Kurte
Di nîvê salên 2020î de modelên hişmendiya çêkirî (AI) yên hilberîner, wek modelên mezin ên zimanî û modelên wêneçêkirinê, bi lez ketin jiyana rojane. Ev pêşketin pirseke kevn a felsefî bi awayekî nû derxist holê: gelo makîne dikarin afirîner bin, an ew tenê nimûneyên ku ji daneyên mirovan fêr bûne teqlîd dikin? Ev gotar pêşî bingehên teknîkî yên van modelan bi kurtî rave dike: mîmariya transformer, fêrbûna li ser daneyên mezin û modelên belavbûnê (diffusion). Paşê, li ser bingeha çarçoveya teorîk a Margaret Boden, ku sê cureyên afirîneriyê ji hev cuda dike, pirsa afirîneriya makîneyan tê nirxandin. Beşên din li ser pirsgirêkên mafê nivîskariyê, bandora li ser bazara kar a hunermendan, belavbûna agahiyên derew û pirsgirêkên ziman û çandên biçûk, wek Kurdî, disekinin. Encam nîşan didin ku AI dikare amûreke bihêz a afirîneriyê be, lê pirsa “afirînerî an teqlîd” bersiveke hêsan nîn e û bi pênaseya afirîneriyê ve girêdayî ye.

Peyvên sereke: hişmendiya çêkirî, AI-ya hilberîner, afirînerî, modelên mezin ên zimanî, mafê nivîskariyê, exlaqa teknolojiyê

1. Destpêk

Di 30ê Mijdara 2022an de, şirketa OpenAI sepana ChatGPT ji raya giştî re vekir. Di demeke pir kurt de bi milyonan kesan dest bi bikaranîna wê kir. Li kêleka wê, amûrên wêneçêkirinê yên wek DALL·E, Midjourney û Stable Diffusion jî populer bûn. Ev amûr dikarin bi çend peyvan nivîs, helbest, wêne, kod û hetta muzîk çêkin.

Ev pêşketin hem heyecan hem jî fikar derxistin holê. Ji aliyekî ve, gelek kes van amûran wekî alîkarên afirîneriyê dibînin ku dikarin karê mirovan hêsantir bikin. Ji aliyê din ve, hunermend, nivîskar û rojnamevan dipirsin ka gelo ev amûr kedên wan bê destûr bi kar tînin û dê karên wan ji holê rakin. Di bingeha van nîqaşan de pirseke felsefî heye: afirînerî çi ye, û gelo makîne dikarin xwedî afirîneriyê bin?

Ev gotar hewl dide ku vê pirsê ji çend aliyan ve binirxîne: teknîkî, felsefî, hiqûqî û civakî. Armanc ew e ku bersiveke hevseng were dayîn, ne ku teknolojî bi temamî were pesindan an jî bi temamî were redkirin.

2. Bingehên Teknîkî

2.1. Modelên mezin ên zimanî

Modelên mezin ên zimanî (large language models, LLM) torên neuronî yên çêkirî ne ku li ser mîqdarên pir mezin ên nivîsê hatine perwerdekirin. Piraniya wan li ser mîmariya transformer ava bûne, ku di sala 2017an de ji aliyê Vaswani û hevkarên wî ve hat pêşniyarkirin (Vaswani û yd., 2017). Taybetmendiya sereke ya vê mîmariyê mekanîzmaya “bal” (attention) e, ku dihêle model têkiliya di navbera peyvên dûr ên nivîsê de jî bigire.

Di perwerdekirinê de, model fêr dibe ku peyva (an perçeya peyvê) paşîn pêşbînî bike. Brown û hevkarên wî (2020) nîşan dan ku dema model û daneyên perwerdekirinê têra xwe mezin dibin, model dikarin gelek karên nû tenê bi çend mînakan bikin, bêyî ku ji bo wan karan bi taybetî werin perwerdekirin. Paşê bi rêbazên din ên wek fêrbûna ji bertekên mirovan, model ji bo diyalogê hatin baştirkirin.

