Hacettepe Üniversitesi Yapay Zeka Topluluğu, Hacettepe Üniversitesi Bilgisayar Mühendisliği Bölümü bünyesinde 2018-2019 eğitim öğretim yılında faaliyete geçmiş bir topluluktur.

Genel anlamda yapay zeka ve bilişim sektörünün ilgi duyulan ve talep edilen alanlarıyla ilgili oluşturulabilen imkânlar dahilinde faaliyet göstermektir. Bu alanların içeriklerini, öğrenciler tarafından eğitim ve kariyer hayatları ile harmanlayacak hâle getirip bu hedefte eğitimler, etkinlikler, söyleşiler, yarışmalar düzenleyip grup çalışmalarıyla faaliyetler göstererek öğrencilerin hedeflediği yerlere gelmesinde büyük katkılar sağlamayı amaçlar.
 

Bize Ulaşın

contact@hacettepeaiclub.com

Makale

İnsan ve Robot Savaşları: Şah insanken, Robotlar Mat Edebilir Mi?

Yıllarca iyi bir satranç oyuncusunun hesap hızı, hafıza, problem çözme gibi analitik yeteneklerin yanı sıra yaratıcılık, hayal gücü, sezgi gibi “insansı” özelliklere de ihtiyaç duyduğu ve bu nedenle makinelerin insanları satranç oyununda yenemeyeceği düşünüldü. Fakat artık görüyoruz ki, yapay zekaya karşı hiç şansımız yok!

Satrancın “Otomatikleşmesi”

Bunun ilk örneğinin kaynaklarda 18. yüzyıla dayandığı görülür. Peki henüz elektriğin bile kullanılmadığı bu zamanda nasıl kendi kendine satranç oynayabilen bir “şey” olabilirdi?

Türk (Mechanical Turk)

Tabii ki bu bir aldatmacaydı. 1770’de icat edilmesiyle dünyada sansasyon yaratmış bu makine “Türk (Mechanical Turk)” adıyla biliniyordu. Birçok önemli isimle de oyunları bulunan makine, içinde satranç ustası bulunan kapalı bir bölmeden ve taşları hareket ettirebilen, geleneksel Türk kıyafetleri giymiş bir maketten oluşuyordu. Yıllarca turnelere çıkmış, el değiştirmiş, müzeye verilmiş ve 1854 yılında müzedeki yangında yok olmuştur.

Güzel anekdot, şimdi gerçek anlamda “satranç oynayabilen” makinelerden bahsedelim.

Turochamp, tarihteki ilk satranç algoritması olarak kabul edilir. 1948’de Alan Turing tarafından geliştirilen bu algoritmada temel olarak, taşlar belli puanlara sahipti. Her hamle için ayrı hesap yapılarak hamlenin doğruluk puanı bulunuyordu ve 2 derinlikte hesap yapılabiliyordu. Zamanında karmaşıklığından dolayı bilgisayarda çalıştırılamamış bu algoritma, elle yapılan ve hamle başına 30 dakikaya kadar süren hesaplamalarla 1952’de insana karşı 29 hamlede yenildi. Orijinal algoritma korunmadığı için, incelenen verilerle imitasyonu yapılıp 2012’de ilk kez bilgisayarda çalıştırıldığında ise rakibi Garry Kasparov’a 16 hamlede yenildi.

Yıllar boyunca farklı bilgisayarlar ve algoritmalar geliştirilerek büyükustalarla oynatıldı . Zaman zaman galip gelen bilgisayarlar çıksa da üstünlük hala insanlardaydı. 1971’de ilk mikroişlemcinin üretilip hızla daha iyilerinin çıkması ve bilgisayar biliminin ilerlemesiyle dengeler değişmeye başladı. İnsan-makine mücadeleleriyle beraber makine-makine mücadelelerinin de yaygınlaşmasıyla, makineler geliştirilmeye devam edildi. Özellikle IBM tarafından geliştirilen Deep Thought’ın 1989’da Büyükusta Bent Larsen’i yenmesiyle yapay zekayla ilgili fikirler daha da ciddileşti. Fakat hiçbir makine 15 yıl (1985-2000) şampiyon kalacak olan ve o zamanların en genç satranç dünya şampiyonu Garry Kasparov’a karşı net bir üstünlük elde edemiyordu. Ta ki Kasparov, Deep Thought’ın geliştirilmiş hali olan Deep Blue’nun en güçlü kurbanı olana kadar.

Deep Blue vs Kasparov

10 Şubat 1996’da Kasparov ve Deep Blue ilk kez karşı karşıya geldi. Temel satranç prensipleriyle, açılış kütüphanesiyle ve saniyede 100 milyon hamle hesaplama gücüyle donatılmıș Deep Blue ile, tecrübesi, konumsal analiz yeteneği, geniş teorik bilgisi ve en uç durumda “sadece” 12-14 hamle ileriyi düşünebilen Garry Kasparov 6 setlik maça başladı. Kasparov, maçı 4-2 kazandı.

Geliştiriciler Deep Blue’yu güçlendirmeye devam etti.

Garry Kasparov ve Deep Blue rövanş karşılaşmasından.

