18 Aralık 2023 Pazartesi
Özet
İlk olarak 1956 yılında Dortmund Konferansında John McCarthy tarafından dile getirilen yapay zekâ kavramı, günümüze değin elde ettiği değişimle, bilgisayar mühendisliği alanında önemli araştırma alanlarından biri ve tartışmasız bu yüzyılın ilk yarısından itibaren teknolojinin itici gücü olarak kabul edilmektedir. Öğrenme, akıllı tahminlerde bulunma, karmaşık problemleri çözme, değişken koşullara uyum sağlama, farklı insan dili ve deneyimlerine adapte olma gibi özellikleriyle yapay zekâ; başta eğitimde bilginin yönetimi olmak üzere, doğrudan eğitim ve öğretim sürecine katkı basamağında yer almaktadır. Aslında bugün yapay zekâ çoktan sınıf içine girmiş, öğrencilerin, öğretmenlerin ya da ailelerin “hoş geldin” demesine fırsat vermeden, “akıllı, uyarlanabilir veya kişiselleştirilmiş öğrenme sistemleri” adı altında dünya çapında liselerde ve üniversitelerde eğitimi farklı bir boyuta taşımıştır. Bu boyut, artık yönetilmesi ve ulaşılabilmesi imkânsız olan her bir öğrenci ile oluşan ‘büyük veri’ yi toplama ve analiz etme işlemi ile devam etmektedir. Bugün “eğitimde yapay zekâ” ile ilgili vereceğimiz her bilgi ya da yapacağımız her açıklama kesinlikle eksik kalacaktır. Çünkü; yapay zekâ temelli yeni eğitim uygulamaları bugün olduğu gibi yarın da yeni tekniklerle karşımıza çıkacaktır. Çok sınırlı temel ilkelerle açıklanmaya çalışılan yapay zekâ örnekleri ve uygulamaları, eğitimde farklı boyutlarda (hedef alınacak grup, öğrenme yaklaşımı, öğrenme alanı, öğrenme desteği ve öğretim) ve çeşitli örneklerle geliştirilmiştir. Yapay zekânın teorileri ve teknolojileri bütünleştirerek eğitimde yüksek bir fark yarattığı ve bu değişimin öğrenme süreçlerinin tüm aşamasında devam ettiği görülmektedir. Bu dönüşüm, eğitim yaklaşımlarında vurgulanan “bire bir öğrenme” ilkesine dayandırılmalıdır. Öğretim ortamlarının etkinliğini arttırmak, öğrenmeyi bireyselleştirecek, ortam ve zamana bağlı olmayan bir öğretim ortamı yaratacak yazılımlar bu teknolojik gelişim sürecinin eğitim ortamlarına önemli katkılarındandır. Teknolojideki hızlı değişime paralel olarak, öğretim teknolojilerindeki gelişim nitelikli öğretim teknolojileri uzmanlarının yetiştirilmesine ihtiyaç duyulmuştur. Bilgisayarların insanlarla hızlı etkileşime girebilmesi, çeşitli formatlarda bulunan fazlaca bilgiyi depolayıp işleyebilmesi ve bir dizi işitsel/görsel veriyi gösterebilmek için diğer kitle iletişim araçlarıyla etkin olarak kullanılabilmesi öğretim ortamlarında teknoloji kullanımını hızla yaygınlaştırmıştır. Özellikle eğitim ortamlarında bilgisayarlar, bir takım bilginin derlenmesi, bu bilgilerin saklanması ve değerlendirilmesi gibi beyin gücü gerektiren uygulamalara yeni araç ve teknikler geliştirmek için kullanılmıştır denilebilir.
Anahtar Kelimeler: Eğitimde yapay zekâ, zekâ, beyin, yapay zekâ, uzman sistemler.
Giriş
Yapay zekâ günümüz dünyasının en önemli teknolojilerinden biridir. Öyle ki, geçen yüzyılın başlarında sadece filmlerde görebildiğimiz ve çeşitli bilim-kurgu romanlarında karşılaştığımız sahnelerin birçoğu, yapay zekânın hayatımıza girmesiyle mümkün olmuştur. Örneğin, Groover ve diğerleri tarafından 1986 yılında yapılan bir çalışmada endüstride robotlar, parçaları farklı şekillerde programlanan ve hareket eden sistemler olarak tanımlanmıştır. Oysa bu tanım ilk olarak 1921 yılında Çek yazar K. Capec tarafından hazırlanan bir oyunun metninde kullanılmıştır. Bugün sadece endüstride değil, enerji, madencilik, tarım, sağlık, sürücü iyileştirmeleri, sesli asistanlar, online sohbet ve iletişim ve yazılım geliştirme gibi hemen hemen her alanda yapay zekâ ve uygulamaları etkili olmaktadır. Yapay zekânın bu etki alanıyla birlikte eğitimde yer almadığını düşünmek oldukça yanlış olur. Diğer taraftan, yapay zekânın eğitimde bütün sorunların çaresi görülmesi de yine doğru olmayacaktır. Dolayısıyla bu çalışmanın amacı, yapay zekânın eğitime yaptığı ve yapabileceği katkıyı bir denge içerisinde sunmaktır. Bunun için öncelikle, “Zekâ nedir?”, “Bir makine nasıl zeki davranışlar gösterir?” ve “Yapay zekâ nedir?” gibi sorular ile konunun terminolojik boyutu tartışılacaktır. Devam eden bölümlerde, yapay zekânın eğitime nasıl ve ne şekilde katkı yapacağı ve hangi yapay zekâ uygulamalarının eğitimde kullanılabileceğine dair bir analiz yapılacaktır.
