Yapay Zekâ “Dağınık” İnsan Zihnini Nasıl Modelledi: Soru-Cevap.

Yardımcı Doçent Benjamin Lindquist, mühendislerin yapay zekâyı erken aşamalarda rastlantısalla bilinçli biçimde kodlamasının, zaman zaman halüsinasyon üreten derin öğrenme modellerinin ortaya çıkışını inceliyor.

Adam Zewe

|

MIT News

Yayın Tarihi

Basın İlişkileri:

Abby

Abazorius

E-posta:

Telefon:

617-253-2709

MIT News Ofisi

Medya İndirme

↓

Açıklama

MIT Yardımcı Doçent Benjamin Lindquist, insan yaratıcılığını taklitmeye yönelik erken dönem yapay zekâ modellerine rastlantısallık ve irrasyonelliğin dahil edilmesi konusundaki araştırmalarını anlatıyor.

Kaynak

Kaynak: Jared Charney

*Kullanım Şartları:

MIT News ofisi web sitesinde indirilebilen görseller, ticari olmayan kuruluşlara, basına ve genel halka
Creative Commons Atıf-Ticari Olmayan-Dövülmemiş lisansı altında sunulmaktadır.
İndirilen görselleri boyutlandırmak dışında değiştiremezsiniz. Görselleri yeniden yayınlarken kaynak göstermek zorundanız; aşağıda
bir kaynak verilmediyse, görselleri “MIT” olarak gösterin.

Görsel Kaynağı: MIT News

Açıklama

MIT Yardımcı Doçent Benjamin Lindquist, insan yaratıcılığını taklitmeye yönelik erken dönem yapay zekâ modellerine rastlantısallık ve irrasyonelliğin dahil edilmesi konusundaki araştırmalarını anlatıyor.

Kaynak

Kaynak: Jared Charney

Üretken yapay zekâ modelleri, 20. yüzyılın ortasında yaşayan mühendislerin, insan gibi düşünebilen bir makinenin belirli bir irrasyonelliğe sahip olması gerektiğine inandığı fikirlere dayanır; MIT Tarih Bölümü’nde yardımcı doçent olan ve MIT Schwarzman Hesaplama Fakültesi ile Elektrik ve Bilgisayar Mühendisliği (EECS) Bölümü arasında paylaşımlı bir pozisyona sahip olan ve Bilgi ve Karar Sistemleri Laboratuvarı’nda baş araştırmacı olan Benjamin Lindquist bu görüşü savunuyor.

Yaratıcı düşünceyi taklit etmek için bu yapay zekâ öncüleri, problemleri deterministik olarak çözmek üzere tasarlanan algoritmalar bilinçli olarak rastlantısallık enjekte ettiler; Lindquist, dergide Past and Present yayımlanan yeni makalesinde bunu yazıyor. Makalede yapay zekâ halüsinasyonlarının kökenlerini bu erken araştırmalara dayandırıyor ve insan davranışını taklit eden makineler inşa etmeye çalışırken yaratıculuk ile öngörülebilirlik arasında kaçınılmaz ödünleşimler olacağını öne sürüyor. MIT News Lindquist ile bu fikirler hakkında görüştü.

S: Erken dönem bilgisayar mühendisleri neden mantık ve hesaplama için tasarlanan yapay zekâ sistemlerine rastlantısallık ve irrasyonellik enjekte etmeleri gerektiğine inandılar?

C: Bilim ve sanat dünyasında birçok figürün, şansın keşif ve yaratıcılıkta — fikir üretme yeteneğinde önemli bir rol oynadığını kuramsallaştırdığı uzun bir tarih var. Yaratıcılığı beklenmedik mantık sıçramaları ya da sizi şeylere yeni bir bakış açısıyla düşünmeyi sağlayan, neredeyse rüya benzeri bir durumla eşitlediler.

1950’lerin başında, Bell Labs’ta öne çıkan bir elektrik mühendisi olan John Pierce’den gelen popüler fikirlerden biri, matematiğin sanat dünyasında değerli olabileceğiyle ilgiliydi. Bu fikir, erken dönemde hesaplamayla uğraşan birçok kişi tarafından paylaşıldı. Matematik içeren eserler düşündüğümüzde, çoğu zaman çok düzenli ve kesin bir şey aklımıza gelir; ancak Pierce tam tersi sonuca vardı. Matematiğin faydasının, sanat düzenini ortadan kaldırabilmesinde olduğunu belirtti. Ardından, çok hesaplanmış bir şekilde matematik, klişelerden sapmanın bir aracı olarak ve içgörüye yol açabilecek düzensizlik öğesi eklemenin aracı olarak beklenmedik bir patlama getirebilirdi.

Bilinir bilgisayarlara düzensizlik katmanın popüler yollarından biri yapay (ya da rastlantısal) sinir ağlarıydı. Erken dönem sinir ağlarının çoğu, beyinin bir modelini kurabilme imkânı vererek bilim insanlarının içinde neler olduğunu—beyinlerin üretken hataları nasıl işlediği de dahil—gözlemelerine olanak tanıdığı inancıyla psikologlar tarafından inşa edilmişti. Kara kutular olmak yerine araştırmacıların, zihnin bu kutu adlı gizemini açıp bilim insanlarının içindeki tüm o dağınık şeyleri görmelerine olanak tanıyabileceğine inanılıyordu.

Ancak AI dünyasında yaratıcı düşüncenin yalnızca “normal” düşüncenin daha iyi yapılmış hali olduğuna inanan başka bir kamp da vardı. Zeka ve yaratıcılığı anlamaya yönelik bu iki oldukça basit yönlendirici yaklaşımı ve birbirleriyle nasıl örtüşüp örtüşmediklerini görmek ilginçtir. Bu tartışma, insan icadının özüne indirgenen şeyi belirlemeye ve ardından bu insan icadını makine biçiminde yeniden kurmaya çalışmaktan ibaretti.