2.2. Modelên wêneçêkirinê

Ji bo çêkirina wêneyan, du rêbazên sereke hatine bikaranîn. Ya yekem torên hevrik ên hilberîner (generative adversarial networks, GAN) in, ku di sala 2014an de ji aliyê Goodfellow û hevkarên wî ve hatin pêşniyarkirin. Di vê rêbazê de du tor li dijî hev dixebitin: yek wêneyan çêdike, ya din jî hewl dide ku wêneyên çêkirî ji yên rastîn cuda bike (Goodfellow û yd., 2014). Ya duyem, ku îro bêtir tê bikaranîn, modelên belavbûnê (diffusion models) ne. Ev model fêr dibin ku “deng” (noise) gav bi gav ji wêneyekê rakin, heta ku wêneyeke zelal derkeve holê (Ho û yd., 2020).

2.3. Ma model “fêm dikin”?

Pirseke girîng ev e ku gelo ev model bi rastî jî tiştekî “fêm dikin”, an tenê nimûneyên statîstîkî dubare dikin. Bender û hevkarên wê (2021) di gotareke naskirî de modelên zimanî wekî “tûtiyên stokastîk” bi nav kirin, ango pergalên ku forma zimanê bêyî wateyê dubare dikin. Lêkolînerên din dibêjin ku model hin temsîlên navxweyî yên tevlihev ava dikin ku dikarin wekî formeke sînordar a “têgihîştinê” werin dîtin. Ev nîqaş hîn jî berdewam e û bersiva wê bi pênaseya “têgihîştinê” ve girêdayî ye.

3. Afirînerî Çi ye? Çarçoveyeke Teorîk

Ji bo bersivdana pirsa “afirînerî an teqlîd”, pêşî pêwîst e ku afirînerî were pênasekirin. Lêkolînera zanista hişmendiyê Margaret Boden afirîneriyê wekî şiyana çêkirina ramanan an tiştan pênase dike ku nû, surprîz û bi nirx in (Boden, 2004). Ew sê cureyên afirîneriyê ji hev cuda dike:

• Afirîneriya kombînasyonî: girêdana ramanên naskirî bi awayên nû, wek metafor an jî tevlihevkirina du şêwazên hunerî.
• Afirîneriya lêgerînî: lêgerîna îmkanên nû di nav “qadeke” diyar a şêwaz an qaîdeyan de, wek nivîsandina helbesteke nû bi qaîdeyên kêşeya klasîk.
• Afirîneriya veguherîner: guhertina qaîdeyên qadê bi xwe, ji ber vê yekê tiştên ku berê ne mimkûn bûn, mimkûn dibin; wek derketina hunera abstrakt.

Li gorî vê çarçoveyê, modelên AI-ya hilberîner îro di afirîneriya kombînasyonî û lêgerînî de pir jêhatî ne. Ew dikarin şêwazên cuda tevlihev bikin û di nav şêwazekê de gelek guhertoyan çêkin. Pirsa vekirî ew e ku gelo ew dikarin afirîneriya veguherîner jî nîşan bidin, ango qaîdeyên nû biafirînin ku ne tenê ji daneyên perwerdekirinê derdikevin.

4. Argumanên “Teqlîd” û “Afirînerî”

4.1. Argumanên ji bo “teqlîd”

Kesên ku AI wekî teqlîdê dibînin, çend xalan derdixin pêş. Ya yekem, model tenê ji daneyên ku mirovan çêkirine fêr dibin; ji ber vê yekê her tiştê ku ew çêdikin, bi awayekî ji kedên mirovan tê. Ya duyem, model ne xwedî niyet, ezmûn an jî hestê ne; ew naxwazin tiştekî bibêjin. Ya sêyem, carinan model perçeyên ji daneyên perwerdekirinê hema hema wekî xwe dubare dikin, ku ev yek pirsgirêkên hiqûqî jî derdixe holê.