YAPAY ZEKÂ
Yapay zekâ kavramı ilk olarak 1956 yılında Dortmund Konferansı’nda John McCarthy, Marvin L. Minsky, Nathaniel Rochester ve Claude E. Shannon tarafından sunulan bir öneri mektubunda dile getirilmiştir. Ancak bu kavramın mucidi olarak John McCarthy kabul edilmektedir (Alpaydın, 2013). McCarthy (2004, s.7) zekâyı, “Dünyada hedeflere ulaşma yeteneğinin hesaplayıcı bir parçasıdır. Değişen türde ve derecede zekâ insanlarda, birçok hayvanda ve bazı makinelerde görülür” şeklinde tanımlarken, yapay zekâyı, “insan benzeri zeki makineler, özellikle de zeki bilgisayar programları yapma bilimi ve mühendisliği” olarak ifade etmiştir. Bu tanımı şu şekilde açmak mümkündür: Bir bilgisayarın akıl yürütme, problem çözme, anlam çıkarma ve genelleme gibi insansı davranışlar göstermesi, yani üst seviye bilişsel becerileri kullanması yapay zekâ olarak tanımlanabilir. Daha önce de belirtildiği üzere, kavramın görece olarak yeni olması farklı disiplinler ve alanlar tarafından farklı tanımlanmasını doğurmuştur. Bu tanımlardan birkaçı şu şekildedir:
Örneğin Slage, yapay zekâ kavramını “sezgisel programlama” olarak nitelendirmiştir (Nabiyev, 2012). Benzer şekilde Axe, yapay zekâ ’yı karmaşık problemleri çözen, sadece önceden belirlenen sorunları değil yeni bir durum karşısında da tepkiler oluşturabilen akıllı programlar olarak kabul etmiştir (Nabiyev, 2012). Yapay zekâ konusunda yaptığı çalışmalarla ön planda yer alan bir diğer isim olan Nils Nilsson’a (1990) göre yapay zekâ, doğal zekânın bir taklidini oluşturmayı hedefleyen bir kuramdır.
Görüldüğü üzere farklı tanımlar olmasına rağmen temelde hepsinde yer alan ortak görüş yapay zekâ, “akıllı programlama” ve “insansı tepkiler” olmak üzere iki kavram üzerine oturtulabilir. Daha önce zekâ bölümünde ifade edildiği gibi, doğal zekâ kavramı bile henüz tam olarak açıklanamamışken yapay zekâ olgusunu anlamak ve kesin bir çizgi belirlemek oldukça güçtür.
Yapay Zekâ, Eğitimi Nasıl Geliştirir?
Eğitimde Yapay Zekâ
Daha önce belirtildiği gibi, artık neredeyse her gün yapay zekâ ile ilgili bir haber veya bir içerik mutlaka bir şekilde karşımıza çıkmaktadır. Örneğin, dijital oyun severler için “Yapay zekâ, karmaşık strateji oyununda dünya şampiyonunu yendi” gibi bir haber oldukça ilgi çekicidir. Benzer şekilde, her dönem en az bir film olmak üzere Hollywood yapımları tarafından hayatımıza giren bilim-kurgu düşkünleri için, “Matrix 4 yolda!” haberi büyük bir ilgiyle takip edilmektedir. Ya da, hemen hemen herkesi ilgilendirecek şekilde tamamen sürücüsüz – elektrikli arabaların hayatımıza gireceğini gösteren yeni nesil teknoloji severler için “Elon Musk’ın yeni akıllı arabası” haberi yerel kanallar dahil her haber mecrasında görülebilir. Ve son olarak, artık okula gitmeden evde istediğimiz zaman ve biçimde “öğrenme hızımıza ve sitilimize göre uzman sistemler tarafından eğitim” hem öğrenciler hem öğretmenler için oldukça cazip bir haberdir.
Bugün eğitimde yapay zekâ çalışmaları incelendiğinde, sadece bilgi-tabanlı değil, veri ve mantık-tabanlı yapay zekâ ve yapay zekâ uygulamalarının hemen hemen her alanda yer aldığı farklı uygulamalar görülebilir. Bunlar arasında; kişiselleştirilmiş eğitim veya diyalog eğitim sistemleri, keşfedici eğitim, eğitimde veri madenciliği, öğrencilerin makale analizleri, akıllı ajanlar, chatbots, özel ihtiyaçlı çocuklar için eğitim, çocuk-robot etkileşimi, yapay zekâya dayalı değerlendirme sistemleri, otomatik test oluşturma sistemleri yer almaktadır. Dikkat edilirse bu alanlar çoğunlukla öğrenmeyi desteklemekle ilgilidir. Ancak eğitimde yapay zekâ ayrıca okulları ve üniversiteleri yönetimsel yönden de desteklemektedir. Örneğin; ders programları, personel programları, sınav yönetimi, siber güvenlik, tesis yönetimi ve güvenliği, yapay zekânın okul yönetimine doğrudan, öğretime ise dolaylı olarak katkı sağladığı alanlardır (Holmes ve diğerleri, 2019).
Eğitimde Yapay Zeka’nın Kısa Tarihi
Eğitimde yapay zekânın ilk uygulama örnekleri arasında 1920’de Ohio Üniversitesin çalışan Sidney L. Pressey gösterilebilir. Pressey’e (1950) göre, çoktan seçmeli testler öğrencilerin sadece başarılarını değerlendirmek için değil, aynı zamanda öğrenmelerini pekiştirmek içinde kullanılabilirdi. Buna dayanak olarak, Edward Thorndike’nin etki kanununda yer alan “öğrenmeyi değerlendirmek için kullanılan testlerde, derhal geri bildirim olmalıdır” ilkesini göstermiştir (Thorndike, 1927). Ve Pressey (1950), öğrencilere test sonuçlarını hemen gösteren ve doğru cevap konusunda onları yönlendiren ve gerekli bilgilendirmeyi yaparak öğrenmeleri destekleyen “makinelerden” bahsetmiştir. Her ne kadar fikirlerini, o dönemin şartlarında karmaşık yazıcılar oluşturma dışında gerçekleştirme şansı bulamasa da, bu çaba yapay zekânın ilk uygulama örnekleri arasında sayılmıştır (Holmes ve diğ., 2019).
Ayrıca, Pressey (1950), bugün yapay zekânın eğitimde kullanım alanlarından biri olan eğitimin yönetimi konusuna da değinerek, böyle bir makinenin sadece öğrencilerin öğrenmelerine destek sağlamayacağını, ayrıca öğretmenlerin yüklerini de azaltacağını belirtmiştir. Testlerin değerlendirmesine daha az zaman ayıran öğretmen, öğrencileriyle de daha fazla zaman geçirme şansı bulacaktır.
Eğitimde Yapay Zekâ Uygulamaları Nelerdir?
