Onun tüm uyarıları göz ardı edilmiş ve ölçeği tüm çocukları test etmek için rutin bir araç olarak kullanılmıştır. Binet–Simon testi, Terman’ın 1916 tarihli standart sürümüyle, ardından 1937 tarihli Terman–Merrill revizyonuyla ve daha sonra 1960’ta yapılan bir başka revizyonla yer değiştirmiştir.

Bu test için soru seçme yönteminin, soruların testin üretmesi beklenen sonuçlara ilişkin önceden oluşturulmuş bazı varsayımları karşılamak zorunda olması şeklinde olması dikkat çekicidir. Bu, tüm zekâ testi geliştirme çalışmalarında standart bir uygulamadır. Örneğin, sistematik olarak erkekler ya da kızlar için daha yüksek puanlar veren sorular elenir. Soru seçimi ve puanlama yöntemleri kullanılarak test, beyaz Amerikalı nüfus için—kentsel ve ortalamanın üzerinde sosyoekonomik düzeydeki kişilere bir miktar yanlı olacak biçimde—puanların ortalaması 100 ve standart sapması 16 olan normal bir dağılım göstermesi sağlanacak şekilde yapılandırılmıştır. Bu, referans grubunun (beyaz Amerikalıların) yüzde 50’sinin 100’ün altında; yüzde 85’inin 116’nın altında; yüzde 97,5’inin 132’nin altında puan alacağı anlamına gelir vb.

Yaygın olarak kullanılan bir başka zekâ testi olan Wechsler zekâ ölçeği, yetişkinler ve çocuklar için ayrı testler kullanır. Bu test iki ana bölüme ayrılmıştır: biri ağırlıklı olarak sözel yeteneği, diğeri ise performansı ölçer. Wechsler ve Binet testleri bir miktar farklı felsefelere ve farklı soru kategorilerine sahip olsalar da, benzer test geliştirme ilkelerini kullanırlar ve makul ölçüde uyumlu puanlar üretirler.

Zekâ Testlerine Yönelik Sorgulamalar

1960’lardan başlayarak, zekâ testlerinin rolü ve değeri ciddi biçimde sorgulanmıştır. Özellikle eleştirmenler, bu testlerin zekâya çok dar bir bakış açısıyla yaklaştığını ve aşağıdaki gibi kuşkulu varsayımlara dayandığını ileri sürmüşlerdir:

Bir çocuk sabit ya da önceden belirlenmiş bir zekâ düzeyiyle doğar.
IQ testleri bu zekâyı ölçebilir.
IQ puanları erken çocukluktan yaşlılığa kadar çok az değişkenlik gösterir.
İlk olarak 1900’lerin başında kullanılmaya başlanmalarından bu yana görece değişmeden kalan testler, insan performansının iyi birer öngörücüsüdür.

İnsan zekâsının test edilmesine ilişkin olarak neyin makul ve anlamlı olduğu sorusu ele alınırken, bilimsel geçerlilik konularına siyasal ve toplumsal kaygıların karışmış olması şaşırtıcı değildir.

Makine Zekâsının Değerlendirilmesi

Zeki olduğu iddia edilen bir makine sunulsaydı, bu iddiayı değerlendirmek için uygun yöntem ne olurdu? En bariz yaklaşım, makineye bir IQ testi vermek olabilir. İlerleyen bölümlerde görüleceği gibi, bu tür bir testin seçilmiş bölümlerinde oldukça iyi performans gösterebilen makineler geliştirmeyi zaten biliyoruz. Örneğin, makineler günümüzde lise cebiri problemlerini çözebilmekte, IQ testlerinde kullanılan türde geometrik analoji problemlerini çözebilmekte, basit bir öykünün içeriğiyle ilgili soruları yanıtlayabilmekte, İngilizce cümleleri ayrıştırabilmekte vb.

Bununla birlikte, bunların hiçbiri tamamen tatmin edici olmazdı; çünkü makinenin kendisinden istenen her özgül görev için özel olarak hazırlanmış olması gerekirdi. Görevin özgül niteliği makineye önceden programlanmamışsa, görev makineye normal bir konuşma (sözlü ya da yazılı) yoluyla tanımlanamazdı. Bu tür değerlendirmeler, doğal dilin bir biçimini kullanarak serbestçe iletişim kurabilme yeteneğinin, zeki bir varlığın temel bir niteliği olduğuna birçok kişiyi inandırmıştır.

Turing Testi

1950 yılında Alan Turing, “Bir makine düşünebilir mi?” sorusuna işlemsel bir yanıt sağlamak amacıyla bir “taklit oyunu” önermiştir.

