Yapay Genel Zekâ'ya Giden Süreci Bilim İnsanları Birlikte Denetlemeli!

Bir zamanlar yalnızca bilimkurgu alanına özgü bir konu olarak görülen yapay genel zekânın (İng: "AGI") ne zaman geliştirilebileceği sorusu, son yıllarda büyük dil modellerinin (İng: "LLMs") yükselişiyle yeniden gündeme gelmiştir. Kesin bir tanımı olmamakla birlikte yapay genel zekâ, genellikle insan düzeyinde akıl yürütme, genelleme yapma, planlama ve özerklik yeteneğine sahip bir yapay zekâ sistemi olarak ifade edilmektedir.

Dünyanın dört bir yanındaki politika geliştiriciler, yapay genel zekâya dair birçok sorunun cevabını merak etmektedir. Bu sorular arasında, yapay genel zekânın faydalarının ve risklerinin neler olacağı da bulunmaktadır. Bunlara cevap vermek kolay değildir çünkü yapay zekâ alanındaki araştırmalar büyük ölçüde özel sektörde gerçekleşmektedir ve kamuya açık bir şekilde yayımlanmamaktadır. Ancak net olan bir şey varsa o da şudur: Yapay zekâ şirketleri, geliştirdikleri sistemlere insana özgü tüm bilişsel yetenekleri kazandırmaya odaklanmış vaziyettedir. Yapay genel zekânın yakın bir gelecekte geliştirileceğine dair tahminler, yapay zekâyı geliştiren şirketler için yatırım çekmek ve ilgi uyandırmak adına güçlü bir teşvik kaynağıdır.

Öte yandan, yapay genel zekânın ne zaman ortaya çıkacağını tahmin etmek zordur. Bu konudaki tahminler, birkaç yıldan on yıl veya daha uzun sürelere kadar değişmektedir. Bununla birlikte, yapay zekâ alanında yıllar içerisinde yüzlerce bilim insanı ile yapılan anketlerdeki çeşitli tahminlerin genel eksenine göre yapay genel zekânın 2060 yılına kadar yaratılması oldukça olası görülmektedir.

Büyük Dil Modelleri ve Yapay Genel Zekâ

3 Aralık 2024'te, aslen Nature dergisinde yayımlanan bir makale için görüşülen yapay zekâ araştırmacıları arasında OpenAI'ın ChatGPT, Anthropic'in Claude, Google'ın Gemini modelleri gibi büyük dil modellerinin henüz yapay genel zekâya ulaşamadığı konusunda bir görüş birliği olduğu görülmektedir. Sinirbilim alanından elde edilen bilgiler ışığında birçok araştırmacı, büyük dil modellerinin hiçbir zaman yapay genel zekâ seviyesine ulaşamayacağını ve yapay zekânın insan düzeyinde zekâya ulaşması için başka bir yöntemin gerekli olduğunu savunmaktadır.

Bilgisayar kodu oluşturmak, akademik makaleleri özetlemek ve matematik sorularını cevaplamak gibi geniş bir yetenek yelpazesine sahip olmalarına rağmen mevcut en güçlü büyük dil modellerinin çalışma biçiminde bazı temel sınırlamalar bulunmaktadır. Bu modeller, büyük bir veri yığınına dayalı olarak bir dizi içerisindeki bir sonraki belirteçi (İng: "token") tahmin etmeye odaklanır. Bu süreç, sorulara gerçek bir çözüm sunmak yerine makul görünen yanıtlar üretir.

ChatGPT ve Dünya Modelleri

Daha önce Google şirketinde yapay zekâ araştırmacısı olarak çalışmış olan yazılım mühendisi François Chollet ve Arizona Üniversitesi'nden bilgisayar bilimci Subbarao Kambhampati, OpenAI'nin ChatGPT o1 modelinin soyut akıl yürütme ve planlama gerektiren görevlerdeki performansını teste tabi tutmuştur. Test sonucunda, en gelişmiş büyük dil modeli olarak görülen o1'in bir yapay genel zekâ sistemi olmaktan uzak olduğu bulgusuna ulaşılmıştır. Birçok araştırmacı, yapay genel zekâya ulaşılabilmesi yapay zekâ sistemlerinin tutarlı "dünya modellerine" yani çevre temsili içerme, hipotezleri test etme, akıl yürütme, plan yapma ve bir alanda öğrenilen bilgiyi başka birçok durum üzerinde genelleme gibi kabiliyetlere sahip olması gerektiğini düşünmektedir.