Uzman Sistemler
Yapay zekânın son yıllarda gösterdiği gelişime paralel olarak, geçmişi aslında oldukça eskiye dayanan uzman sistemler de hem araştırma hem geliştirme alanında kendine büyük bir yer bulmuştur. Uzman sistemler, en genel tanımıyla belli bir alanda uzmanlaşmış kişilerin yerine getirdiği görevleri, çeşitli yapay zekâ algoritmaları kullanarak yapan bilgisayar programlarıdır. Bilgi ve çıkarım temelli çalışırlar. Yani bir uzman sistemin etkin bir şekilde kullanılabilmesi için dört temel modüle ihtiyaç vardır Bunlar; (1) bilgi yenileme, (2) bilgi tabanı, (3) çıkarım/karar mekanizması ve (4) ara yüz olarak sıralanmaktadır (Önder, 2003). Örneğin, tıp alanında uzmanlaşmış birisi nasıl ki elde ettiği bilgilere (bilgi tabanı) dayanarak bir probleme bir çözüm (çıkarım) üretebilirse, uzman sistemler içinde durum benzerdir.
Yapay zekânın bir dalı olan uzman sistemler, yapay zekâ ile birkaç yönden ayrışırlar. Öncelikle, yapay zekâ genel olarak bir insan zekâsını taklit ederek bir problemi çözmeye odaklanırken, uzman sistemler belli bir konuda uzmanlaşmış kişilerin çözebileceği sorunlara odaklanır. Bu yüzden, uzman sistemlerde çoğunlukla o alana ilişkin bilgi veri tabanının oluşturulması oldukça önemlidir. Örneğin; bir öğretmen sınıf yönetimi ile ilgili bir sorunu çözmek için sadece kendi bilgisini kullanırken, uzman sistemler farklı öğretmenlerden elde ettiği verileri ve sonuçları kullanarak probleme ilişkin verilerin sisteme yüklenmesi ile olası çözümler konusunda bazen yüzde yüz, bazen de yüzde yüze yakın çözümler sunabilirler.
Yapay zekâ ile uzman sistemler arasındaki bir diğer farklılık ise uzman sistemlerin çoğunlukla insan tecrübesine dayalı olmasıdır. Bilindiği gibi insan tecrübesi belirli bir bilgiyi elde etmek için yıllar süren bir çalışmanın sonucu elde edilen ve oldukça önemli görülen bir olgudur. Bu tecrübelerin bu gibi sistemlerle ölümsüzleşmesi ve her durum ve koşulda kullanılabilmesi bu sistemlerin oluşturulmasının altında yatan temel gerekçelerden biridir (Önder, 2013). Uzman sistemlerin eğitimde kullanım alanlarından biri uzaktan eğitimdir. Uzman sistemler, uzaktan eğitimde öğrenciye sunduğu tamamen bireyselleştirilmiş dönütler ve problemler yoluyla elde ettiği cevaplarla bilgi tabanını genişleten ve karar mekanizmalarını geliştiren yapılar sunarlar. Bu alanda en çok bilinen ve geniş çaplı geliştirilen uzman sistem örneği, Stanford Üniversitesinden Prof Feigenbaum ve arkadaşları tarafından, tıp alanında bakteriyel hastalıkların teşhis ve tedavisinde kullanılmak üzere geliştirilen MYCIN’dir (Doğaç, 2010). Bu sistemi kullanmak isteyen bir doktor, uzman sisteme bağlı DEC-20 olarak adlandırılan bir arayüz kullanarak sistem tarafından sorulan genel bilgiler ve tahlil sonuçları gibi çeşitli sorulara cevap vermeleri istenir. Bununla birlikte eğer bilinmeyen bir veri olursa, “henüz bilinmiyor” cevabı da sisteme eklenebilir. Sistem tıpkı bir uzman insan gibi algılama, kavrama ve eylem gibi üç aşamalı bir süreç kullanarak, olabilecek eksik verilerle birlikte teşhis ve tedaviyi önerir (Holmes ve diğerleri, 2019).
Akıllı Öğretici Sistemler
Akıllı öğretici sistemlerden önce, yapay zekânın gelişim sürecinin bir önceki evresi sayılabilecek bilgisayar destekli öğretime (BDÖ) biraz değinmek gerekir. Özellikle 1960 ve 1970’li yıllar için ortaya çıkan uygulamalar açısından BDÖ’nün altın çağı diyebiliriz. Bu dönemde en bilinen BDÖ örnekleri arasında İlinois Üniversitesi tarafından geliştirilen PLATO sayılabilir. PLOTO, aynı anda binlerce öğrencinin bazıları interaktif olmak üzere üniversitenin standart ders materyallerine ulaşmasını sağlıyordu. 1970’li yıllarda geliştirilen bu sistem, bugün hala etkin bir şekilde kullanılan kullanıcı formaları, e-mailler, anlık mesajlar, uzak masaüstü bağlantısı ve çok oyunculu oyunlar gibi eğitim teknolojisi için oldukça yeni araçlar içeriyordu. Ancak hem öğretim içeriği hem işleyiş bakımından her öğrenci için aynı yapıdaydı. Yani her öğrencinin aynı seviyede olduğu önkoşulu ile çalışıyordu. Ve bu durum, John Selef ve William Clancey’nin BDÖ uygulamalarının öğrencilerin bireysel ihtiyaçlarına cevap verebilecek ve yapay zekâ tekniklerini kullanabilecek şekilde adapte etmek için yeni yaklaşımlar üzerine çalışmalarına neden oldu. Çalışmalar, doktora öğrencisi Jaime Cabonell’in doktora tezinde, belki de akıllı öğretici sistemlerin ilk uygulaması olan SCHOLAR adlı sistemi tanıştırmasıyla bir sonraki aşamaya geçti (Carbonell, 1970).
