Akıllı telefonların ilk çıkışıyla birlikte, her yeni nesildeki gelişmeler muazzam bir hızla gerçekleşti. Ancak günümüzde bu ilerlemeler yavaşlamış durumda. Yapay zeka da benzer bir sorunla karşı karşıya; bu duruma “tepe veri” (peak data) deniyor. Fakat Google DeepMind’daki araştırmacılar, bu durumu aşmanın bir yolunu bulmuş gibi görünüyor.
Tepe Veri Nedir?
“Tepe veri” kavramı, teknolojinin evrimine benzer bir durumu ifade ediyor. Yeni olan her şeyin başlangıçta büyük kazançlar sağladığı dönemler vardır, ancak zamanla bu kazançlar azalır. Tepe veri de tam olarak bu duruma işaret ediyor. İnternetteki “kullanışlı veri”lerin çoğu, mevcut yapay zeka modellerini eğitmek için zaten kullanıldı. OpenAI kurucu ortağı Ilya Sutskever, yakın zamanda düzenlenen bir konferansta “Tepe veriye ulaştık ve bir daha olmayacak” dedi. Bu durumun, ilerlemelerin “k kesin sona ereceğini” de belirtti.
Pek çok şirketin bu teknolojiye milyarlarca dolar yatırdığı düşünüldüğünde, bu durum endişe verici görünüyor. Ancak Google DeepMind’daki araştırmacılar, bu sorunu aşmanın bir yolunu geliştirmiş olabilir.
Google’ın Çözümü
Araştırmacılar, yapay zeka modellerinin “düşünme” biçimlerini değiştirmek üzerinden bu sorunu aşmayı planlıyor. Bu yaklaşım, çıktı zamanı hesaplama (inference-time compute) olarak biliniyor. Burada bir sorgu, daha küçük görevler halinde bölünerek işleniyor; böylece her görev kendi başına bir yanıt almak üzere ele alınıyor. Bu, yapay zeka modelinin başlangıçta bir bütün olarak sorguya yaklaşmak yerine onu daha küçük parçalara ayırarak işlem yapması anlamına geliyor.
Bunu bir yemek tarifi takip etmek gibi düşünebilirsiniz. Bir yemeği hazırlamak birçok aşamadan oluşur. Fakat her şeyi aynı anda yapmak yerine, süreci bireysel görevlere ayırarak ilerleyebilirsiniz. Önce sarımsakları soyarsınız, ardından doğrayın. Daha sonra soğanları, ardından havuçları ekleyerek devam edersiniz.
Google DeepMind’daki araştırmacılar, bu yaklaşım üzerine Ağustos ayında bir araştırma makalesi yayımladı ve bu yöntemin tepe veri sorununu aşma potansiyeline sahip olduğunu belirttiler. Ancak bu, mükemmel bir çözüm mü? Kesinlikle değil.
Erken Başarı İşaretleri
Araştırma ekibinden Charlie Snell, çıktı zamanı hesaplamanın, matematik sorunları gibi kesin yanıtlar gerektiren sorular için etkili olduğunu, ancak daha derin düşünme gerektiren sorgular için aynı etkiye sahip olmadığını ifade etti. Yine de, yöntemin erken aşamalarda bazı olumlu sonuçlar vermesi, umut verici bir durum olarak değerlendirilebilir.
