Alan Turing ve Intelligent Machinery Raporu
Turing'in yapay zeka kavramını şekillendiren çığır açıcı raporu ve Turing testi.
1. Giriş
"Bir makinenin zeki davranış sergileyebileceği olası yollar tartışılmaktadır. Rehber ilke olarak insan beyniyle analoji kullanılmaktadır." Alan Turing'in 1948 yılında National Physical Laboratory (NPL) için kaleme aldığı Intelligent Machinery raporunun açılış özeti, yapay zeka tarihinin en erken ve en kapsamlı entelektüel manifestosunun sade bir ifadesidir [1]. Turing bu raporda, makinelerin yalnızca hesaplama araçları olarak değil, öğrenebilen, adapte olabilen ve nihayetinde zeki davranış sergileyebilen varlıklar olarak tasarlanabileceğini sistematik biçimde tartışmıştır. Rapor, sinir ağlarından evrimsel aramaya, pekiştirmeli öğrenmeden satranç oynayan kâğıt makinelerine kadar modern yapay zekanın temel kavramlarını, bu kavramların henüz isimlendirilmediği bir dönemde — "yapay zeka" teriminin kendisi bile sekiz yıl sonra icat edilecekti — öngörmüştür [2].
1948 yılı, İkinci Dünya Savaşı'nın hemen ardından gelen yeniden yapılanma döneminin ortasında yer almaktadır. Savaş, bilgisayar teknolojisinin gelişimini muazzam biçimde hızlandırmıştı: Turing'in Bletchley Park'taki Enigma kırma çalışmaları sırasında tasarladığı Bombe makineleri ve Tommy Flowers'ın inşa ettiği Colossus, elektronik hesaplama makinelerinin pratik gücünü kanıtlamıştı [3]. Manchester'da Max Newman'ın laboratuvarında dünyanın ilk depolanmış programlı dijital bilgisayarı olan Small-Scale Experimental Machine (SSEM, takma adıyla "Baby") Haziran 1948'de çalışmaya başlamıştı [4]. ABD'de ENIAC 1946'dan beri faaliyetteydi ve von Neumann mimarisi tartışmaları devam ediyordu [5]. Ancak tüm bu gelişmeler, bilgisayarları büyük ölçüde "hızlı hesaplama makineleri" olarak konumlandırıyordu. Turing'in 1948 raporu, bu paradigmanın ötesine geçerek bilgisayarları potansiyel olarak düşünen varlıklar olarak değerlendiren ilk sistematik çalışmaydı.
Raporun trajik kaderi, içeriği kadar dikkat çekicidir. NPL'nin müdürü Sir Charles Galton Darwin — büyük doğabilimci Charles Darwin'in torunu — raporu "bir okul çocuğu kompozisyonu" (schoolboy essay) olarak nitelendirmiş ve yayınlanmaya uygun bulmamıştır [6]. Bu küçümseyici değerlendirme sonucunda rapor, Turing'in 1954'teki ölümünden on dört yıl sonra, ancak 1968'de Evans ve Robertson'ın Cybernetics: Key Papers derlemesinde ve 1969'da Meltzer ile Michie'nin Machine Intelligence 5 cildinde yayımlanabilmiştir [7]. Bu gecikme, yapay zeka tarihinin en talihsiz entelektüel kayıplarından birini temsil etmektedir: Turing'in fikirleri zamanında yayımlansaydı, 1956 Dartmouth Konferansı'nda "kurulan" alanın entelektüel soy ağacı çok farklı biçimde kurulabilirdi [8].
Bir önceki bölümde Samuel Butler'ın 1863'teki vizyoner kehanetlerini — makinelerin evrimleşebileceği ve bilinç kazanabileceği fikirlerini — incelemiştik. Turing'in 1948 raporu, Butler'ın spekülatif öngörülerini matematiksel ve mühendislik çerçevesine oturtarak somutlaştırmıştır: makineler öğrenebilir, çünkü öğrenme bir arama sürecidir ve bu süreç algoritmik olarak gerçekleştirilebilir. Bu bölümde, Intelligent Machinery raporunun tarihsel bağlamı, teknik içeriği, Turing'in örgütlenmemiş makineler (unorganised machines) kavramı, haz-acı sistemiyle pekiştirmeli öğrenme önerisi, raporun dönemindeki ve sonrasındaki etkisi ile günümüz yapay zeka araştırmalarındaki mirası derinlemesine ele alınacaktır.
2. Literatür Taraması
Alan Turing'in Intelligent Machinery raporu üzerine akademik literatür, bilgisayar bilimi tarihi, yapay zeka felsefesi, konneksiyonizm tarihi ve evrimsel hesaplama gibi alanların kesişiminde çok katmanlı bir birikim oluşturmaktadır.
Raporun entelektüel önemini ilk sistematik biçimde ortaya koyan çalışma, B. Jack Copeland ve Diane Proudfoot'un "On Alan Turing's Anticipation of Connectionism" (1996) başlıklı makalesidir [9]. Copeland ve Proudfoot, Turing'in örgütlenmemiş makineler kavramının, konneksiyonist yapay zeka paradigmasının — yani sinir ağlarına dayalı hesaplama yaklaşımının — erken bir öncüsü olduğunu ayrıntılı biçimde kanıtlamışlardır. Bu makale, Turing'in 1948 raporunun yalnızca tarihsel bir merak nesnesi olmadığını, aksine modern derin öğrenme devriminin kavramsal temellerini içerdiğini gösteren kurucu bir akademik çalışmadır.
Copeland'ın editörlüğünü yaptığı The Essential Turing: Seminal Writings in Computing, Logic, Philosophy, Artificial Intelligence, and Artificial Life (2004) kitabı, Intelligent Machinery raporunun tam metnini detaylı bir girişle birlikte sunarak, bu metnin geniş bir akademik kitleye ulaşmasını sağlamıştır [10]. Copeland'ın giriş yazısı, raporun "yapay zekanın ilk manifestosu" olduğu değerlendirmesini kapsamlı tarihsel kanıtlarla desteklemekte ve Turing'in NPL'deki çalışma koşullarını, ACE projesiyle ilişkisini ve raporun reddedilme sürecini aydınlatmaktadır.
