Yapay genel zeka nedir?
Yapay genel zeka (AGI), insan benzeri zekaya ve kendi kendine öğretme yeteneğine sahip yazılımlar oluşturmaya çalışan bir teorik yapay zeka araştırma alanıdır. Amaç, yazılımın üzerinde mutlaka eğitilmediği veya geliştirilmediği görevleri yerine getirebilmesidir.
Mevcut yapay zeka (AI) teknolojilerinin tümü önceden belirlenmiş bir dizi parametre içinde çalışır. Örneğin görüntü tanıma ve oluşturma konusunda eğitilmiş yapay zeka modelleri web siteleri oluşturamaz. AGI; özerk öz denetime, makul derecede kendini anlama özelliğine ve yeni beceriler öğrenme yeteneğine sahip yapay zeka sistemleri geliştirmeye ilişkin teorik bir arayıştır. Oluşturulduğu sırada kendisine öğretilmeyen ortamlarda ve bağlamlarda karmaşık sorunları çözebilir. İnsan yeteneklerine sahip AGI teorik bir kavram ve araştırma hedefi olmaya devam etmektedir.
Yapay zeka ile yapay genel zeka arasındaki fark nedir?
On yıllar boyunca, yapay zeka araştırmacıları, makine zekasını önemli ölçüde hatta belirli görevlerde insan zekasını taklit eden derecelere kadar geliştiren birkaç dönüm noktası kaydetti. Örneğin yapay zeka özetleyicileri, belgelerden önemli noktaları çıkarmak ve anlaşılır bir özet oluşturmak için makine öğrenimi (ML) modellerini kullanır. Bu nedenle yapay zeka, yazılımın insan düzeyinde performansla yeni ve zor görevleri çözmesini sağlayan bir bilgisayar bilimi disiplinidir.
Buna karşılık, AGI sistemi, çeşitli etki alanlarındaki sorunları manuel müdahale olmadan bir insan gibi çözebilir. AGI, belirli bir kapsamla sınırlı olmak yerine hiçbir zaman eğitilmediği sorunları kendi kendine öğretebilir ve çözebilir. Bu nedenle AGI, insana ilişkin genelleştirilmiş bilişsel yeteneklerle karmaşık görevleri çözen eksiksiz bir yapay zekanın teorik bir temsilidir.
Bazı bilgisayar bilimcileri, AGI'nın insan kavrayışına ve bilişsel yeteneklere sahip varsayımsal bir bilgisayar programı olduğuna inanmaktadır. Yapay zeka sistemleri, bu tür teorilerde ek eğitim almadan alışılmadık görevleri ele almayı öğrenebilir. Alternatif olarak bugün kullandığımız yapay zeka sistemlerinin aynı etki alanındaki ilgili görevleri ele alabilmeleri için önemli düzeyde eğitim gerekir. Örneğin, tıbbi bir sohbet robotu olarak tutarlı bir şekilde çalışabilmesi için önceden eğitilmiş bir büyük dil modeline (LLM), tıbbi veri kümeleriyle ince ayarlamanız gerekir.
Güçlü yapay zeka ile zayıf yapay zeka karşılaştırması
Güçlü yapay zeka, az miktarda arka plan bilgisine sahip olmasına rağmen görevleri insana ilişkin bilişsel seviyelerle yerine getirebilen tam yapay zeka veya AGI'dır. Bilim kurgu, güçlü yapay zekayı genellikle etki alanı sınırlamalarıyla kısıtlanmamış insan kavrayışına sahip bir düşünme makinesi olarak tasvir eder.
Buna karşılık, zayıf yapay zeka veya dar yapay zeka; bilgi işlem özellikleri, algoritmalar ve tasarlanma amacı olan belirli görevler ile sınırlı yapay zeka sistemleridir. Örneğin önceki yapay zeka modellerinin bellekleri sınırlıdır ve bu modeller karar vermek için yalnızca gerçek zamanlı verilere güvenir. Daha iyi bellek muhafazasına sahip gelişen üretici yapay zeka uygulamaları bile zayıf yapay zeka olarak kabul edilir çünkü bunlar, diğer etki alanları için başka bir amaca yönelik kullanılamaz.
