Yapay Zekanın CERN'ini Oluşturmak: İnsan Seviyesinde Zekaya Giden Süreci Bilim İnsanları Neden Birlikte Denetlemeli?
Yapay Genel Zeka Yarışında En Güvenli ve En İyi Sonuçların Elde Edilmesi İçin Farklı Alan ve Sektörden Bilim İnsanları Birlikte Çalışmalı!
IEEE Spectrum
- Çeviri
- Yapay Zeka
Bir zamanlar yalnızca bilimkurgu alanına özgü bir konu olarak görülen yapay genel zekanın (İng: "AGI") ne zaman geliştirilebileceği sorusu, son yıllarda büyük dil modellerinin (İng: "LLMs") yükselişiyle yeniden gündeme gelmiştir. Kesin bir tanımı olmamakla birlikte yapay genel zeka, genellikle insan düzeyinde akıl yürütme, genelleme yapma, planlama ve özerklik yeteneğine sahip bir yapay zeka sistemi olarak ifade edilmektedir.
Dünyanın dört bir yanındaki politika geliştiriciler, yapay genel zekaya dair birçok sorunun cevabını merak etmektedir. Bu sorular arasında, yapay genel zekanın faydalarının ve risklerinin neler olacağı da bulunmaktadır. Bunlara cevap vermek kolay değildir çünkü yapay zeka alanındaki araştırmalar büyük ölçüde özel sektörde gerçekleşmektedir ve kamuya açık bir şekilde yayımlanmamaktadır. Ancak net olan bir şey varsa o da şudur: Yapay zeka şirketleri, geliştirdikleri sistemlere insana özgü tüm bilişsel yetenekleri kazandırmaya odaklanmış vaziyettedir. Yapay genel zekanın yakın bir gelecekte geliştirileceğine dair tahminler, yapay zekayı geliştiren şirketler için yatırım çekmek ve ilgi uyandırmak adına güçlü bir teşvik kaynağıdır.
Öte yandan, yapay genel zekanın ne zaman ortaya çıkacağını tahmin etmek zordur. Bu konudaki tahminler, birkaç yıldan on yıl veya daha uzun sürelere kadar değişmektedir. Bununla birlikte, yapay zeka alanında yıllar içerisinde yüzlerce bilim insanı ile yapılan anketlerdeki çeşitli tahminlerin genel eksenine göre yapay genel zekanın 2060 yılına kadar yaratılması oldukça olası görülmektedir.
Büyük Dil Modelleri ve Yapay Genel Zeka
3 Aralık 2024'te, aslen Nature dergisinde yayımlanan bir makale için görüşülen yapay zeka araştırmacıları arasında OpenAI'ın ChatGPT, Anthropic'in Claude, Google'ın Gemini modelleri gibi büyük dil modellerinin henüz yapay genel zekaya ulaşamadığı konusunda bir görüş birliği olduğu görülmektedir. Sinirbilim alanından elde edilen bilgiler ışığında birçok araştırmacı, büyük dil modellerinin hiçbir zaman yapay genel zeka seviyesine ulaşamayacağını ve yapay zekanın insan düzeyinde zekaya 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 zeka 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 zeka sistemi olmaktan uzak olduğu bulgusuna ulaşılmıştır. Birçok araştırmacı, yapay genel zekaya ulaşılabilmesi yapay zeka 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 zekada 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 zeka mimarileri üzerinde çalışmaktadır.
Yapay Zeka Araştırmalarının Geleceği ve Disiplinler Arası Yaklaşım İhtiyacı
Bazı araştırmacılar, yapay zekada bir sonraki büyük atılımların en büyük sistemlerden değil, daha küçük ve enerji açısından daha verimli yapay zeka 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 zekanın 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 zeka 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 zeka 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 zeka araştırmalarına 340 milyar dolardan fazla para harcamıştır.[2]
Yapay Zeka İçin Bir "CERN" Oluşturmak ve Kamu Araştırmalarını Desteklemenin Önemi
Devletlerin yapay zeka 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 Zeka Araştırmaları Laboratuvarları Konfederasyonu, yapay zeka alanında yetenekli bilim insanlarını çekmek ve en gelişmiş araştırma laboratuvarını yaratmak için bir "Yapay Zekanın CERN'i" inşa edilmesini önermektedir.[3]
Aslında maddi destek istememizin nedeni çok basit: Çünkü Evrim Ağacı, bizim tek mesleğimiz, tek gelir kaynağımız. Birçoklarının aksine bizler, sosyal medyada gördüğünüz makale ve videolarımızı hobi olarak, mesleğimizden arta kalan zamanlarda yapmıyoruz. Dolayısıyla bu işi sürdürebilmek için gelir elde etmemiz gerekiyor.
Bunda elbette ki hiçbir sakınca yok; kimin, ne şartlar altında yayın yapmayı seçtiği büyük oranda bir tercih meselesi. Ne var ki biz, eğer ana mesleklerimizi icra edecek olursak (yani kendi mesleğimiz doğrultusunda bir iş sahibi olursak) Evrim Ağacı'na zaman ayıramayacağımızı, ayakta tutamayacağımızı biliyoruz. Çünkü az sonra detaylarını vereceğimiz üzere, Evrim Ağacı sosyal medyada denk geldiğiniz makale ve videolardan çok daha büyük, kapsamlı ve aşırı zaman alan bir bilim platformu projesi. Bu nedenle bizler, meslek olarak Evrim Ağacı'nı seçtik.
