Endişelenmeyin; makineler uzun bir süre insanlar kadar akıllı olmayacak çünkü hâlâ öğrenecekleri çok şey var

[™ Admin]

Endişelenmeyin; makineler uzun bir süre insanlar kadar akıllı olmayacak çünkü hâlâ öğrenecekleri çok şey var

Yapay zeka bu yıl Davos'ta düzenlenen Dünya Ekonomik Forumu'nun gündemine hakim oldu.

Uzmanlar, tüm bu abartılı reklamlara rağmen yapay zekanın (en azından şu anki haliyle) oldukça sınırlı olduğu konusunda ısrarcı.

Bu hafta bir panelde, insanlarla aynı düzeyde yapay zeka yaratmak için yeni modellere ihtiyaç duyulacağı söylendi.

Yapay zeka bu yıl Davos'ta konuşulan konu haline gelmiş olabilir, ancak toplantıya katılan bazı uzmanların oradaki herkes için oldukça düşündürücü bir mesajı vardı: Yapay zekanın gerçek anlamda akıllı olmak için hâlâ kat etmesi gereken uzun bir yol var.

Yapay zekanın neden İsviçre'deki Dünya Ekonomik Forumu'nun gündeminin başında yer aldığını anlamak kolay. Sonuçta Web3'ün yüzünü kızartacak bir heyecan döngüsünün ortasındayız.

Dünya liderlerinin yıllık fuar için son bir araya gelmesinden bu yana geçen yılda, Google ve Microsoft gibi Büyük Teknoloji devleri OpenAI'nin ChatGPT'sine yetişmek için çabalarken, Bill Gates teknolojinin dünyayı değiştiren yeteneklerinin tanıtımını yaptı.

Ancak tüm bu abartılı reklama rağmen, yapay zeka uzmanları bu hafta yapay zekanın (en azından şu anki haliyle) kapsamının oldukça sınırlı olduğu konusunda ısrarcı oldu. Hele ki alanın nihai hedefi yapay genel zeka yaratmaksa. İşte nedeni.

Yapay zeka yüzeyi çiziyor
Salı günü üretken yapay zeka üzerine yapılan bir panel tartışmasında uzmanlar ilk olarak günümüzün yapay zekasını çok daha akıllı hale getirmek için aşılması gereken veri zorluklarına dikkat çekti.

Bilgisayar bilimcisi ve MacArthur "dahisi" Daphne Koller, panele "mevcut verilerin yalnızca yüzeyini çizmeye başladığımızı" söyledi.

OpenAI'nin GPT-4'ü gibi günümüzün en popüler yapay zeka modellerinin çoğu, internette halka açık olan şeyler üzerinde eğitiliyor. Koller'in yapay zekanın işlemesini istediği veri türü bunun da ötesine geçiyor.

Birincisi, "somutlaşmış yapay zeka" olarak adlandırılan bir veri dünyası var. Bu, fiziksel çevreyle etkileşime girebilen robotlar gibi aracılara yerleştirilmiş yapay zekadır. Günümüzün sohbet robotları bu verilerin çoğunu alamıyor.

Şu anda yapay zekanın veri toplamak için bu tür bir ortamla etkileşime girdiği belirli örnekler var. Otonom araçların karayolu trafiğine ilişkin verileri nasıl toplayıp analiz ettiğini veya yapay zekanın retina hastalıklarının erken belirtilerini tespit etmek için nasıl kullanıldığını düşünün.

Tek sorun, internetteki verilerin yanı sıra tüm bu verileri analiz edip işleyebilen çok amaçlı bir yapay zeka modelinin henüz anlamlı bir şekilde mevcut olmamasıdır.

Deneylerden elde edilen veriler de eksiktir.

Koller'in belirttiği gibi, "bu dünyayı deneyimleme" yeteneği, insanları öğrenmede bu kadar etkili kılan şeyin bir parçasıdır. Karşılaştırıldığında yapay zekanın bunu yapma yeteneği şu anda eksik.

