Makinelerde insan zekasını simüle etme hedefi hiçbir zaman ChatGPT'deki kadar yakın görünmemişti. Ancak yaklaşımla ilgili temel şüpheler var. Yapay zeka sahnesi yanlış yolda mı?

Tübingen. Bu , yapay zeka (AI) alanında en ünlü iki bilim insanının Avrupa Futbol Şampiyonası'nı birlikte izlerken gerçekleşti : Ertesi gün Max Planck Akıllı Sistemler Enstitüsü başkanı Bernhard Schölkopf, "Kedim onu ısırdı" diyor. Meslektaşı Yann LeCun hakkında podyum. Bütün seyirci gülüyor. Bu bir tesadüf olabilir mi? Yoksa intikam mıydı?

Tübingen'deki gelecek vaat eden bilim adamları arasında, Turing Ödülü sahibini ve Facebook şirketi Meta'da yapay zeka baş bilim adamını herkes tanıyor.ve aylardır yapılan röportajlarda defalarca vurguladığını biliyorlar: Yapay zeka şu ana kadar “ev kedisi kadar bile akıllı değil.”

Yapay zeka hakkındaki heyecanda LeCun, OpenAI patronu Sam Altman ve Tesla'nın en önemli düşmanlarından biri.-Yapay zekada insan düzeyinde yakın bir atılımın gerçekleşeceğini öne süren patron Elon Musk .

Yılın başında Davos'taki Dünya Ekonomik Forumu'nda Altman, Yapay Genel Zeka (AGI) olarak adlandırılan bir şeyin nispeten yakın gelecekte elde edilebileceğini söyledi. Yann LeCun defalarca bunun mevcut yaklaşımlarla temelde mümkün olmadığını savunuyor.

Makine öğrenimi uzmanları onlarca yıldır insan düşüncesinin makinelerde kopyalanıp kopyalanamayacağı ve nasıl kopyalanabileceği sorusunu tartışıyor. Ancak ses tonu daha keskin hale geldi.

Bu hâlâ bilim mi, yoksa pazarlama mı?

Çünkü makinelerde insan benzeri zekanın gelişimini yönlendiren artık yalnızca bilim değil. Çok sayıda şirket iş modellerinin bu kısmıyla ilgili araştırma yaptı. OpenAI'nin tanınmış chatbotu ChatGPT'yi yayınlamasından bu yana yapay genel zeka hakkındaki açıklamalar şu soruyu gündeme getirdi: Bu hala bilim mi yoksa pazarlama mı?

ABD'li araştırmacı ve Signal Vakfı Başkanı Meredith Whittaker gibi bazıları, yapay zekanın kendisinin bir pazarlama terimi haline geldiğini söylüyor. Özellikle şirketler, insan zekasını kopyalamakla değil, faaliyetlerinin yazılım tarafından yürütülmesiyle ilgileniyor .

Pek çok iş uygulamasında makinenin gerçekten düşünmesi ya da sadece düşünüyor gibi görünmesi pek önemli değil gibi görünüyor. O halde asıl soru artık makinelerin düşünüp düşünemeyeceği değildir. Ancak insanların düşünmesini gerektiren görevleri yerine getirip getiremeyecekleri. Ve Turing testinin de gösterdiği gibi bu, birçok alanda zaten başarılmıştır.

1950'li yıllardan bu yana Turing testi, makine düşüncesinin insan düşüncesi düzeyine ulaşıp ulaşmadığını belirlemede belirleyici bir faktör olarak görülüyor. Belirli koşullar altında, bir kişi soru-cevap oyunu sırasında başka bir kişiyle mi yoksa bir makineyle mi konuştuğunu artık ayırt edemiyorsa, test geçmiş sayılır.

ChatGPT ve benzeri yapay zeka sistemleri düzenli olarak testi geçmektedir. Ancak insanlar gibi düşünmezler ve bazen güvercin yuvası veya güvercin yuvası prensibi gibi basit görevlerde başarısız olurlar: “Beş güvercini üç güvercin yuvasına dağıtırsanız, her zaman iki güvercinin oturduğu iki güvercin yuvası mı olur? ” diyor ChatGPT: “Kısa cevap evet.”