Eğer hem Evrim Ağacı'ndan hayatımızı idame ettirecek, mesleklerimizi bırakmayı en azından kısmen meşrulaştıracak ve mantıklı kılacak kadar bir gelir kaynağı elde edemezsek, mecburen Evrim Ağacı'nı bırakıp, kendi mesleklerimize döneceğiz. Ama bunu istemiyoruz ve bu nedenle didiniyoruz.
Yapay zekada 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 zekasını 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 zeka güvenliğinin sağlanabilmesi için devlet tarafından finanse edilecek kamusal araştırmalar, yapay genel zekanın gelişiminde kilit bir önem arz edecektir.
Sonuç
İnsanlığın yapay zeka 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 zekayı iyileştirebilecek içgörüler gözden kaçacak ve ortaya çıkan sistemler öngörülemez, dolayısıyla güvensiz olma riski taşıyacaktır.
Evrim Ağacı'nda tek bir hedefimiz var: Bilimsel gerçekleri en doğru, tarafsız ve kolay anlaşılır şekilde Türkiye'ye ulaştırmak. Ancak tahmin edebileceğiniz gibi Türkiye'de bilim anlatmak hiç kolay bir iş değil; hele ki bir yandan ekonomik bir hayatta kalma mücadelesi verirken...
O nedenle sizin desteklerinize ihtiyacımız var. Eğer yazılarımızı okuyanların %1'i bize bütçesinin elverdiği kadar destek olmayı seçseydi, bir daha tek bir reklam göstermeden Evrim Ağacı'nın bütün bilim iletişimi faaliyetlerini sürdürebilirdik. Bir düşünün: sadece %1'i...
O %1'i inşa etmemize yardım eder misiniz? Evrim Ağacı Premium üyesi olarak, ekibimizin size ve Türkiye'ye bilimi daha etkili ve profesyonel bir şekilde ulaştırmamızı mümkün kılmış olacaksınız. Ayrıca size olan minnetimizin bir ifadesi olarak, çok sayıda ayrıcalığa erişim sağlayacaksınız.
Makalelerimizin bilimsel gerçekleri doğru bir şekilde yansıtması için en üst düzey çabayı gösteriyoruz. Gözünüze doğru gelmeyen bir şey varsa, mümkünse güvenilir kaynaklarınızla birlikte bize ulaşın!
Bu makalemizle ilgili merak ettiğin bir şey mi var? Buraya tıklayarak sorabilirsin.
Soru & Cevap Platformuna Git-
2
-
0
-
0
-
0
-
0
-
0
-
0
-
0
-
0
-
0
-
0
-
0
- Çeviri Kaynağı: Nature | Arşiv Bağlantısı
- ^ H. Kudiabor. (2024). Ai’s Computing Gap: Academics Lack Access To Powerful Chips Needed For Research. Springer Science and Business Media LLC, sf: 16-17. doi: 10.1038/d41586-024-03792-6. | Arşiv Bağlantısı
- ^ N. Ahmed, et al. (2023). The Growing Influence Of Industry In Ai Research. American Association for the Advancement of Science (AAAS), sf: 884-886. doi: 10.1126/science.ade2420. | Arşiv Bağlantısı
- ^ B. Owens. (2024). Rage Against Machine Learning Driven By Profit. Springer Science and Business Media LLC, sf: S6-S9. doi: 10.1038/d41586-024-02985-3. | Arşiv Bağlantısı
Evrim Ağacı'na her ay sadece 1 kahve ısmarlayarak destek olmak ister misiniz?
Şu iki siteden birini kullanarak şimdi destek olabilirsiniz:
kreosus.com/evrimagaci | patreon.com/evrimagaci
Çıktı Bilgisi: Bu sayfa, Evrim Ağacı yazdırma aracı kullanılarak 28/03/2025 01:49:52 tarihinde oluşturulmuştur. Evrim Ağacı'ndaki içeriklerin tamamı, birden fazla editör tarafından, durmaksızın elden geçirilmekte, güncellenmekte ve geliştirilmektedir. Dolayısıyla bu çıktının alındığı tarihten sonra yapılan güncellemeleri görmek ve bu içeriğin en güncel halini okumak için lütfen şu adrese gidiniz: https://evrimagaci.org/s/19291
İçerik Kullanım İzinleri: Evrim Ağacı'ndaki yazılı içerikler orijinallerine hiçbir şekilde dokunulmadığı müddetçe izin alınmaksızın paylaşılabilir, kopyalanabilir, yapıştırılabilir, çoğaltılabilir, basılabilir, dağıtılabilir, yayılabilir, alıntılanabilir. Ancak bu içeriklerin hiçbiri izin alınmaksızın değiştirilemez ve değiştirilmiş halleri Evrim Ağacı'na aitmiş gibi sunulamaz. Benzer şekilde, içeriklerin hiçbiri, söz konusu içeriğin açıkça belirtilmiş yazarlarından ve Evrim Ağacı'ndan başkasına aitmiş gibi sunulamaz. Bu sayfa izin alınmaksızın düzenlenemez, Evrim Ağacı logosu, yazar/editör bilgileri ve içeriğin diğer kısımları izin alınmaksızın değiştirilemez veya kaldırılamaz.
This work is an exact translation of the article originally published in Nature. Evrim Ağacı is a popular science organization which seeks to increase scientific awareness and knowledge in Turkey, and this translation is a part of those efforts. If you are the author/owner of this article and if you choose it to be taken down, please contact us and we will immediately remove your content. Thank you for your cooperation and understanding.
