Asilzadelere danışmanlık yaparak hayatını kazanırken “hobi olarak” da bilim ve mühendislikle uğraşan Leibniz, 25 yaşına geldiğinde dört aritmetik işlemin dördünü de yapabilecek bir makine geliştirmek için kolları sıvadı. “En basit kişinin bile makine kullanarak kesinlikle yapabileceği hesaplar için mükemmel insanların saatlerce köleler gibi uğraşmasına değmez!” diyordu. 1673’te diplomatik bir görev için gittiği İngiltere’de makinesini Londra’daki Kraliyet Akademisi’ne sundu. Bu başarısı Akademi üyeliğine kabul edilmesini sağladı.

Günümüz insanına sadece dört işlemi yapmakta kullanılabilen, üstelik çalıştırmak için bir kolu döndürmeniz gereken bir alet etkileyici gelmeyebilir, ama 17. yüzyıl için bu bir yapay zekâ başarısıydı. (Avrupalı soyluların para hesaplarını yaptırmak için aritmetik bilen okumuş gençleri istihdam ettikleri çağlardan söz ediyoruz.) Leibniz buluşunun uzun vadedeki sonuçlarını düşündü: Bu müthiş bilişsel iş makinelere yaptırılabildiğine göre neden diğerleri de yaptırılamasın? Nihayetinde insanların akıl yürütürken yaptıkları da bir tür hesap değil miydi?

“Muhakemelerimizi düzeltmenin tek yolu, onları matematikçilerinkiler kadar elle tutulur hale getirmektir, öyle ki hatamızı bir bakışta bulabilelim ve kişiler arasında anlaşmazlıklar olduğunda hemencecik ‘Hesaplayalım, kimin haklı olduğunu görelim’ diyebilelim.”

Yapay zekânın dedesi Leibniz’in bu “robot yargıç” düşünü kurmasından iki yüz yılı aşkın bir süre geçtikten sonra yapay zekânın babası Alan Turing’in başı insan yargıçlarla derde girdi.

Leibniz'in hesap makinasının güncel bir kopyası (Hannover, Almanya, Hannes Grobe, CC BY 3.0)

Turing eşcinseldi, ve bu o çağda İngiltere’de suçtu. Evinde gerçekleşen bir hırsızlıktan ötürü şikayette bulunduğu polis komiseri, olayın detaylarını araştırırken Turing’in bir erkekle olduğunu anladı. Yalanı sevmeyen birisi olan Turing, soru kendisine sorulduğunda inkâra çalışmadı. (Benedict Cumberbatch’in başrolde oynadığı sinema filminde resmedilenin aksine, bu sorgu sırasında 2. Dünya Savaşı sırasında Alman Enigma şifresini kırarak ülkesini nasıl kurtardığına ilişkin tek kelime etmedi.) Mahkeme kendisine hapis cezası ile hormon “tedavi”si denilen bir tür işkence arasında seçenek sununca özgürlüğü seçti.

7 Haziran 1954’te, daha 41 yaşındaki Turing yatağında ölü bulundu. Ölüm nedeni siyanür zehirlenmesiydi. Genel kanı, hormon işkencesinin vücudunda yarattığı değişimin tetiklediği bir bunalım sonucu intihar ettiği yolundadır. Ama farklı düşünceler de vardır: Örneğin annesi, yanında siyanüre bulanmış ve ısırılmış bir elmayla ölü bulunan Turing’in kimya deneylerinden sonra ortalığı toparlayıp temizleme huyu olmaması yüzünden kaza sonucu öldüğüne inanıyordu. (Tam da annesi böyle düşünsün diye bu mizanseni hazırlamış olabileceğini söyleyenler de vardır.)

Bana sorarsanız 20. yüzyılın en büyük bilim insanı olan Turing, savaştan önce, daha ortada elektronik bilgisayarlar yokken, yapay zekânın temel sorusunun kesin cevabını bulmuştu: İnsanların yapabilip makinelerin yapamayacağı hiçbir şey yoktur. Bu bilgisayarların “evrensellik” özelliğinin, yani bir kural dizisine göre çalışan her sistemi (insanlar da fiziksel sistemler olarak bu kapsama giriyor) “taklit edebilme” yeteneğinin bir sonucudur. Turing’in 1950’de önerdiği ve bilgisayarların insan bir sorgucuyu kandırabilecek düzeyde insan taklidi yapmalarını öngören “Turing testi” senaryosu, halen yapay zekâ sistemlerinin önündeki temel hedef olarak değerlendirilir.

