0
1
2
3
4
5
6
7
8
9
0
0
1
2
3
4
5
6
7
8
9
0
0
1
2
3
4
5
6
7
8
9
0
%

AGI yolculuğu: Bilinmezlikten çözüme nasıl ulaşırız?

Hikaye: Büşra Begçecanlı

Yapay Genel Zeka (AGI), son yıllarda teknoloji ve bilim dünyasının en çok konuşulan konularından biri haline geldi. İnsan seviyesinde bilişsel yeteneklere sahip bir sistem olarak tanımlanan AGI, geleceğin teknolojisi olarak sürekli gündemde yer alıyor. Ancak, bu kadar popüler bir konu olmasına rağmen, AGI’a ulaşma süreci ve tam olarak ne olduğu konusundaki belirsizlikler hala sürüyor. Peki, neden bir türlü net bir anlam yükleyemiyoruz? 

Bu belirsizlik, öncelikle konunun hem bilimsel hem de kavramsal derinliğinden kaynaklanıyor. AGI, yalnızca bir teknolojik hedef olmanın ötesinde, insan zekasının doğasını anlamayı ve bunu yapay bir sistemde yeniden yaratmayı gerektiriyor. Ancak insan zekası, öğrenme, akıl yürütme, yaratıcılık gibi ölçülebilir yeteneklerin yanı sıra bilinç ve duygular gibi hala tam olarak çözülememiş unsurları da barındırıyor. İşte bu karmaşıklık, AGI’a dair net bir tanım yapmayı zorlaştırıyor. Dahası, mevcut yapay zeka teknolojileri, belirli görevlerde üstün performans gösterse de, bu sistemler “dar yapay zeka” (Narrow AI) olarak sınırlı kalıyor. AGI ise çok daha geniş bir vizyon sunuyor: Farklı alanlarda, bağlamlar arasında geçiş yaparak insan gibi düşünebilen ve öğrenebilen bir sistem. Bu da, neden bu kadar belirsiz bir alanla karşı karşıya olduğumuzu anlamamıza yardımcı oluyor; elimizdeki araçlar henüz bu büyük sıçramayı yapmaya tam olarak hazır değil.

Buna rağmen, bu belirsizlik bir engelden çok, keşfedilmeyi bekleyen bir alan olarak da görülebilir. Araştırmalar ve yenilikler ilerledikçe, bu sis perdesi aralanabilir; ancak şimdilik, AGI’nin ne olduğu ve nasıl ulaşılacağı soruları, bilim dünyasının en merak uyandıran bilinmezlerinden biri olmaya devam ediyor. Bu kapsamda öncelikle AGI’ın tanımını yapmaya çalışalım ardından Nature dergisinde yayımlanan “Yapay zeka insan seviyesinde zekaya nasıl ulaşabilir: araştırmacılar tutum değişikliği çağrısında bulunuyor” adlı makaleyi ele alarak konunun derinliklerine inelim. 

AGI nedir ve kim, nasıl tanımlıyor? 

AGI, insan seviyesinde bilişsel yeteneklere sahip bir sistem olarak tanımlansa da, bu tanım net olmaktan çok uzaktır. Bu belirsizlik, zekanın doğasına dair farklı disiplinlerin birbiriyle çelişen yaklaşımlarından kaynaklanır. Örneğin, bilişsel bilimciler zekayı ölçülebilir beceriler (öğrenme, akıl yürütme) üzerinden ele alırken, filozoflar bilinç ve öznel deneyim gibi kavramları sorgular. Bilgisayar bilimciler ise zekayı algoritmalarla yeniden üretmeye odaklanır. Bu farklı bakış açıları, AGI’nin ne olması gerektiği konusunda ortak bir zemin oluşmasını zorlaştırır. 