Christof Teuscher'in Turing's Connectionism: An Investigation of Neural Network Architectures (2002) monografisi, Turing'in örgütlenmemiş makinelerinin teknik detaylarını modern hesaplama araçlarıyla analiz eden en kapsamlı çalışmadır [11]. Teuscher, A-tipi ve B-tipi örgütlenmemiş makineleri bilgisayar simülasyonlarıyla test etmiş, Turing'in bazı iddialarının — özellikle B-tipi makinelerin evrensel hesaplama kapasitesine sahip olduğu önerisinin — teknik düzeltmeler gerektirdiğini göstermiştir. Bu çalışma, Turing'in vizyonunun hem gücünü hem de sınırlılıklarını dengeli biçimde ortaya koyması bakımından vazgeçilmez bir kaynaktır.
Copeland ve Proudfoot'un "Alan Turing's Forgotten Ideas in Computer Science" (1999) başlıklı Scientific American makalesi, Turing'in unutulmuş fikirlerini — özellikle konneksiyonist yaklaşımı ve evrimsel aramayı — popüler bilim düzeyinde tanıtarak geniş bir okuyucu kitlesine ulaştırmıştır [12]. Bu makale, Intelligent Machinery raporunun akademik çevreler dışında da tanınmasına önemli katkı sağlamıştır.
Andrew Hodges'ın Alan Turing: The Enigma (1983/2014) biyografisi, Turing'in yaşamını ve entelektüel gelişimini en kapsamlı biçimde ele alan eserdir [13]. Hodges, Intelligent Machinery raporunun Turing'in Bletchley Park deneyimlerinden, savaş sonrası hayal kırıklıklarından ve NPL'deki bürokratik engellerden nasıl beslendiğini kişisel yazışmalar ve arşiv belgeleriyle ortaya koymuştur.
Jack Copeland'ın "Early AI in Britain: Turing et al." (2020) başlıklı çalışması, Turing'in yapay zeka alanındaki erken katkılarını İngiltere'deki daha geniş bir bilimsel bağlam içinde konumlandırmıştır [14]. Copeland, Turing'in savaş dönemindeki Bombe çalışmasının "sezgisel arama" (heuristic search) kullandığını ve bu deneyimin Intelligent Machinery raporundaki arama kavramını doğrudan beslediğini ileri sürmüştür.
Stuart Russell ve Peter Norvig'in Artificial Intelligence: A Modern Approach (2021) ders kitabı, Turing'in 1948 ve 1950 çalışmalarını yapay zekanın kurucu metinleri arasında konumlandırmakta ve özellikle makine öğrenmesi ile pekiştirmeli öğrenme kavramlarının Turing'e kadar izlenebileceğini vurgulamaktadır [15].
S.G. Sterrett'in "Bringing up Turing's 'Child-Machine'" (2012) çalışması, Turing'in çocuk-makine metaforunu ve farklı "eğitim" yöntemlerinin makine zekası üzerindeki etkilerine dair düşüncelerini felsefî perspektiften analiz etmiştir [16]. Sterrett, Turing'in insan beyninden başlayarak insan toplumuna doğru genişleyen analoji kullanımının, döneminin davranışçı psikoloji paradigmasını hem yansıttığını hem de aştığını göstermiştir.
Diane Proudfoot'un Turing'in zekâ kavramını ele aldığı çeşitli çalışmaları — özellikle "Intelligence as an Emotional Concept" temasını işleyen makaleleri — Turing'in 1948 raporundaki "duygusal kavram olarak zekâ" ifadesinin felsefi derinliğini ortaya koymuştur [17]. Proudfoot, Turing'in davranışçı bir zekâ tanımı benimsemediğini, aksine gözlemcinin bakış açısına bağlı bir "tepki-bağımlılık" (response-dependence) yaklaşımı geliştirdiğini savunmuştur.
C.S. Webster'ın "Alan Turing's Unorganized Machines and Artificial Neural Networks: His Remarkable Early Work and Future Possibilities" (2012) çalışması, Turing'in örgütlenmemiş makinelerinin modern yapay sinir ağlarıyla ilişkisini teknik düzeyde incelemiş ve bu makinelerin gelecekteki olası uygulamalarını tartışmıştır [18].
Türkçe literatürde, Emre Bağce'nin Turing'in hesaplanabilirlik teorisi üzerine felsefi değerlendirmeleri ve Türk felsefe geleneğindeki makine-zihin tartışmaları, konunun Türkiye'deki akademik yansımalarını göstermektedir. Bununla birlikte, Intelligent Machinery raporuna özel olarak odaklanan Türkçe akademik çalışmaların sınırlılığı dikkat çekmektedir.
Son olarak, Gonçalves'in "Turing's Test, a Beautiful Thought Experiment" (2024) başlıklı güncel çalışması, 1948 raporundaki satranç oynayan kâğıt makinesinin Turing Testi'nin ilk prototipi olduğunu ve Turing'in taklit oyunu fikrini 1948'den 1952'ye kadar sürekli geliştirdiğini tarihsel kanıtlarla ortaya koymuştur [19].
3. Tarihsel ve Teorik Arka Plan
Intelligent Machinery raporunun entelektüel kökleri, birbirine bağlı üç akımda izlenebilir: Turing'in kendi önceki çalışmaları, savaş dönemi deneyimleri ve 1940'ların sibernetik-nörobilim ortamı.
Turing'in Entelektüel Birikimi. Turing'in 1936 tarihli "On Computable Numbers" makalesi — Bölüm 10'da incelediğimiz Turing makinesi kavramının doğuş anı — hesaplanabilirliğin matematiksel sınırlarını çizerken, aynı zamanda evrensel bir makinenin diğer tüm makineleri taklit edebileceğini göstermişti [20]. Bu evrensellik fikri, 1948 raporunun kavramsal temelini oluşturmuştur: eğer bir evrensel makine herhangi bir hesaplanabilir fonksiyonu gerçekleştirebiliyorsa, zekice davranış da — eğer hesaplanabilir bir süreçse — bu makine tarafından gerçekleştirilebilir olmalıdır.