Turing’den bu yana yapay zekâ çalışmaları birbirine rakip gibi görünen iki farklı ekol bazında ilerlemiştir: Leibniz geleneğinde kural tabanlı bir tür mantık makinesi inşa etmek peşinde olanlar bir tarafta, insan beyni veya biyolojik evrim gibi doğal hesaplama sistemlerinden esinlenen ve gerçek dünyadan toplanan veriler arasındaki ilişkilerden anlam süzmeyi hedefleyenlerse diğer taraftadır.

Hukuk; mantık yürütme, kural zincirleri, gerekçelendirme gibi “eski moda” simgesel yapay zekâ tekniklerinin kullanımına çok elverişli bir alandır. Ama son yıllarda avukatları “acaba işimiz elden gidiyor mu?” diye düşündüren uygulamalar genellikle büyük veriyle baş etmek için geliştirilen tekniklere ve yapay öğrenmeye dayalı.

Bir dava üzerinde çalışılırken eldeki duruma benzerlik gösteren eski mahkeme kararlarının ve konuyla ilgili tüm mevzuatın (ne kadar gözlerden uzak kalmış, az bilinen bir köşedeyse o kadar iyi) eksiksiz bulunması çok önemlidir. Eskiden loş ve havasız arşivlerde uzun süre toz yutmayı gerektiren bu arama işini artık bilgisayarlar hem daha hızlı, hem de eksiksiz şekilde gerçekleştirebilir. Her yazılı belgeyi dijital ortama aktarmanın bir kerelik sabit külfetine karşılık artık hiçbir bilginin gözden kaçmayacağı bir bütünlük garantisine kavuşmanın avantajını elde ederiz. Bunun nasıl bir nimet olduğunu bizim nesil hemen takdir eder, ama Google dünyasına doğan gençleri “metin madenciliği”nin yapay zekânın belki de en yararlı ürünü olduğu konusunda ikna etmek vakit alabilir.

Bugün araştırma alanındaki literatürü tarayan bir doktora öğrencisinin veya davasıyla ilgili içtihat arayan bir avukatın önemli bir bilgiyi gözden kaçırma ihtimali geçmişe oranla çok daha düşüktür. Hem dijital belgeler daha üretilirken böyle aramalarda kullanılmak için tasarlanmış sınıflandırma sistemlerine göre etiketleniyor, hem de “gözetmensiz öğrenme” denilen bir yapay öğrenme tekniğiyle böyle etiketleri bilgisayarın kendi kendine belirlemesi mümkün.

Bilgisayara binlerce metin dosyasını verip bunları konularına göre gruplamasını isteyelim. Metinlerde “Konu: …” diye başlayan bir hane filan varsa ne âlâ, ama aksi takdirde, son derece zor bir iş olan “doğal dil anlama” problemini tümüyle çözmeden bu gruplama nasıl yapılabilir?

Bilgisayar metinlerdeki kelimeler üzerinde istatistiksel analiz yapar. Her metin ve her kelime için o kelimenin o metinde geçme sıklığını (yani metindeki tüm kelime nüfusunun yüzde kaçını o kelimenin oluşturduğunu) hesaplar. Sonra metinleri kendi aralarında bu sıklıklar açısından benzeyen metinler yan yana gelecek şekilde sıralar. Örneğin atlarla ilgili metinlerde “at”, “doru”, “arpa”, “dizgin” vs. kelimelerinin, kedilerle ilgili olanlardaysa “kedi” veya “miyav” gibilerin daha sık geçmesi beklendiğinden bu iki konudaki dokümanlar (ne atın ne de kedinin ne olduğu hakkında hiçbir şey bilmeden, dilerseniz hiç bilmediğiniz bir dildeki metinler üzerinde çalışarak) birbirlerinden ayrıştırılmış olur. Bu fikir temel alınarak “anahtar kelime çıkarımı” işlemi yapılabilir.

