Teknoloji çok ilerledi. Bilgisayarlar yapay zekâ ile insan gibi düşünmeye başladı. Yazması aylarca hatta yıllarca süren bilgisayar programları yapay zekâ ile bir kaç satıra, hatta birkaç kelimeye indirgendi. Döngüler ve şart cümleleri tarih oldu. Yapay zekâ insanların yaptıkları işleri yapmaya başladı.

Doğal Dil İşleme (NLP) ile bilgisayarlar yazılan yazıları, okunan şiirleri anlamaya başladı. Sonra Siri gibi, Alexa gibi kişisel asistanlar devreye girdi ve makineler insanlarla konuşmaya başladı. Yapay zekâ ve Doğal Dil İşleme ile bebeklerin ağlama seslerini analiz edip neden ağladıklarını çözebildik. Yapılan araştırmalar bebeklerin acıkmaları veya bez değişmesini istemelerinden daha çok anneleri tarafından kucaklanmak istediklerinden ağladıklarını gösteriyor. (Bu arada kucaklamanın bilimde çok önemli bir yeri var. 1995 yılında Massachusetts Tıp Merkezi’nde Kyrie and Brielle adlı ikiz kız bebek normal sürelerinden 12 hafta önce premature olarak doğdular. Doğum sonrası kız bebekler küveze alındılar. İlk başta bebeklerin ikisi de sağlıklıydı. Daha sonra birisi zayıflamaya, nefes almakta zorlanmaya, ve hızlı kilo kaybetmeye başladı. Doktorlar ve hemşireler bildikleri her şeyi denediler. Fakat nafileydi. Bebek yavaş yavaş ölüme gidiyordu. Hemşirelerden birisi Avrupa görmüştü. Amerika’da hiç kullanılmayan ancak Avrupa’da bazen kullanılan bir tedavi şeklini bebeklerin babasının da onayını alarak uyguladı. İki bebeği de aynı küveze koydu. Güçlü olan bebek elini zayıf olan bebeğin sırtına koyup kucakladı ve ikinci bebeğin hayati fonksiyonları normale döndü ve ölümden kurtuldu. Bunun üzerine tıpta prematüre doğan kardeşleri yanyana koymak en etkili tedavi yöntemlerinden birisi oldu. Bu da bize gösteriyor ki akrabalarla ilişkiyi kesmemek, onları kollayıp kucaklamak, çocuklarımızı sevip onlarla oynamak, bayramlarda anne babaların ellerini öpmek ve kucaklamak insan hayatında çok önemli bir yere sahip.) Bunların yanında Makine Öğrenmesi algoritmalarıyla geçmişten ders alıp geleceği tahmin etmeye başladık. Bankaların kime kredi vereceğini yapay zekâ belirlemeye başladı. Yıllarca sürecek hesaplamalar hızlı bilgisayarlar sayesinde milisaniyeler derecesine kadar indi.

Eskiden tek bir televizyon kanalından sınırlı videolar izleyebiliyorduk. Şimdilerde binlerce televizyon kanalı her saniye içerik üretiyor. Çözünürlüğü çok yüksek fotoğraf makinaları yaptık. Akıllı telefonlar ile neredeyse herkesin elinde bir kamera var. Saniyeler içerisinde sosyal medyada milyonlarca resim, yüzbinlerce video paylaşılıyor. Bunların hepsini izlemeye ne zamanımız, ne ömrümüz yeter. Bütün bu teknolojik gelişmelere karşı tek bir eksiğimiz vardı. O da her şeyimizi emanet ettiğimiz, zamanımızın en zeki makinaları görmüyordu. Resim çekmek görmek değil. Görmek ile bakmak arasında fark var. Dinlemek ile işitmenin farklı olduğu gibi. Ancak bu durum artık değişti, şimdilerde bilgisayarlar da ‘Computer Vision’ ile görmeye başladı. Bundan böyle bilgisayarlar yapay zekâ ile milisaniyeler içerisinde on binlerce fotoğrafı inceleyip analiz edebiliyor ve fotoğraftaki nesneleri tanıyabiliyor. Eğer fotoğrafta insan varsa, mutlu mu mutsuz mu, hasta mı sağlıklı mı olduğunu anlayabiliyor. Yüz tanıma sistemleri ile resimdeki insanları tanıyabiliyor. Peki bu noktaya nasıl geldik?