(Lütfen 25. sayfaya bakınız.)

Yapay Zekâ ve Doğal Dil Sistemleri

Susan J. Scown
Digital Equipment Corporation
200 Baker Ave.
Concord, MA 01742

“Tüm doğal dil sistemlerinde olduğu gibi, söylem alanı ne kadar sınırlıysa, insan sözcüklerinden bilgisayar kavramlarına çeviri o kadar iyidir.”

Bilgisayarlarla İletişim Kurma

Bilgisayarlarla iletişim kurmak istediğimizde, bunu onların koşullarında, onların dilinde ve onların ortamlarında yapmak zorundayız. Assembler, BASIC, COBOL, FORTRAN ya da başka bir programlama dilini öğrenmemiz gerekir. Bu diller, bir noktayı yanlış yere koyduğumuzda ya da bir parantezi veya başka küçük bir ayrıntıyı atladığımızda affetmez olma eğilimindedir.

Şu anda menüler, çevrimiçi yardım olanakları ve grafik simgeler gibi arayüzlerle iletişim sorununu hafifletmeye yönelik bazı girişimler bulunmaktadır. Bunlar hâlâ bir miktar hantaldır, belli bir eğitim gerektirir ve büyük ölçüde sisteme ya da uygulamaya bağımlı olma eğilimindedir.

Doğal Dil ile İletişim

Araştırmacılar, İngilizce, Japonca ve Fransızca gibi ana dillerimizi karşılayabilen “doğal dil” sistemleri geliştirmektedir.

Doğal dil ile iletişim alanındaki araştırma ve uygulamalar, girdi ve çıktı sorunlarını ve bilgisayarın doğal dildeki ifadeleri işlemesini ve bunlara yanıt vermesini nasıl sağlayacağımızı ele almıştır.

Doğal dil girdisi ve çıktısı hem metin hem de ses yoluyla gerçekleştirilir. Metin yoluyla iletişim, klavyeler, yazıcılar ve video monitörleri gibi geleneksel donanım mekanizmalarıyla sağlanır. Ses yoluyla doğal dil iletişimi ise konuşma tanıma ve sentez sistemleri olarak paketlenmiş donanım mekanizmalarıyla gerçekleştirilir. Bu tanıma ve sentez sistemlerinin bazıları, konuşulan girdiyi yorumlayan ya da insan benzeri işitilebilir konuşma çıktısı üreten YZ (yapay zekâ) teknolojileri tarafından desteklenmektedir.

Doğal Dilde Kullanım Gelenekleri

Doğal dil alanı içindeki konular tartışılırken kullanılan gelenekler aşağıdaki gibidir.

“Doğal dil”, bilgisayarlarla ana dillerimizi kullanarak iletişim kurmayı ifade eden bir şemsiye terimdir. Dil girdisini, çıktısını ve anlamayı kapsar. “Doğal dil” terimi bazen daha dar bir anlamda, dil sorununun metin dalını ifade etmek için de kullanılır. “Konuşma anlama”, bilgisayarların konuşulan dile doğru biçimde yanıt verebilme yeteneğini ifade eder. “Konuşma üretimi” ise bilgisayarların konuşulan dil çıktısı verebilme yeteneğini ifade eder.

İleride tartışacağımız gibi, doğal dil iletişiminin iki alanında—konuşma üretimi ve doğal dil arayüzleri—bazı pratik ticari sistemler halihazırda mevcuttur. Diğer hedefler, özellikle konuşma anlama, ticari ortamlarda yaygın olarak kullanılmadan önce çok daha fazla araştırma gerektirmektedir.

Dil Anlama

Bir bilgisayarın dili “anladığını” söylediğimizde, kullanıcının sade dilini işleyebildiğini, komutu yerine getirebildiğini ve uygun çıktı üretebildiğini kastediyoruz.

Doğal dili anlayabilen bilgisayarların kullanım alanları şunları içerir:

Veritabanları veya işletim sistemleri gibi sistemlere, uzman danışmanlık sistemlerine ya da robotlara yönelik arayüzler.
Yazılı materyalleri bir dilden başka bir dile çevirmek için makine çevirisi sistemleri.
Belgelerdeki bilgileri, özetleyip önemli noktaları çeşitli alıcılara yönlendirecek ve içerik hakkında soruları yanıtlayabilecek biçimde organize edip depolayacak kadar iyi okuyup anlayabilen belge anlama sistemleri.