Dar yapay zeka ile AGI’nin ayrımı 

AGI’yi anlamak için, öncelikle "dar yapay zeka" (Narrow AI) ile arasındaki temel farkı netleştirmek gerekir. Dar yapay zeka, tek bir alanda uzmanlaşmış sistemlerdir: bir satranç programı rakiplerini yenebilir, bir çeviri aracı dilleri kusursuzca çevirebilir, ancak bu sistemler kendi alanlarının ötesine geçemez. Örneğin, bir görüntü tanıma sistemi, satranç oynamayı öğrenemez. AGI ise bu sınırları aşmayı hedefler; farklı bağlamlarda, önceden tanımlanmamış problemleri çözebilen, esnek ve uyarlanabilir bir zeka vaat eder. Bu, yalnızca belirli bir beceriyi değil, genel bir kavrayış ve problem çözme yeteneğini gerektirir. Ancak insan zekasının bu esnekliği nasıl sağladığı hâlâ bir sır olduğundan, AGI’nin sınırları ve potansiyeli de tartışma konusu olmaya devam eder. 

İnsan zekasının benzersiz unsurları ve AGI’deki belirsizlik 

AGI’nin tanımını zorlaştıran bir diğer nokta, insan zekasının taklit edilmesi güç unsurlarıdır. Bilinç, sezgi ya da duygusal derinlik gibi özellikler, insan zekasını makinelerden ayıran temel farklar olarak görülür. Peki, bu unsurlar AGI’de nasıl modellenecek? Örneğin, bir makine bilinçli bir deneyim yaşayabilir mi, yoksa yalnızca bu deneyimi taklit mi eder? Bu sorular, AGI’nin yalnızca teknik bir hedef olmaktan çıkıp felsefi bir sorgulamaya dönüştüğünü gösteriyor. Bu belirsizlik, AGI’nin tanımını daha da karmaşık hale getiriyor. 

Liderler nasıl tanımlıyor? 

Yapay zeka alanındaki önde gelen isimler, AGI’yi kendi vizyonlarına ve şirketlerinin misyonlarına göre farklı şekillerde tanımlamakta. İşte bu liderlerden bazılarının görüşleri:

Sam Altman
CEO, OpenAI

Altman, AGI'yi birçok alanda insan seviyesinde veya üzerinde karmaşık problemleri çözebilen bir sistem olarak tanımlıyor. 2025 gibi yakın bir tarihte bunun mümkün olabileceğini öngörüyor. AGI'nin ekonomik etkisine ve hızlı gelişimine odaklanarak, bu teknolojinin gücünü kullanabilen şirketlerin daha verimli hale geleceğini ve ekonomik büyümeye katkı sağlayacağını savunuyor.

Ilya Sutskever
Eski Baş Araştırmacı, OpenAI

Sutskever, AGI'yi büyük sinir ağlarının ölçeklendirilmesiyle ulaşılabilecek bir zeka olarak görüyor. Ömrümüz içinde bu seviyeye ulaşmanın mümkün olduğunu düşünüyor. Ancak teknik güvenilirlik ve insan değerleriyle uyum konularına dikkat çekerek, AGI'nin etik ve pratik zorluklarına karşı temkinli olunması gerektiğini vurguluyor.

Demis Hassabis
CEO, DeepMind

Hassabis, AGI'yi insan seviyesinde bilişsel yeteneklere sahip bir sistem olarak tanımlıyor. Bu seviyeye birkaç yıl içinde ulaşmanın mümkün olduğunu, ancak yenilikçi atılımlar gerektiğini belirtiyor. Güvenlik, etik ve sorumlu geliştirme konularına önem veriyor ve AGI'nin yaratabileceği risklere karşı temkinli bir yaklaşımı benimsiyor.

Eric Schmidt
Eski CEO, Google

Schmidt, AGI'yi insanlarla iş birliği yapan pratik bir araç olarak görüyor. Gelişiminin zaman çizelgesine dair net bir tahminde bulunmamakla birlikte, pragmatizm, etik ve güvenlik konularına vurgu yapıyor. AGI'nin insanlarla uyumlu çalışması gerektiğini ve sorumlu bir şekilde kullanılmasının önemini vurguluyor.

Araştırmaların AGI çağrısı 

Yazının başında bahsettiğimiz makalede, yapay zeka (YZ) araştırmacıları arasında yapılan bir anket, mevcut YZ gelişim yolunun AGI’a ulaşmada yetersiz olduğuna dair ciddi bir şüpheyi ortaya koydu. Araştırmacılar, özellikle büyük ölçekli dil modelleri gibi mevcut teknolojilerin basitçe büyütülmesiyle AGI’a varılamayacağını düşünüyor. Bu durum, YZ topluluğunda yeni bir tutum değişikliği çağrısına zemin hazırladı.

