Insanların çevrelerindeki bağlamsal ilişkileri ve nedensellikleri tanımalarını ve gözlemlerinden bağımsız olarak problem çözümleri geliştirmelerini sağlayan çok bileşenli bir beceridir.
Zeka, bir kavram olarak çok yönlüdür; problem çözme, öğrenme, yeni durumlara uyum sağlama, karmaşık fikirleri anlama ve kişinin çevresini değiştirmek için bilgiyi uygulama becerisi dahil olmak üzere bilişsel işlevin çeşitli yönlerini kapsar. Etimolojisinin kökeni Latince “intelligere” (anlamak) ve “intelligentia” (anlamak) kelimelerine kadar uzanır ve bilişsel işlemleme ve kavramanın temel yönünü vurgular.
Proto-Hint-Avrupa Kökü
*leg-: “Toplamak.” Bu kök, metaforik olarak düşüncelerin veya fikirlerin bir araya getirilmesine kadar uzanan bir araya getirme veya birleştirme eylemini gösteren kavramın evriminin temelini oluşturur.
Latin Gelişimi
*leg- kökünden şu terimlerle Latinceye geçiyoruz:
inter: “Arasında, arasında” + legere: “Seçmek, seçmek, okumak” = intelligere: “Anlamak, kavramak, bilgili olmak.”
Bu, intelligenem’e (nominative intelligens) dönüşür: “Akıllı, takdir edici”, ayrımcılık ve yargılama kapasitesini gösterir.
Intelligentia: “Anlama, bilgi, kavrama gücü, beceri, yetenek, zevk”, terimin bilişsel ve estetik değerlendirmenin çeşitli yönlerini kapsayacak şekilde genişletilmiş kapsamını sergiliyor.
Eski Fransız Etkisi
Daha sonra terim, 12. yüzyılda Eski Fransızca’da anlama ve kavrama yeteneği ile ilgili anlamlar taşıyarak zeka olarak yerini almıştır.
14. yüzyıla gelindiğinde bu terim, zihnin en yüksek yeteneğini, özellikle de evrensel gerçekleri kavrama gücünü ifade edecek şekilde genişledi.
15. yüzyılın başlarında zekanın üstün anlayış, sağduyu, zeka ve akıl anlamına gelmeye başladığı görüldü. 15. yüzyılın ortalarına gelindiğinde, bilgi edinme veya vermeyle ilgili anlamları veya casusluk veya bilgi toplama bağlamında artık “istihbarat” olarak adlandırabileceğimiz şeyleri de kapsamaya başladı.
Arapça Katkısı
“Keskindi, (ateş) parlıyordu” anlamına gelen Arapça ḏakā ذَكَا terimi ve onun türevi ḏakāˀ ذكاء, keskinliği, keskin kokma eylemini, ateşin alevini ve mecazi olarak aklın ışıltısını veya keskin yetenek, zekanın kavramsal kavrayışı kapsayarak zenginleştirir. Bu ekleme, hem duyusal hem de entelektüel kapasitelerdeki keskinlik niteliğinin altını çiziyor.
Yapay Zeka (AI) ise insan zekası süreçlerinin makineler, özellikle bilgisayar sistemleri tarafından simüle edilmesini ifade eder. Bu bilimsel alan çok disiplinlidir; bilgisayar bilimi, psikoloji, dil bilimi, felsefe ve daha fazlasından yararlanır ve genellikle insan zekası gerektiren görevleri yerine getirebilecek makineler yaratmayı amaçlar. “Yapay Zeka” terimi ilk kez 1956’da Dartmouth Konferansı’nda John McCarthy tarafından icat edildi ve yapay zekanın bir alan olarak temel olayını işaret etti.
Tarihsel Bağlam
Zeka üzerine yapılan çalışmaların, Aristoteles gibi filozofların insan zihnini anlamaya çalıştıkları eski kökleri vardır. İnsan zekasına ilişkin modern bilimsel çalışmaların izleri, psikolog Alfred Binet ve Theodore Simon tarafından ilk zeka testlerinin geliştirilmesiyle 19. yüzyılın sonlarına ve 20. yüzyılın başlarına kadar uzanabilir ve bu test, William Stern’in Zeka Bölümü (IQ) kavramına yol açar.