Sözdizimi ve Ayrıştırma

Doğal dili anlama sistemlerine giren girdiler üzerinde iki tür analiz gerçekleştirilir. Bunlardan biri sözdizimine (sözcüklerin ifadelere nasıl yapılandığına) odaklanır, diğeri ise anlambilime (sözcüklerin ifadeler bağlamındaki anlamına) odaklanır. Bu analizler birlikte, doğal dil sistemlerinin girdi ifadesinin içsel bir temsil dilinde bir yeniden ifade üretmesine olanak tanır.

Sözdizimi—bir cümlenin her bir bölümünün rolü—ayrıştırma yoluyla analiz edilir. Ayrıştırma, bir cümledeki her sözcüğün hangi işlevi yerine getirdiğini ve girdinin belirli bir dilbilgisine göre “yasal” (tam ve dilbilgisel) olup olmadığını belirleme sürecidir. Sözel iletişim hakkında farklı kuramlarca desteklenen çeşitli dilbilgileri, doğal dil sistemlerinde ayrıştırma sürecini yönetmek için kullanılmıştır.

Anlambilim ve Anlam

Sözcüklerin ve deyimlerin anlamına odaklanan anlamsal analiz, sistemin anlayışını netleştirmek için gereklidir. Anlamsal analiz, girdi cümlesindeki sözcükleri ve onların rollerini, sistemin veri ya da bilgi tabanında depolanan problem alanına ilişkin bilgilerle ilişkilendirerek ilerler. Bu bilgi, girdiyi yorumlamak için bir beklentiler arka planı oluşturabilir.

Depolanan bilgi; problem alanındaki nesnelerin, olayların ve ilişkilerin betimlemeleri; problem alanında karşılaşılabilecek tipik durumların betimlemeleri; ya da problem alanında belirli koşullar altında gerçekleşen olay zincirleri veya yordamlar olabilir.

Sistem, girdiyi analiz etmek için bilgi yapılarındaki bilgileri kullanmanın yanı sıra, girdinin kendisini de bilgi yapılarına depolayabilir; böylece işlem ilerledikçe bilgisini artırır ve rafine eder. Bu, sistemin tek tek cümlelerden daha geniş bağlamlarda girdiyi anlamasına yardımcı olur. Depolanan bilgiler, bir cümledeki göndermeleri başka bir cümledeki gönderilenlerle ilişkilendirmek için bir yol sağlar.

Doğal dil sistemleri, sözdizimsel ve anlamsal analizlerden gelen bilgileri birleştirerek girdi cümlelerinin biçimselleştirilmiş temsillerini üretebilir. Analizler tarafından üretilen bu biçimselleştirmeler, diğer girdilerle karşılaştırılmak üzere bilgi tabanında saklanabilir ya da bir veritabanı sorgusunu yanıtlamak gibi sistemde bazı etkinlikleri tetikleyebilir.

Bir dilbilgisinin desteği olsa bile, ayrıştırma başka tür bilgilerin yokluğunda zordur. İnsanlar, ayrıştırma sürecindeki belirsizlikleri gidermeye yardımcı olmak için dünya hakkındaki bilgilerini kullanırlar. Örneğin, biz insanlar “Deniz samurları, sırtüstü yüzerken midyeleri kayaların üzerinde kırar.” gibi bir cümleden anlam çıkarabiliriz. “Sırtüstü yüzerken” ifadesini “samurlar”ı niteleyen bir unsur olarak ayrıştırırız; çünkü dünya hakkındaki bilgimiz, kayaların ve midyelerin sırtüstü yüzmediğini söyler. (Cümle kötü yapılandırılmış olsa bile onu anlarız.) Bu bilgiye sahip olmayan bir sistem, cümlenin nasıl ayrıştırılacağına karar vermekte zorlanır.

Diğer ayrıştırma belirsizlikleri, çift anlamlı sözcüklerde, deyimlerde ve zamirlerde ortaya çıkar. Anlamsal analiz, bu güçlüklerin çözülmesine yardımcı olur.

Eksilti ve Metaforlar

Eksilti de bilgisayarlar için güçlükler sunar. Eksilti, sözcüklerin atlanmasıyla ortaya çıkar ve dilbilgisel eksiklik oluşturur. İnsanlar eksiltili ifadeleri bağlamdan yorumlar. Örneğin, biri “Bu sabah beş soyguncudan oluşan bir çete bankayı soydu.” derse, bir muhabirin “Tutuklanan var mı?” diye sorması, çoğu dinleyicinin anlayacağı eksiltili bir ifade olur.

Doğal dil sistemleri için bir başka sorun da “Maria Garcia toplumun bir direğidir.” gibi metaforların kullanımıyla ortaya çıkar. Metaforlar, açık talimat olmadan bir bilgisayar tarafından doğrudan çevrilemez.

