Lee Sedol, AlphaGo'ya Karşı: Maçta Gerçekte Ne Oldu?

Makinelerin er geç insanı geçtiği oyunlar arasında Go onlarca yıl ayrı bir yerde durdu. Derinliği, sezgiye dayanması, kaba kuvvet hesabına direnmesi onu yalnızca insana özgü bir oyun gibi gösteriyordu.

Bu güven 2015’te çatlamaya başladı: DeepMind, yalnızca hesaplayan değil, öğrenen bir sistemi — AlphaGo’yu — tanıttı.

Birkaç ay içinde profesyonel bir oyuncuyu yendi; Mart 2016’da ise kuşağının en büyük Go oyuncularından biri olan Lee Sedol’un karşısına çıktı. O maç, oyuna bakışı baştan biçimlendirdi.

Bu yazı o hikâyeyi bir Go oyuncusunun gözünden yeniden anlatıyor; koda ya da algoritmalara değil, anlara, kararlara, sonuçlara bakıyor.

Bu yazı, YouTube kanalımızdaki bir videodan uyarlandı.

Bir Maçtan Fazlası: AlphaGo Neden Hikâyeye Dönüştü

İlk bakışta AlphaGo maçları tanıdık bir anlatının yeni bir bölümü gibi görünüyor: bilgisayarlar er geç bir oyunda daha insanı yeniyor. Bu senaryo daha önce de yaşanmıştı. Dama 1990’larda düştü. Satranç da kısa süre sonra teslim oldu. AlphaGo ortaya çıktığında pek çok kişi sıranın Go’ya geldiğini düşündü.

Ama Go bu kaderi onlarca yıl geciktirdi; sonunda gerçekleştiğinde de sıradan bir üstünlük devri gibi görünmedi. AlphaGo maçları bir makine kazandığı için değil, nasıl kazandığı ve bu yolda neleri açığa çıkardığı için hikâyeye dönüştü.

Bir Go oyuncusu için mesele hiçbir zaman yalnızca skorlar değildi. Sezgi sınanıyordu; “iyi şekil” ile “doğru oyun” üzerine yerleşmiş fikirler sessizce çöküyordu; yaratıcılığın artık yalnızca insana ait bir sığınak olmadığı rahatsız edici biçimde anlaşılıyordu. Oyunlar, oyuncuları neredeyse zamansız görünen alışkanlıklarını yeniden gözden geçirmeye zorladı.

AlphaGo’nun hikâyesi bu yüzden diyagramlara ve hamle numaralarına indirgenemez. Bir anlatı gibi ilerledi: kuşku, inanamama, yavaş yavaş fark ediş, en sonunda kabulleniş. İnsanlar yapay sinir ağlarından, eğitim süreçlerinden söz etmeye başlamadan çok önce Go oyuncuları tahtada temel bir şeyin değiştiğini çoktan sezmişti.

AlphaGo Neydi — ve Neden Çok Az Kişi Mucize Bekliyordu

AlphaGo’yu DeepMind geliştirdi: Google çatısı altında çalışan bir araştırma şirketi. Yine de ilk günlerde bu isimler tek başına profesyonel Go oyuncularını pek korkutmadı. Programlar yıllardır istikrarlı biçimde gelişiyordu ama en iyi insanların çok gerisindeydi; deneyim, AlphaGo’nun da aynı çizgiyi izleyeceğini söylüyordu.

Kabaca bakıldığında sistem, teknik olmayan bir gözlemcinin bile kavrayabileceği bir mantıkla kuruldu. İşe insanların oynadığı Go oyunlarından oluşan büyük bir veri tabanıyla başladı; bu oyunlar katı bir talimat değil, eğitim malzemesiydi. Birkaç yapay sinir ağı birlikte çalışıyordu. Bunlardan biri konumları taramayı, tekrar eden kalıpları tanımayı, olası sonraki hamleleri kestirmeyi öğrendi. Tahminleri kusursuzdan uzaktı — mutlak doğru değil, bilgiye dayalı bir tahmine yakın bir şey. İşe yarayacak kadar isabetli, yanılmaz olmaktan ise çok uzak.