Yapay zeka
Yapay zekanın gelişimi, 20. yüzyılda bilgisayarların ve hesaplamalı teorinin icadını takip etti. 1950’li ve 1960’lı yıllardaki ilk yapay zeka araştırmaları problem çözme ve sembolik yöntemlere odaklandı. Bu alanda ilerleme döngüleri ve “Yapay Zeka Kışları” olarak adlandırılan, karşılanmayan beklentiler nedeniyle finansmanın ve ilginin azaldığı dönemler yaşandı. Ancak makine öğrenimi, sinir ağları ve artan hesaplama gücündeki ilerlemeler, 21. yüzyılda yapay zekada önemli atılımlara yol açtı.
- Fransız psikolog Alfred Binet entelijans kavramının kurucusudur. Bir çocuğun entelektüel gelişimini tanımlaması gereken erken aşamada farklı zorluk seviyelerine sahip görevler yarattı.
- Elsbeth Stern bu fikirleri daha da geliştirdi ve entelijans bölümü (IQ, intelligence quotient) kavramını tanıttı. Ona göre, zekâ yaşının ve 100 kez alınan yaşın zekası, zeka katsayısı ile sonuçlanmalıdır.
- Bununla birlikte, bu tanım artık özellikle mantıklı olmadığından, Amerikalı Psikolog David Wechsler, bir bireyin yaş grubundaki konumu hakkında bilgi vermesi gereken sapma-zeka bölümü kavramını tanıttı.
IQ alanlarını hesaplamak için çeşitli yöntemler vardır. Bugün en yaygın kullanılan sapma IQ ölçeği ile , ortalama 100 ve standart sapma (SD) 15’tir.
- 130’dan üstü: aşırı yüksek
- 115-130: çok yüksek
- 101-115: üst ortalama
- 100: ortalama
- 86-99: daha düşük ortalama
- 70-85: çok düşük
- 70’in altında: son derece düşük
- Standart sapma 10 olduğunda, karşılık gelen başka değer aralıkları vardır ve ortalama IQ 90-109 koridorundadır.
Yıllar boyunca çeşitli zeka teorileri ve bunlara dayalı zeka testleri geliştirilmiştir. En iyi bilinen teoriler:
Spearman’ın iki faktörlü teorisi
- Spearman iki faktörü ayırt etti:
- Tüm zeka hizmetlerinde ortak olan g faktörü olarak da adlandırılan genel faktör
- Spesifik faktörler
Cattell teorisi
Cattell tarafından yapılan ayrım;
- Akıcı zeka (mantıklı düşünme yeteneği) ve
- Sabit zeka (edinilmiş bilgi)
7 faktörlü teori
- Thurstone yedi faktörü farklılaştırdı:
- Fark etme yeteneği
- Kelime akışkanlığı
- Aritmetik
- Anlama hızı
- Mekansal hayal gücü
- Kelime anlama
- Düşünmeyi sonuçlandırma
Donanım
İnsan zekasının işleme ve veri depolama yeteneklerinin bilgisayarlarla karşılaştırılması sinir bilimi, bilişsel bilim ve bilgisayar biliminin bir karışımını içerir. Bu tür karşılaştırmalar, biyolojik ve elektronik süreçlerin altında yatan çok farklı mekanizmalar nedeniyle doğası gereği zorlayıcı olsa da, araştırmacılar tarafından insan beyninin gücünü kavramsallaştırmak için bazı tahminler ve analojiler önerilmiştir.
