YAPAY ZEKANIN İLETİŞİMLE İMTİHANI

Algoritma ağı temelinde, makine öğrenmesi üzerinden gelişen yapay zekâ teknolojisi, hayatın pek çok alanında hızla gelişti ve yaygınlaştı. Yapay zekânın pek çok faydasının yanında, yaratabileceği olası problemler de tartışma ve endişe konusu oldu. Bunlardan biri de “yapay zekâ önyargısı” ya da İngilizce adıyla “AI bias” olarak adlandırılır.

Yapay zekâ sistemleri, verilerdeki desenleri algılamak ve öğrenmek için istatistiksel analizlere dayandığı için; yanlı, eksik ya da çarpık şekilde örneklenen veya temsil edilmeyen veriler, yapay zekâ sistemlerinin yanlı ya da önyargılı sonuçlar üretmesine neden olabilir. Bu noktada, Yapay zekâ önyargısı; etik, adil ve tarafsız olmayı zorlaştırmak ve ayrımcılığı körükleyerek, çağ dışı sonuçları beraberinde getirebilecek bir tehdit olarak karşımıza çıkar. Yapay zekâ teknolojisinin potansiyelinden yararlanırken, etik ve adalet prensiplerine uygun olarak yönlendirmek mümkün mü?

Yapay zeka önyargısı, yapay zeka sistemlerinin kararlarında veya davranışlarında ayrımcı veya önyargılı bir şekilde çalışması durumudur. Yapay zeka, doğası gereği, alışılagelen insani şekilde ayrımcılık ya da ırkçılık sonuçlarını yaratamaz. Ancak, algoritmaların üretilme biçimi nedeniyle bir yanlılık doğurabilir. Eğitim verilerinde veya sistem tasarımında yer alan yanlılıklardan kaynaklanabilecek olan yapay zeka önyargısı, yapay zeka sistemlerinin adil ve tarafsız olma hedefine ulaşmasını zorlaştırırken, toplumda adalet, eşitlik ve ayrımcılıkla mücadele gibi önemli konuları gündeme getirmektedir.

Yapay zeka sistemlerinin, insandan farklı olarak öğrenme biçimi verilere dayanır. İnsanda bulunan muhakeme yetisinden farklı olan sistemsel öğrenme; büyük veri setlerini kullanır. Bu sayede öğrenme ve karar verme yeteneklerini geliştirir. Başka bir deyişle, sitemde kullanılan veri setleri, insanların toplumsal ve kültürel kodlamalarını içeren bilişsel çıkarımlarına, önyargılarına veya ayrımcılığına maruz kalarak; bunları yanlı veriler halinde işleyebilir. Örnekse, cinsiyet, ırk, etnik köken veya sosyoekonomik durum gibi faktörlere dayalı ayrımcılık içeren veriler işlendiğinde, yapay zekâ sistemleri bu önyargıları sisteme alarak öğrenebilir ya da yeniden üreterek çıkarımlara varabilir. Sonuç olarak, sistemlerin kararları veya davranışları, istemeden de olsa ayrımcılığa veya adaletsizliğe yol açabilir.

İnsan zekasına yakın çalışan; oldukça geniş bir karar, duygu ve yargı aralığına yayılabilen genel yapay zeka (general AI) günümüzde kullanılmıyor. Ancak, günümüzde pek çok alanda kullanılan sınırlı yapay zeka teknolojisi, yanlı verilere dayalı olması halinde, önyargıya elverişli olabileceği yönünde endişe yaratıyor. Bir teknoloji lideri ve girişimci Elon Musk, çeşitli konuşmalarında yapay zekanın geleceği hakkında yapay zeka önyargısına ilişkin endişelerini zaman zaman ifade ediyor. Musk’ın konuyla ilgili açıklamasında: “Yapay zeka, insanların zihinlerini ve düşüncelerini yönlendirebilir. Yapay zeka sistemleri, verilerle eğitildiği için bu verilerdeki önyargıları öğrenebilir ve güçlendirebilir. Bu durum, önyargılı sonuçlar ve kararlar alabilen yapay zeka sistemleri yaratma riskini ortaya çıkarır.” sözleri dikkat çekiyor.

