En Gelişmiş Yapay Zeka Modelleri Gerçek Dünyada Neden Zorlanıyor?
Günümüzün en gelişmiş yapay zeka modelleri, binlerce yüksek performanslı çip ve devasa veri kümeleri kullanmalarına rağmen öğrenme verimliliği açısından bir yaşındaki bebeklerin gerisinde kalıyor. Araştırmacılar, bu durumun temel nedeninin bebek beyninin dünyayı anlamlandırmak için kullandığı öğrenme mimarisinin mevcut sistemlerden tamamen farklı olması olduğunu belirtiyor.
Bebekler yeni bir nesneyi sadece bir veya iki kez gördükten sonra tanıyabiliyor ve çevrelerini kısa süreli gözlemlerle hızla kavrayabiliyor. Buna karşılık yapay zeka modelleri benzer becerileri kazanmak için çok daha fazla veriye ve enerjiye ihtiyaç duyuyor.
Bebeklerin öğrenme süreci yapay zeka için örnek teşkil ediyor
Meta, Stanford Üniversitesi, Tokyo Üniversitesi ve Ecole Normale Superieure araştırmacıları, bu farkı analiz etmek amacıyla EgoBabyVLM Challenge adlı yeni bir değerlendirme sistemi geliştirdi. Bu sistemde, görsel ve metinsel verileri işleyebilen yapay zeka modellerinden, bebeklerin başına takılan kameralarla kaydedilen yaklaşık bin saatlik gerçek yaşam görüntülerini analiz etmeleri isteniyor.
Elde edilen sonuçlar, en gelişmiş modellerin bile temiz veri kümeleri yerine gerçek hayattaki karmaşık görüntülerle karşılaştığında beklenen performansı sergileyemediğini gösteriyor. Uzmanlar, bebeklerin az miktarda bilgiden hızlı öğrenmesini sağlayan bilişsel mekanizmaların, gelecekte daha verimli yapay zeka sistemleri geliştirmek için önemli ipuçları sunduğunu ifade ediyor.
Stanford Üniversitesi’nden bilişsel bilimci Michael Frank, bebeklerin öğrenme sürecinin sadece kelimelerden ibaret olmadığını vurguluyor. Bebekler, ebeveynlerinin görüş alanında olmayan nesneler hakkında konuşmalarını dinliyor, bakış yönü ve el hareketleri gibi sosyal ipuçlarını takip ediyor ve dokunma, görme, işitme gibi duyusal deneyimleri birleştirerek dünyayı anlamlandırıyor.
Fiziksel dünyayı anlama konusunda zorluklar devam ediyor
2023 yılında geliştirilen BabyLM projesi, yapay zekayı bir çocuğun maruz kaldığı kadar veriyle eğiterek dilin sözdizimini öğrenmede başarılı sonuçlar verdi. Ancak araştırmacılar, aynı başarının fiziksel dünyayı anlama konusunda tekrarlanamadığını belirtiyor.
MIT’den Joshua Tenenbaum, mevcut modellerin verilerdeki örüntüleri yakalamada başarılı olsa da ortak akıl, sosyal ilişkiler ve fiziksel muhakeme gibi becerileri bir bebeğin edindiği şekilde geliştiremediğini ifade ediyor. Araştırmacılar, bebeklerin iki yaşına geldiklerinde ulaştıkları kapsamlı bilişsel becerilere nasıl eriştiklerini çözmenin, gelecekteki yapay zeka teknolojileri için kritik bir eşik olduğunu düşünüyor.
Stanford’dan Michael Frank ve ekibi, nedensellik ile görsel ve zamansal ilişkileri öğrenmede daha başarılı olan yeni bir model türü üzerinde çalışıyor. Nesne dinamiklerini daha etkili kavrayabilen bu yaklaşımın, fizik ve sosyal ilişkiler gibi alanlarda daha hızlı öğrenen yapay zeka sistemlerinin geliştirilmesine katkı sağlayabileceği öngörülüyor.
Sizce yapay zeka sistemleri, bebeklerin sahip olduğu bu doğal öğrenme ve muhakeme yeteneğine ne zaman ulaşabilir?
Yorumunuz gönderildi,
onaylandıktan sonra yayımlanacak.