Günümüzde kullanılan yapay zekâ modelleri, belirli görevleri yerine getirebilmek için çok büyük veri kümeleriyle eğitiliyor. Buna karşılık bebekler, yeni bir nesneyi yalnızca birkaç kez gördükten sonra tanıyabiliyor ve kısa süreli gözlemlerden çevreleri hakkında önemli sonuçlar çıkarabiliyor.
Bilim insanlarına göre bu dikkat çekici fark, insan beyninin öğrenme yöntemleri ile mevcut yapay zekâ sistemlerinin çalışma biçimi arasındaki temel ayrımlardan kaynaklanıyor.
BEBEKLER ÇOK AZ VERİYLE ÖĞRENEBİLİYOR
Bir bebek, çevresindeki nesneleri yalnızca görmekle kalmıyor; onlara dokunuyor, seslerini duyuyor ve diğer insanların tepkilerini izliyor. Böylece görme, işitme, dokunma ve sosyal iletişim gibi farklı bilgi kaynaklarını aynı anda kullanıyor.
Yapay zekâ modelleri ise çoğunlukla önceden hazırlanmış, etiketlenmiş ve düzenlenmiş veri kümeleri üzerinde eğitiliyor. Modellerin başarılı sonuçlar verebilmesi için milyonlarca örnekle karşılaşması ve büyük miktarda hesaplama gücü kullanması gerekiyor.
Araştırmacılar, bebeklerin daha az bilgiyle daha hızlı öğrenmesini sağlayan mekanizmaların anlaşılması hâlinde çok daha verimli yapay zekâ sistemlerinin geliştirilebileceğini düşünüyor.
YAPAY ZEKÂ BEBEKLERİN GÖZÜNDEN SINANDI
Meta, Stanford Üniversitesi, Tokyo Üniversitesi ve Fransa’daki École Normale Supérieure bünyesinde çalışan araştırmacılar, yapay zekâ modellerinin gerçek yaşam koşullarındaki öğrenme yeteneğini ölçmek amacıyla EgoBabyVLM Challenge adlı bir değerlendirme sistemi geliştirdi.
Çalışmada, bebeklerin ve küçük çocukların başına yerleştirilen kameralarla kaydedilen yaklaşık bin saatlik görüntü kullanıldı. Görsel dil modeli olarak adlandırılan yapay zekâ sistemlerinden bu görüntüleri incelemeleri, çevredeki nesneleri tanımlamaları ve yaşanan olayları anlamlandırmaları istendi.
Ancak modeller, temiz ve düzenlenmiş veri kümelerinde gösterdikleri başarıyı gerçek hayattan alınan karmaşık görüntülerde tekrarlayamadı. Hareketli kameralar, değişen ışık koşulları, kısmen görünen nesneler ve arka plandaki sesler yapay zekâ sistemlerinin performansını önemli ölçüde düşürdü.
BEBEKLER SADECE KELİMELERİ ÖĞRENMİYOR
Stanford Üniversitesi’nde bilişsel bilim alanında çalışan Michael Frank, bebeklerin öğrenme sürecinin yalnızca duydukları kelimelerden oluşmadığına dikkat çekiyor.
Bebekler, ebeveynlerinin bakış yönünü ve el hareketlerini takip ederek konuşulan nesnenin ne olduğunu anlayabiliyor. Görüş alanında bulunmayan bir nesne hakkında yapılan konuşmalardan bilgi edinebiliyor, geçmişte gerçekleşen veya gelecekte yaşanacak olaylarla ilgili anlatılanları da değerlendirebiliyor.
Çocuklar aynı zamanda çevreleriyle fiziksel etkileşim kuruyor. Bir nesnenin düşmesi, yuvarlanması, kırılması veya başka bir nesnenin arkasında kaybolması gibi olayları doğrudan gözlemleyerek fiziksel dünya hakkında bilgi topluyor.
Bu durum, yalnızca metin ve dil verileriyle eğitilen yapay zekâ sistemlerinin insan benzeri öğrenme yeteneğine ulaşmakta neden zorlandığını ortaya koyuyor.
BABYLM DİLİ ÖĞRENDİ ANCAK DÜNYAYI ANLAMAKTA ZORLANDI
İnsanların öğrenme sürecini taklit etmeyi amaçlayan araştırmalardan biri de 2023 yılında geliştirilen BabyLM projesi oldu. Bu projede yapay zekâ modelleri, yaklaşık 10 yaşındaki bir çocuğun karşılaşabileceği miktarda veri kullanılarak eğitildi.
Çalışmanın sonuçları, transformer tabanlı modellerin sınırlı miktarda veriyle dil bilgisi kurallarını ve cümle yapılarını öğrenebildiğini gösterdi. Ancak aynı başarı fiziksel dünyayı anlama, sosyal ilişkileri yorumlama ve ortak akıl geliştirme konusunda elde edilemedi.
MIT’den Joshua Tenenbaum’a göre mevcut modeller veriler içerisindeki örüntüleri belirleme konusunda oldukça başarılı. Buna rağmen nesnelerin nasıl hareket ettiği, insanların neden belirli davranışlarda bulunduğu ve olayların hangi sonuçlara yol açacağı gibi konularda bebekler kadar doğal bir muhakeme geliştiremiyor.
TEK BİR BEBEĞİN GÖRÜNTÜLERİYLE NESNELERİ TANIDI
2024 yılında yayımlanan başka bir araştırmada temel bir görsel dil modeli, tek bir bebeğin baş kamerasıyla kaydedilen görüntüler kullanılarak eğitildi. Modelin top gibi basit nesneleri tanımayı öğrenebildiği görüldü.
Ancak araştırmacılar, nesne tanımanın dünyayı derinlemesine anlamakla aynı anlama gelmediğini vurguladı. Bir nesnenin adını bilmek, o nesnenin nasıl hareket edeceğini, başka nesnelerle nasıl etkileşime gireceğini veya hangi amaçlarla kullanılacağını kavramak için yeterli olmuyor.
Bilim dünyasının yanıt aradığı temel sorulardan biri, bebeklerin yalnızca iki yıl içerisinde nasıl bu kadar kapsamlı bilişsel beceriler geliştirebildiği olarak öne çıkıyor.
DAHA VERİMLİ YAPAY ZEKÂ İÇİN YENİ UMUT
Michael Frank ve ekibi, aynı görüntüleri kullanarak görsel, zamansal ve nedensel ilişkileri daha iyi öğrenebilen yeni bir model üzerinde çalıştı. Modelin nesnelerin hareketlerini ve olayların birbirini nasıl etkilediğini önceki sistemlere göre daha başarılı biçimde kavradığı belirtildi.
Araştırmacılar, bu yaklaşımın fiziksel muhakeme, sosyal ilişkiler ve neden-sonuç bağlantıları konusunda daha güçlü yapay zekâ modellerinin geliştirilmesine katkı sağlayabileceğini düşünüyor.
Bebeklerin öğrenme yöntemlerinden yararlanan sistemlerin daha az veriyle eğitilebileceği, daha düşük enerji tüketebileceği ve çevrelerini daha doğal biçimde anlayan robotların geliştirilmesini mümkün kılabileceği değerlendiriliyor.
Bilim insanlarına göre geleceğin yapay zekâsına giden yol, daha büyük veri merkezlerinden önce bebeklerin dünyayı nasıl öğrendiğini anlamaktan geçebilir.
HABER MERKEZİ