Nathan Lambert: Hızlı ilerleme var, süper zekâ yok

Yapay zekâ ne zaman süper zekâ seviyesine ulaşacak? Araştırmacı Nathan Lambert, 9 Ekim’de Interconnects bülteninde yayımladığı yazıda bu soruya alışılmadık bir cevap veriyor. Lambert’e göre önümüzdeki yıllarda çok hızlı bir ilerleme göreceğiz, ama bu ilerleme genel süper zekâya doğru olmayacak.

Ne Değişti?

Lambert, sektördeki üst düzey araştırmacılardan sık duyduğu bir cümleyle başlıyor: “Birkaç yıl içinde yapay zekâ benim işimi benden iyi yapacak.” Yazara göre bu araştırmacıların gördüğü şey gerçek. Modeller altyapı ve yazılım mühendisliğinde gerçekten çok hızlı gelişiyor.

Lambert, birkaç yıl içinde modellerin dağıtık GPU sistemlerini yöneten insanüstü mühendisler hâline geleceğini kabul ediyor. Bu da yeni fikirleri denemeyi çok kolaylaştıracak. Ancak ona göre deneme yapmanın kolaylaşması, modellerin doğasını kökten değiştirmeyecek.

Lambert, bazı çevrelerin “kendini yinelemeli geliştiren yapay zekâ” (RSI) dediği şey için daha sade bir isim öneriyor: paralel çalışan, yapay zekâ destekli dil modeli geliştirme. Yani model kendi kendini sihirli biçimde aşmıyor. Mühendislik darboğazı azaldıkça iyi fikirler daha hızlı sınanıyor.

Lambert’in Beklentileri

Yazar birkaç somut öngörüde bulunuyor:

• Eğitim hızı ve cevap başına maliyet gibi ölçülebilir hedefler yapay zekâ ajanları tarafından uçtan uca iyileştirilecek.
• Model zekâsının etkin maliyeti önümüzdeki yıllarda neredeyse üstel biçimde düşecek, belki son eğilimlerden de hızlı.
• Mevcut model sınıfı için ön eğitim araştırmasının, özellikle mimari ve veri seçiminde, 2-3 yıl içinde otomatikleşmesi ona makul görünüyor.
• Ucuzlayan zekâ, Jevons paradoksunu tetikleyecek. Yani fiyat düştükçe talep artacak.

Lambert, pekiştirmeli öğrenme için satılan eğitim ortamlarının çoğunun düşük kaliteli olduğunu da söylüyor. Ona göre bu sorun düzeltilebilir ve kısa vadeli kazanımın önemli bir kaynağı olacak.

Biyoloji ve kimya gibi alanlarda ise modellerin asıl gücünün, birbiriyle az konuşan küçük bilim topluluklarının literatürü arasında bağlantı kurmak olacağını düşünüyor. Bu, kanser tedavisinde yeni bir çağ da açabilir, bilimin zaten gittiği yolu hızlandırmakla da sınırlı kalabilir.

Karşı Görüş: Kalkış Senaryosu

Lambert’in yazısı, yapay zekânın kendi araştırmasını otomatikleştirip hızla genel süper zekâya ulaşacağını düşünenlere bir cevap niteliğinde. Bu görüştekiler, kodlama ve matematikte görülen hızlı sıçramaların yapay zekâ araştırmasının kendisini hızlandıracağını, bunun da diğer tüm alanlara yayılacağını savunuyor. Lambert’in de alıntıladığı üst düzey araştırmacıların “işimi benden iyi yapacak” beklentisi bu iyimser tablonun parçası.

Lambert ise bu iki tabloyu ayırıyor. Mühendislikteki hızlanmayı tamamen kabul ediyor, ama matematik ve kodlama dışında ekonomik değeri yüksek insanüstü yeteneklerin otomatik olarak geleceğini düşünmüyor. Ona göre yakın dönemdeki ilerlemenin büyük kısmı, modellerin araştırmada sıçrama yapmasından değil, mevcut araçlarla çıkarım sırasında daha fazla hesaplama kullanmaktan gelecek.

Kimi İlgilendiriyor?

Bu tartışma en çok yapay zekâ üzerinde çalışan mühendisleri ve teknoloji yatırımı planlayan şirketleri ilgilendiriyor. Lambert haklıysa önümüzdeki dönemin kazananları en güçlü modeli yapanlardan çok, ajanları doğru ürünlere ve iş akışlarına yerleştirenler olacak.

Kullanıcılar açısından iyi haber, aynı kalitede yapay zekâ hizmetinin giderek ucuzlaması. Kötü haber ise hızlı ilerlemenin her alana eşit dağılmayacak olması. Kodlama ve matematik gibi doğrulanabilir işlerde büyük sıçrama beklenirken, yargı gerektiren işlerde ilerleme daha yavaş olabilir.

Türkiye’den Kullanıcılar İçin

Maliyetin düşeceği öngörüsü, bütçesi sınırlı Türkiye’deki küçük ve orta ölçekli işletmeler için önemli. Bugün pahalı görünen ajan tabanlı çözümler birkaç yıl içinde çok daha erişilebilir olabilir. Bu yüzden şimdiden iş süreçlerini hangi adımların otomatikleşebileceğine göre haritalamak mantıklı bir hazırlık olur.