Bunun yanında ikinci bir ağ, bitmiş oyunlar üzerinde eğitildi. Kendisine konumlar gösterilip o konumdan sonunda kimin kazandığı söylendi. Zamanla, tahtadaki her konumda hangi tarafın önde olduğunu kestirmeyi öğrendi. Bu değerlendirme de kesin değildi. İlk isabet oranı mütevazıydı; kimi zaman kesinlikten çok %60 civarında bir şeydi. Ama kusursuz olması gerekmiyordu. Bir sonraki adıma yol gösterecek kadar iyi olması yetiyordu.

O adım kendine karşı oynamaktı.

Bu kaba tahmin araçlarıyla donanan AlphaGo, kendine karşı sayısız oyun oynamaya başladı. Her oyun yeni veri üretti. Her sonuç sisteme geri döndü; hangi kararların başarıya götürdüğünü, hangilerinin götürmediğini daha iyi ayırt etmesini sağladı. Kalıplar genelleştirildi, varsayımlar düzeltildi, döngü baştan sona tekrar tekrar işledi. AlphaGo’nun asıl gücü işte bu süreçte — pekiştirmeli öğrenmede — yavaşça, sessizce belirmeye başladı; durağan bir veri tabanının verebileceğinin çok ötesinde.

Bütün bunların hâlâ ne kadar kabataslak olduğunu vurgulamak gerek. Geliştiricilerinin de kabul ettiği gibi, bu anlatım sayısız teknik ayrıntının üzerinden atlıyor. Bilerek yapılmış bir basitleştirme — matematiğe boğulmadan fikri çizmenin bir yolu. Alanı daha derinden bilenler açıklamada boşluklar, kestirmeler bulur; bunları göstermek isteyene kapı hep açık kaldı.

Hikâye açısından asıl önemli olansa AlphaGo’nun o aşamada nasıl göründüğü. Henüz insanların sonradan hayal edeceği soğuk, acımasız bir motor değildi. Oyunu çoğu zaman tanıdık biçimde insani duruyordu. Yerleşik açılışları izliyor, temkinli seçimler yapıyor, bugünün yapay zekâ araçlarının anında gördüğü fırsatları kimi zaman kaçırıyordu. Geliştiricileri bile onu bitmiş bir silah değil, üzerinde çalışılan bir proje diye anlatıyordu.

Beklentilerin neden mütevazı kaldığını bu tablo açıklıyor. Go oyuncuları daha önce de umut vaat eden programlar görmüş, sonra onları görece kolayca parçalamıştı. AlphaGo da hiç değilse kâğıt üzerinde kademeli bir iyileşme gibi duruyordu — etkileyici belki ama devrim değil.

Sonrasında yaşananlar, bu varsayımın ne kadar yanıltıcı olduğunu gösterdi.

Fan Hui Maçı: İnsan Özgüveninde İlk Çatlak

Dünyanın gözü Seul’e çevrilmeden önce AlphaGo profesyonel bir rakiple çoktan karşılaşmıştı. Ekim 2015’te DeepMind, Fan Hui ile sessiz, neredeyse göze batmayan bir maç ayarladı. Fan Hui, Çin doğumlu, Fransa’da yaşayan, üç kez Avrupa şampiyonu olmuş profesyonel bir Go oyuncusuydu.

Kâğıt üzerinde Fan Hui makul bir seçimdi. Tartışmasız güçlü, deneyimli, tam anlamıyla profesyoneldi; yine de Doğu Asya Go’sunun mutlak seçkinlerini saran o neredeyse efsanevi hâle onda yoktu. Davet geldiğinde kuşku doğal karşılandı: programlar daha önce de profesyonellere meydan okumuş, sonuçlar pek endişe vermemişti. Fan Hui oynamayı kabul etti; herhalde çekişmeli ama altından kalkılabilir bir karşılaşma bekliyordu.

