Yapay zekânın akıl yürütme yeteneği, karmaşık problemlerle karşılaştığında zayıflar.

VHO - Apple tarafından yapılan yeni bir araştırma, gelişmiş yapay zeka modellerinin karmaşık sorunlarla karşılaştığında "tamamen çökebileceğini" gösteriyor ve bu da makinelerin insan gibi düşünebildiği aşama olan genel yapay zekaya ulaşma yeteneği hakkında ciddi soruları gündeme getiriyor.

Apple'ın yeni araştırması, yapay zekanın karmaşık problemlerle karşılaştığında muhakeme yeteneğinin daha az etkili hale geldiğini gösteriyor.

Model ne kadar güçlü olursa, "düşünme" o kadar zayıf mı olur?

Yeni yayınlanan bir raporda, Apple araştırmacıları , Hanoi Kulesi veya Nehir Geçme problemi gibi giderek zorlaşan mantık problemlerini çözmede Büyük Akıl Yürütme Modellerinin (LRM) performansını değerlendirdi.

Sonuçlar şok ediciydi: Son derece karmaşık sorunlarla karşı karşıya kaldıklarında, gelişmiş yapay zeka modellerinin doğruluğu yalnızca azalmakla kalmadı, aynı zamanda "tamamen çöktü".

Daha da endişe verici olan şey, performans düşüşünden önce modellerin... akıl yürütme çabalarını azaltmaya başlamalarıdır; bu, zor bir problemle uğraşırken daha fazla düşünmeye ihtiyaç duyulması gerektiği düşüncesine aykırı bir davranıştır.

Birçok durumda, doğru algoritma verildiğinde bile modeller çözüm üretemiyor. Bu durum, yeni ortamlara uyum sağlama ve kuralları uygulama yeteneklerinde ciddi sınırlamalar olduğunu ortaya koyuyor.

"Genel teori"nin zorluğu

Bu araştırmaya yanıt olarak, yapay zekanın gerçek yetenekleri konusunda şüpheci olan Amerikalı akademisyen Gary Marcus, Apple'ın bulgularını "oldukça yıkıcı" olarak nitelendirdi.

Kişisel Substack bülteninde şunları belirtti: "Büyük dil modellerinin (LLM'ler) yapay genel zekaya (AGI) giden doğrudan bir yol olduğunu düşünen herkes kendini kandırıyor."

Bu görüşe katılan, İnsan Odaklı Yapay Zeka Enstitüsü'nden (Surrey Üniversitesi, İngiltere) uzman Andrew Rogoyski, bu bulgunun teknoloji endüstrisinin bir "çıkmaz sokağa" doğru ilerlediğine işaret ettiğini düşünüyor: "Modeller yalnızca basit ve orta zorluktaki problemlerle iyi performans gösterirken, zorluk seviyesi arttıkça tamamen başarısız oluyorsa, mevcut yaklaşımda bir sorun olduğu açıktır."

Apple'ın özellikle vurguladığı noktalardan biri, "genel akıl yürütme" yeteneğinin, yani belirli bir durumdan yola çıkarak benzer durumlara genelleme yapabilme yeteneğinin eksikliğidir.

Bilgi, insanların tipik olarak yaptığı gibi aktarılamadığında, mevcut modeller kolayca "ezberci öğrenme" durumuna düşer: tekrarlayan kalıplarda güçlüdürler, ancak mantıksal düşünme veya çıkarım yapmada zayıftırlar.

Dahası, araştırmalar büyük ölçekli akıl yürütme modellerinin, basit problemler için doğru adımları tekrar tekrar uygulayarak, ancak biraz daha karmaşık problemler için baştan yanlış yaklaşımı seçerek hesaplama kaynaklarını tükettiğini ortaya koymuştur.

Raporda, OpenAI'nin o3, Google'ın Gemini Thinking, Claude 3.7 Sonnet-Thinking ve DeepSeek-R1 dahil olmak üzere bir dizi önde gelen model test edildi. Anthropic, Google ve DeepSeek henüz yanıt vermezken, OpenAI yorum yapmaktan kaçındı.

Apple'ın araştırması, yapay zekanın dil, görüntü veya büyük veri alanlarındaki başarılarını inkar etmiyor. Ancak, gözden kaçırılan bir kör noktayı vurguluyor: gerçek zekaya ulaşmanın temelinde yer alan, gerçekçi bir şekilde akıl yürütme yeteneği.

Kaynak: https://baovanhoa.vn/nhip-song-so/ai-suy-luan-kem-dan-khi-gap-bai-toan-phuc-tap-141602.html