Savaş Deneyimi. Turing'in Bletchley Park'taki çalışmaları, makine zekası konusundaki düşüncelerini derinden etkilemiştir [3]. Enigma şifreleme makinesini kırmak için tasarladığı Bombe, sistematik bir arama algoritması kullanıyordu: olası anahtar kombinasyonlarını teker teker deneyerek, mantıksal tutarsızlıkları eleme yoluyla doğru anahtarı bulan bir sezgisel arama makinasıydı. Turing, bu deneyimden "zekânın büyük ölçüde çeşitli arama türlerinden ibaret olduğu" genellemesine ulaşmış ve bu fikri 1948 raporunun merkezine yerleştirmiştir [1].
NPL ve ACE Projesi. Savaşın ardından Turing, 1945'te NPL'ye katılarak Automatic Computing Engine (ACE) bilgisayarının tasarımı üzerinde çalışmaya başlamıştır [21]. Şubat 1946'da sunduğu ACE teklifi, dönemin en ayrıntılı bilgisayar tasarım belgelerinden biriydi. Ancak proje, bürokratik engeller, Post Office Research Station'daki mühendislik ekibinin iş yükü ve NPL yönetimiyle yaşanan iletişim sorunları nedeniyle ağır ilerlemiştir [10]. 1947 başında müdür Sir Charles Galton Darwin, yavaş ilerleme karşısında Turing'e Cambridge'de bir araştırma izni (sabbatical) vermiştir. Turing bu izin döneminde, pratik bilgisayar inşaatının getirdiği hayal kırıklıklarından uzaklaşarak, makinelerin zeki davranış sergileyebilmesinin teorik temellerini araştırmaya yönelmiştir [6].
Sibernetik ve Nörobilim Bağlamı. 1940'ların ortaları, beyin-makine analojisinin bilimsel tartışmanın merkezine yerleştiği bir dönemdi. Warren McCulloch ve Walter Pitts, 1943'te "A Logical Calculus of the Ideas Immanent in Nervous Activity" makalesiyle nöronların mantıksal kapılar olarak modellenebileceğini göstermişlerdi [22]. Norbert Wiener, 1948'de yayımlanan Cybernetics kitabıyla geri bildirim mekanizmalarını ve kontrol teorisini canlı sistemler ile makineler arasındaki ortak çerçeveye oturtmuştu [23]. W. Ross Ashby, adaptif sistemler üzerine çalışıyor ve Homeostat adlı mekanik cihazını tasarlıyordu [24]. Turing, Kasım 1946'da Ashby'ye yazdığı mektupta, beyin eyleminin modellenmesiyle ilgilendiğini açıkça ifade etmiş ve Ashby'ye deneylerini ACE bilgisayarı üzerinde yapmasını önermiştir [25]. Bu mektup, Turing'in Intelligent Machinery raporunu yazmadan önce sinir sistemi simülasyonuna zaten yoğun ilgi duyduğunu belgelemektedir.
Ancak dikkat çekici bir nokta, Turing'in 1948 raporunda McCulloch ve Pitts'in çalışmasına hiçbir atıfta bulunmamış olmasıdır [11]. Turing'in onların çalışmasından haberdar olup olmadığı tartışmalıdır — Wiener'ın bu çalışmayı Turing'e muhtemelen aktarmış olması beklenir — ancak bu atıfsızlık, Turing'in kendi yaklaşımını bağımsız olarak geliştirdiğini düşündürmektedir.
4. Ana Konu Analizi
4a. Temel Kavramlar: Örgütlenmemiş Makineler ve Öğrenme
Intelligent Machinery raporu, Turing'in "makinelerin zeki davranış sergileyebileceği olası yolları" sistematik biçimde ele aldığı yaklaşık yirmi iki sayfalık bir çalışmadır [1]. Raporun yapısı, önce zeki makinelere yönelik itirazları sıralayıp yanıtlamak, ardından farklı makine türlerini sınıflandırmak ve son olarak öğrenme yoluyla zekâ elde etmenin mekanizmalarını tartışmak biçiminde kurulmuştur.
Turing, raporda makineleri bir sınıflandırma şeması içinde ele almıştır. "Örgütlenmiş makineler" (organised machines), belirli bir görevi yerine getirmek üzere tasarlanmış, sabit yapılı makinelerdir. "Örgütlenmemiş makineler" (unorganised machines) ise başlangıçta büyük ölçüde rastgele bağlantılara sahip olan, ancak eğitim yoluyla belirli görevleri yerine getirecek biçimde düzenlenebilen makinelerdir [1]. Turing, insan bebeğinin beyin korteksinin bir örgütlenmemiş makine olduğunu önermiş ve bu analojiden yola çıkarak, makinelere de benzer bir "eğitim süreci" uygulanabileceğini ileri sürmüştür [9].
Turing iki temel örgütlenmemiş makine tipi tanımlamıştır. A-tipi makineler, iki girişli NAND kapılarından (nöronlardan) oluşan, sabit bağlantılı ve merkezi bir saatle senkronize edilen ağlardır [11]. Her düğüm iki-durumlu (0 veya 1) bir birimdir ve bağlantılar rastgele belirlenir. A-tipi makineler, herhangi bir mantıksal fonksiyonu hesaplayabilecek kadar ifade gücüne sahiptir — çünkü NAND kapıları mantıksal olarak tamdır (logically complete) — ancak bağlantıları değiştirilemez. B-tipi makineler ise A-tipi makinelerin üzerine "değiştirilebilir bağlantılar" (modifiable connections) ekler: her bağlantıda, sinyali tersine çeviren veya her zaman 1 tutan bir anahtar bulunur ve bu anahtarlar dışarıdan gelen "müdahale" (interference) sinyalleriyle değiştirilebilir [11]. Turing, B-tipi bir makinenin, "uygun müdahale uygulanarak, eğitimi taklit ederek" herhangi bir Turing makinesinin yapabileceği görevi yerine getirecek biçimde eğitilebileceğini iddia etmiştir — yeterli sayıda nöron bulunması koşuluyla [12].