Bu beklenti hızla dağıldı.

Oyun oyun AlphaGo kazandı. Kıl payı değil, tek bir dalgınlığı kullanarak değil; ikna edici biçimde. Maç makinenin lehine 5–0 bitti — bir profesyonel Go oyuncusu ilk kez eşit bir maçta yapay zekâya karşı bütün oyunları kaybetmişti.

Yine de yankısı tuhaf biçimde sönük kaldı.

Go dünyasında sonuç panik değil, fısıltı yarattı. Kimi Fan Hui’nin gerçek gücünü sorguladı. Kimi de ağırlıklı olarak Avrupa’da yaşayıp turnuvalara orada katıldığı için Asyalı profesyonellerin yanında körelmiş olduğunu öne sürdü. Sempati de vardı: bir makineye üst üste beş oyun kaybetmek her oyuncuya ağır bir psikolojik yük bindirir.

En önemlisi, pek çok oyuncu maçı belirleyici saymadı. AlphaGo kazanmıştı, evet, ama belki de anlamlı bir kazanç değildi. Yaygın inanç yerinde duruyordu: en iyi insanların karşısında bu makine mutlaka tökezlerdi.

Geriye dönüp bakınca bu an fırtına öncesi sessizlik gibi okunuyor: uyarı işaretlerinin görüldüğü ama rahatça görmezden gelindiği nokta.

İnsana Benzeyen Bir Makine: İlk AlphaGo’nun Sınırları ve Hataları

AlphaGo’nun Fan Hui karşısındaki zaferi alarm zillerini çaldırmadıysa bunun bir nedeni de oyununun karakteriydi. Sistemin bu erken sürümü, sonradan yapay zekâ Go’suyla anılan o amansız, insan dışı güce benzemiyordu.

Açılışları tanıdıktı. Tahtada yerleşik joseki’ler belirdi. Onlarca yıldır standart olan savunma şekilleri tereddütsüz oynandı. Birkaç konumda AlphaGo, bugünün yapay zekâ araçlarının verimsiz ya da gereksiz saydığı sağlam, temkinli açılmaları seçti. Deneyimli bir gözlemciye oyunun büyük bölümü rahatça tanıdık geliyordu.

Dahası, AlphaGo hata yapıyordu.

Bugünün çok daha güçlü analiz motorlarıyla bakınca bazı kararları açıkça en iyisi değil. Kaçırılan değiş tokuşlar, görmezden gelinen acil noktalar, daha keskin bir hamlenin dengeyi kesin biçimde çevirebileceği anlar var. Bazı oyunlarda modern yapay zekâ analizi, orta oyunun kimi bölümlerinde Fan Hui’nin oyununun AlphaGo’nunkini geçtiğini bile söylüyor.

Henüz acımasız isabet çağı değildi. AlphaGo’nun tarzı insanın temkinini yansıtıyordu. En büyük kazancı değil, zafere giden güvenli yolu tercih ediyor; daha sert üstünlükleri zorlamak yerine kimi zaman güvenli alanla yetiniyordu. Bu eğilim sonradan bir kusur değil, tanımlayıcı bir özellik olarak anlaşıldı; ama o günlerde rahatlatıcı bir yanılsamayı besledi: makine güçlüydü, yine de insana benziyordu, yine de kusurluydu.

Bu gözle bakınca 5–0’lık skor bir kehanetten çok bir sapma gibi duruyordu. Go dünyası bunun yalnızca bir ara biçim olduğunu henüz kavramamıştı: insan alışkanlıklarının ne kadar ötesine geçebileceğini hâlâ öğrenen bir sistem.

Asıl sınav, çoğunun inandığı gibi, henüz başlamamıştı.