Bilgisayar destekli öğretimin ikinci nesli sayılabilecek Akıllı Öğretici Sistemler (AÖS), eğitimde yapay zekânın en çok kullanılan uygulamaları arasında yer alır. Genel olarak, AÖS’ler tıp, matematik veya fizik gibi iyi yapılandırılmış konular aracılığıyla her bir öğrenciye uygun ve adım adım yürütülen kişiselleştirilmiş öğrenme ortamları sağlar. (Alkhatlan ve Kalita, 2018). Murray’a göre, “AÖS’ler, öğretim içeriği (ne öğretileceğini belirten) ve öğretme stratejileri (nasıl öğretileceğini belirleyen) için ayrı veri tabanlarına veya bilgi yapılarına sahip, öğretimin dinamik bir şekilde verilebilmesinde öğrencinin konulara hâkimiyetine göre çıkarımlarda bulunan bilgisayar tabanlı öğretim sistemleridir” (Karlgren, 2005, s.23). Burada sistem, öğrencinin başarı ya da yanlışlarına göre, ilgili öğrenme materyali ve aktivitelerini kullanarak öğrenciye adım adım bir yol belirler. Bu yol, gelen dönütler doğrultusunda zorluk seviyesi, ipuçları veya açıklamalar bakımından sürekli güncellenerek öğrenci ihtiyaçlarına göre ayarlanır. Amaç, belirlenen konuda öğrencinin etkili bir şekilde öğrenmesini sağlamaktır.
Şekil 3. Akıllı öğretici sistem yapısı (Homes ve diğerleri, 2019’ dan uyarlanmıştır)
Yukarıdaki örnekte görülebileceği gibi, uyarlanabilir öğrenme aktiviteleri, yani öğrencinin ihtiyaçları ve becerileri dikkate alınarak hangi içeriğin ne şekilde sunulacağı, öğrenen, domain ve pedagoji modüllerine dayanır. Dikkat edilirse kullanıcı ara yüzünden gelen verilere bağlı olarak öğrenen modülü sürekli güncellenir. Öğrenen modülü, öğrencinin belirlenen konuda öğrenme deneyimlerini tutar ve buna bağlı olarak, içerik ve pedagojik açıdan en uygun şekilde öğretim içeriğini sunar. Modül ayrıca, sistemi kullanan bütün öğrencilerden benzer şekilde veri toplayabilir, böylece sistem elde ettiği verileri kullanarak kendi öğrenme aktivitelerini öğrencilerin olası kavram yanılgılarını kapsayacak şekilde genişletebilir. Akıllı öğretici sistemler ayrıca öğrencinin sistem arayüzünü kullanma deneyimlerinin tamamını da saklar. Örneğin, öğrencinin ekranda tıkladığı şey, ne yazdığı, ne kadar beklediği, fare ile ekranda nerelerde gezindiği gibi bilgileri öğrencilerin konu ile alakalı olası yanılgılarını ortadan kaldırmak ve kullanım sorunları belirlemek için kullanabilirler.
Sonuç
Yapay zekâ ve yapay zekânın eğitimde kullanımına ilişkin çeşitli araçlar ve örneklerin bir bütün olarak verilmeye çalışıldığı bu çalışmada, şunu kabul etmek gerekir ki; eğitimde yapay zekâ konusunda yapılacak her açıklama veya her bilgi, mutlaka eksik kalacaktır, çünkü yapay zekâya dayalı yeni eğitimsel uygulamalar yeni tekniklerle birlikte bugün olduğu gibi yarın karşımıza çıkacaktır. Bu çalışmada oldukça kısıtlı ve temel prensipleriyle anlatılmaya çalışılan yapay zekâ uygulamaları ve örnekleri, eğitim içerisinde farklı boyutlarda (hedef kitle, öğrenme alanı, öğrenme yaklaşımı, öğrenmeyi destekleme ve öğretimi destekleme) ve farklı örneklerle gelişimi sürdürmektedir. Daha önce de belirtildiği gibi, yapay zekâ sadece öğrenmeyi desteklemek için değil, öğretim, değerlendirme, sınıf yönetimi, idari işler, öğretmen görevleri ve okul yönetimi gibi çok farklı alanlarda etkin şekilde kullanılmaktadır.
Son söz olarak; dünya çapında tanınan, yapay zekâ alanında yaptığı çalışmamalarla ön planda yer alan bir geliştirici ve bir otorite olan Edward Fredkin’e göre, “Tarihte üç büyük olay vardır. Bunlardan ilki kâinatın oluşumudur. İkincisi yaşamın başlangıcıdır. Üçüncüsü de yapay zekânın ortaya çıkışıdır.” Bu cümleden hareketle, yapay zekânın potansiyeli ve gidebileceğe nokta hayal edilenin çok ötesinde olduğu söylenebilir. Baş döndürücü bir hızla ilerleyen bu teknolojinin eğitime farklı açılardan güç kattığı ve öğretim sürecinde karşılaşılan sorunların aşımında daha büyük bir ivme yaratacağı kesindir.
Kaynakça
Alkhatlan, A. ve Kalita, J. (2018). Intelligent tutoring systems: A comprehensive historical survey with recent developments. arXiv preprint arXiv:1812.09628.
Alpaydın, E. (2013). Yapay öğrenme. İstanbul: Boğaziçi Üniversitesi Yayınevi.
.Bumen, N. T. (2004). Okullarda çoklu zeka kuramı. Ankara: Pegem A Yayıncılık.
Doğaç, A. (2015). MYCIN I - uzman sistemler. Elektik Mühendisliği. 7(7), 87-91.
Doğan, A. (2002). Yapay zekâ. Ankara: Kariyer.
Elmas, Ç. (2007). Yapay zeka uygulamaları:(yapay sinir ağı, bulanık mantık, genetik algoritma). Ankara: Seçkin Yayıncılık.
Gürsakal, N. (2017). Makine öğrenmesi ve derin öğrenme. Bursa: Dora Basım.
Holmes, W., Bialik, M. ve Fadel, C. (2019). Artificial intelligence in education: Promises and implications for teaching and learning. Boston, MA: Center for Curriculum Redesign.
Nabiyev, V. V. (2012). Yapay zeka: insan-bilgisayar etkileşimi. Ankara: Seçkin Yayıncılık.
Nilsson, N. (1990). The mathematical foundations of learning machines. San Mateo: Morgan Kaufmann.
Önder, H. H. (2003). Uzaktan Eğitimde Bilgisayar Kullanımı ve Uzman Sistemler. The Turkish Online Journal of Educational Techonology. 2 (3): 142-146.
Selçuk, Z. (2012). Eğitim psikolojisi. İstanbul,
Nobel
Thorndike. E.L. (1927). The law of effect. The American Journal of Psychology 39 (1/4): 212–22. https://doi.org/10.2307/1415413
Turing, A. (1950) Computing machinery and intelligence. Mind, 49(236), 433–460.