Bu iddia, son derece iddialı ve kısmen hatalı olsa da — Teuscher'in çalışmaları B-tipi makinelerin sınırlılıklarını göstermiştir [11] — kavramsal düzeyde çığır açıcıdır: Turing, rastgele başlangıç koşullarından sistematik eğitim yoluyla karmaşık davranışa ulaşılabileceğini önermiştir. Bu, günümüzün derin öğrenme paradigmasının — rastgele başlatılan ağırlıklara sahip sinir ağlarının geri yayılım algoritmasıyla eğitilmesi — temel ilkesidir.
4b. Haz-Acı Sistemi: Pekiştirmeli Öğrenmenin Öncüsü
Turing'in belki de en ileri görüşlü önerisi, P-tipi makineler ve "haz-acı sistemi" (pleasure-pain system) kavramıdır [1]. Turing, çocuk eğitiminin büyük ölçüde ödül ve ceza sistemine dayandığını gözlemlemiş ve bu prensipten yola çıkarak, makinelerin yalnızca iki müdahale girişiyle — biri "haz" veya "ödül" (pleasure/reward), diğeri "acı" veya "ceza" (pain/punishment) — eğitilebileceğini önermiştir [38].
P-tipi makinelerde, makinenin "karakteri" (davranış tablosu) başlangıçta eksiktir: belirli durumlar için ne yapılacağı tanımlı değildir. Böyle bir durumla karşılaşıldığında, makine rastgele bir seçim yapar ve bu seçimi "geçici" (tentative) olarak kaydeder. Eğer bir "haz" sinyali gelirse, tüm geçici kayıtlar "kalıcı" (definite) hale gelir; eğer bir "acı" sinyali gelirse, tüm geçici kayıtlar silinir ve makine yeniden rastgele seçim yapmaya döner [39]. Turing bu mekanizmayı şöyle özetlemiştir: acı uyarıları yanlış davranışta, haz uyarıları ise özellikle doğru davranışta verilmelidir; öğretmen tarafından sağduyuyla uygulanan bu uyarılarla, makinenin karakterinin istenen yönde yakınsayacağı umut edilebilir [1].
Bu sistem, Edward Thorndike'ın 1898'de formüle ettiği "Etki Yasası"nın (Law of Effect) — tatmin edici sonuçlarla takip edilen davranışların güçlendirildiği, rahatsız edici sonuçlarla takip edilenlerin zayıfladığı ilkesinin — makine öğrenmesine uygulanmış hâlidir [37]. Daha da önemlisi, bu kavramsal çerçeve, Richard Sutton ve Andrew Barto'nun 1998'de sistematize ettiği pekiştirmeli öğrenme (reinforcement learning) paradigmasının doğrudan öncüsüdür [26]. Turing, ödül ve ceza sinyalleriyle yönlendirilen deneme-yanılma öğrenmesini, modern yapay zeka araştırmacılarından yaklaşık yarım yüzyıl önce formüle etmiştir.
4c. Evrimsel Arama ve Genetik Algoritmalar
Turing, raporda öğrenme sürecini bir "arama" (search) problemi olarak kavramsallaştırmış ve üç tür aramayı birbirinden ayırmıştır: entelektüel arama, genetik (evrimsel) arama ve kültürel arama [1]. Turing'in kendi ifadesiyle: "Bir gen kombinasyonunun arandığı, ölçütün hayatta kalma değeri olduğu genetik ya da evrimsel arama vardır. Bu aramanın olağanüstü başarısı, entelektüel etkinliğin büyük ölçüde çeşitli arama türlerinden ibaret olduğu fikrini bir ölçüde doğrulamaktadır" [2].
Bu cümleler, John Holland'ın 1975'te formalize edeceği genetik algoritmaların kavramsal temelini oluşturmaktadır [27]. Turing, doğal seçilim ilkesinin makine öğrenmesine uygulanabileceğini açıkça önermiş, ancak dönemin hesaplama kaynaklarının yetersizliği nedeniyle bu fikri deneysel olarak test edememiştir [2]. Turing ayrıca, insan müdahalesinin evrimsel sürecin "rastgele mutasyonlarla sınırlı kalmamasını" sağlayarak süreci hızlandırabileceğini belirtmiştir — bu, modern evrimsel hesaplamadaki yönlendirilmiş mutasyon ve çaprazlama operatörlerinin öncüsü olarak yorumlanabilir [16].
4d. Kâğıt Makineler ve Satranç Deneyi
Turing, raporun dikkat çekici bir bölümünde "kâğıt makine" (paper machine) kavramını tanıtmıştır: fiziksel bir bilgisayar yerine, bir algoritmanın kurallarını kâğıt üzerinde takip eden bir insan operatör tarafından işletilen sanal bir makine [19]. Turing, satranç oynayan bir kâğıt makine tasarlamış ve bunu bir tür "taklit testi" çerçevesinde değerlendirmiştir: bir satranç oyuncusunun, rakibinin insan mı yoksa kâğıt makine tarafından yönlendirilen bir operatör mü olduğunu ayırt edip edemeyeceği sorulmuştur [19]. Bu deney, 1950 makalesinde sunulacak olan Turing Testi'nin ilk prototipi olarak değerlendirilmektedir [10].
4e. "Duygusal Kavram Olarak Zekâ"
Raporun son bölümü olan "Intelligence as an Emotional Concept" başlığı, Turing'in zekâ kavramına ilişkin felsefi konumunu ortaya koymaktadır. Turing şöyle yazmıştır: "Bir şeyi ne ölçüde zeki biçimde davranıyor olarak değerlendirdiğimiz, en az onun incelenen nesnenin özellikleri kadar, kendi zihin durumumuz ve eğitimimiz tarafından belirlenmektedir" [17]. Bu ifade, zekânın salt nesnel ölçütlerle tanımlanamayacağını, gözlemcinin perspektifine bağlı olduğunu vurgulayan sofistike bir epistemolojik pozisyondur. Proudfoot'un yorumuna göre, Turing burada basit bir davranışçılık (behaviorism) benimsememekte, aksine bir "tepki-bağımlılık" yaklaşımı geliştirmektedir [17].