Maç Öncesinde Lee Sedol: Bir Efsanenin Özgüveni

DeepMind, AlphaGo’nun sıradaki rakibinin Lee Sedol olacağını duyurunca tablo bir anda değişti. Artık güçlü bir profesyonele karşı sessiz bir deneme değildi. Modern Go’nun simge isimlerinden biriyle açık bir hesaplaşmaydı.

2016’ya gelindiğinde Lee Sedol’un ünü sağlam biçimde yerleşmişti. Birçok kez dünya şampiyonu olmuş, dövüşçü ruhuyla, yaratıcı çözümleriyle tanınan bir oyuncuydu; Go ustalığının belirgin biçimde insani bir idealini temsil ediyordu. Kimi oyuncular istikrarıyla, verimliliğiyle beğeni toplarken Lee, konumları karmaşıklaştırma, beklenmedik kaynaklar bulma, kaostan fırsat çıkarma becerisiyle korkutuyordu. İnsan rakiplere karşı bu tarz ona sayısız unvan kazandırmıştı.

Doğal olarak Lee, AlphaGo’nun Fan Hui’ye karşı oynadığı oyunları inceledi. Gördükleri onu tedirgin etmedi. Makine güçlü görünüyordu ama ezici değildi. Oyununda hâlâ gözle görülür yanlışlar vardı. Kimi seçimler temkinli, hatta ürkekti. Lee Sedol’un gözünden sonuç açıktı: AlphaGo bir profesyoneli yenmişti, ama bu profesyoneli değil.

Kamuoyu önünde kendine güveniyordu. Özelde kabul ettiği tek belirsizlik skordu: maç kendi lehine 5–0 mı, 4–1 mi bitecekti? AlphaGo’nun onu tümüyle ezebileceği fikri ciddi ciddi konuşulmadı bile.

Lee’nin — ve herkesin — göremediği şey, Ekim 2015 ile Mart 2016 arasındaki aylarda olup bitenlerdi. O sürede AlphaGo durmaksızın eğitildi. Milyonlarca kendine karşı oyun, yargısını keskinleştirdi, zayıflıklarını azalttı, tahtayı kavrayışını baştan biçimlendirdi. Bu sonuçlara dışarıdan hiçbir gözlemci erişemedi. Seul’de tahtaya oturacak makine, Fan Hui’yle oynayan makine değildi.

Bu bilgi asimetrisi önemliydi. Lee Sedol, AlphaGo’nun gerçek gücünü ancak ilk taşlar tahtaya konduğunda görecekti. O ana kadar belirsizliğin bıraktığı boşluğu özgüven doldurdu — Go dünyasının büyük bölümünün paylaştığı bir özgüven.

Sahne, çok az kişinin böyle gelişeceğini beklediği bir hesaplaşmaya hazırdı.

Seul, Birinci Oyun: Plan Daha Baştan Çöktüğünde

Maç Mart 2016’da başladığında merak Go dünyasının çok ötesine geçmişti. Oyunlar canlı yayımlandı, yorumlar birden çok dilde aktı, Seul’de salonları ve meydanları dolduran toplu izleme etkinlikleri düzenlendi. Bu artık yalnızca profesyonel bir maç değildi. İnsan sezgisiyle makine hesabının sınavı olarak sunulan kültürel bir ana dönüşmüştü.

İlk oyun gayet sakin başladı. Lee Sedol rahat bir tempoya yerleşti; güç dengesini anladığına inanan birinin özgüveniyle oynuyordu. Erken konumlar elverişli görünüyordu. Siyah sağlam puan biriktirmişti, Beyaz hafif ve dağınık duruyordu; yorumcular oyunu insan tarafı için rahat diye niteledi.

Derken AlphaGo beklenmedik bir şey yaptı.

Karmaşadan kaçmak yerine erken bir dövüş başlattı. Kesti, sokuldu, taşları öyle bir ayırdı ki Lee Sedol aynı anda birden çok zayıf grubu idare etmek zorunda kaldı. Tahta neredeyse anında gerildi. Makine oyunu sakin alana değil, istikrarsızlığa doğru itti — insan yaratıcılığının parlaması beklenen tam da o tür konuma.