Zohar, D. (2003). Kuantum benlik (Çev: Seda Kervanoğlu). Ankara: Doruk Yay
İlk olarak 1956 yılında Dortmund Konferansında John McCarthy tarafından dile getirilen yapay zekâ kavramı, günümüze değin elde ettiği değişimle, bilgisayar mühendisliği alanında önemli araştırma alanlarından biri ve tartışmasız bu yüzyılın ilk yarısından itibaren teknolojinin itici gücü olarak kabul edilmektedir. Öğrenme, akıllı tahminlerde bulunma, karmaşık problemleri çözme, değişken koşullara uyum sağlama, farklı insan dili ve deneyimlerine adapte olma gibi özellikleriyle yapay zekâ; başta eğitimde bilginin yönetimi olmak üzere, doğrudan eğitim ve öğretim sürecine katkı basamağında yer almaktadır. Aslında bugün yapay zekâ çoktan sınıf içine girmiş, öğrencilerin, öğretmenlerin ya da ailelerin “hoş geldin” demesine fırsat vermeden, “akıllı, uyarlanabilir veya kişiselleştirilmiş öğrenme sistemleri” adı altında dünya çapında liselerde ve üniversitelerde eğitimi farklı bir boyuta taşımıştır. Bu boyut, artık yönetilmesi ve ulaşılabilmesi imkânsız olan her bir öğrenci ile oluşan ‘büyük veri’ yi toplama ve analiz etme işlemi ile devam etmektedir. Bugün “eğitimde yapay zekâ” ile ilgili vereceğimiz her bilgi ya da yapacağımız her açıklama kesinlikle eksik kalacaktır. Çünkü; yapay zekâ temelli yeni eğitim uygulamaları bugün olduğu gibi yarın da yeni tekniklerle karşımıza çıkacaktır. Çok sınırlı temel ilkelerle açıklanmaya çalışılan yapay zekâ örnekleri ve uygulamaları, eğitimde farklı boyutlarda (hedef alınacak grup, öğrenme yaklaşımı, öğrenme alanı, öğrenme desteği ve öğretim) ve çeşitli örneklerle geliştirilmiştir. Yapay zekânın teorileri ve teknolojileri bütünleştirerek eğitimde yüksek bir fark yarattığı ve bu değişimin öğrenme süreçlerinin tüm aşamasında devam ettiği görülmektedir. Bu dönüşüm, eğitim yaklaşımlarında vurgulanan “bire bir öğrenme” ilkesine dayandırılmalıdır. Öğretim ortamlarının etkinliğini arttırmak, öğrenmeyi bireyselleştirecek, ortam ve zamana bağlı olmayan bir öğretim ortamı yaratacak yazılımlar bu teknolojik gelişim sürecinin eğitim ortamlarına önemli katkılarındandır. Teknolojideki hızlı değişime paralel olarak, öğretim teknolojilerindeki gelişim nitelikli öğretim teknolojileri uzmanlarının yetiştirilmesine ihtiyaç duyulmuştur. Bilgisayarların insanlarla hızlı etkileşime girebilmesi, çeşitli formatlarda bulunan fazlaca bilgiyi depolayıp işleyebilmesi ve bir dizi işitsel/görsel veriyi gösterebilmek için diğer kitle iletişim araçlarıyla etkin olarak kullanılabilmesi öğretim ortamlarında teknoloji kullanımını hızla yaygınlaştırmıştır. Özellikle eğitim ortamlarında bilgisayarlar, bir takım bilginin derlenmesi, bu bilgilerin saklanması ve değerlendirilmesi gibi beyin gücü gerektiren uygulamalara yeni araç ve teknikler geliştirmek için kullanılmıştır denilebilir.
Anahtar Kelimeler: Eğitimde yapay zekâ, zekâ, beyin, yapay zekâ, uzman sistemler.
Giriş
Yapay zekâ günümüz dünyasının en önemli teknolojilerinden biridir. Öyle ki, geçen yüzyılın başlarında sadece filmlerde görebildiğimiz ve çeşitli bilim-kurgu romanlarında karşılaştığımız sahnelerin birçoğu, yapay zekânın hayatımıza girmesiyle mümkün olmuştur. Örneğin, Groover ve diğerleri tarafından 1986 yılında yapılan bir çalışmada endüstride robotlar, parçaları farklı şekillerde programlanan ve hareket eden sistemler olarak tanımlanmıştır. Oysa bu tanım ilk olarak 1921 yılında Çek yazar K. Capec tarafından hazırlanan bir oyunun metninde kullanılmıştır. Bugün sadece endüstride değil, enerji, madencilik, tarım, sağlık, sürücü iyileştirmeleri, sesli asistanlar, online sohbet ve iletişim ve yazılım geliştirme gibi hemen hemen her alanda yapay zekâ ve uygulamaları etkili olmaktadır. Yapay zekânın bu etki alanıyla birlikte eğitimde yer almadığını düşünmek oldukça yanlış olur. Diğer taraftan, yapay zekânın eğitimde bütün sorunların çaresi görülmesi de yine doğru olmayacaktır. Dolayısıyla bu çalışmanın amacı, yapay zekânın eğitime yaptığı ve yapabileceği katkıyı bir denge içerisinde sunmaktır. Bunun için öncelikle, “Zekâ nedir?”, “Bir makine nasıl zeki davranışlar gösterir?” ve “Yapay zekâ nedir?” gibi sorular ile konunun terminolojik boyutu tartışılacaktır. Devam eden bölümlerde, yapay zekânın eğitime nasıl ve ne şekilde katkı yapacağı ve hangi yapay zekâ uygulamalarının eğitimde kullanılabileceğine dair bir analiz yapılacaktır.