Ayrıca modeller defalarca sahnede “halüsinasyon” olarak adlandırılan tamamen yanlış beyanlarda bulunuyor. Sıkça anlatılan bir örnek Google'ın Gemini'sinden geliyor. Tepenin pizzaya nasıl yapıştırılacağı sorulduğunda Gemini şunu önerdi: yapıştırıcıyla.

Dil modelleri günümüzde nasıl çalışıyor ve neden zekayla hiçbir ilgisi yok?

Bu tür ifadelerin nasıl ortaya çıktığını anlamak için dil modellerinin nasıl çalıştığına bakmak faydalı olacaktır. Klasik Google aramasının aksine, büyük dil modelleri, alıntı yapılabilecek milyonlarca web sitesinden oluşan bir dizine dayalı değildir. Bunun yerine dil modelleri büyük miktarda metne dayalı olarak eğitilir.

Bunu yaparken adeta hangi kelimelerin her zaman bir arada, hangi sırayla ve hangi bağlamda karşımıza çıktığını öğrenirler. Buna dayanarak, istatistiksel olasılığa dayalı olarak cevabı kelime kelime hesaplarlar. Bunun doğru olup olmadığı esas olarak eğitim verilerinde doğru cevabın bulunup bulunmadığına ve ne sıklıkta ortaya çıktığına bağlıdır.

Bu sürecin temelde insan düşüncesiyle hiçbir ilgisi yoktur. Peki hâlâ birçok insani görevi yerine getirmek için kullanılabiliyorsa bunu yapması gerekiyor mu? Altman ve Musk gibi girişimciler, insan benzeri yeteneklere sahip dil modelleri oluşturmanın yalnızca bilgi işlem gücü, doğru veri ve ince ayar meselesi olduğu fikrine katılıyorlar.

ChatGPT geliştiricisi , hataları yavaş yavaş ortadan kaldırmak için düşük ücretli ülkelerde bunu yapmak için çok sayıda kişiyi de çalıştırıyor.t Eğitim verilerini kontrol etmek için. Mali açıdan güçlü yatırımcılar, YGZ'nin ulaşılabilir olduğu vaadiyle cezbediliyor.

OpenAI operasyonlarından sorumlu Brad Lightcap, Financial Times'a verdiği röportajda şirketin kendi GPT modelinin (GPT5) yeni neslinin bağımsız düşünme gibi büyük sorunları çözeceğini söyledi.

Elon Musk: Teknoloji milyarderi ve yapay zeka girişimcisi, yapay zekanın 2026 yılına kadar en akıllı insandan daha akıllı olacağını varsayıyo

OpenAI rakibi Anthropic'in başkanı Dario Amodei ve Tesla'nın patronu Elon Musk, yapay zekanın "insan düzeyinde" 2025 veya 2026 gibi erken bir tarihte geliştirilebileceği tahminine kendilerini alenen adadılar. Musk, yapay zekanın "en akıllı insandan daha akıllı" olacağını bile iddia ediyor

Bilim insanları insan yapay zekasındaki ilerleme konusunda çok daha şüpheci

En iyi araştırmacılar girişimcilere göre önemli ölçüde daha şüphecidir. Bu , Berkley, Oxford ve Bonn üniversitelerinin 1.712 katılımcı arasında gerçekleştirdiği bir anketle kanıtlanıyor .Ocak 2024'te yayınlandı. Buna göre yapay zeka alanındaki en iyi bilim insanları, 2027 yılına kadar akla gelebilecek her görevi yardım almadan insanlardan daha iyi yapabilecek makinelerin ortaya çıkma ihtimalini yalnızca yüzde on olarak görüyor. 2047 yılına gelindiğinde bile bu olasılığı yalnızca yüzde 50 olarak belirlediler.