Yorum masası güven vermeyi sürdürdü. Durum karmaşık ama idare edilebilir görünüyordu; Lee Sedol nihayetinde kaosta serpilmesiyle tanınıyordu. Yine de orta oyun ilerledikçe ince bir kayma göze çarptı. AlphaGo karmaşadan yalnızca sağ çıkmıyor, onu yönetiyordu. Her yerel çatışma kıl payı onun lehine kapanıyor, toplam etki kendini göstermeye başlıyordu.

Modern yapay zekâ analizi, o an çok az kişinin fark ettiğini sonradan doğruladı: oyun daha en baştan Beyaz için rahattı. Görünürdeki denge yanıltıcıydı. AlphaGo’nun başta küçük olan üstünlüğü, ilk dövüşten sonra istikrarlı biçimde açıldı.

By the time the endgame arrived, the outcome was no longer in doubt. AlphaGo secured the win with calm efficiency, making conservative choices that prioritized certainty over spectacle. Lee resigned before the final count, but the psychological impact was anything but modest.

Lee Sedol ilk kez geri çeviremeyeceği bir konumla karşılaştı. Yenilginin kendisi şaşırtıcıydı; biçimi ise tedirgin ediciydi. AlphaGo kaba kuvvetle ya da tek bir dalgınlığı kullanarak kazanmamıştı. Oyunun karakterini açılıştan itibaren o belirlemişti.

Maç daha yeni başlamıştı, baştaki varsayımlar şimdiden zorlanıyordu.

Farkına Varış: AlphaGo Yaratıcı Oynuyordu

İlk oyun beklentileri sarstıysa ikinci oyun onları yerle bir etti.

Başlangıçta olağandışı bir şey yoktu. Açılış pürüzsüz gelişti, konumlar dengede kaldı; Lee Sedol tanıdık bir planı izleyerek seçeneklerini esnek tutarken etki kurdu. Ne ani bir tehlike sezisi vardı ne de bariz bir yanlış adım. Derken AlphaGo, salonu donduran bir hamle oynadı.

Yalnızca beklenmedik değildi. Yanlış görünüyordu.

Beşinci çizgide bir omuz vuruşu, Go’nun temel sezgilerine aykırıydı. Böyle bir hamle geleneksel olarak rakibin taşlarını aşağı bastırıp etkisini kısmak için oynanır. Burada tersini yapıyor gibiydi: alanı sınırlamak yerine armağan ediyor görünüyordu. Yorumcular duraksadı. Seyirciler donup kaldı. Deneyimli profesyoneller bile gördüklerini açıklamakta zorlandı.

Yine de hamle işe yaradı.

Amacı yavaş yavaş ortaya çıktı. Taş anlık kazanç peşinde değildi; tahtanın uzak bölgelerini birbirine bağlıyor, birden çok zayıf grubu aynı anda destekliyor, gelecekteki saldırıları sessizce hazırlıyordu. Başta ödün gibi görünen şey, olağanüstü uyumlu bir konuma dönüştü. AlphaGo insan geleneğini izlememişti ama bir mantığı izlemişti — yerleşik kalıpları aşan bir mantığı.

Anlatının değiştiği an buydu.

O ana kadar AlphaGo’ya son derece hızlı, disiplinli bir taklitçi gözüyle bakmak mümkündü: insan oyunlarından öğrendiği fikirleri yeniden birleştiren bir program. Bu açıklama burada çöktü. Hiçbir profesyonel bu hamleyi seçmezdi. Hiçbir kitap böyle bir hamle önermiyordu. Yine de makine hamleyi kendi başına bulmuş, dünyanın gözü önünde oynayacak kadar da ona güvenmişti.