Bu veri sorununa yönelik bir çözüm, yalnızca insanlar tarafından oluşturulan ve web'den beslenen verilere güvenmek yerine, makinelere kendi sentetik verilerini oluşturma şansı vermektir.

"Bu makinelerin büyümesini istiyorsak, onlara yalnızca birbirleriyle 'in silico' konuşma yeteneği vermekle kalmayıp, aynı zamanda dünyayla ilgili deneyler yapma ve büyümelerine ve gelişmelerine yardımcı olacak türde veriler üretme becerisini de vermemiz gerekiyor." dedi.

Mimarlık sorunu

Uzmanların işaret ettiği diğer sorun ise mimariyle ilgili.

Meta'nın baş yapay zeka bilimcisi Yann LeCun'a göre, günümüzün yapay zeka sohbet robotlarının temelini oluşturan otoregresif büyük dil modellerinin (LLM'ler) bir sonraki zeka düzeyine ulaşmak için "bazı yeni mimarilere" ihtiyaç duyduğu açıktır.

Şu anda, Yüksek Lisans gibi yapay zeka modelleri, bir metin parçasını alarak, örneğin kelimeleri kaldırarak onu bozarak ve ardından modellerin tam metni yeniden oluşturmasını sağlayarak çalışıyor. LeCun, bunu metinle yapmakta oldukça iyi olduklarını belirtiyor, ancak görseller mi yoksa video mu? Unut gitsin.

Meta bilim insanı, "Bazı parçaları çıkararak bozuk bir görüntü alıyorum ve ardından görüntüyü kurtarmak için büyük bir sinir ağını eğitiyorum. Ve bu işe yaramıyor veya çok iyi çalışmıyor" dedi.

Günümüzde görüntü oluşturmada oldukça etkili olan yapay zeka modellerinin mevcut olduğunu belirtmekte fayda var, ancak bunlar Midjourney ve Stable Diffusion gibi metinden görüntüye modellerdir. OpenAI ayrıca görüntü oluşturmak için GPT-4'ten ayrı, DALL-E adında bir yapay zeka modeline de sahiptir.

LeCun'a göre, her şeyi yapan bir yapay zeka modeline giden yol, şu anda herkesin takıntılı olduğu şeylerde yatmayabilir.

"Henüz gerçek bir çözüm yok, ancak şu anda en umut verici olan şeyler, en azından görüntü tanıma için işe yarayan şeyler - herkesi şaşırtacağım - üretken değil, tamam" dedi.

Koller aynı zamanda günümüzün yüksek lisans eğitimleriyle ilgili sorunları da görüyor. Ona göre, bu modellerin günümüzdeki yinelemeleri, örneğin neden-sonuç gibi temel bilişsel mantığı anlamada pek iyi değil.

"Bunlar tamamen öngörücü motorlar; sadece ilişkilendirme yapıyorlar" dedi.

Bu, günümüzün yapay zeka modellerinin kapasitesi hakkında şüphelerin dile getirildiği ilk sefer değil.

Üç Google araştırmacısı tarafından Kasım ayında ArXiv'e gönderilen bir ön baskı makalesi, Yüksek Lisans'ların altındaki transformatör teknolojisinin mevcut veri setinin ötesinde genelleme yapma konusunda pek iyi olmadığını ortaya çıkardı. Eğer YGZ büyük hedefse, bu pek umut verici değil.

Bu, günümüzün yüksek lisans programlarının işe yaramaz olduğu anlamına gelmiyor. Panelde yer alan Tayvanlı bilgisayar bilimcisi ve 01.AI kurucusu Kai-Fu Lee, bunların "inanılmaz ticari değerinden" bahsetti. Şirketi, piyasaya sürülmesinden sekiz aydan kısa bir süre sonra 1 milyar dolarlık bir değerlemeye ulaştı.

"Gerçek sorunları çözüyorlar, içerik üretebiliyorlar, verimliliğimizi önemli ölçüde artırıyorlar, her yerde kullanılıyorlar" dedi.

Peki makineleri insanlar kadar akıllı yapmanın eşiğindeler mi? En azından şu anki haliyle değil.

Kaynak: Business Insider