Diyelim ki sistemin karşısına “kedi” olarak etiketlenmiş bir fotoğraf getirildi ve model ilk denemede bunun yüzde 20 ihtimalle kedi, yüzde 80 ihtimalle köpek olduğu sonucunu verdi. Eğitim sistemi, modelin tahminiyle eğitim verisindeki hedef sonucu karşılaştırır ve hatanın büyüklüğünü matematiksel olarak hesaplar.
Bunun ardından optimizasyon algoritması bu hatayı azaltmak için modeldeki parametrelerin hangi yönde ve ne kadar değişmesi gerektiğini hesaplar ve parametreler çok küçük miktarlarda değiştirilir. Ardından yeni bir örnek, yeni bir tahmin, yine bir hata hesaplaması ve bunun sonucunda parametrelerin tekrar değiştirilmesi gelir. Yani tahmin-hata-düzeltme işlemi milyonlarca hatta milyarlarca kez tekrarlanır.
İşte makine öğrenmesi olarak adlandırılan şeyin önemli bir kısmı budur: Modeldeki çok sayıdaki parametrenin eğitim verisindeki tahmin hatalarını azaltacak şekilde otomatik olarak ayarlanması.
Dolayısıyla makine öğrenmesi sistemlerinin “kendi kendine öğrendiği” söylemi hem doğru hem de yanıltıcıdır. Doğru, çünkü insanlar milyarlarca parametrenin değerini tek tek belirlemiyor. Yanıltıcı, çünkü makine kendi eğitim yöntemini icat etmiyor, kendi eğitim verisini seçmiyor ve kendi amacını belirlemiyor; insanların kurduğu sistem ve seçtiği veri içerisinde parametrelerini otomatik olarak ayarlıyor.
Dolayısıyla yapay zekâyı ve onun geleceğimizi nasıl şekillendireceğini anlamak için yalnızca makinenin nasıl çalıştığına ve nasıl öğrendiğine bakmak yeterli değil. Aynı zamanda makinenin etrafında kurulan ve bu sistemin içinde geliştiği ekonomik düzeni de anlamamız gerekiyor. Yani başlıktaki soruya cevap vermek için de önce bu sistemlerin gerçekte ne yapabildiğini, ardından kimler tarafından, hangi amaçlarla ve nasıl bir ekonomik yapı içerisinde geliştirildiğini anlamamız gerekiyor.