Oyundan sonra Lee Sedol’un kendisi de bunun önemini kabul etti. Karşısındaki, bir veri tabanını körlemesine tarayan bir sistem değildi. Özgün fikirler üretebiliyordu. Konumları, insanların henüz anlamadığı biçimlerde değerlendirebiliyordu.

Maçın psikolojik dengesi geri dönülmez biçimde değişti. AlphaGo ikinci oyunu kazanıp 2–0 öne geçti ama skor hikâyenin yalnızca bir bölümünü anlatıyordu. Asıl kayıp kavramsaldı: yaratıcılığın, makinelerin aşamayacağı son engel olduğuna dair köklü inanç yeni yıkılmıştı.

Bu noktadan sonra maç, AlphaGo’nun kazanıp kazanamayacağıyla ilgili değildi. İnsan tarafının, makinenin daha önce görmediği tek bir şey bulup bulamayacağıyla ilgiliydi.

Baskı ve Uyum: Tarz Değiştirmek Geri Teptiğinde

2–0 geriye düşünce maç tehlikeli bir psikolojik bölgeye girdi. Bu seviyede oyuncular yalnızca tahtadaki konumla değil, kendi içgüdüleriyle de dövüşür. Farklı bir şey yapma dürtüsü bastırılamaz hâle gelir.

Üçüncü oyunda insan stratejisi gözle görülür biçimde değişti. Açılış tanıdık yapılara yerleşmek yerine doğrudan çatışmaya yönlendirildi. Taşlar erkenden temas etti, gruplar bölündü, tahta iki tarafta da çözülmemiş zayıflıklarla doldu. Niyet açıktı: kaosu zorlamak, tempoyu hızlandırmak, oyunu AlphaGo’nun sakin, yöntemli denetiminden uzaklaştırmak.

Bu yaklaşım anlaşılır. Her şeyi sessiz bir isabetle değerlendiriyor görünen bir sisteme karşı doğal tepki, değerlendirmenin kendisini zorlaştıran konumlar kurmaktır. Dövüş Go’su uzun zamandır insanın kalesi sayılır: sezginin, cesaretin, rakibi duygusal okumanın alanı.

Ama deneyim sert bir ders veriyor: baskı altında temel tarzını değiştirmek nadiren işe yarar.

Oyun ilerledikçe AlphaGo karmaşayı tedirgin edici bir soğukkanlılıkla göğüsledi. Gruplar hafif kaldı. Bağlantılar tam zamanında belirdi. Tehditler görüldü ama hiçbirine aşırı tepki verilmedi. Bir insanın kendini saldırıyı zorlamak ya da önceden savunmak zorunda hissedeceği yerlerde makine, hep esnekliği koruyan hamleyi seçti.

Dövüş onlarca hamle sürdü. Tek bir grup bile ölmedi. Dramatik bir çöküş yaşanmadı. AlphaGo kaostan asıl önemli olanla çıktı: geniş, sağlam bir çerçeve ve net bir alan üstünlüğü. Savaş şiddetliydi ama sonuç tuhaf biçimde sessiz kaldı.

Modern analiz sonradan rahatsız edici bir gerçeği pekiştirdi. Fan Hui’ye karşı oynanan o eski maçtaki bütün oyunlar içinde Fan Hui’nin en iyi oynadığı oyun aslında ilkiydi — baskı ile çaresizlik devreye girmeden önce. Sonuç zorlamak için ne kadar uğraştıysa isabeti o kadar düştü. Aynı kalıp burada da tekrarlandı.

Üçüncü oyunun sonunda skor 3–0’dı. Maç fiilen bitmişti. Go dünyası ilk kez, ciddi ciddi hazırlanmadığı bir sonuçla yüzleşti: bir insan efsanesi tertemiz bir yenilginin eşiğindeydi — becerisi yetmediği için değil, rakibi baskı altında çatlamadığı için.

Geriye kalan artık zafer için bir dövüş değil, anlam için bir mücadeleydi.

