Yapay zeka ajanları insan müdahalesi olmadan kendi ortak dilini geliştirdi

Brüksel Vrije Üniversitesi (VUB) Yapay Zeka Laboratuvarı ve Namur Üniversitesi (UNamur) araştırmacıları, otonom yapay zeka ajanlarının kendi kavramlarını ve kelime dağarcıklarını oluşturabildiği bir iletişim yöntemi geliştirdi. Transactions of the Association for Computational Linguistics dergisinde yayımlanan çalışma, robotlar, sürücüsüz araçlar ve endüstriyel sensörler arasında insan dillerine bağımlı olmayan iletişim sistemlerinin geliştirilmesine yönelik bir yaklaşım sunuyor. 

Araştırmacılar, tarihsel olarak insan duyularına dayanan dillerin; lidar, sonar, kızılötesi ve kimyasal analiz gibi farklı algılama araçları kullanan fiziksel veya sanal ajanların ihtiyaçlarını karşılamakta yetersiz kalabildiğine dikkat çekiyor.

SENSÖRLERDEN ORTAK KAVRAMLARA 

VUB Yapay Zeka Laboratuvarı doktora araştırmacısı Jérôme Botoko Ekila, sistemleri kendi sensörleriyle örtüşmeyen insan dillerini kullanmaya zorlamak yerine, 'yapay doğal dillerini' geliştirmelerine olanak tanıdıklarını belirtti. İnsan dilindeki verilerle eğitilen ChatGPT gibi büyük dil modellerinden farklı olarak bu yaklaşım, kavramları ajanların kendi algılama verilerine dayandırıyor.

VUB Yapay Zeka Profesörü Paul Van Eecke ise farklı robot ve araçlardaki sensörlerin hiçbir zaman tamamen aynı biçimde kalibre edilemeyeceğine işaret etti. Van Eecke, insanların renk tonlarını farklı algılamalarına rağmen dil aracılığıyla anlaşabilmesine benzer şekilde, yöntemin sensör okumalarının üzerinde ortak bir soyutlama katmanı oluşturduğunu ve farklı kalibrasyonlara sahip makinelerin iletişimini sağladığını ifade etti.

MERKEZİYETSİZ DİL GELİŞİMİ 

Araştırma ekibi, ajanlara önceden belirlenmiş kelimeler veya değişmeyen kodlar yüklemek yerine, insan dilinin tarihsel gelişiminde etkili olan temel mekanizmaları sisteme dahil etti. UNamur’dan Prof. Katrien Beuls, iletişim kurallarını belirleyen merkezi bir ana bilgisayar bulunmadığını vurguladı. Süreç, iki ajanın yerel düzeyde etkileşime girmesiyle başlıyor.

Ajanlar kelimeler üretiyor, kavramsal prototiplerini uyarlıyor ve başarılı ya da başarısız iletişimlerden gelen geri bildirimleri sonraki etkileşimlerine yansıtıyor. Kendi kendine örgütlenen bu yapı, dilin zaman içinde optimize edilmesini sağlıyor. Böylece ajanlar, gereksiz ayrıntılar yerine görevlerini verimli biçimde tamamlamak için ihtiyaç duydukları sayıda kavram ve kategori oluşturabiliyor.

37 VERİ SETİ 

Yöntem; şarapların fizikokimyasal analizlerinden NASA’nın ötegezegen verilerine, kuş ve insan yüzü görüntülerini de kapsayan görsel veri kümelerine kadar uzanan 37 farklı veri setinde sınandı. Araştırmacılar, test edilen tüm senaryolarda ajanların verileri işleyerek ortak kavramlar oluşturabildiğini bildirdi.

Farklı nitelikteki veri kümelerinde elde edilen sonuçlar, yaklaşımın çeşitli algılama ve sınıflandırma görevlerine uygulanabilirliğini destekledi.

İZLENEBİLİR KELİME ANLAMLARI 

Geliştirilen mimaride, üretilen her kelimenin anlamı, ilgili kavramsal prototipin temelindeki sensör değerleri üzerinden takip edilebiliyor. Araştırmacılara göre bu özellik, iç işleyişi açıklanması güç olan 'kara kutu' modellerden farklı olarak iletişimin nasıl oluştuğunun incelenmesine olanak tanıyor.

Ortamın değişmesi, sensör verilerinin gürültülü hale gelmesi veya ajanların donanımlarının farklılaşması durumunda da ortak dil, devam eden etkileşimler aracılığıyla yeni koşullara uyarlanabiliyor.