Ancak ABD'li girişimcilerin medyada yer alan vaatleri beklentileri artırdı. OpenAI ve Facebook grubu Meta'nın en son dil modellerinin sunumlarından önce bile, onların zaten "düşünüp planlayabilecekleri" yönünde spekülasyonlar vardı. Ancak sonuçta birçok gözlemciyi hayal kırıklığına uğratacak şekilde modellerin öncekilerden çok az daha iyi olduğu ortaya çıktı.

OpenAI'nin teknoloji sorumlusu Mira Murati bile yakın zamanda Fortune dergisine verdiği röportajda şunu itiraf etti: "Laboratuvarlarımızda yetenekli modellerimiz var ama onlar o kadar ileride değil."

Bu, bilimin zaten öngördüğü şeyi doğruluyor: Modeller büyüdükçe, ek ve daha iyi verilerin faydası da azalıyor. Bu bağlantı, OpenAI'nin 2020'de yayınladığı bir araştırma makalesinde bile öne sürülüyor., şirketin hâlâ araştırmasını yayınladığı ve ticari olarak daha az yönlendirildiği dönemde.

Tübingenli yapay zeka bilimcisi Bernhard Schölkopf, yapay zeka gelişiminin katlanarak artabileceği yönündeki kamuoyu algısıyla çelişiyor. Schölkopf, "Doğadaki hiçbir model uzun vadede katlanarak büyümez" dedi.

Daha ziyade, dik bir gelişme aşamasını bir düzleşme aşamasının takip ettiği kuğu boynu şeklinde bir eğri bekliyor. Ancak gelişimin şu anda bu eğrinin hangi noktasında olduğu belirsiz: "Bilimsel açıdan bildiğimiz şey, hâlâ oldukça aptal algoritmalar kullandığımızdır."

İnsan yapay zekasına giden yola üç yaklaşım

LeCun ve Bernhard Schölkopf gibi araştırmacılar, insan seviyesinde zekaya sahip makineler geliştirmek için tamamen yeni yaklaşımların gerekli olduğuna inanıyor. Farklı bilim insanı grupları farklı fikirler üzerinde çalışıyor.

1. Bedenlenmiş biliş yaklaşımı

Dünyanın dört bir yanındaki yapay zeka geliştiricilerinin benimsediği yaklaşımlardan biri de bedenin fiziksel temsilidir. Bilimde "bedenlenmiş biliş" olarak bilinen "tüm organizma" teorisinin savunucuları, zekanın yalnızca beyinde değil, fiziksel dünyayla etkileşimler yoluyla ortaya çıktığını varsayarlar. Yapay zeka ile robot bilimini birleştirmek daha sağlam ve çok yönlü bir zeka yaratmalıdır. Bunun nedeni robotların görsel, işitsel ve dokunsal bilgiler gibi multimodal verileri kaydedip işleyebilmesidir.

Robotik şirketleri Hanson Robotics, FigureAI ve yönetim danışmanlığı McKinsey de bir blog yazısında şunları yazıyor: "YGZ'ye ulaşmak için tamamen yeni yaklaşımlara ve robotlara ihtiyacımız olabilir."Robotların insanlarla aynı bilişsel yetenekleri geliştirebilmeleri için fiziksel dünyayı bizimle aynı şekilde deneyimlemeleri gerekecek.

2. Bağlantıcı yaklaşım:

Dünyanın dört bir yanındaki yapay zeka geliştiricilerinin takip ettiği ikinci büyük eğilim, beynin tamamını kopyalamaktır. Yapay zeka araştırmacıları ve sinir bilimcileri insan beyni yapısını yeniden yaratmaya çalışıyor. Bu, günümüzün geniş dil modellerinin temelini oluşturan sinir ağları ile bir dereceye kadar başarılmıştır. Ancak araştırmacılar bir adım daha ileri giderek birçok farklı sinir birimini birbirine bağlamak istiyor. Bunu yapmak için hem beyindeki devreleri hem de beynin mimarisini yeniden yaratmak istiyorlar.

