Yapay Zekanın Kendi Kendini Geliştirme Kapasitesi Beklenenden Uzak Olabilir

Yapay zeka endüstrisinin en büyük vaatlerinden biri olan "kendi kendini geliştiren yapay zeka" vizyonunun gerçekleşmesi, tahmin edilenden çok daha uzun sürebilir. Princeton Üniversitesi liderliğindeki yeni bir araştırma, yapay zeka ajanlarının mühendislik görevlerini yerine getirebilse de, üst düzey akademik araştırma yapabilmek için gereken yaratıcılık ve muhakeme yeteneğinden henüz yoksun olduğunu gösterdi.

Açık Uçlu Araştırmalarda Yapay Zeka Sınavı

Sektördeki mevcut beklentiler, LLM (Büyük Dil Modelleri) sistemlerinin yakında insan gözetimi olmadan kendi kodlarını yazabileceği ve üzerinde çalıştıkları çipleri optimize edebileceği yönünde. Ancak araştırmacılar, yapay zekanın kendi kendini geliştirebilmesi için net cevapları olmayan, açık uçlu araştırmalar yapabilmesi gerektiğini vurguluyor. Mevcut testler genellikle ajanların benchmark testlerindeki performansını ölçerken, gerçek bilimsel ilerleme hipotez kurma ve ne zaman baştan başlanacağını bilme gibi derin düşünme becerileri gerektiriyor.

"Gölge Değerlendirme" Yöntemi ve Claude Testi

Peter Kirgis ve Sayash Kapoor liderliğindeki ekip, ajanların bu yeteneklerini ölçmek için "gölge değerlendirme" adını verdikleri yeni bir yöntem geliştirdi. Bu yöntemde, prestijli NeurIPS 2026 konferansına sunulmuş ancak henüz yayınlanmamış iki makaledeki araştırma soruları kullanıldı. Böylece modellerin eğitim verilerinden ezber yapmasının veya internetten kopya çekmesinin önüne geçildi.

Test kapsamında Anthropic tarafından geliştirilen Claude Opus 4.8 modeli, open-source bir yazılım olan OpenClaw üzerinden çalıştırıldı. Ajanlara altı gün süre, 3.000 dolarlık API kredisi, deneyleri yürütmek için bir GPU bütçesi, sanal bilgisayarlar ve açık web erişimi sağlandı. Görevleri, üst düzey bir konferansta yayınlanabilecek kalitede orijinal bir araştırma makalesi üretmekti.

Mühendislikte Başarılı, Yaratıcılıkta Yetersiz

İnsan bilim insanlarının değerlendirmelerine göre, ajanlar literatür taraması yapmak, yüzlerce deney yürütmek ve sonuçları derlemek gibi mühendislik gerektiren tüm süreçleri başarıyla tamamladı. Ancak Kapoor'un belirttiğine göre, ajanlar araştırmanın kendisini yürütme konusunda "tartışmasız bir şekilde başarısız" oldu. Modeller, hipotezlerini çok küçük sentetik veri setlerinde test etmek gibi tuhaf deneyler yürüttü ve alanlarına yeni bir katkı sağlayamadı.

Araştırmanın sonuçları, yapay zeka ajanlarının farklı fikirleri keşfetme ve başarısız yaklaşımlardan geri dönme konusunda ciddi zorluklar yaşadığını gösteriyor. Ajanlar, orijinal yazarlarınkine benzer iddialı hipotezler geliştirseler de, bunları çok sınırlı verilere dayanarak hızla reddettiler. Bu durum, yapay zeka araştırmalarını otomatikleştirme konusundaki abartılı zaman çizelgelerinin henüz somut kanıtlarla desteklenmediğini ortaya koyuyor.

--- **İlgili Kaynaklar:** Profesyonel yapay zeka danışmanlık ve çözüm hizmetleri çözümleri için [yapay zeka firması](https://yapayzekafirmasi.com) sayfasını ziyaret edin.