Danimarka’da yapılan bir araştırmada, bireylerin siyasi görüşlerinin yapay zekadan yararlanılan fotoğraf analiziyle, yüzde 61 doğrulukla tahmin edilebildiği belirlendi. Scientific Reports’da yayımlanan araştırmada, yapay zekanın insanların yüz mimiklerinden yola çıkarak, siyasi ideolojilerini yüzde 61 doğruluk oranıyla tahmin edebildiği saptandı. Bu tür araştırmalar, yapay zekanın insanların davranışlarını veya düşüncelerini beden dilinden tahmin etme potansiyelini araştırmak adına umut verici olsa da, bu tür tahminlerin doğruluğundan ya da güvenilirliğinden söz edilemez. Örneklemlerin temsil gücü, verilerdeki yanlılık gibi araştırma kısıtları; önyargıları ve stereotipleri güçlendirebilecek veya yanıltıcı sonuçlara yol açabilecek veri eksiklikleri veya dengesizlikleri de göz önünde bulundurulduğunda, yapay zekanın bu tür tahminler için epey ilkel bir teknoloji olduğu söylenebilir. İnsan beden dili, oldukça karmaşık ve çok katmanlı bir sözsüz iletişim yoludur ve sadece yüz ifadelerinden veya hareketlerden ibaret değildir. Son derece göreli, karmaşık ve dinamiktir. Bu nedenle, yapay zekanın bu alanda veriler dahilinde yanlılıktan ötürü, önyargılara ve stereotiplere yol açabileceği söylenebilir.

Yapay zeka önyargılarının uygulama açısından sakıncalarına bakıldığında, örnekse istihdam süreçlerinde cinsiyet veya ırk temelli ayrımcılığa yol açma potansiyeli olduğunu söyleyebiliriz. Diğer yandan, istihdam değerlendirmeleri dışında çeşitli alanlarda ön değerlendirme sistemlerinde de bu potansiyel suç tahmini sistemlerinde, kriminoloji alanında, belli gruplara yönelik haksızlık yapabilecek profillemeler gerektiren durumlarda, kredi başvurularında ya da hedeflenmeyen ancak ayrımcılığa yol açabilme potansiyeli olan çeşitli alanlardaki değerlendirmelerde görülebilir.

Yapay zeka önyargısı yaratabilecek faktörlere bakıldığında; verilerin, algoritmaların işleyişine nasıl etki ettiğini kavramak gerekir. Yapay zeka sistemleri, genellikle büyük veri setleriyle eğitildiği için, eğitim verisi seçimi; en büyük etken faktörlerin başında gelir. Söz konusu veri setleri, insanların önyargılarına veya ayrımcılığına maruz kaldığında; toplumsal cinsiyet, ırk veya etnik köken gibi faktörlere dayalı ayrımcılık içeren veriler, yapay zeka sistemlerinin de benzer önyargıları öğrenmesine ve kullanmasına yol açabilir. Bu veri setlerinde ayrıca yetersiz bilgiler, eksiklikler veya dengesizlikler bulunması halinde, yine yapay zeka önyargısı olasılığı ortaya çıkar. Örneğin, örneklemin yetersiz temsili yani belirli bir toplumsal veya etnik grubun veri setinde yeterli temsil edilmemesi, yapay zeka sistemlerinin bu gruba ilişkin kararları daha yanılma payı yüksek veya daha önyargılı bir şekilde vermesine neden olabilir. Yanlı veri örneklemesi, yapay zekanın objektif ve adil sonuçlar üretme yeteneğini zayıflatan bir diğer faktördür. Bu durum, veri setlerinin temsil ettiği gerçek dünyanın tam bir yansıması olmamasından kaynaklanır. Yapay zeka önyargısına neden olabilecek bir başka unsur da önyargılı etiketlemelerdir. Kullanılan veri setlerinde, belirli bir cinsiyet veya ırkın olumsuz etiketlemelerle ilişkilendirilmesi, yapay zeka sistemlerinin de benzer şekilde önyargılı kararlar almasına yol açabilir. Bu durum, iletişimde stereotipler yaratır. Yapay zekanın stereotipler oluşturması, hızlı karar almada etkili olsa da, yanlı düşünmeye hatta ayrımcılığa kadar varabilecek sonuçlar doğurabilir. Ayrıca sistem tasarımı ve algoritma seçimi de yapay zekada önyargı ve stereotip yaratan bir başka faktör olarak sıralanabilir. Yapay zeka sistemlerinin tasarımı ve kullanılan algoritmalar veri setlerinin işlenmesinde önemli rol oynadığından, yanlılık payı önemlidir. Bu durum, belirli bir algoritmanın veri analizi sırasında yanlı sonuçlara yol açabilecek özel bir ağırlıklandırma veya değerlendirme yöntemi kullanması gibi koşullara neden olabilir.

