Pokémon Go, yayımlanışından neredeyse on yıl sonra yapay zekâyı beklenmedik bir şekilde etkiliyor.

MIT Technology Review tarafından yayımlanan bir habere göre(yeni pencere), oyunun orijinal geliştiricisinden ayrılarak kurulan bir yapay zekâ şirketi olan Niantic Spatial, Pokémon Go oyuncularının kaydettiği kentsel simgelere ait 30 milyardan fazla görseli(yeni pencere), robotların gerçek dünyada nerede olduklarını anlamalarına yardımcı olan yapay zekâ sistemlerini eğitmek için kullanıyor.

Pokémon Go 2016’da yayımlandığında milyonlarca oyuncu dijital yaratıkları ararken telefonlarını binalara, parklara ve simge yapılara doğrultarak şehirlerinde yürüdü. Bunu yaparken şimdiye kadar toplanmış en büyük gerçek dünya görüntü veri kümelerinden birini oluşturdular. Niantic Spatial, modelini kentsel ortamlarda çekilmiş 30 milyar görsel üzerinde eğitti; bunların çoğu, oyuncuların oyunda sıkça ziyaret ettiği konumların çevresinde kümeleniyordu. Bazen dijital yaratıklar apartman binaları veya konut avluları gibi güvenli alanların içinde ya da yakınında beliriyordu; bu da bu anların yapay zekâ veri kümelerinin parçası hâline gelmiş olabileceği anlamına geliyor.

Bu veriler şimdi araştırmacıların “dünya modeli” dediği şeyi oluşturmak için kullanılıyor — makinelerin fiziksel ortamları yorumlamasına ve içinde yol bulmasına yardımcı olmak üzere tasarlanmış bir yapay zekâ sistemi.

Bu aynı zamanda modern teknolojiyle ilgili gözden kaçırılması kolay bir noktayı da vurguluyor: gündelik uygulama etkinliği, yıllar sonra sessizce yapay zekâ sistemleri için değerli eğitim verilerine dönüşebilir — bu, Pokémon Go oyuncularının 2016’da öngörmesinin, anlamlı biçimde onay vermesinin ise çok daha zor olduğu bir şeydi.

GPS neden şehirlerde zorlanır

GPS sinyalleri yoğun kentsel ortamlarda sık sık yüksek binalardan sekerek sapar, önemli ölçüde kayar veya tamamen kaybolur; bu sorun bazen “kentsel kanyon” etkisi olarak adlandırılır. MIT Technology Review, teknolojiye ilişkin haberinde açıkladığı üzere, akıllı telefonlardaki konum göstergeleri bile şehirlerde onlarca metre sapabilir ve çoğu zaman bir aygıtı yanlış blokta ya da sokağın yanlış tarafında gösterebilir.

Niantic Spatial’ın çözümü, bir kameranın gördüğünü analiz ederek konumu belirleyen bir görsel konumlandırma sistemine(yeni pencere) dayanıyor. Sistem, yakındaki binaların ve simge yapıların görüntülerini devasa veri kümesiyle karşılaştırarak bir konumu bildirildiğine göre birkaç santimetre hassasiyetle belirleyebiliyor.

Artırılmış gerçeklikten teslimat robotlarına

Niantic Spatial’ın teknolojisinin ilk gerçek dünya testlerinden biri, çeşitli şehirlerde kaldırımda çalışan teslimat robotları işleten bir girişim olan Coco Robotics ile yapılan ortaklık üzerinden gerçekleşiyor.

Şirketin robotları Los Angeles, Chicago, Miami ve Helsinki gibi yerlerde market ürünleri ve restoran siparişleri taşıyor. MIT Technology Review haberine göre Coco’nun robotları şimdiden yarım milyondan fazla teslimat gerçekleştirdi ve milyonlarca mil yol kat etti.

Yoğun şehirlerde güvenilir şekilde yol bulmak, otonom makineler için büyük bir zorluk olmaya devam ediyor. Robotlardaki kameraları Niantic Spatial’ın görsel konumlandırma sistemiyle birleştirerek makineler tam olarak nerede olduklarını daha iyi belirleyebiliyor; bu da onların teslim alma noktalarında veya müşterinin kapısının önünde hassas biçimde durmasını sağlıyor.

“Dünya modellerinin” yükselişi

Bu proje, yapay zekâ geliştirmedeki daha geniş bir eğilimi yansıtıyor.