4f. Kilit Aktörler ve Kurumsal Bağlam
Turing, bu raporu NPL'de çalışırken, ACE projesinin getirdiği hayal kırıklıklarının ortasında yazmıştır. Tommy Flowers'ın Post Office Research Station'daki ekibi, telefon sistemi üzerindeki acil çalışmalar nedeniyle ACE'nin inşasına yalnızca iki mühendis ayırabilmişti [10]. Turing, Şubat 1947'de bilgisayar zekasından söz eden bilinen en erken halka açık konuşmayı yapmış, ardından Cambridge'deki araştırma izni sırasında bu fikirleri raporlaştırmıştır [8]. Raporun tamamlanmasının hemen ardından, Mayıs 1948'de Turing NPL'den ayrılarak Manchester Üniversitesi'ne geçmiş ve burada Max Newman'ın Computing Machine Laboratory'sinde çalışmaya başlamıştır [4].
5. Eleştirel Değerlendirme
Intelligent Machinery raporunun döneminde karşılaştığı tepki, büyük ölçüde kurumsal ve kültürel faktörlerle açıklanabilir. Sir Charles Galton Darwin'in "okul çocuğu kompozisyonu" nitelendirmesi, raporun bilimsel değersizliğinden çok, NPL yönetiminin pragmatik mühendislik odaklı beklentileriyle Turing'in spekülatif-teorik yaklaşımı arasındaki derin uyumsuzluğu yansıtmaktadır [6]. Turing'den beklenen, ACE bilgisayarının pratik inşasına katkı sağlayan teknik bir rapor sunmasıydı; o ise "makineler düşünebilir mi?" sorusunu sistematik biçimde ele alan felsefi-teknik bir manifesto yazmıştı.
Turing'in örgütlenmemiş makineler kavramı, teknik açıdan bazı sınırlılıklar taşımaktadır. Teuscher'in simülasyonları, B-tipi makinelerin Turing'in iddia ettiği kadar genel bir hesaplama kapasitesine sahip olmadığını göstermiştir [11]. Özellikle, NAND kapılarının sabit gecikmeleri ve senkronizasyon gereksinimleri, büyük ölçekli ağlarda pratik sorunlar yaratmaktadır. Ayrıca, Turing'in "uygun müdahale ile eğitilebilir" iddiası, eğitim algoritmasının kendisini yeterince detaylandırmamaktadır — bu, modern sinir ağları eğitiminde geri yayılım algoritmasının matematiksel kesinliğiyle karşılaştırıldığında belirgin bir boşluktur.
Bununla birlikte, bu sınırlılıkları Turing'in öneriyi gerçekleştireceği bir bilgisayar olmadan, salt kâğıt üzerinde geliştirdiği göz önünde bulundurarak değerlendirmek gerekmektedir. Turing'in kendi ifadesiyle, deneylerini kâğıt makineler kullanarak yapmak zorunda kalmıştır — ilk işlevsel elektronik bilgisayarlar ancak birkaç hafta sonra çalışmaya başlayacaktı [18].
Döneminin bir başka eleştirisi, Geoffrey Jefferson'ın 1949 Lister Oration konuşmasında dile getirdiği "bilinç itirazı"dır: bir makine, duygular hissederek sonet yazana ya da konçerto besteleyene kadar, makinenin beyine eşit olduğunu kabul edemeyiz [34]. Turing, bu itirazı 1950 makalesinde doğrudan yanıtlayacaktı, ancak 1948 raporundaki "duygusal kavram olarak zekâ" tartışması, bu tür itirazlara karşı felsefi cephaneliğini zaten hazırladığını göstermektedir.
Bugünden bakıldığında, Turing'in raporu bir dizi olağanüstü öngörüde bulunmuştur. Rastgele başlatılan ağların eğitim yoluyla karmaşık görevleri öğrenebileceği fikri, 2010'lardan itibaren derin öğrenme devrimiyle tam anlamıyla doğrulanmıştır [28]. Ödül-ceza tabanlı öğrenme, DeepMind'ın AlphaGo ve AlphaZero sistemlerinde başarıyla uygulanmıştır [29]. Evrimsel arama, nöroevrimsel yöntemlerle modern yapay zeka araştırmalarında aktif bir alan olmaya devam etmektedir [27].
Öte yandan, Turing'in "elli yıl içinde bir programcı ordusu bu öğrenme makinesini çocukluktan yetişkin zihinsel olgunluğa getirebilir" tahmini, fazla iyimser çıkmıştır [9]. Genel yapay zeka (artificial general intelligence — AGI) hâlâ ulaşılmamış bir hedef olarak kalmaktadır. Bu, Turing'in öğrenme mekanizmalarının gücünü doğru tahmin ederken, sorunun ölçeğini ve karmaşıklığını hafife aldığını göstermektedir.
6. Etik ve Toplumsal Boyutlar
Turing'in 1948 raporu, doğrudan etik tartışmalara girmemekle birlikte, dolaylı olarak derin etik sorular gündeme getirmektedir. Rapordaki "çocuk makine" metaforu — bebek korteksinin bir örgütlenmemiş makine olduğu ve eğitimle organize edilebileceği fikri — insan zekasının özgünlüğü ve kutsallığı hakkındaki geleneksel varsayımları doğrudan sorgulamaktadır [16]. Eğer insan zekası da nihayetinde rastgele bağlantıların deneyimle organize edilmesiyle ortaya çıkıyorsa, makinelerin aynı süreci taklit etmesi neden ilkesel olarak imkânsız olsun?