4.2. Argumanên ji bo “afirînerî”

Kesên din dibêjin ku afirîneriya mirovan jî bi awayekî bi fêrbûna ji yên din ve girêdayî ye. Tu hunermend ji valahiyê dest pê nake; her nivîskar ji yên berî xwe fêr dibe. Ji ber vê yekê, ji van kesan re pîvana afirîneriyê ne çavkaniya fêrbûnê, lê nûbûn û nirxa berhemê ye. Li gorî vê helwestê, heke berhemeke AI nû û bi nirx be, dikare bi wateyeke sînordar afirîner were hesibandin.

4.3. Helwesteke navîn

Gelek lêkolîner helwesteke navîn digirin. Li gorî wan, di piraniya rewşan de afirînerî ne di makîneyê bi tenê de, lê di hevkariya mirov û makîneyê de ye. Mirov armancê diyar dike, fermanan dide, encaman hildibijêre û sererast dike; makîne jî îmkanên nû pêşkêş dike. Di vê modelê de AI wekî amûrekê tê dîtin, wek kamera an jî bernameyên muzîkê yên dîjîtal, ku di dîrokê de jî di destpêkê de bûn mijara nîqaşên wekhev.

5. Pirsgirêkên Hiqûqî: Mafê Nivîskariyê

Yek ji pirsên herî aloz ew e ku xwedîtiya berhemên ku bi AI hatine çêkirin ya kê ye. Li Dewletên Yekbûyî yên Amerîkayê, Ofîsa Mafê Nivîskariyê diyar kiriye ku berhemên ku bi temamî ji aliyê makîneyê ve bêyî beşdariya afirîner a mirovan hatine çêkirin, nikarin bibin xwedî mafê nivîskariyê. Di sala 2023an de dadgeheke federal jî di doza Thaler li dijî Perlmutter de biryareke bi vî rengî da. Lêbelê, berhemên ku mirov bi awayekî girîng beşdarî wan bûye, dikarin bi qismî werin parastin.

Pirseke din jî ew e ku gelo perwerdekirina modelan li ser berhemên ku xwedî mafê nivîskariyê ne, bêyî destûra xwediyên wan, qanûnî ye an na. Li ser vê mijarê gelek doz hatine vekirin, ji aliyê nivîskar, hunermend û saziyên medyayê ve. Li Yekîtiya Ewropayê jî, Qanûna AI (AI Act), ku di sala 2024an de hat pejirandin, hin erkên zelaliyê ji bo pêşxerên modelên AI yên giştî datîne. Bersivên dawî yên van pirsan hîn jî di pêvajoya hiqûqî û siyasî de ne.

6. Bandorên Civakî

6.1. Bazara kar a afirîneran

Gelek hunermend, wênesaz, wergêr û nivîskar fikar dikin ku AI dê karên wan kêm bike. Hin lêkolînên destpêkê nîşan didin ku di hin qadan de, wek wergera nivîsên hêsan an jî çêkirina wêneyên ji bo reklaman, daxwaza ji bo karên mirovan kêm bûye. Di heman demê de, karên nû jî derdikevin holê, wek sererastkirina berhemên AI û rêveberiya amûrên AI. Bandora demdirêj hîn ne zelal e û dibe ku li gorî qadan cuda be.

6.2. Agahiyên derew û “deepfake”

AI-ya hilberîner dihêle ku wêne, deng û vîdyoyên derew ên pir bawerbar bi hêsanî werin çêkirin. Ev yek dikare ji bo belavkirina agahiyên derew, xapandinê an jî zirardana li navûdengê kesan were bikaranîn. Ji ber vê yekê, nîşankirina naveroka ku bi AI hatiye çêkirin û pêşxistina amûrên ji bo naskirina wê, bûne mijarên girîng ên lêkolîn û siyasetê.