İşleme gücü
İnsan beyninin işlem gücünün, paralel işlem yetenekleri ve nöronlar arasındaki karmaşık, doğrusal olmayan etkileşimler nedeniyle, FLOPS (saniyedeki kayan nokta işlemleri) gibi bilgisayar bilimine aşina terimlerle ölçülmesinin oldukça zor olduğu biliniyor. Bununla birlikte, kaba bir karşılaştırma sağlamak için girişimlerde bulunulmuştur. Örneğin, bazı tahminler insan beyninin kabaca 1 exaFLOP hızında çalıştığını ileri sürüyor, bu da saniyede bir milyar milyar hesaplamaya denk geliyor. Bu basit bir benzetmedir, çünkü beynin işlemleri bilgisayar hesaplamalarıyla tam olarak karşılaştırılamaz.
Veri Depolama Gücü
İnsan beyninin veri depolama kapasitesinin kesin olarak ölçülmesi de aynı derecede zordur ancak 2,5 petabayt (veya bir milyon gigabayt) aralığında olduğu tahmin edilmektedir. Bu tahmin, insan beynindeki nöron sayısını (yaklaşık 86 milyar), potansiyel sinaps bağlantılarını ve olası durumlarını dikkate alıyor. Beynin depolaması, dijital bir bilgisayarın ikili depolamasına benzemez; oldukça verimlidir; karmaşık ağlar ve modeller yoluyla çok miktarda bilgiyi kodlar ve geri çağırır.
Yazılım
İnsan beyninin işleyişi ve bir bilgisayar CPU’sunun çalışması, kendi fizyolojik ve elektronik temellerine dayanan, bilgi işleme konusunda temelde farklı iki yaklaşımı temsil eder. Bu farklılıkları anlamak, nöronların insan beyninde oynadığı rollerin ve bunların bilgisayarın merkezi işlem biriminin (CPU) işlemleriyle nasıl karşılaştırıldığının incelenmesini gerektirir.
Nöronların İşlevi
İnsan beyni, her biri sinapslarla birbirine bağlanan, geniş ve karmaşık bir ağ oluşturan yaklaşık 86 milyar nörondan oluşur. Nöronlar, elektrokimyasal sinyaller aracılığıyla iletişim kurar ve bilgileri, elektriksel uyarıların (aksiyon potansiyelleri) ve sinapslar arasındaki kimyasal nörotransmiterlerin bir kombinasyonu yoluyla iletir. Bu iletişim; düşünce, hafıza ve öğrenme dahil olmak üzere insan bilişinin tüm yönlerini destekleyen bilginin işlenmesine ve depolanmasına olanak tanır.
- Elektriksel Sinyalleme: Nöronlar, diğer nöronlarla iletişim kurmak için aksonlar boyunca ilerleyen aksiyon potansiyelleri, elektriksel uyarılar üretir.
- Kimyasal Sinyalleme: Sinapsta, aksiyon potansiyeli, sinaptik boşluğu geçen ve alıcı nörondaki reseptörlere bağlanan ve elektriksel durumunu etkileyen kimyasallar olan nörotransmiterlerin salınmasını tetikler.
- Plastisite: Beynin, nöroplastisite olarak bilinen yeni sinir bağlantıları oluşturarak kendini yeniden organize etme yeteneği, öğrenme ve hafıza için çok önemlidir. Bu, aktiviteye bağlı olarak sinaptik bağlantıların hem güçlendirilmesini (uzun vadeli potansiyelizasyon) hem de zayıflatılmasını (uzun vadeli depresyon) içerir ve beynin bilgiyi verimli bir şekilde depolamasına olanak tanır.
CPU’nun Çalışma Mekanizması
Öte yandan bir CPU, bilgileri ikili mantığa dayalı olarak işler ve talimatları 1’ler ve 0’larla temsil edilen bir dizi açma-kapama durumu aracılığıyla yürütür. Beynin paralel işleme yeteneklerinin aksine, CPU’lar genellikle daha sıralı bir şekilde çalışır, ancak modern CPU’lar bazı görevleri birden fazla çekirdek ve iş parçacığı aracılığıyla paralel olarak gerçekleştirebilir.