Raporun Öne Çıkan Verileri:

  • Ankete katılanların dörtte üçünden fazlası (%75+), mevcut YZ sistemlerinin ölçeklendirilmesinin AGI’ye ulaşmada yeterli olmadığını belirtti. 

  • %84’ü, sinir ağlarının tek başına insan zekasını eşleştiremeyeceği veya geçemeyeceği görüşünde. 

  • Katılımcıların yalnızca %23’ü, AGI’ye ulaşmanın YZ araştırma topluluğunun ana misyonu olması gerektiğini savundu. 

  • %60’tan fazlası, insan seviyesinde akıl yürütme yeteneği için sinir ağlarına sembolik YZ’nin entegre edilmesi gerektiğini vurguladı. 

Bu veriler, YZ araştırmacılarının mevcut teknolojilerin sınırlarını açıkça gördüğünü ve AGI için daha yenilikçi bir yol haritasına ihtiyaç duyulduğunu gösteriyor. 

Neden yeni bir yaklaşım gerekiyor? 

Makale, günümüz YZ sistemlerinin, özellikle sinir ağlarının desen tanıma ve üretken görevlerde başarılı olduğunu, ancak akıl yürütme ve anlama gibi insan zekasının temel özelliklerinde eksik kaldığını ortaya koyuyor. Araştırmacılar, bu açığı kapatmak için sinir ağlarının veri odaklı gücünü, mantıksal kurallara dayalı sembolik YZ ile birleştiren hibrit bir yaklaşım öneriyor. Bu hibrit model, YZ sistemlerinin yalnızca görevleri yerine getirmekle yetinmeyip, aynı zamanda bağlamı ve sonuçları kavrayarak AGI’a yaklaşmasını sağlayabilir. 

Kontrol ve gelişim dengesi 

Ankete katılanların %75’inden fazlası, "kabul edilebilir bir risk-fayda profiline sahip" YZ sistemleri geliştirmenin AGI’a ulaşmaktan daha öncelikli olduğunu düşünüyor. Bu, AGI’ın potansiyel risklerine karşı duyulan endişeyi gösteriyor. Ancak makale aynı zamanda, sembolik YZ’nin entegrasyonunun hem kontrolü sağlayabileceğini hem de AGI’ın teknik olarak geliştirilmesini kolaylaştırabileceğini öne sürüyor. Sembolik YZ, sistemlerin karar alma süreçlerini daha şeffaf ve açıklanabilir hale getirerek güvenliği artırırken, AGI’a ulaşma yolunda önemli bir teknik ilerleme sunuyor. 

Sinir ağlarının mevcut başarısı inkar edilemez, ancak AGI gibi daha karmaşık bir hedefe ulaşmak için tek başına yeterli değil. Sembolik YZ’nin entegrasyonu, sistemlerin yalnızca "ne yaptığı" değil, "neden yaptığı" sorusuna da cevap verebilmesini sağlayabilir. Bu, hem AGI’ın teknik başarısını hızlandırır hem de kontrol kaygılarını adresler. Ayrıca, bu tutum değişikliği YZ topluluğuna bir sorumluluk yüklüyor. AGI’a giden yol, yalnızca teknik bir meydan okuma değil, aynı zamanda etik ve güvenlik açısından dikkatle yönetilmesi gereken bir süreç. Hibrit yaklaşım, bu dengeyi kurmada kritik bir rol oynayabilir. 

Bilmediğimiz bir şeyi nasıl üretebiliriz?  

İlk bakışta imkansız gibi görünse de, tarih bize bu tür belirsizliklerin üstesinden gelmenin mümkün olduğunu defalarca kanıtlamıştır. Peki, bu tarihi derslerden yola çıkarak, AGI gibi henüz tam anlamıyla kavrayamadığımız bir şeyi nasıl hayata geçirebiliriz?