6.3. Ziman û çandên biçûk

Ji bo zimanên wek Kurdî, AI hem derfet hem jî xetere pêşkêş dike. Ji aliyekî ve, amûrên wergerê û nivîsandinê dikarin naveroka bi Kurdî zêde bikin û gihîştina agahiyan hêsantir bikin. Ji aliyê din ve, ji ber ku daneyên bi Kurdî li ser înternetê kêm in, kalîteya modelan bi Kurdî bi gelemperî ji ya bi zimanên mezin kêmtir e. Ev yek dikare bibe sedema xeletiyên rêzimanî, peyvên biyanî yên nehewce û hetta agahiyên şaş. Ji ber vê yekê, ji bo Kurdî kontrola mirovan a li ser naveroka AI bi taybetî girîng e.

7. Nîqaş

Dema ku mirov hemû aliyan bi hev re dinirxîne, xuya dibe ku pirsa “afirînerî an teqlîd” pir caran wekî dualîteyeke hişk tê pêşkêşkirin. Lêbelê, rastî tevlihevtir e. Modelên AI ne kopîkerên hêsan in, ji ber ku ew dikarin berhemên ku berê tunebûn çêkin. Di heman demê de, ew ne afirînerên serbixwe yên wekî mirovan in, ji ber ku ne xwedî armanc, ezmûn û berpirsiyariyê ne.

Ji ber vê yekê, dibe ku pirsa herî kêrhatî ne “gelo AI afirîner e?” be, lê “em çawa dikarin AI bi awayekî ku afirîneriya mirovan xurt bike û mafên afirîneran biparêze bi kar bînin?” be. Ev pirs hem pirsên teknîkî, hem jî pirsên exlaqî û hiqûqî dihewîne.

8. Encam

AI-ya hilberîner di demeke kurt de bû amûreke bihêz ji bo çêkirina nivîs, wêne û naveroka din. Ji aliyê teknîkî ve, ev model li ser fêrbûna nimûneyên statîstîkî ji daneyên mezin ava dibin. Ji aliyê felsefî ve, li gorî çarçoveya Boden, ew dikarin cureyên afirîneriya kombînasyonî û lêgerînî nîşan bidin, lê pirsa afirîneriya veguherîner vekirî dimîne. Ji aliyê hiqûqî û civakî ve jî pirsên girîng ên wek mafê nivîskariyê, bandora li ser karên afirîneran û belavbûna agahiyên derew hîn çareser nebûne. Ji bo zimanên wek Kurdî, AI derfeteke mezin e, lê bi şertê ku kontrola mirovan û lênêrîna li kalîteya ziman bê parastin.

Çavkanî

• Bender, E. M., Gebru, T., McMillan-Major, A., & Shmitchell, S. (2021). On the dangers of stochastic parrots: Can language models be too big? Di Proceedings of the 2021 ACM Conference on Fairness, Accountability, and Transparency de (r. 610–623). ACM.
• Boden, M. A. (2004). The creative mind: Myths and mechanisms (2nd ed.). Routledge.
• Brown, T. B., Mann, B., Ryder, N., Subbiah, M., Kaplan, J., Dhariwal, P., û yd. (2020). Language models are few-shot learners. Advances in Neural Information Processing Systems, 33.
• Goodfellow, I., Pouget-Abadie, J., Mirza, M., Xu, B., Warde-Farley, D., Ozair, S., Courville, A., & Bengio, Y. (2014). Generative adversarial nets. Advances in Neural Information Processing Systems, 27.
• Ho, J., Jain, A., & Abbeel, P. (2020). Denoising diffusion probabilistic models. Advances in Neural Information Processing Systems, 33.
• Vaswani, A., Shazeer, N., Parmar, N., Uszkoreit, J., Jones, L., Gomez, A. N., Kaiser, Ł., & Polosukhin, I. (2017). Attention is all you need. Advances in Neural Information Processing Systems, 30.