- Dijital Sinyaller: CPU’lar, bilgileri temsil etmek için 0’lar ve 1’lerden oluşan ikili sisteme dayanarak hesaplamaları gerçekleştirmek ve verileri işlemek için dijital sinyaller kullanır.
- Talimat İşleme: CPU’lar, bir programın talimatlarını takip ederek aritmetik hesaplamalar, veri hareketi ve kontrol işlemleri gibi önceden tanımlanmış bir dizi işlem temelinde talimatları yürütür.
- Saat Hızı: Bir CPU’nun talimatları yürütme hızı, hertz (Hz) cinsinden ölçülen ve saniyede gerçekleştirebileceği döngü sayısını gösteren saat hızına göre belirlenir.
Nöronları ve CPU’ları Karşılaştırma
- İşleme: Nöronlar bilgiyi elektrokimyasal sinyaller kullanarak karmaşık, uyarlanabilir ağlar aracılığıyla işler, paralel işleme ve esnek öğrenme yetenekleri sağlar. CPU’lar bilgileri dijital olarak işler, hesaplamaları gerçekleştirir ve talimatları saat döngülerine dayalı olarak sıralı veya paralel bir şekilde yürütür.
- Depolama: Beyindeki bilgi depolaması, sinapslar arasında dinamik ve plastik bir şekilde dağıtılır ve karmaşık kalıpların ve deneyimlerin verimli bir şekilde kodlanmasına olanak tanır. Buna karşılık, CPU’lar verileri ve talimatları depolamak için ayrı bellek birimleri (RAM, sabit sürücüler) kullanır ve bilgiler statik, ikili formatta saklanır.
- Verimlilik: Beyin, yaklaşık 20 watt’lık güçle çalışarak dikkat çekici derecede enerji verimlidir; CPU’lar, özellikle de yüksek performanslı modeller, önemli ölçüde daha fazla güç tüketebilir ve daha fazla ısı üretebilir.
Zeka Türleri
Zeka kavramı, insan yeteneklerinin farklı yönlerini yansıtan çeşitli zeka türlerini kapsayan, geleneksel bilişsel yetenek ölçümünün ötesine uzanır. Bu daha geniş zeka anlayışı, tek bir birleşik yetenek yerine, zekanın birden fazla boyutunu tanıyan teorilerden önemli ölçüde etkilenmiştir. Bu teorilerden en etkili olanı, Howard Gardner’ın 1983 tarihli “Frames of Mind: The Theory of Multiple Intelligences” adlı kitabında öne sürdüğü çoklu zeka teorisidir. Gardner, insanın bilişsel yeterliliğinin “zeka” olarak adlandırdığı bir dizi yetenek, yetenek veya zihinsel beceri açısından daha iyi tanımlanabileceğini savunuyor.
- Dilsel Zeka: Dili hem sözlü hem de yazılı olarak etkili bir şekilde kullanma yeteneği. Bu, dil öğrenme, dili hedeflere ulaşmak için kullanma ve kelimelerin sırasını ve anlamını anlama kapasitesini içerir.
- Mantıksal-Matematiksel Zeka: Problemleri mantıksal olarak analiz etme, matematiksel işlemleri gerçekleştirme ve konuları bilimsel olarak araştırma kapasitesi. Bu zeka, kalıpları tespit etme, tümdengelimli akıl yürütme ve mantıksal düşünme yeteneğini içerir.
- Uzamsal Zeka: Üç boyutlu düşünme potansiyeli. Temel kapasiteler arasında zihinsel imgeleme, mekansal akıl yürütme, görüntü manipülasyonu, grafik ve sanatsal beceriler ve aktif hayal gücü yer alır.
- Müzikal Zeka: Perdeyi, ritmi, tınıyı ve tonu ayırt etme yeteneği. Bu zeka, bestecilerin, orkestra şeflerinin, müzisyenlerin, vokalistlerin ve hassas dinleyicilerin gösterdiği gibi insanların müziği tanımasını, yaratmasını, yeniden üretmesini ve üzerinde düşünmesini sağlar.