Tübingen Üniversitesi'nde Bernhard Schölkopf ve araştırma grupları, diğer konuların yanı sıra ağların esnekliğini de araştırıyor. Yapay zekanın biyolojik beyinlere benzer şekilde uyum sağlamasını ve öğrenmesini sağlar.

3. Hibrit yaklaşım

Yann LeCun, yapay zekanın fiziksel dünyayı anlayabilmek için bir çocuk gibi "görerek ve dokunarak" öğrenmesi gerektiğine inanıyor. Bunu yaparken, bağlantısal yaklaşımı, yapay zekanın zekayı geliştirmek için farklı veri kaynaklarına ihtiyaç duyduğunu varsayan somutlaştırılmış yaklaşım ve çok modlu yaklaşımla birleştiriyor.

Araştırmacıya göre insanlar görsel izlenimler aracılığıyla kelimelerden çok daha fazlasını özümseyebilir.

LeCun, "Dört yaşındaki bir çocuk, hayatı boyunca yaklaşık 16.000 saat boyunca uyanık kalır ve optik sinir, beyne saniyede 20 megabayt veri gönderir" diyor. Sonuç olarak, bir çocuk dört yıllık bir süre içinde internetteki metinlerden daha fazla veriyi emer. LeCun, insan zekasının yalnızca günümüzde eğitim verilerinin çoğunluğunu oluşturan metinlerle eğitim yoluyla elde edilemeyeceği sonucuna varıyor.

Schölkopf ayrıca değerler ve ritüeller gibi kültürel bilgilerin bir YGZ'ye giden yolda çok önemli olduğunu düşünüyor. İnsanları zeki yapan da tam olarak budur.

Gizlilik araştırmayı engelliyor

Bununla birlikte, dikkat ve araştırma parası çok sayıda yaklaşıma eşit olmayan bir şekilde dağıtılmıştır. OpenAI, Musk'un xAI, Anthropic veya Fransız şirketi Mistral ile yapay zeka şirketleri milyarlarca sermayeyi yoğunlaştırıyor ve bildiğimiz kadarıyla bu şirketler de benzer yaklaşımlar izliyor. LeCun ve Schölkopf da bu yaklaşımlarla kısa sürede gelişimin sınırlarına ulaşabileceklerine inanıyor.

İki araştırmacı LeCun ve Schölkopf'a göre bunun nedenleri bir yandan şirketlerin yenilikler üzerinde özgürce çalışabilmek yerine ürünlerine ve pazarlamalarına odaklanma eğiliminde olmaları. Ayrıca OpenAI ve Co., AGI yolunda gerçekte ne kadar ilerleme kaydettiklerine dair özellikle çok az fikir veren oyunculardır.

LeCun ve Schölkopf'a göre, şu anda medyanın ilgi odağı olan şirketlerin bir YGZ geliştiren ilk şirketler olmayacaklarının ikinci nedeni de tam olarak bu kapalılıktır. AGI'ye ulaşmak için Schölkopf, tüm tarafların nesne tanıma, mimari, hafıza ve mantıksal düşünme alanlarındaki ilerlemelerini açıklaması gerektiğine inanıyor. Ancak yapbozun tüm parçalarını bir araya getirirseniz sonuç büyük bir insan yapay zekası olacaktır.

Bu nedenle Schölkopf, ne OpenAI'den Sam Altman'ın ne de X.AI'den Elon Musk'un ilk YGZ'yi geliştirmeyeceğine inanıyor. Kazanan, "endüstride ileriye dönük araştırma ve akademik araştırmanın birleşiminden" gelecek.

“Fark Yaratan Robotik Çözümler !”

VR Robot, olarak bizi tercih eden değerli yatırımcıların her zaman yanındayız. Bu sebeple satış sonrası hizmetlere en az projelendirme, kurulum ve devreye alma hizmetleri kadar önem veriyoruz. Beraber çalışmaya başladığımız günden itibaren satış sonrası hizmetlerimiz ile size bir telefon kadar yakınız..