1977’de Massachusetts Üniversitesi, Amherst’te araştırmacı olan Andrew Barto, nöronların hedonistler gibi davrandığına dair yeni bir teoriyi keşfetmeye başladı. Temel fikir, insan beyninin her biri hazzı en üst düzeye çıkarmaya ve acıyı en aza indirmeye çalışan milyarlarca sinir hücresi tarafından yönlendirildiğiydi. Bir yıl sonra, bir başka genç araştırmacı Richard Sutton ona katıldı. Birlikte, bu basit kavramı kullanarak insan zekasını açıklamak için çalıştılar ve bunu yapay zekaya uyguladılar. Sonuç, AI sistemlerinin dijital haz ve acı eşdeğerinden öğrenmesinin bir yolu olan “pekiştirmeli öğrenme” oldu.
Dünyanın en büyük bilgisayar profesyonelleri topluluğu olan Bilgisayar Makineleri Derneği, Dr. Barto ve Dr. Sutton’ın takviyeli öğrenme konusundaki çalışmalarından dolayı bu yılki Turing Ödülü’nü kazandığını duyurdu. 1966’da tanıtılan Turing Ödülü, genellikle bilgisayar biliminin Nobel Ödülü olarak anılır. İki bilim insanı, ödülle birlikte gelen 1 milyon dolarlık ödülü paylaşacak.
Turing ödülü yapay zeka ile taçlandı
Son on yılda, takviyeli öğrenme , Google’ın AlphaGo ve OpenAI’nin ChatGPT gibi çığır açan teknolojiler de dahil olmak üzere yapay zekanın yükselişinde hayati bir rol oynamıştır . Bu sistemleri güçlendiren teknikler, Dr. Barto ve Dr. Sutton’ın çalışmalarına dayanmaktadır.
Washington Üniversitesi’nde bilgisayar bilimi alanında emekli profesör ve Allen Yapay Zeka Enstitüsü’nün kurucu başkanı olan Oren Etzioni: “Onlar takviyeli öğrenmenin tartışmasız öncüleridir. Temel fikirleri onlar üretti ve konu hakkında kitap yazdılar” dedi.
1998 yılında yayınlanan “Takviyeli Öğrenme: Giriş” adlı kitapları, birçok uzmanın potansiyelinin ancak yeni yeni ortaya çıkmaya başladığını söylediği bir fikrin kesin incelemesi olmaya devam ediyor. Psikologlar uzun zamandır insanların ve hayvanların deneyimlerinden öğrenme yollarını inceliyorlar. 1940’larda öncü İngiliz bilgisayar bilimcisi Alan Turing, makinelerin de benzer şekilde öğrenebileceğini öne sürdü. Ancak bunun nasıl çalışabileceğinin matematiğini keşfetmeye başlayanlar Dr. Barto ve Dr. Sutton’dı, hükümet için çalışan bir bilgisayar bilimcisi olan A. Harry Klopf’un önerdiği bir teori üzerine inşa ettiler. Dr. Barto, UMass Amherst’te bu fikre adanmış bir laboratuvar kurdu, Dr. Sutton ise Kanada’daki Alberta Üniversitesi’nde benzer bir tür laboratuvar kurdu.
Bu, 2016’da AlphaGo’nun ortaya çıkışına kadar akademik bir uğraş olarak kaldı. Çoğu uzman, Go oyununda dünyanın en iyi oyuncularını yenebilecek bir yapay zeka sisteminin inşa edilmesinin 10 yıl daha süreceğine inanıyordu. Ancak Güney Kore’nin Seul kentindeki bir maç sırasında AlphaGo, son on yılın en iyi Go oyuncusu Lee Sedol’u yendi. İşin püf noktası, sistemin deneme yanılma yoluyla öğrenerek kendisine karşı milyonlarca oyun oynamış olmasıydı. Hangi hareketlerin başarı (zevk) ve hangilerinin başarısızlık (acı) getirdiğini öğrendi.
Sistemi geliştiren Google ekibine, Alberta Üniversitesi’nde Dr. Sutton’ın danışmanlığında takviyeli öğrenmeyi inceleyen araştırmacı David Silver liderlik ediyordu. Pek çok uzman, takviyeli öğrenmenin oyunların dışında işe yarayıp yaramayacağını hâlâ sorgulamaktadır. Oyun kazançları puanlarla belirlenir, bu da makinelerin başarı ile başarısızlığı ayırt etmesini kolaylaştırır. Ancak takviyeli öğrenmenin çevrimiçi sohbet robotlarında da önemli bir rolü var.