Yapay zekanın önyargıyı azaltmak için daha adil ve tarafsız hale getirilmesi için, veri setlerinin dikkatli seçimi, dengelenmesi ve eğitim süreçlerinin gözetimi gibi önlemler alınmalıdır. Ayrıca, etik kurallar ve düzenlemelerle desteklenen bir yapay zeka tasarımı geliştirebilmek de mümkün olabilir.

Yapay zekanın önyargısıyla başa çıkmak; yapay zeka sistemlerinin etik ve adil bir şekilde tasarlanması, eğitilmesi ve değerlendirilmesi gerektiği anlamına gelir. Yapay zeka geliştiricileri, veri setlerini dikkatlice incelemeli, önyargılı veya ayrımcı verileri tespit etmeye çalışmalı ve modelin bu önyargıları yeniden üretmesini önlemek için gereken önlemler alınmalıdır. Bu noktada, insani iletişimin dinamiklerinin son derece girift bir yapıda olması ve zıtlıklar ile çok katmanlılığı bir arada sunması, günümüzün analitik düzeyli ilkel yapay zeka teknolojisi için son derece zorlayıcı. Ancak gelişimsel anlamda, yapay zekaya ilişkin etkili düzenlemelerin tasarlanması ve denetimlerin uygulanmasıyla, konu farklı bir boyuta taşınabilir.

Yapay zekanın insani iletişimle imtihanı, insanoğlunun kendisiyle imtihanıyla buluşabilir. Bu anlamda, iletişim uzmanları, yapay zeka sistemlerinin işleyişini ve karar verme süreçlerini şeffaf bir şekilde açıklamayı teşvik edebilir. Yapay zeka sistemlerinin eğitildiği veri setlerinde çeşitliliği ve katılımcılığı sağlamada önemli rol oynayabilir. İletişim uzmanları, gelecekte yapay zeka teknolojisinde; önyargılı veya ayrımcı verileri belirlemek ve bunları temizlemek için yöntemler geliştirerek, daha adil sonuçlar üreten ve önyargıları azaltan yapay zeka sistemlerinin oluşturulmasına yardımcı olabilir. Yapay zeka sistemlerinin kullanımı sırasında adalet ve eşitlik ilkelerine uyulabilmesine ilişkin yaptırımların ve bilincin gelişmesiyle mümkün olur. Yapay zeka önyargısını ve insani iletişimdeki karmaşık yapıyla ilişkisini anlamak ve bu alanda adil ve tarafsız bir yaklaşım benimseyerek yol almak, gelecekte yapay zeka sistemlerinin toplum için gerçekten faydalı olabileceği bir yolun açılmasına yardımcı olacaktır. Toplum çeşitliliğine saygılı bir insani iletişim yaratma nihai hedefine paralel olarak yapay zekanın da geliştirilmesi gelecek yıllarda git gide önem kazanacaktır.