Yapay genel zeka araştırmalarındaki teorik yaklaşımlar nelerdir?
AGI'ya ulaşmak, bugün yapay zeka modellerine gücünü veren kavramdan daha kapsamlı bir teknoloji, veri ve ara bağlantı yelpazesi gerektirir. Yaratıcılık, algı, öğrenme ve hafıza, karmaşık insan davranışını taklit eden yapay zekayı oluşturmak için gereklidir. Yapay zeka uzmanları, AGI araştırmalarını yürütmek için çeşitli yöntemler önerdiler.
Sembolik
Sembolik yaklaşım, bilgisayar sistemlerinin insan düşüncelerini büyüyen mantık ağları ile temsil ederek AGI geliştirebileceğini kabul eder. Mantık ağı, fiziksel nesneleri if-else mantığıyla sembolize eder ve yapay zeka sisteminin fikirleri daha yüksek bir düşünme düzeyinde yorumlamasına izin verir. Bununla birlikte, sembolik temsil, algı gibi alt düzeyde ince bilişsel yetenekleri kopyalayamaz.
Bağlantıcı
Bağlantıcı (veya belirimci) yaklaşım, insan beyninin yapısını sinir ağı mimarisi ile kopyalamaya odaklanır. Beyin nöronları, insanlar dış uyaranlarla etkileşime girdikçe iletim yollarını değiştirebilir. Bilim adamları, bu alt sembolik yaklaşımı benimseyen yapay zeka modellerinin insan benzeri zekayı kopyalayabileceğini ve düşük seviyeli bilişsel yetenekler gösterebileceğini umuyorlar. Büyük dil modelleri, doğal dilleri anlamak için bağlantıcı yöntemin kullanıldığı bir yapay zeka örneğidir.
Evrenselciler
Evrenselci yaklaşımı benimseyen araştırmacılar, hesaplama düzeyinde AGI karmaşıklıklarını ele almaya odaklanır. Pratik AGI sistemlerine, yeniden kullanabilecekleri teorik çözümleri formüle etmeye çalışırlar.
Bütün organizma mimarisi
Bütün organizma mimarisi yaklaşımı, yapay zeka modellerini insan vücudunun fiziksel temsili ile entegre etmeyi içerir. Bu teoriyi destekleyen bilim adamları, AGI'nın ancak sistem fiziksel etkileşimlerden öğrendiğinde elde edilebileceğine inanır.
Hibrit
Hibrit yaklaşım, tek bir yaklaşımın ötesinde sonuçlar elde etmek için insan düşüncelerini temsil etmenin sembolik ve alt sembolik yöntemlerini inceler. Yapay zeka araştırmacıları, AGI geliştirmek için bilinen farklı ilkeleri ve yöntemleri özümsemeye çalışabilir.
Yapay genel zeka araştırmalarına şekil veren teknolojiler nelerdir?
AGI, araştırmacılar için uzak bir hedef olmaya devam ediyor. AGI sistemlerini geliştirme çalışmaları devam etmektedir ve bu, yeni gelişmelerle teşvik edilmektedir. Aşağıdaki bölümlerde yeni gelişen teknolojiler açıklanmaktadır.
Derin öğrenme
Derin öğrenme, ham verilerden karmaşık ilişkileri ayıklamak ve anlamak için birden fazla gizli katmanla sinir ağlarını eğitmeye odaklanan bir yapay zeka disiplinidir. Yapay zeka uzmanları, metin, ses, görüntü, video ve diğer bilgi türlerini anlayabilen sistemler oluşturmak için derin öğrenmeyi kullanır. Örneğin geliştiriciler, Nesnelerin İnterneti (IoT) ve mobil cihazlar için hafif derin öğrenme modelleri oluşturmak için Amazon SageMaker'ı kullanır.