Turing, raporun başında "makine zekası" fikrine yönelik itirazları sıralarken, bu itirazların büyük bölümünün bilimsel olmaktan çok duygusal ve kültürel temellere dayandığını açıkça ifade etmiştir. "İnsani kibir" (human hubris) ve "dini itirazlar" gibi kategoriler belirleyerek, makine zekası tartışmasının yalnızca teknik değil, derin toplumsal ve psikolojik boyutlara sahip olduğunu göstermiştir [1]. Bu gözlem, günümüzde yapay zeka teknolojilerine yönelik kamuoyu tepkilerini — hem abartılı korkuları hem de aşırı iyimserliği — anlamak için hâlâ geçerli bir çerçeve sunmaktadır.
Raporun yayımlanmama süreci de kendi içinde etik bir soruyu barındırmaktadır: bilimsel fikirlerin kurumsal otorite tarafından bastırılması. Darwin'in "okul çocuğu kompozisyonu" değerlendirmesi, yenilikçi düşüncenin bürokratik yapılar tarafından nasıl engellenebileceğinin tarihsel bir örneğidir [6]. Bu olay, günümüzdeki hakemli dergi sisteminin ve kurumsal araştırma değerlendirmelerinin, paradigma-kırıcı fikirleri tanıyıp tanıyamayacağı sorusunu gündeme getirmektedir.
Turing'in kişisel trajedisi — eşcinselliği nedeniyle 1952'de mahkûm edilmesi, kimyasal hadım cezasına çarptırılması ve 1954'te ölümü — raporun bastırılmasıyla doğrudan ilişkili olmasa da, dönemin toplumsal normlarının bilimsel ilerlemeyi nasıl engelleyebildiğini acı biçimde göstermektedir [13]. Turing'in son yıllarında yapay zeka üzerine çalışmalarını sürdürememiş olması, alanın gelişimini yavaşlatan faktörlerden biri olmuş olabilir.
7. Güncel Uygulamalar ve Miras
Turing'in 1948 raporundaki fikirlerin günümüzdeki izleri, yapay zeka alanının hemen her köşesinde görülebilir.
Derin Öğrenme ve Sinir Ağları. Turing'in örgütlenmemiş makineler kavramı — rastgele başlangıç koşullarından sistematik eğitim yoluyla karmaşık davranışa ulaşma fikri — günümüzün derin öğrenme paradigmasının kavramsal temelidir [28]. Geoffrey Hinton, Yann LeCun ve Yoshua Bengio'nun Nobel Ödülü alan çalışmaları, Turing'in 1948'de taslağını çizdiği konneksiyonist yaklaşımın olgunlaşmış hâlidir. Turing'in "bebek korteksi" metaforu, modern büyük dil modellerinin (large language models — LLM) eğitim süreciyle yapısal bir benzerlik taşımaktadır: büyük ölçekli, başlangıçta "anlamsız" parametrelere sahip ağlar, devasa veri kümeleri üzerinde eğitilerek karmaşık dil yeterliliğine ulaşmaktadır.
Pekiştirmeli Öğrenme. Turing'in haz-acı sistemi, modern pekiştirmeli öğrenmenin doğrudan öncüsüdür [26]. DeepMind'ın AlphaGo sistemi (2016), Turing'in satranç oynayan makine vizyonunu Go oyununda gerçekleştirmiş; AlphaZero (2017), hiçbir insan bilgisi kullanmadan yalnızca kendi kendine oynayarak — yani Turing'in "deneme-yanılma" ve "ödül-ceza" mekanizmalarıyla — satranç, Go ve shogi'de insanüstü performansa ulaşmıştır [29]. Bu başarılar, Turing'in yetmiş yıl önce önerdiği öğrenme mekanizmasının ne denli güçlü olduğunu somut biçimde kanıtlamıştır.
Evrimsel Hesaplama. Turing'in genetik arama kavramı, genetik algoritmalar (Holland, 1975), evrimsel programlama (Fogel, 1966) ve genetik programlama (Koza, 1992) gibi alt alanların entelektüel atasıdır [27]. Özellikle nöroevrimsel yaklaşımlar — yapay sinir ağlarının mimarisinin evrimsel algoritmalarla optimize edilmesi — Turing'in örgütlenmemiş makineler ile evrimsel arama fikirlerinin modern sentezini temsil etmektedir.
Turing Testi'nin Kökenleri. Intelligent Machinery raporundaki satranç deneyi, Turing'in 1950 makalesinde sunacağı "taklit oyunu"nun ilk versiyonudur [19]. Günümüzde büyük dil modellerinin yeteneklerini değerlendirmek için kullanılan çeşitli karşılaştırma ölçütleri (benchmarks), Turing'in temel sorusunun — bir makinenin davranışı, bir gözlemci tarafından zeki olarak değerlendirilebilir mi? — farklı biçimlerde yeniden formüle edilmesidir.
8. Bölüm Özeti
Alan Turing'in 1948 tarihli Intelligent Machinery raporu, yapay zekanın ilk kapsamlı manifestosu olarak, alanın temel kavramlarını — sinir ağları, pekiştirmeli öğrenme, evrimsel arama, makine eğitimi — "yapay zeka" terimi bile icat edilmeden önce formüle etmiştir. Rapor, makinelerin zeki davranış sergileyebileceği fikrini sistematik biçimde savunmuş; örgütlenmemiş makineler kavramıyla konneksiyonist yapay zekayı, haz-acı sistemiyle pekiştirmeli öğrenmeyi, genetik arama fikriyle evrimsel hesaplamayı öncülemiştir.
Raporun döneminde reddedilmesi ve yirmi yıl boyunca yayımlanamaması, yapay zeka tarihinin en talihsiz entelektüel kayıplarından birini temsil etmektedir. Turing'in konneksiyonist fikirleri zamanında yayımlansaydı, yapay zeka alanının ilk on yıllarında sembolik yaklaşımların mutlak egemenliği daha erken sorgulanabilir, sinir ağı araştırmaları 1960'larda ve 1970'lerde yaşanan "yapay zeka kışı" dönemlerinde daha güçlü bir entelektüel savunma hattına sahip olabilirdi.
