Bu makalenin amacı, yapay zekânın (YZ) kendisinin gelişimini, genel tıp alanında ve özellikle diş hekimliğindeki rolünü tanıtmaktır. Bu gelişimin, son dönemlerde devam eden bir evrimin sonucu olduğuna dikkat çekmek istiyoruz. Özellikle büyük veri (big data) ve derin öğrenmenin kombinasyonu, farklı tıbbi uzmanlık alanlarındaki gelişimleri önemli ölçüde etkilemiştir. Kliniklerde, yeni YZ araçlarının geliştirilmesi ile birlikte; yeni yönetmeliklere ihtiyaç olacağı, bu yazılımların hem hasta ve hem de diş hekimi için sağlayacağı klinik faydalar ve tabii ki maliyetler de dikkate alınmalıdır. Mevcut gelişmeler, genellikle radyoloji tabanlı sistemlere odaklanmaktadır; ancak, dil tabanlı sistemlerde de ilerlemeler görülmeye başlanmıştır. Son derece dinamik olan bu gelişim alanına giriş niteliğinde olan bu makale, konunun önemine dikkat çekmeyi amaçlamaktadır.
Yapay zekâ (YZ), hem bilim camiasında hem de genel kamuoyunda en çok tartışılan konulardan biri haline gelmiştir. Google Trends verilerine göre, "yapay zekâ" ve ilgili konulara yönelik arama sayısı, 2022 yılının sonundan itibaren keskin bir artış göstermiştir. Bu durum, Kasım 2022'de ChatGPT'nin kullanıma sunulmasıyla çakışmaktadır. Bu büyük dil modeli (LLM), modern etkileşimli (conversational) YZ'nin kapasitesini kullanıcılara ilk elden deneyimleme fırsatı sunarak, doğal dilde etkileşim kurabilen bir sistem olarak dikkat çekmiştir. ChatGPT'nin tanıtımı, sadece YZ'nin pratik faydasını değil, aynı zamanda verimliliği, yaratıcılığı ve bilgi paylaşımını artırma potansiyelini de gözler önüne sermiştir.
YZ uzmanları için ChatGPT'nin ortaya çıkışı, şaşırtıcı bir yenilikten ziyade, bu alanda onlarca yıl boyunca süregelen gelişimin bir sonucuydu. YZ'nin kökenleri, 1980'lerde kural tabanlı mantık sistemleri üzerine inşa edilmiş uzman sistemlere kadar uzanabilmektedir. Bu sistemler, belirli görevleri çözme kapasitesine sahipti ancak esneklik ve uyarlanabilirlikten yoksundular. Genel anlamda "yapay zekâ" terimi, normalde insan zekâsını gerektiren görevleri yerine getirebilen bilgisayar sistemlerini tanımlamak için kullanılır. Bu görevler, mantıksal akıl yürütme, öğrenme ve dil anlama gibi yetileri içerir. Geleneksel hesaplama ve istatistiksel yaklaşımlar sabit formüllerin, kuralların ve modellerin uygulanmasına odaklanırken, YZ bu metotların ötesine geçebilmektedir.
1990'lı yıllarda, makine öğrenmesi (ML) ile paradigma değişimine tanıklık ettik. Bu yeni yaklaşım, veriden öğrenebilen algoritmaları hayata geçirdi. Kural tabanlı sistemlerin aksine, bu algoritmalar deneyim yoluyla performanslarını geliştirerek daha otonom ve veri odaklı hale geldi. Makine öğrenmesi, daha dinamik ve uyarlanabilir sistemlere doğru geçişi başlattı. Temelde, bir algoritma belirli görevleri etkin bir şekilde çözmek üzere tasarlanır; makine öğrenmesi sayesinde bu sistemler daha dinamik ve tepki verebilir hale geldi (Cormen et al. 2022).
Bir sonraki büyük dönüşüm dalgası, 2010'larda derin öğrenmenin (DL) yükselişi ile gerçekleşti. Derin öğrenme, insan beyninin sinaptik bağlantılarından esinlenen yapay sinir ağlarını kullanarak büyük ve karmaşık veri kümelerini işleyip analiz etme konusunda önemli başarılar elde etti. Aynı zamanda, büyük verinin düzenli bir şekilde toplanması ve yapılandırılması da bu gelişime büyük ölçüde katkı sağladı. Derin öğrenme ile büyük verinin etkileşimi, tıp alanında özellikle medikal görüntüleme analizinde, hastalık tahminlerinde ve kişiselleştirilmiş tedavi stratejilerinin oluşturulmasında kritik rol oynadı.
Uzman sistemlerden derin öğrenmeye uzanan bu evrim, YZ'nin artan karmaşıklığını ve kapasitesini gözler önüne sermektedir. Sert kodlanmış kurallara dayanan sistemlerden, veriden öğrenen ve mantıksal akıl yürütebilen sistemlere geçiş süreci, YZ'nin geldiği noktayı ve gelecekteki potansiyelini gözler önüne sermektedir. ChatGPT'nin tanıtılması, bu dönüşümün doruk noktalarından biri olarak görülmektedir.
Bu yolculuk aynı zamanda yapay zekanın sağlık sistemi, eğitim, eğlence ve daha birçok alanda geniş potansiyelinin de altını çiziyor.