Kendini Geliştiren Yapay Zeka: Yeni Dönemin Başlangıcı
DeepMind, doğa bilimleri alanında geniş bir yelpazede problemleri çözebilen yeni bir yapay zeka modeli tanıttı. “Alphaevolve” adı verilen bu model, yalnızca mevcut problemleri çözmekle kalmadı, aynı zamanda matematikte yeni keşiflere de imza attı.
Yapay zekanın çok fazla metin okuduğu ve eğitildiği bilinmekteydi. Bugünün dil modelleri, bir insanın ömrü boyunca okuyabileceğinden çok daha fazla metinle eğitiliyor. Bu metinlerin önemli bir kısmı doğa bilimleri ile ilgili olduğundan, yapay zekanın bu alanda doğru cevaplar vermesi beklenebilir bir sonuç. Ancak bu durum, onların konuyu gerçekten anladığı anlamına gelmiyor. Eleştirmenler, bu tür sistemlerin sadece gördüklerini tekrar ettiğini ve gerçek bir zeka sergilemediğini savunuyor.
Fakat son gelişmeler, bu yorumların yetersiz olduğunu gösteriyor. Dil modellerinin mantıksal çıkarım yapabilme ve bilgiyi sorgulayabilme becerileriyle birleşmesi, bilinmeyen bilimsel problemleri çözme yeteneği kazandırıyor. Bu da, dil modellerinin gelecekte çok daha güçlü ve esnek bilimsel yapay zeka sistemlerinin önünü açabileceğine dair umutları artırıyor.
DeepMind’dan Yeni Bir Adım: Alphaevolve
Google’a bağlı olan ve kurucuları arasında Nobel ödüllü bilim insanı Demis Hassabis’in de bulunduğu DeepMind, bu yönde büyük bir adım attı. Şirketin geliştirdiği Alphaevolve modeli, genel bilimsel problemleri çözebilecek esneklikte bir yapay zeka olarak dikkat çekiyor. İlginç olan ise, bu modelin geliştirilmesinde yine DeepMind’ın önceki yapay zeka sistemlerinden faydalanılmış olması.
Bir Asistan Gibi Çalışıyor
Alphaevolve, ChatGPT gibi doğrudan bir dil modeli değil. Bunun yerine dil modellerini bir araç olarak kullanıyor. DeepMind, Alphaevolve’u, mevcut büyük dil modellerinin (LLM) yeteneklerini zorlu bilimsel problemleri çözme ve hesaplama altyapısını optimize etme gibi görevlerde geliştiren bir araç olarak tanımlıyor.
Bu sistem, klasik bir metin çıktısı üretmek yerine bir bilgisayar programı alıyor ve onu iyileştirme görevini üstleniyor. Bunu yaparken farklı Gemini dil modeli sürümleriyle etkileşime geçiyor ve onlara adeta sorular yöneltiyor.
Bu yöntemin oldukça etkili olduğu söyleniyor. DeepMind ekibine göre Alphaevolve, veri merkezleri için daha verimli bir planlama algoritması geliştirdi, donanım hızlandırıcılarının devre tasarımında sadeleştirmeler sağladı ve kendisine temel oluşturan dil modelinin eğitim sürecini daha verimli hale getirdi.
Matematikte Yeni Keşifler
Alphaevolve’un yetenekleri yalnızca teknik uygulamalarla sınırlı değil. Matematik ve bilgisayar bilimi alanında da bugüne dek bilinmeyen bazı problemlere çözüm getirdi. Örneğin, matris çarpımı için yeni bir yöntem keşfetti. Bu matematiksel işlem, yapay zeka modelleri de dahil olmak üzere birçok bilgisayar uygulamasında hayati öneme sahip. Alphaevolve’un bulduğu yöntem, bazı durumlarda 1969’da Volker Strassen tarafından geliştirilen ve o zamandan beri en iyi olarak kabul edilen yöntemden daha hızlı çalışıyor.
Aslında Alphaevolve’un matematikte başarılı olmasına şaşırmamak gerekiyor çünkü bu model, daha önce DeepMind tarafından geliştirilen ve 2023’te yine matematik problemlerinde başarı gösteren FunSearch isimli sistemin üzerine inşa edildi. Ancak Alphaevolve, ondan çok daha güçlü bir sistem.
Geniş Kullanım Alanı
Max Planck Işık Fiziği Enstitüsü’nün Yapay Zeka Grubu Başkanı Mario Krenn, Nature dergisine yaptığı açıklamada Alphaevolve’u “oldukça etkileyici” olarak nitelendiriyor. Ona göre bu model, büyük dil modelleri temel alınarak yapılan ilk genel amaçlı keşif örneğini sunuyor.
Alphaevolve’un asıl farkı, tek bir amaçla sınırlı olmaması. Daha önce DeepMind, AlphaGo gibi zorlu oyunlarda insanüstü başarılar gösteren sistemlerle tanınmıştı. Bu başarıdan sonra ekip, yapay zekayı biyokimya gibi alanlara da taşıdı.
Nobel Ödülü Getiren Başarı
DeepMind’ın önceki projelerinden biri olan AlphaFold, proteinlerin sadece bileşenleri baz alınarak şekillerini tahmin etmeyi başardı. Bu büyük başarı, 2024 yılında DeepMind kurucusu Demis Hassabis’e, John Jumper ve David Baker ile birlikte Nobel Kimya Ödülü’nü kazandırdı. Günümüzde bu teknoloji, proteinlerin yüzey etkileşimlerini de tahmin edebiliyor.
Mario Krenn’e göre, bu başarılarda kullanılan yapay zekalar, belirli görevler için özel olarak tasarlanmıştı. Alphaevolve ise çok daha genel bir optimizasyon algoritması sunuyor. Krenn’in ifadesiyle: “Eğer bir problem varsa – ister matematikte ister fizik ya da kimyada – Alphaevolve doğrudan çözüm önerebilir, hatta bu çözümleri bulmak için yeni algoritmalar yazabilir.”
Örnek olarak, Alphaevolve’un temel aldığı Gemini dil modellerini yüzde bir oranında hızlandırmayı başardığı gösterildi.
Genel Yapay Zeka Yolunda Bir Adım mı?
Alphaevolve, insan gibi her konuda bilgi sahibi olabilen bir “Genel Yapay Zeka” sistemine doğru bir adım mı? Bu soru, çalışmada açıkça yanıtlanmıyor. Konuyla ilgili görüş bildiren ABD’li gazeteci Jackie Snow, bu konunun özellikle belirsiz bırakıldığını belirtiyor. Ona göre bu sistem, AlphaFold gibi önceki araçlardan farklı olarak daha fazla türde bilimsel problemle başa çıkabiliyor.
Snow, yapay zeka araştırmalarında öne çıkan yeni bir eğilime de dikkat çekiyor: “Yapay zeka artık kendini optimize edebilen ve geliştirebilen sistemlere doğru evriliyor. Bu, insanların ilk taslaklarını gözden geçirip yeniden yazmaları gibi, yapay zekanın da süreci tekrar ederek iyileştirebilmesi anlamına geliyor.”
Ancak bu sistemin ne kadar güvenilir olduğu henüz bağımsız araştırmalarla doğrulanmadı. Ohio State Üniversitesi’nden yapay zeka uzmanı Huan Sun, bu sistemlerin daha geniş bir topluluk tarafından test edilmeden önce ihtiyatlı olunması gerektiğini vurguluyor.