Google gibi milyarlarca dokümana erişim sağlayan araçlar, bu gibi istatistiksel tekniklerle “anlam ağı”nı keşfetmemize olanak tanır: Genellikle aynı dokümanlarda bir arada sıklıkla yer alan (ve “ve”, “bir” filan gibi konudan bağımsız olarak her dokümanda bol miktarda geçenlerden olmayan) sözler birbirleriyle ilintili anlamlara sahiptir. Eski bir öğrencimin mahkeme kararları üzerinde kurduğu böyle bir anlam ağından yararlanarak örneğin “irtikâp” ile “nitelikli zimmet” kavramları arasında bir yakınlık olduğunu keşfeden bir yazılım ürettiğini gördüğümde çok sevinmiştim.

Performansı giderek artan “gözetimli öğrenme” teknikleri de avukatların işine yarayabilir. Elinizde binlerce mahkeme kararı varsa bunların davanın ayrıntılarını içeren baş kısımlarını girdi, sondaki kararı da çıktı olarak ayırıp bu dönüşümü makinenize öğretmeyi deneyebilirsiniz. 2017’de Londra’da yapılan bir deneyde 100’den fazla insan avukat, belli bir kredi kartı usulsüzlüğü konusunda Finans Ombudsmanı’na yapılmış yüzlerce gerçek başvuru dosyasının kabul edilip edilmeyeceğini tahmin etme konusunda bu şekilde eğitilmiş bir yapay zekâ programıyla yarıştı. İnsanların doğru tahmin oranı %66,3’te kalırken yapay zekâ %86,6 oranında tutturdu. 2016’da New York’taki BakerHostetler hukuk firması, iflas davalarında yararlanmak için IBM’in Watson yapay zekâ altyapısınca desteklenen Ross platformunu “işe aldı”.

Ama hukukta yapay zekânın sadece avukatlara değil, hâkimlere de gerektiği kanısındayım. Leibniz’in hayalinin gerçek olacağı günü iple çekiyorum. Yargı hizmetinin mevcut kalite seviyesi göz önüne alındığında, kimi insanlardansa hukuk kurallarını eksiksiz kodlayabileceğimiz makinelerce yargılanmayı tercih edecek çok kişi tanıyorum. Gerek iş kapasitesi, gerekse de kurallara uyma doğruluğu açısından ortalama bir insan yargıcın performansının çok üstünde robot yargıçlar imal edilebilir. Bunlar yasadan başka hiçbir dayanağı olmayan kararlar verip tümüyle mantıksal şekilde gerekçelendirebilir, hatta yasalar arasındaki çelişkileri saptayıp raporlayabilir. Bu gibi işleri bilgisayarlara yaptırmak teknik açıdan da özel bir zorluk içermiyor. Mevcut insan hakimlerden kalifiye olanlarının hemen endişeye kapılması gerekmez: Satranç gibi kimi alanlardaki deneyim gösterdi ki tek başına bir yapay zekâ bir insan şampiyonu yenebiliyor, ama bilgisayarla ortalama seviyede bir insandan oluşmuş bir ikiliyi alt edemiyor. Bu nedenle, en azından bir süre, mahkeme heyetlerinin tümüyle yapay zekâlardan oluşması yerine içlerinde birkaç insana da yer verilmesi uygun olabilir.

Aslında yapay zekâ kanunların sadece uygulanmasında değil, yazılmalarında da katkı verebilir. Yasa dediğimiz şey sonuçta hem kendi içinde, hem de diğer yasalar ve dünya gerçekleriyle mantıksal olarak tutarlı olması gereken biçimsel bir metindir. Bu tür kural zincirlerindeki kimi tutarsızlıkları tespit edebilen algoritmalar mevcuttur. Örneğin “elektrik tasarrufu için ülkenin saat dilimini bir saat ileriye alalım” gibilerden bir düzenleme önergesi getirildiğinde bunu iş ve okul başlama saatlerindeki insan davranışlarını göze alarak değerlendirebilecek, sonuçta “Bu durumda Edirne ile Katar aynı saatte olacaklar. Oysa Edirne’de güneş Katar’dan yaklaşık iki saat sonra doğuyor. İnsan biyolojisi ve tasarruf hedefi açısından ya Katar ya da Türkiye hata yapıyor olmalı” türünden bir saptama ile kural koyucuları uyarabilecek bir karar destek sistemi büyük fayda getirebilir. Doğal veya yapay, diğer tüm sahalarda olduğu gibi, hukukta da zekânın azı değil çoğu yararlıdır.

Cem Say
Boğaziçi Üniversitesi, Bilgisayar Bölümü öğretim üyesi

.

Kaynak: sarkac.org