Bir bebek gözlerini açar açmaz nesneleri görmeye başlar. Aynı nesneleri defalarca gördükten sonra yavaş yavaş nesneleri seçmeye başlar. Ancak görmek göz ile başlasa da aslında beyinde biter. Araştırmalar insan gözünün 576 Megapixel kameraya eşit olduğunu söylüyor. İnsan gözü görüntü kalitesinde en son teknoloji ve en gelişmiş fotoğraf makinasına bile uzay teleskopları hariç bir kaç kat fark atıyor. İnsan gözü henüz fotoğraf makinalarında olmayan teknolojilere de sahip. Mesela fotoğraf makinasının lenslerine toz kaçsa kendi kendine temizleyemez. Kirpiklerimizin gerisinde sinirler ve sinirlerin ucunda sensörler var. Toz veya bir tehlike yaklaştığı zaman sensörler sinirlere haber verir. Haber beyne gider, Otonom sistem ile kaslar çalışır ve göz kapaklarımız kapanır. Bu iletişim ise saniyenin binde birinde olur. Bu şekilde gözümüz kirpik ve göz kapaklarımızla önce gözümüze toz girmesini engeller, eğer engelleyemez ise tozu alıp yaydığı kimyasal maddelerle çapak haline getirip gözümüzün burnumuzdan taraftaki uçlarına bırakır. En akıllı bilim adamlarının, en zeki mühendislerin ve en son teknolojilerin henüz yetişemediği bir teknolojiye sahip gözümüzün modası geçmez. Fotoğraf makinalarının yeni versiyonu çıkınca eskisini atar, yenisini alırız. Fakat gözlerimizin hadi yenisini alalım desek ondan daha gelişmiş bir teknoloji zaten mevcut değil. Üstelik 2 adet gözümüz var ve gözümüzden çıkan sinirler (kablolar) beynimizin altında adına “optic chiasm” denilen yerde birleşip iki gözden gelen veriyi birleştirip beynimize geniş açılı panoramik bir görüntü gönderiyor. İki gözden (kameradan) gelen fotoğrafları birleştiriyor, görüntüde bir milim sapma olmuyor ve resim kalitesi tam 576 megapixel. Gözümüz muazzam bir elektrik, elektronik ve optik mühendisliği harikası. Ancak görme işlemi gözümüzle bitmiyor. Göz kamera görevi görüyor. Asıl iş gördüğünü anlayıp karar vermek olan beyin yapıyor. İşte bu noktada bilgisayarların görmesi de bu şekilde modellendi.

Bebeklere kimse nasıl görmeleri gerektiğini söylemiyor. Onlar etraflarındaki nesneleri devamlı görerek bilinçaltında eğitilmiş bir model oluşuyor. Bebeklerin gözlerini bir kamera gibi düşünürsek her 200 milisaniyede bir resim çekiyorlar. Bebekler 3 yaşına geldiklerinde yüz milyonlarca resim görmüş oluyorlar. Daha önce görülen nesneler tekrar görüldüğünde tanıdık geliyor ve artık bebekler nesneleri tanımaya başlıyorlar. Bilgisayarlara da aynı modeli denemek için milyonlarca fotoğrafa ihtiyaç vardı. İşte burada sosyal medya devreye girdi. Çünkü insanlar gönüllü olarak kendilerinin binlerce fotoğrafını algoritmaların kullanımına sunuyor. Sosyal medyadan ve internetten toplanan milyarlarca resim Dünya’nın dört bir yanından binlerce insan tarafından tek tek işaretledi. Nesnelerin isimleri tanıtıldı ve 3 boyutlu geometri tanımlandı. Milyarlarca resim gören bilgisayar algoritmaları bilgisayarların da hızlanması ve belleklerin ucuzlaması ile artık görmeye başladı. Artık bilgisayarlar gördüğü nesneyi ve insanları tanıyor ve konuşulanları anlıyorlar.