Deep Blue 11 Mayıs 1997’deki rövanşa kadar büyükustaların danışmanlığıyla daha çok teorik bilgiyle yüklendi. Donanımsal ve yazılımsal olarak da geliştirilmesiyle artık 200 milyon hamle hesaplama gücüne sahipti. Kasparov bu maçta 3.5-2.5 mağlup oldu. Teorik bilgisi olsa da, asıl gücünü hesap hızından alan Deep Blue, Kasparov’un tabiriyle “kaba kuvveti” sayesinde kazanmıştı (şüpheli durumlar olduğu iddia edilse de).

Maç sonucunun şüphesi bir yana, günümüzde kesin şekilde biliyoruz ki yapay zeka satrançta bizim ulaşamayacağımız bir seviyede.

Satrançta insan-makine savaşı bitmiş olsa da, makine-makine savaşı bir süre daha devam edecek gibi duruyor. Günümüzde bu karşılaşmaların en popüleriyse satranç motoru Stockfish ile Google tarafından geliştirilen Alphazero arasındakidir.

Stockfish vs Alphazero

Kısaca bahsetmek gerekirse 5 Aralık 2017’deki 100 maçlık karşılaşmanın kazananı 28 galibiyet 72 beraberlik ile Alphazero oldu. Üstelik bunu 4 saatte, kendi kendine 44 milyon oyun oynayıp hatalarından ders çıkararak tek başına başardı!

Peki aradaki farkı yaratan neydi?

Basitçe Stockfish’e yapay zeka, Alphazero’ya ise “makine öğrenmesini” temel alan bir yapay zeka diyebiliriz. Biraz daha açıklamak gerekirse Stockfish, temelde hesaplamayı insandan biraz daha iyi yapan bir makineydi. Taşların puanını önemseyerek, genel stratejilere bağlı kalarak ve bahsettiğimiz gibi “kaba kuvvet” ile hareket ediyordu (Stockfish saniyede 70 milyon hamle hesaplarken Alphazero 80 bin hamle hesaplayabiliyordu). Alphazero ise taşların gücünü önemsemeden ve insanların stratejileriyle “kirletilmeden” kendi keşfettiği kurallarla, pozisyonel avantaja göre oynuyordu. Bunu ise nöral ağları kullanarak başardı. Kullandığı algoritma ise birçok yerde temel alınan “Monte Carlo Tree Search” ve “Minimax” algoritmalarının birlikte kullanılmasından oluşuyordu.

Monte Carlo yöntemi basitçe, rastgele durumları test ederek ideal konuma giden yolları keşfeder.  Minimax ise genel tanımıyla rakibin en iyi karşılığı verdiği durumdan en az hasarla çıkmayı sağlayan karşı cevabı bulur. Yani rakibin en iyi hamleyi yapmadığı durumda işler halihazırda kolaylaşır.

Minimax ile Monte Carlo yöntemi benzerlik gösterir fakat aralarındaki belirgin farklardan biri, minimax algoritması her yolu hesaplar ve ona göre hareket eder. Her yolu hesaplaması çok olasılık içeren işlerde zaman ve verimlilik kaybına yol açabilir.

Monte Carlo Ağacı Örneği

Bu bakımdan Monte Carlo yöntemi, her hamle için ayrı yorulan Stockfish’in aksine, işlemci gücünü, zorlayıcı konumlara daha çok yönlendirerek daha verimli sonuç bulmayı sağlar.

Diğer bir bakışla Alphazero, hesap gücü milyon kat az olmasına rağmen Deep Thought’u yenen Kasparov gibi “sezgisel” oyunuyla ön plandaydı. Yani yeniden İnsan 1, makine 0 (mı?)!

Şaka bir yana, yazımı Kasparov’un bu konudaki kendi düşüncelerini paylaştığı Ted konuşmasını bırakarak bitirmek istiyorum. “Yalnızca insanların yapabildiği bir şey var. Hayal kurmak.” (Peki ya bir gün makineler de hayal kurabilirse?)

Okuduğunuz için teşekkür ederim.

(Ha unutmadan, Alphazero da artık dünyanın en güçlü satranç motoru değil 🙂  )

 

Kaynakça

https://www.britannica.com/topic/chess/Chess-and-artificial-intelligence

https://en.wikipedia.org/wiki/AlphaZero#Training

https://towardsdatascience.com/ai-in-chess-the-evolution-of-artificial-intelligence-in-chess-engines-a3a9e230ed50

https://www.chess.com/article/view/computers-and-chess—a-history

https://en.wikipedia.org/wiki/Mechanical_Turk

https://en.wikipedia.org/wiki/Turochamp

https://ichi.pro/tr/monte-carlo-agaci-aramasi-gercek-zamanli-oyun-oynaticida-pekistirmeli-ogrenmeyi-uygulama-bolum-2-41467752758083

https://static.scientificamerican.com/sciam/cache/file/A2BDA7F7-A70D-4ED9-A87A1B431C04F357_source.jpg?w=590&h=800&7280A8E6-E118-4633-B1EFB1F6134F9F11

https://upload.wikimedia.org/wikipedia/commons/thumb/6/6e/Racknitz_-_The_Turk_3.jpg/1024px-Racknitz_-_The_Turk_3.jpg

https://img-blog.csdnimg.cn/202009291711083.png?x-oss-process=image/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L0xpWGVub24=,size_16,color_FFFFFF,t_70#pic_center

Yazar

Özgün Çağlar Arslan

Bir yorum bırakın

E-posta hesabınız yayımlanmayacak.