- Bedensel-Kinestetik Zeka: Nesneleri manipüle etme ve çeşitli fiziksel becerileri kullanma kapasitesi. Bu zeka aynı zamanda zamanlama duygusunu ve zihin-beden birliği yoluyla becerilerin mükemmelleştirilmesini de içerir.
- Kişilerarası Zeka: Başkalarını anlama ve onlarla etkili bir şekilde etkileşim kurma yeteneği. Etkili sözlü ve sözsüz iletişimi, diğerleri arasındaki ayrımları fark etme yeteneğini, başkalarının ruh hallerine ve mizaçlarına duyarlılığı ve çoklu bakış açılarını dikkate alma yeteneğini içerir.
- İçsel Zeka: Kendini anlama, kişinin duygularını, korkularını ve motivasyonlarını takdir etme kapasitesi. Bu zeka, kendimizin etkili bir çalışma modeline sahip olmayı ve bu bilgiyi yaşamlarımızı düzenlemek için kullanmayı içerir.
- Naturalist Zeka: Gardner daha sonra çevrenin belirli özelliklerini tanımlama, ayırt etme, kategorize etme ve kullanma yeteneğini içeren bu zekayı ekledi. Bu, muhtemelen insanın doğayla etkileşime girme konusundaki geleneksel ihtiyacından kaynaklanan bir yetenek.
- Varoluşsal Zeka: Gardner ayrıca varoluşsal zekayı, yaşamın anlamı, neden öldüğümüz ve buraya nasıl geldiğimiz gibi varoluşla ilgili büyük sorular üzerinde düşünme yeteneği olarak geçici olarak tanıttı.
İleri Okuma
- Sternberg, R. J. (1985). “Human intelligence: The model is the message“. Science, 230(4730), 1111-1118.
- Deary, I. J. (2001). “Intelligence: A very short introduction“. Oxford University Press.
- McCarthy, J., Minsky, M. L., Rochester, N., & Shannon, C. E. (2006). “A Proposal for the Dartmouth Summer Research Project on Artificial Intelligence, August 31, 1955“. AI Magazine, 27(4), 12-14.
- Russell, S., & Norvig, P. (2016). “Artificial Intelligence: A Modern Approach” (3rd ed.). Pearson.
- Mallory, J.P., & Adams, D.Q. (1997). “Encyclopedia of Indo-European Culture.” London: Fitzroy Dearborn. This work provides insights into the Proto-Indo-European roots and their significance.
- Ernout, A., & Meillet, A. (2001). “Dictionnaire étymologique de la langue latine: Histoire des mots” (4th ed.). Paris: Klincksieck.
- Sienkewicz, T.J. (1980). “Ovid and the Renascence in Spain.” University of Pennsylvania Press.
- Herculano-Houzel, S. (2009). “The human brain in numbers: a linearly scaled-up primate brain“. Frontiers in Human Neuroscience, 3, 31. This study provides insight into the cellular composition of the human brain, offering a basis for understanding its computational capabilities.
- Bartol, T.M., Bromer, C., Kinney, J., Chirillo, M.A., Bourne, J.N., Harris, K.M., & Sejnowski, T.J. (2015). “Nanoconnectomic upper bound on the variability of synaptic plasticity“. eLife, 4, e10778. This research explores the complexity of synaptic connections, leading to estimates of the brain’s information storage capacity.
- Kandel, E. R., Schwartz, J. H., Jessell, T. M., Siegelbaum, S. A., & Hudspeth, A. J. (2013). “Principles of Neural Science” (5th ed.). McGraw-Hill.
- Hennessy, J. L., & Patterson, D. A. (2017). “Computer Architecture: A Quantitative Approach” (6th ed.). Morgan Kaufmann.
- Gardner, H. (1983). “Frames of Mind: The Theory of Multiple Intelligences”. New York: Basic Books.
- Gardner, H. (1999). “Intelligence Reframed: Multiple Intelligences for the 21st Century“. New York: Basic Books.