YAPAY ZEKÂ
Yapay zekâ kavramı ilk olarak 1956 yılında Dortmund Konferansı’nda John McCarthy, Marvin L. Minsky, Nathaniel Rochester ve Claude E. Shannon tarafından sunulan bir öneri mektubunda dile getirilmiştir. Ancak bu kavramın mucidi olarak John McCarthy kabul edilmektedir (Alpaydın, 2013). McCarthy (2004, s.7) zekâyı, “Dünyada hedeflere ulaşma yeteneğinin hesaplayıcı bir parçasıdır. Değişen türde ve derecede zekâ insanlarda, birçok hayvanda ve bazı makinelerde görülür” şeklinde tanımlarken, yapay zekâyı, “insan benzeri zeki makineler, özellikle de zeki bilgisayar programları yapma bilimi ve mühendisliği” olarak ifade etmiştir. Bu tanımı şu şekilde açmak mümkündür: Bir bilgisayarın akıl yürütme, problem çözme, anlam çıkarma ve genelleme gibi insansı davranışlar göstermesi, yani üst seviye bilişsel becerileri kullanması yapay zekâ olarak tanımlanabilir. Daha önce de belirtildiği üzere, kavramın görece olarak yeni olması farklı disiplinler ve alanlar tarafından farklı tanımlanmasını doğurmuştur. Bu tanımlardan birkaçı şu şekildedir:
Örneğin Slage, yapay zekâ kavramını “sezgisel programlama” olarak nitelendirmiştir (Nabiyev, 2012). Benzer şekilde Axe, yapay zekâ ’yı karmaşık problemleri çözen, sadece önceden belirlenen sorunları değil yeni bir durum karşısında da tepkiler oluşturabilen akıllı programlar olarak kabul etmiştir (Nabiyev, 2012). Yapay zekâ konusunda yaptığı çalışmalarla ön planda yer alan bir diğer isim olan Nils Nilsson’a (1990) göre yapay zekâ, doğal zekânın bir taklidini oluşturmayı hedefleyen bir kuramdır.
Görüldüğü üzere farklı tanımlar olmasına rağmen temelde hepsinde yer alan ortak görüş yapay zekâ, “akıllı programlama” ve “insansı tepkiler” olmak üzere iki kavram üzerine oturtulabilir. Daha önce zekâ bölümünde ifade edildiği gibi, doğal zekâ kavramı bile henüz tam olarak açıklanamamışken yapay zekâ olgusunu anlamak ve kesin bir çizgi belirlemek oldukça güçtür.
Yapay Zekâ, Eğitimi Nasıl Geliştirir?
Eğitimde Yapay Zekâ
Daha önce belirtildiği gibi, artık neredeyse her gün yapay zekâ ile ilgili bir haber veya bir içerik mutlaka bir şekilde karşımıza çıkmaktadır. Örneğin, dijital oyun severler için “Yapay zekâ, karmaşık strateji oyununda dünya şampiyonunu yendi” gibi bir haber oldukça ilgi çekicidir. Benzer şekilde, her dönem en az bir film olmak üzere Hollywood yapımları tarafından hayatımıza giren bilim-kurgu düşkünleri için, “Matrix 4 yolda!” haberi büyük bir ilgiyle takip edilmektedir. Ya da, hemen hemen herkesi ilgilendirecek şekilde tamamen sürücüsüz – elektrikli arabaların hayatımıza gireceğini gösteren yeni nesil teknoloji severler için “Elon Musk’ın yeni akıllı arabası” haberi yerel kanallar dahil her haber mecrasında görülebilir. Ve son olarak, artık okula gitmeden evde istediğimiz zaman ve biçimde “öğrenme hızımıza ve sitilimize göre uzman sistemler tarafından eğitim” hem öğrenciler hem öğretmenler için oldukça cazip bir haberdir.
Bugün eğitimde yapay zekâ çalışmaları incelendiğinde, sadece bilgi-tabanlı değil, veri ve mantık-tabanlı yapay zekâ ve yapay zekâ uygulamalarının hemen hemen her alanda yer aldığı farklı uygulamalar görülebilir. Bunlar arasında; kişiselleştirilmiş eğitim veya diyalog eğitim sistemleri, keşfedici eğitim, eğitimde veri madenciliği, öğrencilerin makale analizleri, akıllı ajanlar, chatbots, özel ihtiyaçlı çocuklar için eğitim, çocuk-robot etkileşimi, yapay zekâya dayalı değerlendirme sistemleri, otomatik test oluşturma sistemleri yer almaktadır. Dikkat edilirse bu alanlar çoğunlukla öğrenmeyi desteklemekle ilgilidir. Ancak eğitimde yapay zekâ ayrıca okulları ve üniversiteleri yönetimsel yönden de desteklemektedir. Örneğin; ders programları, personel programları, sınav yönetimi, siber güvenlik, tesis yönetimi ve güvenliği, yapay zekânın okul yönetimine doğrudan, öğretime ise dolaylı olarak katkı sağladığı alanlardır (Holmes ve diğerleri, 2019).
Eğitimde Yapay Zeka’nın Kısa Tarihi
Eğitimde yapay zekânın ilk uygulama örnekleri arasında 1920’de Ohio Üniversitesin çalışan Sidney L. Pressey gösterilebilir. Pressey’e (1950) göre, çoktan seçmeli testler öğrencilerin sadece başarılarını değerlendirmek için değil, aynı zamanda öğrenmelerini pekiştirmek içinde kullanılabilirdi. Buna dayanak olarak, Edward Thorndike’nin etki kanununda yer alan “öğrenmeyi değerlendirmek için kullanılan testlerde, derhal geri bildirim olmalıdır” ilkesini göstermiştir (Thorndike, 1927). Ve Pressey (1950), öğrencilere test sonuçlarını hemen gösteren ve doğru cevap konusunda onları yönlendiren ve gerekli bilgilendirmeyi yaparak öğrenmeleri destekleyen “makinelerden” bahsetmiştir. Her ne kadar fikirlerini, o dönemin şartlarında karmaşık yazıcılar oluşturma dışında gerçekleştirme şansı bulamasa da, bu çaba yapay zekânın ilk uygulama örnekleri arasında sayılmıştır (Holmes ve diğ., 2019).
Ayrıca, Pressey (1950), bugün yapay zekânın eğitimde kullanım alanlarından biri olan eğitimin yönetimi konusuna da değinerek, böyle bir makinenin sadece öğrencilerin öğrenmelerine destek sağlamayacağını, ayrıca öğretmenlerin yüklerini de azaltacağını belirtmiştir. Testlerin değerlendirmesine daha az zaman ayıran öğretmen, öğrencileriyle de daha fazla zaman geçirme şansı bulacaktır.
Eğitimde Yapay Zekâ Uygulamaları Nelerdir?