Dördüncü Oyun: İnsanın Cevabı

Dördüncü oyuna gelindiğinde maçın sonucu tartışma konusu değildi. 3–0 geride olan Lee Sedol maçı kazanamazdı; olsa olsa hikâyeye denge getirebilirdi. Sonrasında yaşanan stratejik bir sıfırlama değil, psikolojik bir rahatlamaydı. Kaybedecek bir şeyi kalmayınca özgürce oynadı.

Oyunun büyük bölümünde AlphaGo işi tanıdık biçimde bitirecek gibi göründü. Makine tahtanın üst tarafında geniş bir etki alanı kurarken Lee Sedol başka yerlerde verimli biçimde puan topladı; birkaç taşı yerleşmemiş bıraktı, onları sonra kurtarma becerisine güvendi. Orta oyun ilerledikçe AlphaGo yaklaşık on puanlık üstünlüğünü korudu — bu seviyede genellikle zafere doğru sakin bir süzülüşe işaret eden bir fark.

Derken salondaki kimsenin açıklayamadığı bir an geldi.

Kapanmış görünen bir konumda Lee Sedol, tahtanın her yerindeki gizli potansiyeli ateşleyen tek bir hamle buldu. Önemsiz sanılan zayıflıkları harekete geçirdi, uzaktaki tehditleri tek bir fikirde birleştirdi, AlphaGo’yu yabancı bir alana sürükledi. Hamle yalnızca yerel bir sonucu tehdit etmiyordu; makinenin konuma dair bütün değerlendirmesini sarsıyordu.

Sonradan 78. hamle olarak efsaneleşen hamle buydu.

Bugün, çok daha güçlü yapay zekâ araçlarıyla bakan analistler rahatsız edici bir şeyi biliyor: nesnel olarak o hamlenin işe yaramaması gerekirdi. Hamleden sonra bile Siyah rahat bir farkla kazanıyordu. Ama bu bilgi geleceğe ait. O gün, AlphaGo’nun o sürümüne karşı hamle tam bir kör noktaya denk geldi.

AlphaGo doğru yanıtı bulamadı. Yanlış seçimler birbirini izledi. Az önce son derece emin olan oyunu duraksadı, tutarsızlaştı. Lee Sedol fırsatı isabetle değerlendirdi: kaosu berraklığa çevirdi, dakikalar önce ölmüş görünen taşları kurtardı.

Maç boyunca ilk ve tek kez AlphaGo kontrolü kaybetti.

Lee Sedol oyunu kazandı; tepki olağanüstüydü. Daha önce pek çok dünya unvanı almıştı ama hiçbir galibiyeti bu yoğunlukta kutlanmamıştı. Salonu alkış doldurdu. Seyircide rahatlama, hayranlık, meydan okumaya yakın bir şey dalgalandı.

Skor tabelası hâlâ 3–1 diyordu. AlphaGo hâlâ üstündü. Ama hayati bir şey geri alınmıştı. O oyun, insanüstü bir sistemin bile şaşırtılabileceğini kanıtladı — kaba kuvvetle değil, başka kimsenin göremediği bir fikirle.

Lee Sedol’un Ötesi: Tavan Ortadan Kalktığında

Lee Sedol maçı bitince DeepMind dünyaya tartışmasız bir şey göstermişti: yapay zekâ artık her insan Go oyuncusundan güçlüydü. Go’nun insana özgü son sınır olduğu yolundaki köklü varsayım nihayet çökmüştü.

Ama hikâye burada bitmedi.

Lee Sedol’un karşısına çıkan AlphaGo sürümü, birkaç ay önce Fan Hui’yi yenen sürümden çoktan belirgin biçimde daha güçlüydü. Bu, apaçık bir soruyu doğurdu: sisteme eğitim için daha da fazla zaman verilse ne olurdu?

Yanıt, yıl bitmeden geldi.