Bir sonraki bölümde, Turing'in çağdaşı Donald Hebb'in 1949'da yayımlanan The Organization of Behavior kitabını ve "birlikte ateşlenen nöronlar birlikte bağlanır" ilkesini inceleyeceğiz. Hebb'in sinaptik plastisite teorisi, Turing'in örgütlenmemiş makinelerindeki "eğitim yoluyla organizasyon" fikrinin nörobilimsel temelini sağlayarak, yapay sinir ağları araştırmalarının biyolojik meşruiyet zeminini oluşturacaktır.
9. Kaynakça
[1] Turing, A. M. (1948). Intelligent machinery. National Physical Laboratory Report. Yeniden basım: Meltzer, B. ve Michie, D. (Ed.) (1969). Machine Intelligence, Cilt 5, 3–23. Edinburgh University Press.
[2] Teuscher, C. (2012). Foreword: Special issue on Alan Turing. Evolutionary Intelligence, 5(1), 1–2. https://doi.org/10.1007/s12065-011-0063-2
[3] Copeland, B. J. (2006). Colossus: The secrets of Bletchley Park's codebreaking computers. Oxford University Press.
[4] Copeland, B. J. (2011). The Manchester Computer: A revised history. IEEE Annals of the History of Computing, 33(1), 4–21.
[5] von Neumann, J. (1945). First draft of a report on the EDVAC. Moore School of Electrical Engineering, University of Pennsylvania.
[6] Copeland, B. J. ve Proudfoot, D. (2005). Turing and the computer. İçinde B. J. Copeland (Ed.), Alan Turing's Automatic Computing Engine (ss. 1–52). Oxford University Press.
[7] Evans, C. R. ve Robertson, A. D. J. (Ed.) (1968). Cybernetics: Key papers. University Park Press.
[8] Haenlein, M. ve Kaplan, A. (2019). A brief history of artificial intelligence: On the past, present, and future of artificial intelligence. California Management Review, 61(4), 5–14.
[9] Copeland, B. J. ve Proudfoot, D. (1996). On Alan Turing's anticipation of connectionism. Synthese, 108(3), 361–377.
[10] Copeland, B. J. (Ed.) (2004). The Essential Turing: Seminal writings in computing, logic, philosophy, artificial intelligence, and artificial life. Oxford University Press.
[11] Teuscher, C. (2002). Turing's connectionism: An investigation of neural network architectures. Springer.
[12] Copeland, B. J. ve Proudfoot, D. (1999). Alan Turing's forgotten ideas in computer science. Scientific American, 280(4), 76–81.
[13] Hodges, A. (2014). Alan Turing: The enigma (Yenilenmiş baskı). Princeton University Press. (Orijinal baskı 1983).
[14] Copeland, B. J. (2020). Early AI in Britain: Turing et al. İçinde S. Muggleton ve N. Chater (Ed.), Human-Like Machine Intelligence. Oxford University Press.
[15] Russell, S. ve Norvig, P. (2021). Artificial Intelligence: A modern approach (4. baskı). Pearson.
[16] Sterrett, S. G. (2012). Bringing up Turing's 'child-machine.' İçinde Philosophical Explorations of the Legacy of Alan Turing (ss. 1–16). PhilSci Archive.
[17] Proudfoot, D. (2020). Deceptive appearances: The Turing Test, response-dependence, and intelligence as an emotional concept. Minds and Machines, 30(4), 513–532.
[18] Webster, C. S. (2012). Alan Turing's unorganized machines and artificial neural networks: His remarkable early work and future possibilities. Evolutionary Intelligence, 5(1), 35–49. https://doi.org/10.1007/s12065-011-0060-5
[19] Gonçalves, B. (2024). Turing's test, a beautiful thought experiment. arXiv preprint arXiv:2401.00009v3.
[20] Turing, A. M. (1936). On computable numbers, with an application to the Entscheidungsproblem. Proceedings of the London Mathematical Society, s2-42(1), 230–265.
[21] Carpenter, B. E. ve Doran, R. W. (Ed.) (1986). A. M. Turing's ACE report of 1946 and other papers. MIT Press.
[22] McCulloch, W. S. ve Pitts, W. (1943). A logical calculus of the ideas immanent in nervous activity. Bulletin of Mathematical Biophysics, 5(4), 115–133.
[23] Wiener, N. (1948). Cybernetics: Or control and communication in the animal and the machine. MIT Press.
[24] Ashby, W. R. (1952). Design for a brain. Wiley.
[25] Turing, A. M. (1946, Kasım). Mektup: W. Ross Ashby'ye. The W. Ross Ashby Digital Archive. http://www.rossashby.info/letters/turing.html
[26] Sutton, R. S. ve Barto, A. G. (2018). Reinforcement learning: An introduction (2. baskı). MIT Press.
[27] Holland, J. H. (1975). Adaptation in natural and artificial systems. University of Michigan Press.
[28] LeCun, Y., Bengio, Y. ve Hinton, G. (2015). Deep learning. Nature, 521(7553), 436–444.
[29] Silver, D., Hubert, T., Schrittwieser, J. vd. (2018). A general reinforcement learning algorithm that masters chess, shogi, and Go through self-play. Science, 362(6419), 1140–1144.
[30] Ince, D. C. (Ed.) (1992). Collected works of A. M. Turing: Mechanical intelligence. North-Holland.
[31] Turing, A. M. (1950). Computing machinery and intelligence. Mind, 59(236), 433–460.
[32] Kauffman, S. A. (1993). The origins of order: Self-organization and selection in evolution. Oxford University Press.
[33] Piqueira, J. R. C. (2021). Complexity engineering: How subjective issues become objective. Complexity, 2021, 1–12.
[34] Jefferson, G. (1949). The mind of mechanical man. British Medical Journal, 1(4616), 1105–1110.
[35] Kubiak, A. P. (2021). Selection, growth and form: Turing's two biological paths towards intelligent machinery. Evolutionary Intelligence, 14(2), 381–392.