Bu noktada, dünya modelleri gibi sinirbilim ve bilişsel bilimden gelen fikirler, yapay zekâda bir sonraki büyük atılımları besleyebilir. Örneğin, derin öğrenme ve yapay sinir ağları üzerine yaptığı öncü çalışmalarla bilinen ve bilgisayar bilimlerinde dünyanın en çok atıfta bulunulan bilgisayar bilimcisi Yoshua Bengio ve ekibi, tutarlı dünya modelleri oluşturmayı ve bu modeller ile akıl yürütmeyi destekleyecek alternatif yapay zekâ mimarileri üzerinde çalışmaktadır.

Yapay Zekâ Araştırmalarının Geleceği ve Disiplinler Arası Yaklaşım İhtiyacı

Bazı araştırmacılar, yapay zekâda bir sonraki büyük atılımların en büyük sistemlerden değil, daha küçük ve enerji açısından daha verimli yapay zekâ sistemlerinden geleceğini öne sürmektedir. UCL Üniversitesi'nden teorik sinirbilimci Karl Friston'a göre, gelecekteki daha akıllı sistemler, çevrelerindeki hangi unsurları örnekleyeceklerine karar verme yeteneğine sahip olabilirler ve eğitilmek için daha az veriye ihtiyaç duyabilirler.

Bu tür çalışmalar, yapay zekânın geliştirilmesinde farklı disiplinlerden araştırmacıların katılımını gerektirmektedir. Bu disiplinler arası yaklaşım, sistemlerin gerçekten ne yapabildiğini ya da yapamadığını doğrulamak, teknoloji şirketlerinin iddialarını yerine getirip getirmediğini tespit etmek ve gelişim için gerekli atılımları belirlemek açısından önemlidir.

Ne var ki yapay zekâ sistemlerinin geliştirilmesinde kullanılan yüksek sayıda grafik işlem birimini (GPU) karşılayabilen şirketlerde çalışmayan araştırmacıların bu tür güçlü ve maliyetli sistemlere erişimi de oldukça zor olmaktadır.^[1] Bu sistemlerin faaliyetlerinin ölçeğine bir örnek vermek gerekirse, 2021 yılında ABD hükümetine bağlı kurumlar (ABD Savunma Bakanlığı hariç), yapay zekâ araştırma ve geliştirme çalışmalarına 1,5 milyar dolar tahsis etmiştir. Avrupa Komisyonu ise yıllık yaklaşık 1 milyar avro (1,05 milyar dolar) harcamaktadır. Buna karşın, dünya genelindeki şirketler sadece 2021 yılında (ChatGPT daha piyasa sürülmemişti) yapay zekâ araştırmalarına 340 milyar dolardan fazla para harcamıştır.^[2]

Yapay Zekâ İçin Bir "CERN" Oluşturmak ve Kamu Araştırmalarını Desteklemenin Önemi

Devletlerin yapay zekâ araştırmalarını daha büyük bir ölçekte finanse edebilmeleri için kaynaklarını birleştirmeleri gerekmektedir. Bunu sağlamak için bazı yollar bulunmaktadır. Örneğin, Hollanda'nın Lahey kentindeki kâr amacı gütmeyen bir kuruluş olan Avrupa Yapay Zekâ Araştırmaları Laboratuvarları Konfederasyonu, yapay zekâ alanında yetenekli bilim insanlarını çekmek ve en gelişmiş araştırma laboratuvarını yaratmak için bir "Yapay Zekânın CERN'i" inşa edilmesini önermektedir.^[3]

Yapay zekâda büyük ilerlemelerin gerçekleşeceği kesindir ve bunların çoğu, yatırım ölçeği göz önüne alındığında büyük olasılıkla özel sektörden gelecektir. Bu ilerlemelerin faydalı olmasını sağlamak için teknoloji şirketlerinden gelen araştırmaların, insan zekâsını nelerin oluşturduğuna dair mevcut en iyi anlayışlar doğrultusunda doğrulanması gerekmektedir. Bu doğrulama sürecinde sinirbilim, bilişsel bilim, sosyal bilimler ve diğer ilgili alanlardan elde edilen bilgiler kritik bir rol oynayabilir. Yapay zekâ güvenliğinin sağlanabilmesi için devlet tarafından finanse edilecek kamusal araştırmalar, yapay genel zekânın gelişiminde kilit bir önem arz edecektir.

Sonuç

İnsanlığın yapay zekâ araştırmalarının uygulamalarını sağlam temellere oturtmak ve bu teknolojilerin risklerini mümkün olduğunca azaltmak için tüm bilgi birikimini seferber etmesi gerekmektedir. Devletler, şirketler, yatırımcılar ve araştırmacılar birbirlerinin tamamlayıcı güçlerini görmeli ve buna göre hareket etmelidir. Aksi takdirde, yapay zekâyı iyileştirebilecek içgörüler gözden kaçacak ve ortaya çıkan sistemler öngörülemez, dolayısıyla güvensiz olma riski taşıyacaktır.