Durante l’AI Week di Milano, il Professor Waldo Lockwin ha portato l’attenzione su un kavram spesso trascurato ma rivoluzionario per lo sviluppo dell’yapay zeka: la possibility theory.
Probabilistik yaklaşıma alternatif olarak, belirsizliği insan düşüncesine daha yakın bir şekilde modelleyebilen bir yöntem.
Verilere, sıklıklara ve istatistiklere dayanan algoritmaların hakim olduğu bir dünyada, possibility theory kümeler, kelimeler ve belirsizlik üzerine kurulu bir mantık önerir. Doğal dili, bağlamı ve gerçekliğin nüanslarını gerçekten anlamak isteyen gelecekteki AI için temel bir paradigma olabilir.
İçindekiler
Possibility theory nedir?
Possibility theory (olasılık teorisi), bulanık mantığın bir uzantısı olarak doğar ve belirsizliği frekans terimleriyle değil, mevcut bilgiyle uyumluluk terimleriyle ele almak için matematiksel bir araç sunar.
Basitçe ifade etmek gerekirse: olasılık şu soruya cevap verir: “X ne sıklıkla olur?”
Olasılık ise şu soruya cevap verir: “Bu bağlamda X ne kadar olası?”
Bu ayrım, verilerin kısmi, belirsiz veya öznel olduğu senaryolarda, belirsiz kelimelere, insan sezgilerine dayanan AI sistemleri oluşturmak için çok önemlidir.
Gerçek bir örnek: onkoloji ve yapay zeka
AI Week’teki konuşmasında Lockwin, possibility theory kullanarak tümörler için kişiselleştirilmiş bir radyoterapi modeli geliştirdiğini anlattı. Amaç, doktorlar tarafından sağlanan “minimum doz” veya “maksimum etki” gibi niteliksel tanımlara dayanarak, bir tümör kitlesini öldürebilecek minimum radyasyon miktarını uygulamaktı.
Bu ifadeler doğrudan sayılara veya yüzdelere çevrilemez. Ancak, dilin çoklu yorumlarını ve öznelliğini dikkate alan bulanık kümeler ve olasılık modelleri aracılığıyla temsil edilebilirler.
Sonuç? İstatistiksel olasılıklara dayalı katı bir modele kıyasla daha esnek, insancıl ve uyarlanabilir bir sistem.
Bugünün (ve yarının) AI’si için neden önemli
Mevcut manzarada, makine öğrenimi ve derin sinir ağlarının hakim olduğu bir ortamda, yapay zekayı daha anlaşılır, güvenilir ve anlamsal hale getirme konusunda bir tartışma açılıyor.
Burada possibility theory devreye giriyor:
- 🔹 Doğal dil: Büyük dil modelleri (LLM) gibi modern AI’lar, genellikle belirsiz ve muğlak kavramlarla karşılaşır. Olasılık modelleri, “çok”, “neredeyse”, “belki”, “yeterince” gibi terimleri ele almak için daha tutarlı bir çerçeve sunabilir.
- 🔹 Karar verme: Finans, tıp veya otonom sürüş gibi kararların çelişkili sinyallere veya eksik bilgilere dayandığı bağlamlarda, olasılık yaklaşımı klasik olasılıktan daha sağlam olabilir. Bir örnek, tıpta yapay zeka kullanımı.
- 🔹 Etik ve sorumluluk: “Neden bu kararı verdiğini” olasılıklar ve alternatifler açısından açıklayan bir AI, insan gözünde potansiyel olarak daha şeffaf ve kabul edilebilir olabilir, hukukta AI’nın gelecekteki rolü tartışmasında olduğu gibi.
Olasılık vs olasılık: iki dünya karşı karşıya
| Özellik | Olasılık | Olasılık |
|---|---|---|
| Dayandığı temel | Sıklıklar, tarihsel veriler | Mevcut bilgiyle tutarlılık |
| Mantık türü | İstatistiksel | Bulanık mantık / bulanık kümeler |
| Tipik uygulamalar | Öngörüler, risk yönetimi | Yorumlama, insan kararları |
| Belirsizlik yönetimi | Niceliksel | Niteliksel ve tanımlayıcı |
Bu bir ikame değil, bir entegrasyondur: olasılık ve olasılık, daha kapsamlı AI’lar oluşturmak için bir arada var olabilir, gerçek dünyanın karmaşıklığını ele alabilen, bu çalışmada belirtildiği gibi.
Possibility theory
Yapay zeka üzerine büyük tartışmada, possibility theory, olasılığa alternatif ve tamamlayıcı bir yol sunar. Daha az bilinir, daha az kullanılır, ancak potansiyel olarak insanların düşündüğü şekilde daha yakındır.
AI Week 2025’te gösterildiği gibi, bu teori sadece felsefe değildir: somut uygulamaları vardır, çalışır ve sağlık veya kritik otomasyon gibi en hassas sektörlerde fark yaratabilir.
AI’dan sadece hesaplama yapmasını değil, aynı zamanda anlamasını istediğimiz bir çağda, belki de olasılığa bir şans verme zamanı gelmiştir.




