Yapay zeka dünyasının en prestijli buluşmalarından biri olan NeurIPS Konferansı'nda sunulan yeni çalışma, sektörde uzun süredir devam eden ‘doğruluk mu, mantık mı?’ tartışmasına son veriyor. Kaliforniya Üniversitesi San Diego’dan (UC San Diego) Profesör Pengtao Xie liderliğindeki ekip, yapay zeka modellerinin sadece nihai cevaba odaklanan geleneksel eğitim metodolojisini değiştirerek, çözüm sürecindeki akıl yürütme adımlarını mercek altına alan bir sistem tasarladı.
‘TAHMİN’ PUAN ALMIYOR, ‘MANTIK’ ÖDÜLLENDİRİLİYOR
Mevcut sistemlerde yapay zekanın çoktan seçmeli bir sınavdaki öğrenci gibi davrandığını belirten Profesör Xie, yeni yöntemin farkını şu sözlerle özetliyor: "Önceki modeller doğru cevabı tahmin etse bile tam puan alıyordu. Bizim yaklaşımımızda ise yanlış mantık kullanarak doğru cevabı bulan model ödüllendirilmiyor. Bu dönüşüm; tıbbi teşhis, finansal analiz ve mühendislik gibi hata payı olmayan alanlar için hayati bir güvenlik ağı sağlıyor."
VERİ KÜRATÖRLÜĞÜ İLE NİTELİKLİ ÖĞRENME
Çalışmanın ikinci büyük inovasyonu ise ‘akıllı veri küratörlüğü’ sisteminde yatıyor. Yapay zeka modeli, önüne gelen tüm verileri eşit ağırlıkta öğrenmek yerine, yüksek kaliteli ve zorlu örnekleri önceliklendiriyor. Düşük kaliteli veya alakasız verileri (gürültü) ayıklayan sistem, nicelikten ziyade niteliğe odaklanarak öğrenme sürecini optimize ediyor. Bu seçici öğrenme biçimi, modelin karmaşık grafikleri ve bilimsel makaleleri çok daha güvenilir bir şekilde analiz etmesine olanak tanıyor.
MATHVISTA’DA YÜZDE 85,2 İLE REKOR PUAN
Görsel ve matematiksel muhakeme testlerinde rakiplerini geride bırakan yeni model, özellikle grafikli kelime problemlerini içeren MathVista testinde %85,2’lik tarihi bir başarı elde etti. Bu sonuç, yapay zekanın sadece metinleri değil, diyagram ve tabloları da insan mantığına yakın bir şekilde yorumlayabildiğini kanıtladı.
YAPAY ZEKA DEMOKRATİKLEŞİYOR: KÜÇÜK MODELLER, DEV PERFORMANS
Bu buluşun ticaret dünyası için en önemli sonucu ise yapay zekanın ‘demokratikleşmesi’ oldu. Profesör Xie, bu yöntemle eğitilen daha küçük modellerin, trilyon dolarlık işlem gücü gerektiren Gemini veya GPT gibi dev modellerle rekabet edebileceğini, hatta onları geride bırakabileceğini belirtti. Bu durum, yüksek teknolojiye erişim maliyetlerini düşürerek, yerel sunucularda ve kişisel bilgisayarlarda yüksek performanslı yapay zeka kullanımının önünü açıyor.