Bilgisayar programları, iletişim kuranın amaçlarına dayanarak bir mesajı satır aralarını okuyarak yorumlayabilen biçimde henüz geliştirilmemiştir. Örneğin, bir paketi sararken birine “Bant var mı?” diye sorduğunuzda, bir envanter çıkarmıyor, bir istekte bulunuyorsunuz.

Doğal Dil Arayüzleri

Doğal dil arayüzleri, insanların ana dillerinin alt kümelerini kullanarak sınırlı alanlarda bilgisayarlarla iletişim kurmalarına olanak tanır. Teknolojinin başlıca kullanım alanlarından birinin, veritabanlarını sorgulayan kuruluşlar olması beklenmektedir. Yöneticiler, ofis çalışanları ve teknik profesyoneller, ne veri işleme kurslarına gitmeden ne de veri işleme departmanından geçmeden bilgisayardan gerekli verileri alabilecektir.

Oyun üç kişiyle oynanır: bir erkek, bir kadın ve her iki cinsiyetten de olabilen bir sorgulayıcı. Sorgulayıcı, diğer ikisinden ayrı bir odada kalır ve diğer iki kişiden hangisinin erkek, hangisinin kadın olduğunu belirlemeye çalışır. Erkek, sorgulayıcıyı kendisinin kadın olduğuna ikna etmeye çalışır. Sorgulayıcı ile her bir kişi arasındaki iletişim teleprinter aracılığıyla yapılır ve sorgulayıcı katılımcılara dilediği soruyu sormakta serbesttir.

Şimdi şu soruyu sorduğumuzu varsayalım: “Bu oyunda erkeğin rolünü bir makine aldığında ne olacaktır?” Turing, oyun makineyle oynandığında sorgulayıcı, bir erkekle bir kadın arasında oynandığı zamanki kadar sıklıkla yanlış karar veriyorsa, makinenin “zeki” sayılabileceğini düşünmüştür.

Bunun başarılabilmesi için makinenin doğal dilde bir diyalog yürütebilmesi ve son derece geniş bir “dünya bilgisi” veritabanını kullanarak akıl yürütebilmesi gerektiği unutulmamalıdır. Turing tarafından önerilen “erkek–kadın” formülasyonu, taklit oyunu anlatılırken genellikle vurgulanmaz. Bunun yerine, tema çoğunlukla bir makinenin sorgulayıcıyı kendisinin bir insan olduğuna ikna etmesi fikridir.

Turing testi, pratik değerinden çok tarihsel ve felsefi öneme sahiptir; Turing testi psikologlar için yararlı bir araç olarak tasarlamamıştır. Örneğin, testte başarısız olmak zekâ eksikliğini göstermez. Önemli olan merkezi fikir şudur: Seçici bir kişiyle özgür ve sınırsız bir konuşmada başarıyla iletişim kurabilme yeteneği, ölçülebilen diğer herhangi bir nitelikten daha iyi bir zekâ göstergesidir.

İnsan Tek Zeki Hayvan Değildir

Daha önce sunulan zeki davranış niteliklerini incelersek, bu nitelik kategorilerinin her birinde üstün hayvan performansına örnekler bulabiliriz. Ancak yakın zamana kadar, tüm hayvanlar arasında yalnızca insanın, anlam iletmek için yapılandırılmış dilsel ifadeler üretebildiğine (anlamaktan ziyade) inanılıyordu.

Yakın zamanda yapılan deneyler, şempanzelerin Amerikan İşaret Dili’ni öğrenebildiğini ve sözcük anlamlarını fiziksel belirteçlere (örneğin küçük renkli plastik diskler) atamayı öğrenebildiğini, ardından bu belirteçleri eğitmenleriyle iletişim kurmak için yapılandırılmış cümleler hâlinde düzenleyebildiğini göstermiştir. Dolayısıyla nesnel bir anlamda, insanın yüksek memelilerden esas olarak benzersiz ve paylaşılmayan bir yeteneğe sahip olmasıyla değil, entelektüel yeteneğin derecesi bakımından farklılaştığı görülmektedir.

İlişkili bir bağlamda, Gordon Gallup’un yakın dönem çalışmaları şu soruyu ele almaktadır: “Zihinler, bizimkinden başka türlerde de var mıdır?” Gallup, zihin, bilinç ve öz-farkındalık kavramlarını özünde aynı anlama gelecek şekilde tanımlar.

Öz-farkındalık için geliştirdiği işlemsel test, bir organizmanın kendisini aynada tanıyabilmesidir; örneğin bir çocuk, yansımasını yaklaşık bir buçuk ile iki yaş arasında tanıyabilir.