Büyük dil modelleri internetteki görseller ve metinler üzerinde eğitilir. Buna karşılık dünya modelleri, makinelerin fiziksel dünyanın nasıl yapılandığını anlamasına yardımcı olmayı amaçlar — nesnelerin nerede bulunduğu, alanların nasıl bağlantı kurduğu ve bunlar içinde nasıl güvenli şekilde hareket edileceği gibi.

Niantic Spatial, uzun vadeli hedefinin robotların ve diğer yapay zekâ sistemlerinin gezinmek için kullanabileceği, sürekli güncellenen “canlı bir dünya haritası” oluşturmak olduğunu söylüyor.

Bunun gizlilik açısından anlamı nedir

Bu hikâye aynı zamanda, gündelik uygulamaları kullanan sıradan insanların oluşturduğu verilerin nasıl yeniden kullanıldığına ilişkin daha geniş bir değişimi de gösteriyor.

Milyonlarca kişi Pokémon Go’yu bir oyun oynamak için indirdi. Ancak bu süreçte gerçek dünyadaki yerlere bağlı milyarlarca görsel ve hassas konum sinyali de ürettiler. Bu veriler artık fiziksel dünyayı haritalamak ve içinde yol bulmak üzere tasarlanmış yapay zekâ sistemlerini eğitmeye yardımcı oluyor. Bu, oyuncunun Pikachu arayışıyla oyunu açma niyetinden oldukça uzak bir sonuç.

Bu, yapay zekâ ekonomisinde giderek tanıdık bir örüntü hâline geliyor. Yapay zekâyla ilgisiz görünen faaliyetler — fotoğraf çekmek, web’de gezinmek, uygulama kullanmak — çoğu zaman güçlü yeni sistemleri eğitmekte kullanılan veri kümelerini üretmekle sonuçlanıyor. Modern yapay zekâ modelleri, araştırmacıların zaman zaman kişisel bilgiler veya hassas veriler de içerebileceğini söylediği, internetten ve diğer dijital kaynaklardan kazınmış büyük veri koleksiyonları kullanılarak sıkça oluşturuluyor.

Şirketler dünya modelleri ve diğer yapay zekâ biçimlerini geliştirmek için yarışırken soru, eğitim verisinin tam olarak nereden geldiği — ve onu üreten kişilerin bu verinin nasıl kullanılacağını gerçekten fark edip etmediği ya da sonuçlarını bilselerdi bu uygulamaları yine de kullanmayı kabul edip etmeyecekleri hâline geliyor. Politika yapıcılar ve araştırmacılar, veri üreticilerinin ve kullanıcılarının verilerinin yeniden kullanımı üzerinde daha fazla denetime sahip olması gerektiğini savunarak, yapay zekâ eğitiminde kullanılan veriler için giderek daha fazla daha açık rıza standartları(yeni pencere) çağrısında bulunuyor.

Bu yapay zekâ gizlilik kaygıları şimdiden mahkemelere taşınmış durumda. Yayıncılar, yazarlar ve medya şirketleri, çalışmalarının izin alınmadan yapay zekâ sistemlerini eğitmek için kullanıldığını iddia eden davalar açtı; bunlar arasında The New York Times gazetesinin OpenAI ve Microsoft’a(yeni pencere) gazetecilik içeriklerinin yapay zekâ eğitim veri kümelerinde kullanıldığı iddiasıyla dava açtığı yüksek profilli bir dosya da yer alıyor.

Fiziksel dünyada yol bulan yapay zekâ geliştiren şirketler için oyunlar, uygulamalar ve dijital platformlar aracılığıyla oluşturulan veri kümeleri, teknoloji sektöründeki en değerli varlıklardan bazıları hâline hızla geliyor. Bu gerçekleşirken şeffaflık, rıza ve kullanıcı tarafından üretilen verilerin nasıl yeniden kullanıldığına ilişkin soruları görmezden gelmek giderek zorlaşıyor.

Herkes bu veri açlığı yüksek modeli izlemiyor. Proton olarak, size bir AI assistant(yeni pencere)’ın faydalarını gizlilik bedeli olmadan sunan güvenli ve şeffaf yapay zekâya inanıyoruz. Lumo verilerinizi asla günlüklemez, hassas yazışmalarınız üzerinde eğitim yapmaz veya bilgilerinizi hiç kimseyle paylaşmaz. Bu, bugünkü etkileşimlerinizin sessizce yarının veri kümelerine dönüşüp dönüşmeyeceğini düşünmek zorunda kalmadan yapay zekâ kullanmak anlamına gelir.