Yapay Zeka ve Zeka Kavramı
Yapay zeka (YZ) alanındaki gelişmeler hızla ilerliyor, ancak zeka kavramı üzerine düşünmek her zamankinden daha önemli hale geldi. Yann LeCun , Meta’nın baş AI bilimcisi, zeka konusunda çeşitli bilgiler paylaştı. LeCun, tüm zeki varlıkların ortak özelliklerini dörde indirgiyor: fiziksel dünyayı anlamak , kalıcı hafızaya sahip olmak , mantıksal düşünme yeteneği ve planlama yapabilme . Bu özellikler, insanlar dahil birçok akıllı canlıda bulunuyor.
Bilgiyi Anlama ve Mantık
LeCun, yapay zekanın bu özellikleri henüz tam olarak karşılayamadığını belirtti. Özellikle büyük dil modelleri (LLM) bu eşiği geçemedi. Özellikle bu yeteneklerin dahil olması, yapay zekanın nasıl eğitildiği konusunda köklü bir değişim gerektirdi. Teknoloji devleri, bu yetenekleri mevcut modellere ekleyerek YZ dünyasında öne geçmeye çalışıyorlar. LeCun’a göre, fiziksel dünyayı anlamak için ayrı bir görüntü sisteminin eğitilmesi, ardından bu sistemin LLM’ye eklenmesi gerekiyor.
Hafıza ve Hafızanın Gelişimi
LeCun, hafıza konusunda çeşitli yöntemler önerdi. Retrieve-Augmented Generation (RAG) , yapay zeka dil modellerinin çıktısını dış bilgi kaynakları ile geliştirmek için kullanılan bir yöntemdir. Ancak bu tür geliştirmeler, LeCun’a göre sadece “hack” olarak değerlendiriliyor; yani geçici çözümler.
### Dünya Temelli Modeller
LeCun, “dünya temelli modeller” olarak adlandırdığı alternatif bir yaklaşımı da sıkça gündeme getiriyor. Gerçek yaşam senaryolarına dayanan bu modeller, desen tabanlı yapay zekalardan daha yüksek bilişsel seviyelere ulaşıyor. LeCun’un tanımına göre, bu modeller, bir eylemi hayal ettiğimizde, o eylemin sonucunda dünya durumunun ne olacağını tahmin edebiliyor.
Bu noktada, dünya dinamik bir yapı olduğu için sonuçların öngörülebilirliği büyük bir sorun oluşturuyor. LeCun, bu belirsizliklerle başa çıkmanın tek yolunun soyutlama yoluyla eğitim yapmak olduğunu vurguluyor.
V-JEPA: Yeni Bir Yaklaşım
Meta, soyut temelli öğrenme ile ilgili denemeler yapmakta ve bu çerçevede V-JEPA adlı bir modeli Şubat ayında kamuya sundu. Bu model, videoların eksik veya maskelenmiş kısımlarını tahmin ederek öğreniyor. LeCun, bu yaklaşımı daha da detaylandırarak, piksel düzeyinde tahmin yapmadıklarını belirtiyor. Bunun yerine, video temsilinin soyut bir versiyonunu çalıştırarak tahminler yapıyorlar.
Bu bağlamda, kimyadaki temel hiyerarşi kavramına benzer bir yapı oluşturarak Öğrenim süreci ilerliyor. LeCun’un örneğinde olduğu gibi, parçacıklar, atomlar, moleküller ve malzemeler arasında bir hiyerarşi oluşturmak, görev için gerekli olmayan bilgileri elden çıkarıyor.
Zeka ve Hiyerarşiler
LeCun’un çalışmaları, fiziksel dünyayı anlamanın bir yolunun hiyerarşiler yaratmak olduğuna işaret ediyor. Soyutlama süreçleri, daha karmaşık ve dinamik ortamlarda etkili bir öğrenme ve anlama biçimi sağlıyor. Yalnızca fiziksel dünya ile değil, aynı zamanda sosyal ve bilişsel durumlarla da başa çıkmak için etkili bir yöntem sunuyor.
Yapay zekanın geleceği, bu hiyerarşik anlayışla şekillenebilir. Daha karmaşık modellerin geliştirilmesi, insan zekasının temel bileşenlerini daha iyi anlamamıza yardımcı olabilir. Bu süreci ilerletmek ve yapay zekayı daha akıllı hale getirmek için daha fazla araştırmanın yapılması gerekmekte.
Gelecek Vizyonu
Sonuç olarak, yapay zeka dünyası hızla evrim geçiriyor. LeCun’un fikirleri, bu alandaki mevcut sınırlamaları aşmanın sadece bir yolunu sunmakla kalmıyor, aynı zamanda daha sağlam temellere dayanan zeka modellemeleri oluşturmanın önemini de vurguluyor. Bu süreç, hem teknolojik gelişmeleri hem de zeka anlayışımızı derinleştirebilir.
Gelecekte, bu tür modellerin eğitimi için soyutlama ve hiyerarşik düşüncenin daha fazla ön plana çıkması muhtemel. Yapay zeka, bu şekilde daha yetkin, daha akıllı ve daha işlevsel hale gelebilir.
Bu konuda yapılacak daha fazla çalışma, insanlık için büyük bir potansiyel sunuyor. Zeka, yalnızca bir yol değil, aynı zamanda bir hedef. Zeka vakıfları, eğitim sistemleri ve teknoloji şirketleri, bu değişimi başlatacak ana aktörler olarak öne çıkıyor.