Aralık 2016’da Tygem Go sunucusunda gizemli bir yeni hesap belirdi. Dünyanın en güçlü oyuncularına meydan okudu — ve hepsini yendi. Altmış oyun. Altmış galibiyet. Başta hiçbir açıklama yoktu, yalnızca sessiz bir inanamama. Kısa sürede bunun aynı projenin bir evrimi daha olduğu anlaşıldı: sonradan AlphaGo Master adıyla anılacak sürüm.

Ertesi yıl AlphaGo Master, Çin’in en güçlü oyuncusu Ke Jie ile resmî bir maçta karşılaştı. Sonuç netti. Ke Jie hiçbir zaman tutunacak bir dal bulamadı. Maç 3–0 bitti. AlphaGo o noktada ancak insanüstü diye tanımlanabilecek bir seviyeye ulaşmıştı.

Yine de DeepMind durmadı.

AlphaGo Zero ve İnsan Kalıplarının Sonu

2017’de kökten farklı bir sistem tanıtıldı: AlphaGo Zero. Önceki bütün sürümlerin aksine tek bir insan oyunu bile görmeden eğitildi. Profesyonel veri tabanı yok. Devralınmış açılış yok. Yerleşik bilgelik yok. Go’yu tümüyle sıfırdan öğrendi.

Başta oyunu kaotikti — neredeyse rastgele. Ama durmaksızın kendine karşı oynayarak oyuna dair kendi kavrayışını yavaş yavaş geliştirdi. Zamanla AlphaGo’nun bütün eski sürümlerini geçti. Doğrudan sınandıklarında AlphaGo Zero, AlphaGo Master karşısında 100 oyunun 89’unu kazandı.

Bunun anlamı tedirgin ediciydi. Tahminlere göre AlphaGo Zero, Lee Sedol’la oynayan sürümden yaklaşık üç taş daha güçlüydü. DeepMind Seul maçını ayarlamak için bir yıl daha bekleseydi, sonuç ne dramatik ne de yakın olurdu; büyük ihtimalle ezici olurdu.

Bu devasa iş tamamlanınca DeepMind yöntemlerini yayımladı. Başka geliştiriciler süreci tekrarlayabildi; bugün insanüstü Go yapay zekâlarının sayısı birden fazla. O seviyede aralarındaki farkın önemi kalmıyor. KataGo gibi ücretsiz araçlar bile artık her insan profesyonelin çok ötesinde oynuyor.

Maçtan sonra Lee Sedol, olan biteni pek çok Go oyuncusunu derinden etkileyen bir biçimde değerlendirdi. Kuşaklar boyu insanlar Go’yu insan yaratıcılığının en üst ifadesi saydı. AlphaGo bu inancı sarstı. İnsan oyununun ne kadar temkinli, ne kadar kalıplaşmış hâle geldiğini gösterdi: hocadan öğrenciye geçen alışkanlıklarla biçimlenmiş, keşifle değil gelenekle pekişmiş bir oyun.

İşin cilvesi şu: kusursuzluğun ölçütü artık yapay zekâ olduğu için oyuncular yine aynı ölçüde katılaşma riski taşıyor — bu kez farklı bir “doğru” hamleler kümesiyle.

AlphaGo’nun sonunda değiştirdiği şey yalnızca açılış teorisi değildi — gerçi o dönüşüm de geri dönülmezdi. 2017’de şoke edici görünen fikirler, on yıl bile geçmeden standart uygulamaya dönüştü. Asıl değişim bakış açısında. Go kendi geleneklerinden daha büyük hâle geldi; yaratıcılığı artık yalnızca insan sezgisi tanımlamıyor.

Bu kaymanın ölçeği tek bir yazıya sığmayacak kadar büyük. Sonuçları hâlâ ortaya çıkıyor; kendi başlarına dikkatli bir incelemeyi hak ediyorlar.

Şimdilik tahta duruyor. Taşlar duruyor. Meydan okuma ise her zamanki gibi: kusursuzluk artık insana ait değilken bile anlamlı bir şey yaratmak.