Yapay Zekalar Uluslararası Matematik Olimpiyatında İlk Kez Altın Madalya Seviyesine Ulaştı!

Yapay zeka modelleri, dünyanın en önde gelen matematik yarışmalarından biri olan Uluslararası Matematik Olimpiyatları'nda (İng: "International Mathematical Olympiad", IMO) tarihte ilk kez altın madalya seviyesinde prestijli bir başarıya imza attı. Bu başarı, yapay zeka teknolojisinin en büyük destekçileri için inkar edilemez bir övünç hakkı olsa da şu anda, Google ve OpenAI'nin en gelişmiş yapay zeka programları bile hala son derece zeki bir genci geçebilmiş değil.

Her ne kadar kulağa tuhaf gelse de karmaşık matematik, yapay zekanın hâlâ en büyük engellerinden biri. Bunun neden böyle bir sorun olmaya devam ettiğine dair pek çok analiz mevcut, fakat genel olarak bu durum, yapay zeka teknolojinin çalışma prensiplerinden kaynaklanıyor. ChatGPT ve Google Gemini gibi yapay zekalar, bir komut aldığında kelimeleri ve harfleri "token" denilen küçük parçalara ayırıyor, sonra bunları analiz edip uygun bir cevap tahmin ediyor. Yapay zeka için bir cevap, sadece en olası token dizisi demek. Ancak biz insanlar; kelimeleri, cümleleri ve düşünceleri bir bütün olarak algılıyoruz.

Bu şartlar altında yapay zekanın karmaşık matematik sorularını çözmek için gereken "mantık" yeteneğine sahip olmadığı söylenebilir. Bunun sorunun altında yatan en büyük sebep, matematik sorularının genellikle bir tek doğru cevabı olması. Bugün cebinizdeki hesap makinesi 4596 ile 4859'u çarptığınızda nesnel olarak doğru cevabı verir: 22,331,964. Öte yandan ChatGPT size hâlâ 22,325,364 gibi yanlış bir cevap verebilir.

Popular Science

1959’dan beri Uluslararası Matematik Olimpiyatı (IMO), genç matematik dehaları için dünyanın önde gelen etkinliklerinden biri oldu. Pek çok matematikçi, IMO’nun sorularından yalnızca birini belirlenen süre içinde çözmek için daha fazla zamana ihtiyaç duyar, çoğu bu soruları çözemezdi.

Avustralya, en son Queensland'de düzenlenen 66. yıllık UMO yarışmasına ev sahipliği yaptı. Burada 112 ülkeden 641 genç, 15 Temmuz'da altı soruyu 4.5 saatin altında çözmek için bir araya geldi. Ancak bu kez Google ve OpenAI'dan bir çift deneysel yapay zeka mantık yürütme modeli de rakipler arasındaydı.

Bu botlar gayet iyi iş çıkardı. İki şirket de bu yılki IMO testinde programlarının altın madalya alacak kadar yüksek puan aldığını açıkladı. Her bir yapay zeka, zaman sınırı içinde 6 sorudan 5’ini çözdü ve en fazla 42 puan üzerinden 35 puan aldı. Bu yıl, insan katılımcıların sadece yaklaşık %10’u altın düzeyinde puan alabildi.

Bu durum, Google’ın IMO’daki önceki performansına göre büyük bir ilerlemeye işaret ediyor. 2024’te Google'ın DeepMind yapay zekasının bir versiyonu, altı sorudan dördünü çözüp gümüş madalya puanına ulaşmıştı. Ancak, 4,5 saatlik sınırı aşıp 2–3 gün süren hesaplama gerektirmişti. IMO başkanı Gregor Dolinar Google'ın duyurusunda şunları söylüyor:

Bu yılki sonuçların en dikkat çekici yanı, yapay zekaların sadece hesaplamaları değil, her cevaba nasıl ulaştıklarını açıklayan "düşünme" süreçleriydi. Çözümleri pek çok yönden şaşırtıcıydı. IMO değerlendirme uzmanları bu çözümleri açık, kesin ve çoğunun takip etmesi kolay buldu.

Her iki şirket de IMO'da tam puan almayı hedefliyor. Bu yıl beş genç bu başarıyı elde etti. Ama bu, yine de zaferin yine de ek bir değerlendirme veya arka plan bilgisi gerektirebileceğini gösteriyor. Fransa Haber Ajansı, IMO'nun hangi yapay zeka modelinin ne kadar hesaplama gücü kullandığını ya da hesaplamalar sırasında herhangi bir ek insan denetimi olup olmadığını doğrulayamadığını belirtiyor.

Google, OpenAI ve Microsoft gibi şirketler, yapay zeka projelerini desteklemek için veri merkezi projelerine büyük yatırımlar yapıyor ve bu yatırımlar doğal olarak ciddi miktarda enerji kaynaklarına ihtiyaç duyuyor. Ancak bu süreç, bazı durumlarda fosil yakıt kullanımının artmasına da neden olabilir.

Gözlemci kuruluşlar daha önce bu gidişle yapay zeka endüstrisinin, birkaç ülkenin toplamı kadar olmasa da, Arjantin kadar enerji tüketebileceğini tahmin etmişti. Bu, ne yapay zekanın ne de onu geliştirenlerin henüz çözemediği bir sorun.