[36] Copeland, B. J. (2000). The Turing test. Minds and Machines, 10(4), 519–539.
[37] Thorndike, E. L. (1898). Animal intelligence: An experimental study of the associative processes in animals. Psychological Monographs: General and Applied, 2(4), 1–109.
[38] Turing, A. M. (1948). Intelligent machinery. İçinde D. C. Ince (Ed.), Collected works of A. M. Turing: Mechanical intelligence (ss. 107–127). North-Holland, 1992.
[39] Copeland, B. J. ve Proudfoot, D. (1996). On Alan Turing's anticipation of connectionism. Synthese, 108(3), 361–377. (P-tipi makine detayları için bkz. ss. 368–372).
10. Tartışma Soruları
1. Analitik: Turing, Intelligent Machinery raporunda McCulloch ve Pitts'in 1943 tarihli sinir ağı çalışmasına hiçbir atıfta bulunmamıştır. Bu atıfsızlık, Turing'in kendi konneksiyonist fikirlerini bağımsız olarak geliştirdiğini mi gösterir, yoksa dönemin akademik iletişim koşullarının bir yansıması mıdır? Bu durum, bilimsel fikirlerin eşzamanlı ve bağımsız keşfi (simultaneous discovery) hakkında ne söylemektedir?
2. Karşılaştırmalı: Turing'in 1948 raporundaki "örgütlenmemiş makine" kavramı ile Donald Hebb'in 1949'da yayımlayacağı The Organization of Behavior kitabındaki sinaptik plastisite teorisini karşılaştırınız. Her ikisi de "eğitim yoluyla organizasyon" fikrini savunmaktadır, ancak biri mühendislik, diğeri nörobilim perspektifinden yola çıkmaktadır. Bu iki yaklaşımın güçlü ve zayıf yönleri nelerdir?
3. Spekülatif: Eğer Sir Charles Galton Darwin, Intelligent Machinery raporunu "okul çocuğu kompozisyonu" olarak reddetmek yerine yayımlanmasını destekleseydi, yapay zeka tarihinin seyri nasıl değişirdi? Özellikle, 1956 Dartmouth Konferansı'nda "kurulan" alan, Turing'in konneksiyonist fikirlerini zaten içselleştirmiş olsaydı, sembolik YZ ile konneksiyonist YZ arasındaki tarihsel çatışma farklı bir biçim alır mıydı?
4. Etik: Turing, raporunda makine zekâsına yönelik itirazları sıralarken "insani kibir" ve "dini itirazlar" kategorilerini belirlemiştir. Günümüzde yapay zeka teknolojilerine yönelik toplumsal tepkiler — hem abartılı korkular hem de aşırı iyimserlik — hâlâ benzer duygusal ve kültürel temellere mi dayanmaktadır? Turing'in 1948'deki gözlemleri, günümüzün YZ etik tartışmalarına ne tür bir perspektif sunmaktadır?
5. Güncel: Turing'in "haz-acı sistemi", modern pekiştirmeli öğrenmenin doğrudan öncüsüdür. DeepMind'ın AlphaZero sistemi, Turing'in vizyonunu ne ölçüde gerçekleştirmiştir? AlphaZero'nun "kendi kendine oynayarak öğrenme" yaklaşımı ile Turing'in "öğretmen tarafından yönlendirilen ödül-ceza" önerisi arasındaki fark, makine öğrenmesi paradigmasının nasıl evrildiğini göstermektedir?
6. Karşılaştırmalı: Turing'in 1948 raporundaki yaklaşımını, Norbert Wiener'ın aynı yıl yayımlanan Cybernetics kitabıyla karşılaştırınız. Her ikisi de beyin-makine analojisini kullanmaktadır, ancak Turing hesaplanabilirlik ve öğrenme, Wiener ise geri bildirim ve kontrol kavramlarını merkeze almıştır. Bu iki yaklaşım, yapay zeka alanının sonraki gelişimini nasıl farklı biçimlerde etkilemiştir?
7. Analitik: Turing, öğrenmeyi "entelektüel arama", "genetik arama" ve "kültürel arama" olarak üç kategoriye ayırmıştır. Bu üçlü sınıflandırma, modern makine öğrenmesi yöntemlerini — denetimli öğrenme, pekiştirmeli öğrenme, evrimsel hesaplama, transfer öğrenme — ne ölçüde kapsayabilmektedir? Turing'in sınıflandırmasına eklenebilecek "dördüncü bir arama türü" var mıdır?
8. Spekülatif: Turing, raporunda "elli yıl içinde bir programcı ordusu bu öğrenme makinesini çocukluktan yetişkin zihinsel olgunluğa getirebilir" tahmininde bulunmuştur. Bu tahmin gerçekleşmemiştir. Turing'in hafife aldığı faktörler nelerdir? Günümüzün büyük dil modelleri (LLM'ler), Turing'in "çocuk makine" metaforuyla uyumlu mudur, yoksa tamamen farklı bir paradigmayı mı temsil etmektedir?
9. Etik: Turing, zekâyı "duygusal bir kavram" olarak nitelendirmiş ve bir şeyin zeki olarak değerlendirilmesinin gözlemcinin perspektifine bağlı olduğunu vurgulamıştır. Günümüzde büyük dil modellerinin "zeki" veya "bilinçli" olup olmadığına dair tartışmalar, Turing'in bu gözlemini ne ölçüde doğrulamaktadır? "Yapay genel zeka" kavramı, nesnel bir ölçütle mi yoksa toplumsal bir uzlaşıyla mı tanımlanmalıdır?
10. Güncel: Turing'in örgütlenmemiş makineleri, modern "ağırlık agnostik sinir ağları" (weight agnostic neural networks) araştırmalarıyla yeniden gündeme gelmiştir. Rastgele ağırlıklarla bile belirli görevleri yerine getirebilen ağ mimarilerinin keşfi, Turing'in "başlangıçta rastgele bağlantılara sahip makine" fikrinin hangi yönlerini doğrulamakta, hangilerini aşmaktadır?