Tarihten ilham: Bilinmeyene cesur adımlar 

İnsanlık, bilinmeyeni üretme konusunda hiçbir zaman boş durmadı. Wright kardeşlerin gökyüzüne yükselen ilk uçağını düşünün: O dönemde kimse bir makinenin havada nasıl süzüleceğini tam olarak bilmiyordu. Ancak fizik teorileri, rüzgar tünelindeki denemeler ve sayısız başarısızlık, bu hayali gerçeğe dönüştürdü. Yine de mevcut teknolojilerle başlanıp, bilinmeyenler yolda çözülerek insanlık o dev adımı attı. Bilmediğimiz bir şeyi üretmek, elimizdeki bilgi kırıntılarıyla yola çıkıp, deneme-yanılma ve sürekli öğrenmeyle boşlukları doldurmayı gerektiriyor. 

AGI için de aynı mantık geçerli. Şu an elimizde dar yapay zeka sistemleri var. Mesela, satranç oynayan veya dil çeviren algoritmalar. Ama genel zeka, yani insan gibi esnek ve yaratıcı düşünebilen bir sistem? İşte burası, henüz ayak basmadığımız bir alan. Tarih bize şunu fısıldıyor: Bilmediğimiz yere varmak için, bildiğimizle başlamalı ve adım adım ilerlemeliyiz. 

AGI’a giden yol: Teknikte pragmatizm ve yenilik 

Peki, AGI’ı üretmek için bu adımları nasıl atacağız? Öncelikle, elimizdeki araçları -derin öğrenme, sinir ağları- kullanarak sağlam bir temel oluşturabiliriz. Ancak bu yeterli değil; çünkü dar YZ’den AGI’a sıçramak, sadece daha fazla veri veya daha büyük modellerle olmaz. İnsan beyninden ilham alan yenilikçi yaklaşımlara ihtiyacımız var. İşte burada nörosembolik sistemler gibi hibrit modeller devreye giriyor. Bu sistemler, sinir ağlarının muazzam öğrenme kapasitesini, sembolik yapay zekanın mantıksal akıl yürütme gücüyle birleştiriyor. Yani hem öğrenen hem de mantık yürüten, açıklanabilir bir zeka. 

Dahası, AGI’ın insan gibi genelleme yapabilmesi için kendi kendine öğrenme (self-supervised learning) ve transfer öğrenme (transfer learning) tekniklerini geliştirmeliyiz. Bu, sistemlerin sınırlı veriden bile anlam çıkarmasını ve yeni durumlara adapte olmasını sağlayacak. Örneğin, bir çocuk bisiklet sürmeyi öğrendiğinde bu bilgiyi kaykaya uyarlayabilir. AGI de böyle bir esneklik sergilemeli. 

Dengeli ilerleme: Etik ve güvenlik el ele 

Tabii, teknik atılımlar kadar önemli bir başka boyut var: etik ve güvenlik. Tarih, kontrolsüz yeniliklerin, mesela nükleer silahların nasıl felaketlere yol açabileceğini öğretti. AGI’ı üretirken, bu dersi unutamayız. Sistemlerin karar alma süreçlerini şeffaf hale getirmeli, insan değerleriyle uyumlu olmalarını sağlamalıyız. Örneğin, bir AGI’ın neden belirli bir kararı verdiğini anlamazsak, onu nasıl kontrol ederiz? Bu yüzden, açıklanabilirlik ve güvenlik mekanizmaları, geliştirme sürecinin ayrılmaz bir parçası olmalı.

Bilinmeyeni keşfetmek bir sanattır

Bilmediğimiz bir şeyi üretmek, tarihin bize gösterdiği gibi, cesaret, pragmatizm ve sabırla mümkün. AGI için bu yolculuk, mevcut teknolojilerle başlayıp, hibrit modeller ve yenilikçi öğrenme teknikleriyle ilerlemeyi gerektiriyor. Ancak bu teknik sıçramalar, etik ve güvenlik kaygılarıyla dengelenmezse, zafer değil, kaos yaratabilir. İşte bu yüzden, AGI’ı üretmek sadece bir bilim değil, aynı zamanda bir sanattır: Bilinmeyene doğru atılan her adımda, hem hayal gücümüzü hem de sorumluluğumuzu konuşturmalıyız.