S: Bu erken bilgisayar mühendisleri AI’ı nasıl görüyordu ve bugünkü gibi düşünme biçimimizden nasıl farklıydı?

C: AI sistemlerinden söz ettiğimizde aklımıza ChatGPT ya da Claude gelir. Bu sistemleri değerli bulur ve kullanırız çünkü çoğu zaman doğru yanıtlar verirler. Bu araştırmada beni en çok şaşırtan şeylerden biri, bu sistemlerin erken dönem savunucularının onları tam tersi bir nedenle değerli bulmuş olmasıydı. Bazen beklentilerimizden sapansan yanıtlar veren bir sistem istiyorlardı. Zaten makul ve beklenen yanıtlar verebilen sistemler zaten sahiptiler. Sinir ağlarını değerli bulan da tam olarak beklenmedik, belki de tuhaf ve anormal yanıtlar verebilmeleriydi.

Bu sistemleri bugün farklı görmemizi açıklayabilecek nedenlerden biri, işte bu kadar farklı çalışmaları olabilir. Erken dönemlerde bu sistemler laboratuvarlarla sınırlıydı, dolayısıyla garip ya da yanlış bir çıktı veren bir sistemin gerçek dünyada pek bir sonucu yoktu. Ancak şimdi OpenAI ya da Anthropic’in, beklenmedik ya da yaratıcı yanıtlar veren bir sohbet botundan kaçınmak için hem hukuki hem de maddi nedenleri var. Bu sistemlerde bir tür “sürtünmeyle pürüzlerinin alınması” yaşandı. Hâlâ bu özün derinlerinde potansiyel olarak mevcutlar, ancak artık büyük ölçüde bastırılmış durumda.

S: Rastlantısallığı kullanarak insan yaratıcılığını simüle eden erken dönem sinir ağları, nasıl olup da yapay zekânın baskın paradigma haline geldi?

C: Uzun bir süre, “sembolik yapay zekâ” adı verilen belirli bir yapay zekâ türü baskın yaklaşımdı. Temelinde sembolik yapay zekâ, dünyanın kurallara dayandığını iddia eder. Yapay zekâ araştırmacısının rolü, dünyanın bilgisini olgu ve önermeler olarak yeniden inşa etmeye çalışıp bunu bir bilgisayara aktarmaktır.

Sinir ağları, problemleri çözmek için kullandıkları rastlantısallık sayesinde 1950’lerde yükselişe geçse de, erken dönemde popülaritelerini kaybettiler. Sinir ağlarında erken dönemdeki çok önemli figürlerden biri olan psikolog Frank Rosenblatt, erken yaşta hayatını kaybetti; 1971’de 43. yaş gününde kazara öldü. Sinir ağı temelli sistemlerin neleri başarabileceğine dair birçok iddialı vaat veren, oldukça karizmatik ve etkileyici bir kişiliğe sahipti. Öldüğü zamanlara gelindiğinde, sembolik yapay zekâya yönelim zaten başlamıştı. Yaşamış olsaydı, işlerin farklı sonuçlanma ihtimali vardı.

S: Yapay zekânın tarihini çalışmaktan, gelişimine yön verebilecek hangi dersleri çıkarabiliriz?

C: Bence burada bir uyarıcı ders var. Bu ilk mühendislerin fikirleri ve deneyimleri, halüsinasyonları yok etme yönünde çalışabileceğimizi gösteriyor — yapay zekânın belirli bir şekilde çalışmasını sağlayarak beklenmedik veya istenmeyen yanıtlar üretmemesi için çaba sarf edebiliriz — ancak bunun başka sonuçları da olacak. Bu tarihsel figürler aslında bir şeyin peşindeydiler. Yapay zekânın sunabildi sürpriz ve yaratıcı sonuçlar ile hatalar ya da halüsinasyonlar arasında bir bağlantı var. Sistemlerimizi ya böyle ya da öyle davranması için kurarken ikisi arasında ticari denkleşmeler (tradeoff) söz konusu. Belki bu spektrumun iki ucunun da tamamen gerçek olması imkânsızdır, ancak bir şeye sağlam şekilde odaklandıkça, genellikle başka bir şeyi bilinçsizce feda ederiz.

Bu haber makalesini paylaş:

• X

Makale: “The Irrational Computer: Randomness and Unreason in the History of Artificial Intelligence”
Bu makalede bahsedilen araştırmaların açık erişimli sürümlerini buradan kontrol edin.

İlgili Bağlantılar

• Benjamin Lindquist
• Bilgi ve Karar Sistemleri Laboratuvarı
• Tarihsel Bölüm
• Elektrik Mühendisliği ve Bilgisayar Bilimi Bölümü
• İnsan Bilimleri, Sanat ve Sosyal Bilimler Fakültesi
• Mühendislik Fakültesi
• MIT Schwarzman Hesaplama Fakültesi

• Röportaj
• Araştırma
• Akademik Kadro
• Teknoloji ve toplum
• Tarih
• Bilgisayar bilimi ve teknoloji
• Yapay zekâ
• Makine öğrenimi
• Elektrik mühendisliği ve bilgisayar bilimi (EECS)
• Bilim tarihi
• Mühendislik Fakültesi
• Bilgi ve Karar Sistemleri Laboratuvarı (LIDS)
• İnsan Bilimleri, Sanat ve Sosyal Bilimler Fakültesi
• MIT Schwarzman Hesaplama Fakültesi