik kazanmıştır. Bu modele göreherhangi bir işlev gerçekleştirilirken, beynin tümü bu olguyakatılmaktadır. Önümüzdeki yıllarda beynin yalnız alt düzey fizyolojik işleyişinindeğil, öğrenme, hatırlama, fikir yürütme gibi üst düzey işlevlerinin demodellenmesinde kaosun çok önemli bir rol oynayacağı görülmektedir. Fiziksel Yaklaşım Tüm vücut fonksiyonları en temelde fiziğe dayanır. Fakat burada fiziğinoynadığı rol nedir? Bu, “taşı bıraktım yere düştü” tarzında bir fizikdeğildir. Böyle olsaydı beyin bugüne kadar çok kolay çözülürdü, hattaDescartes bile belki çözmüş olurdu. Söz konusu olan, son yetmiş yıliçinde fizikçilerin kullanmakta olduğu ve doğayı matematiksel bir yapıçerçevesinde anlayıp anlatabilme yöntemi olan kuantum mekaniğininözellikleri ile durumu bağdaştırabilmektir. Bir masa üzerinde durannesneyi yerçekimi çeker ama masa buna karşı gelir. Dolayısıyla nesneüzerine uygulanan toplam kuvvet sıfırdır. Üzerindeki koşullar böyledevam ettiği sürece, istediği gibi hareket edebilir. Yani birazdokunulsa ve sürtünme olmasa nesne teorik olarak sonsuza kadar hareketedecek. Oysa kuantum mekaniğine göre serbest parçacık olarakalgıladığımız bir nesne, yani üzerinde hiçbir dış etki olmayan nesne,her yerde olabilir. Ama doğanın bunun üzerinde etkili olan sayısalözellikleri, ancak; atomlar ve atomaltı nesneler düzeyinde kendinigösterebiliyor. Cisimlerin boyutları büyüdükçe bu etkiler bazıkarmaşıklıkların arasında yok oluyor, o zaman bu nesnelerde koyduğumuzyerde duruyorlar. Fakat bir elektronu siz şuraya koydum diyemiyorsunuz;üzerinde hiçbir kuvvet olmayan bir elektron, evrende herhangi bir yerdebulunabiliyor. Bunu gördüm, buldum dediğiniz anda, o herhangi yerlerdenbir tanesi gerçekleşmiş oluyor. Tüm diğer yerlerin serbest birelektronun yeri olarak ortaya çıkma olasılığı aynı, eşit. Birelektronun bir atom içinde sahip olabileceği fiziksel durumlar enerji,momentum, açısal momentum gibi fiziksel parametrelerle belirleniyor.Kuantum mekaniği bu değerlerin belli nitelikler taşımasınıgerektiriyor. Sistemin bu değerlerle belirlenen fiziksel durumlarınhangisinde bulunduğunu, ölçme yapmadan bilemiyoruz. Elektronun neredeolduğunu ya da ölçtüğümüzde, ölçmeden önce –diyelim ki milyardabirsaniye önce- orada olduğundan bile emin değiliz. Kuantum mekaniğininhesaplayabilirliği bu kadar. Evet, kuantum mekaniğinde bir hesaplanamazlık var. Zihinfonksiyonlarında da bir hesaplanamazlık var. Beyin demiyoruz, çünkübunun fonksiyonlarının bir kısmı, organları denetleyen istemsiz kısmıbelki daha kolay anlaşılıyor. Ama burada söz konusu olan, kollara vebacaklara emir verme, karar verme mekanizması. Bu nasıl fizikleaçıklanabilecek? İşte zorluk burada ve kuantum mekaniği burada devreyegiriyor. Zihin bir çok şeyi algılıyor, bunları bir şekilde biriktirip,belleğe yerleştiriyor. Fakat önemli olan karar verme aşamasındabirikmiş verilerin tümünden daha fazla bir toplam olup olmadığısorusudur. Zihin konuşmamıza komutları nasıl veriyor? Herkesin beyninde her ankafasından geçen düşüncelerle bir çok belki milyonlarca kararveriliyor, bu nasıl oluyor? İşte tüm bu verilerin, beyne girmiş olanbilgi kırıntılarının oluşturduğu fiziksel durumlar ve bunların sayıylaifade etmekte zorlanacağımız kombinezonlarından her biri bir kuantummekaniksel durumun bir bileşeni gibi görülebilir. Kuantum mekanikseldurum bileşenleri demekle, serbest bir elektronun uzayın herhangi birnoktasında bulunmasını kastediyoruz. Bu bulunuş bir fiziksel durumdur.Hepsi varit bu elektron için, fakat biz elektronu yakaladığımız yaniölçtüğümüz anda diyoruz ki elektron burada; bu durumlardan bir tanesiortaya çıktı. Bunu dışarıdan müdahale ederek yapıyoruz. Beyin ise zihinfonksiyonları sırasında bu müdahaleyi nasıl yapıyor? Penrose, zihninçalışma mekanizması ile bir kuantum mekaniksel sistemin özellikleriarasında analoji kurma imkanı olduğunu söylemektedir. Burada hesaplanamazlık, yani bir algoritmaya indirgenemezlik konusu entemel bir hususu oluşturuyor. Bu iki sistemden bir tanesindehesaplanamazlık olmadığı gösterilebilirse bütün bu söylenenler ortadankalkmış olacak. Aslında hesaplanamazlık, bir algoritmayaindirgenemezlik matematikte bilinmeyen bir şey değildir. Mesela biryüzeyi çinilerle kaplayacaksınız, biçimleri ne olsun ki yüzey aradahiçbir boşluk kalmadan kaplanabilsin. Matematikçiler, bir yüzeyin hangişekilde çinilerle periyo |
||