Uzman Sistemler
Yapay zekânın son yıllarda gösterdiği gelişime paralel olarak, geçmişi aslında oldukça eskiye dayanan uzman sistemler de hem araştırma hem geliştirme alanında kendine büyük bir yer bulmuştur. Uzman sistemler, en genel tanımıyla belli bir alanda uzmanlaşmış kişilerin yerine getirdiği görevleri, çeşitli yapay zekâ algoritmaları kullanarak yapan bilgisayar programlarıdır. Bilgi ve çıkarım temelli çalışırlar. Yani bir uzman sistemin etkin bir şekilde kullanılabilmesi için dört temel modüle ihtiyaç vardır Bunlar; (1) bilgi yenileme, (2) bilgi tabanı, (3) çıkarım/karar mekanizması ve (4) ara yüz olarak sıralanmaktadır (Önder, 2003). Örneğin, tıp alanında uzmanlaşmış birisi nasıl ki elde ettiği bilgilere (bilgi tabanı) dayanarak bir probleme bir çözüm (çıkarım) üretebilirse, uzman sistemler içinde durum benzerdir.
Yapay zekânın bir dalı olan uzman sistemler, yapay zekâ ile birkaç yönden ayrışırlar. Öncelikle, yapay zekâ genel olarak bir insan zekâsını taklit ederek bir problemi çözmeye odaklanırken, uzman sistemler belli bir konuda uzmanlaşmış kişilerin çözebileceği sorunlara odaklanır. Bu yüzden, uzman sistemlerde çoğunlukla o alana ilişkin bilgi veri tabanının oluşturulması oldukça önemlidir. Örneğin; bir öğretmen sınıf yönetimi ile ilgili bir sorunu çözmek için sadece kendi bilgisini kullanırken, uzman sistemler farklı öğretmenlerden elde ettiği verileri ve sonuçları kullanarak probleme ilişkin verilerin sisteme yüklenmesi ile olası çözümler konusunda bazen yüzde yüz, bazen de yüzde yüze yakın çözümler sunabilirler.
Yapay zekâ ile uzman sistemler arasındaki bir diğer farklılık ise uzman sistemlerin çoğunlukla insan tecrübesine dayalı olmasıdır. Bilindiği gibi insan tecrübesi belirli bir bilgiyi elde etmek için yıllar süren bir çalışmanın sonucu elde edilen ve oldukça önemli görülen bir olgudur. Bu tecrübelerin bu gibi sistemlerle ölümsüzleşmesi ve her durum ve koşulda kullanılabilmesi bu sistemlerin oluşturulmasının altında yatan temel gerekçelerden biridir (Önder, 2013). Uzman sistemlerin eğitimde kullanım alanlarından biri uzaktan eğitimdir. Uzman sistemler, uzaktan eğitimde öğrenciye sunduğu tamamen bireyselleştirilmiş dönütler ve problemler yoluyla elde ettiği cevaplarla bilgi tabanını genişleten ve karar mekanizmalarını geliştiren yapılar sunarlar. Bu alanda en çok bilinen ve geniş çaplı geliştirilen uzman sistem örneği, Stanford Üniversitesinden Prof Feigenbaum ve arkadaşları tarafından, tıp alanında bakteriyel hastalıkların teşhis ve tedavisinde kullanılmak üzere geliştirilen MYCIN’dir (Doğaç, 2010). Bu sistemi kullanmak isteyen bir doktor, uzman sisteme bağlı DEC-20 olarak adlandırılan bir arayüz kullanarak sistem tarafından sorulan genel bilgiler ve tahlil sonuçları gibi çeşitli sorulara cevap vermeleri istenir. Bununla birlikte eğer bilinmeyen bir veri olursa, “henüz bilinmiyor” cevabı da sisteme eklenebilir. Sistem tıpkı bir uzman insan gibi algılama, kavrama ve eylem gibi üç aşamalı bir süreç kullanarak, olabilecek eksik verilerle birlikte teşhis ve tedaviyi önerir (Holmes ve diğerleri, 2019).
Akıllı Öğretici Sistemler
Akıllı öğretici sistemlerden önce, yapay zekânın gelişim sürecinin bir önceki evresi sayılabilecek bilgisayar destekli öğretime (BDÖ) biraz değinmek gerekir. Özellikle 1960 ve 1970’li yıllar için ortaya çıkan uygulamalar açısından BDÖ’nün altın çağı diyebiliriz. Bu dönemde en bilinen BDÖ örnekleri arasında İlinois Üniversitesi tarafından geliştirilen PLATO sayılabilir. PLOTO, aynı anda binlerce öğrencinin bazıları interaktif olmak üzere üniversitenin standart ders materyallerine ulaşmasını sağlıyordu. 1970’li yıllarda geliştirilen bu sistem, bugün hala etkin bir şekilde kullanılan kullanıcı formaları, e-mailler, anlık mesajlar, uzak masaüstü bağlantısı ve çok oyunculu oyunlar gibi eğitim teknolojisi için oldukça yeni araçlar içeriyordu. Ancak hem öğretim içeriği hem işleyiş bakımından her öğrenci için aynı yapıdaydı. Yani her öğrencinin aynı seviyede olduğu önkoşulu ile çalışıyordu. Ve bu durum, John Selef ve William Clancey’nin BDÖ uygulamalarının öğrencilerin bireysel ihtiyaçlarına cevap verebilecek ve yapay zekâ tekniklerini kullanabilecek şekilde adapte etmek için yeni yaklaşımlar üzerine çalışmalarına neden oldu. Çalışmalar, doktora öğrencisi Jaime Cabonell’in doktora tezinde, belki de akıllı öğretici sistemlerin ilk uygulaması olan SCHOLAR adlı sistemi tanıştırmasıyla bir sonraki aşamaya geçti (Carbonell, 1970).
Bilgisayar destekli öğretimin ikinci nesli sayılabilecek Akıllı Öğretici Sistemler (AÖS), eğitimde yapay zekânın en çok kullanılan uygulamaları arasında yer alır. Genel olarak, AÖS’ler tıp, matematik veya fizik gibi iyi yapılandırılmış konular aracılığıyla her bir öğrenciye uygun ve adım adım yürütülen kişiselleştirilmiş öğrenme ortamları sağlar. (Alkhatlan ve Kalita, 2018). Murray’a göre, “AÖS’ler, öğretim içeriği (ne öğretileceğini belirten) ve öğretme stratejileri (nasıl öğretileceğini belirleyen) için ayrı veri tabanlarına veya bilgi yapılarına sahip, öğretimin dinamik bir şekilde verilebilmesinde öğrencinin konulara hâkimiyetine göre çıkarımlarda bulunan bilgisayar tabanlı öğretim sistemleridir” (Karlgren, 2005, s.23). Burada sistem, öğrencinin başarı ya da yanlışlarına göre, ilgili öğrenme materyali ve aktivitelerini kullanarak öğrenciye adım adım bir yol belirler. Bu yol, gelen dönütler doğrultusunda zorluk seviyesi, ipuçları veya açıklamalar bakımından sürekli güncellenerek öğrenci ihtiyaçlarına göre ayarlanır. Amaç, belirlenen konuda öğrencinin etkili bir şekilde öğrenmesini sağlamaktır.
Şekil 3. Akıllı öğretici sistem yapısı (Homes ve diğerleri, 2019’ dan uyarlanmıştır)
Yukarıdaki örnekte görülebileceği gibi, uyarlanabilir öğrenme aktiviteleri, yani öğrencinin ihtiyaçları ve becerileri dikkate alınarak hangi içeriğin ne şekilde sunulacağı, öğrenen, domain ve pedagoji modüllerine dayanır. Dikkat edilirse kullanıcı ara yüzünden gelen verilere bağlı olarak öğrenen modülü sürekli güncellenir. Öğrenen modülü, öğrencinin belirlenen konuda öğrenme deneyimlerini tutar ve buna bağlı olarak, içerik ve pedagojik açıdan en uygun şekilde öğretim içeriğini sunar. Modül ayrıca, sistemi kullanan bütün öğrencilerden benzer şekilde veri toplayabilir, böylece sistem elde ettiği verileri kullanarak kendi öğrenme aktivitelerini öğrencilerin olası kavram yanılgılarını kapsayacak şekilde genişletebilir. Akıllı öğretici sistemler ayrıca öğrencinin sistem arayüzünü kullanma deneyimlerinin tamamını da saklar. Örneğin, öğrencinin ekranda tıkladığı şey, ne yazdığı, ne kadar beklediği, fare ile ekranda nerelerde gezindiği gibi bilgileri öğrencilerin konu ile alakalı olası yanılgılarını ortadan kaldırmak ve kullanım sorunları belirlemek için kullanabilirler.
Sonuç
Yapay zekâ ve yapay zekânın eğitimde kullanımına ilişkin çeşitli araçlar ve örneklerin bir bütün olarak verilmeye çalışıldığı bu çalışmada, şunu kabul etmek gerekir ki; eğitimde yapay zekâ konusunda yapılacak her açıklama veya her bilgi, mutlaka eksik kalacaktır, çünkü yapay zekâya dayalı yeni eğitimsel uygulamalar yeni tekniklerle birlikte bugün olduğu gibi yarın karşımıza çıkacaktır. Bu çalışmada oldukça kısıtlı ve temel prensipleriyle anlatılmaya çalışılan yapay zekâ uygulamaları ve örnekleri, eğitim içerisinde farklı boyutlarda (hedef kitle, öğrenme alanı, öğrenme yaklaşımı, öğrenmeyi destekleme ve öğretimi destekleme) ve farklı örneklerle gelişimi sürdürmektedir. Daha önce de belirtildiği gibi, yapay zekâ sadece öğrenmeyi desteklemek için değil, öğretim, değerlendirme, sınıf yönetimi, idari işler, öğretmen görevleri ve okul yönetimi gibi çok farklı alanlarda etkin şekilde kullanılmaktadır.
Son söz olarak; dünya çapında tanınan, yapay zekâ alanında yaptığı çalışmamalarla ön planda yer alan bir geliştirici ve bir otorite olan Edward Fredkin’e göre, “Tarihte üç büyük olay vardır. Bunlardan ilki kâinatın oluşumudur. İkincisi yaşamın başlangıcıdır. Üçüncüsü de yapay zekânın ortaya çıkışıdır.” Bu cümleden hareketle, yapay zekânın potansiyeli ve gidebileceğe nokta hayal edilenin çok ötesinde olduğu söylenebilir. Baş döndürücü bir hızla ilerleyen bu teknolojinin eğitime farklı açılardan güç kattığı ve öğretim sürecinde karşılaşılan sorunların aşımında daha büyük bir ivme yaratacağı kesindir.
Kaynakça
Alkhatlan, A. ve Kalita, J. (2018). Intelligent tutoring systems: A comprehensive historical survey with recent developments. arXiv preprint arXiv:1812.09628.
Alpaydın, E. (2013). Yapay öğrenme. İstanbul: Boğaziçi Üniversitesi Yayınevi.
.Bumen, N. T. (2004). Okullarda çoklu zeka kuramı. Ankara: Pegem A Yayıncılık.
Doğaç, A. (2015). MYCIN I - uzman sistemler. Elektik Mühendisliği. 7(7), 87-91.
Doğan, A. (2002). Yapay zekâ. Ankara: Kariyer.
Elmas, Ç. (2007). Yapay zeka uygulamaları:(yapay sinir ağı, bulanık mantık, genetik algoritma). Ankara: Seçkin Yayıncılık.
Gürsakal, N. (2017). Makine öğrenmesi ve derin öğrenme. Bursa: Dora Basım.
Holmes, W., Bialik, M. ve Fadel, C. (2019). Artificial intelligence in education: Promises and implications for teaching and learning. Boston, MA: Center for Curriculum Redesign.
Nabiyev, V. V. (2012). Yapay zeka: insan-bilgisayar etkileşimi. Ankara: Seçkin Yayıncılık.
Nilsson, N. (1990). The mathematical foundations of learning machines. San Mateo: Morgan Kaufmann.
Önder, H. H. (2003). Uzaktan Eğitimde Bilgisayar Kullanımı ve Uzman Sistemler. The Turkish Online Journal of Educational Techonology. 2 (3): 142-146.
Selçuk, Z. (2012). Eğitim psikolojisi. İstanbul,
Nobel
Thorndike. E.L. (1927). The law of effect. The American Journal of Psychology 39 (1/4): 212–22. https://doi.org/10.2307/1415413
Turing, A. (1950) Computing machinery and intelligence. Mind, 49(236), 433–460.
Zohar, D. (2003). Kuantum benlik (Çev: Seda Kervanoğlu). Ankara: Doruk Yay