Üretici Yapay Zekâ
Üretici yapay zeka , derin öğrenmenin bir alt kümesidir ve bunun içinde bir yapay zeka sistemi, öğrenilen bilgilerden benzersiz ve gerçekçi içerik üretebilir. Üretici yapay zeka modelleri, insan sorularına doğal olarak insan yaratımlarına benzeyen metin, ses veya görsellerle yanıt vermelerini sağlayan devasa veri kümeleriyle öğrenir. Örneğin AI21 Labs, Anthropic, Cohere ve Meta'nın LLM'leri, kuruluşların karmaşık görevleri çözmek için kullanabilecekleri üretici yapay zeka algoritmalarıdır. Yazılım ekipleri, sunucuları sağlamadan bu modelleri bulutta hızlı bir şekilde dağıtmak için Amazon Bedrock'ı kullanır.
NLP
Doğal dil işleme (NLP), bilgisayar sistemlerinin insan dilini anlamasını ve üretmesini sağlayan bir yapay zeka dalıdır. NLP sistemleri, dil verilerini belirteç adı verilen basit temsillere dönüştürmek ve bunların bağlamsal ilişkilerini anlamak için bilgisayarlı dil bilimi ve makine öğrenimi teknolojilerini kullanır. Örneğin, Amazon Lex, kuruluşların etkileşimli AI sohbet robotları oluşturmasına olanak tanıyan bir NLP motorudur.
Bilgisayarlı görü
Bilgisayar görü, sistemlerin görsel verilerden uzamsal bilgileri ayıklamasına, analiz etmesine ve anlamasına izin veren bir teknolojidir. Sürücüsüz otomobiller, kameralardan gelen gerçek zamanlı beslemeleri analiz etmek ve aracı engellerden güvenli bir şekilde uzak tutmak için bilgisayarlı görü modellerini kullanır. Derin öğrenme teknolojileri, bilgisayarlı görü sistemlerinin büyük ölçekli nesne tanıma, sınıflandırma, izleme ve diğer görüntü işleme görevlerini otomatikleştirmesine olanak tanır. Örneğin mühendisler, çeşitli bilgisayar görü uygulamalarında görüntü analizini otomatikleştirmek için Amazon Rekognition'ı kullanır.
Robotik
Robotik, kuruluşların fiziksel manevraları otomatik olarak gerçekleştiren mekanik sistemler oluşturabildiği bir mühendislik disiplinidir. AGI'da robotik sistemler makine zekasının fiziksel olarak kendini göstermesine izin verir. Bu, AGI sistemlerinin ihtiyaç duyduğu duyusal algı ve fiziksel işleme yeteneklerini tanıtmak için çok önemlidir. Örneğin bir robotik kolu AGI ile bütünleştirmek, kolun insanların yaptığı gibi portakalları algılamasına, kavramasına ve soymasına olanak tanıyabilir. Mühendislik ekipleri, AGI araştırması yaparken robotik sistemleri bir araya getirmeden önce sanal olarak simüle etmek için AWS RoboMaker'ı kullanır.
Yapay genel zeka araştırmalarındaki zorluklar nelerdir?
Bilgisayar bilimcileri AGI geliştirmede aşağıdaki zorluklardan bazılarıyla karşı karşıya kalır.
Bağlantı kurma
Mevcut yapay zeka modelleri belirli etki alanlarıyla sınırlıdır ve etki alanları arasında bağlantı kuramaz. Bununla birlikte, insanlar bilgi ve deneyimi bir etki alanından diğerine uygulayabilir. Örneğin ilgi çekici öğrenme deneyimleri oluşturmak için oyun tasarımında eğitim teorileri uygulanır. İnsanlar teorik eğitimden öğrendiklerini gerçek hayattaki durumlara da uyarlayabilir. Bununla birlikte, derin öğrenme modelleri, bilinmeyen verilerle güvenilir bir şekilde çalışmak için belirli veri kümeleriyle önemli bir eğitim gerektirir.
Duygusal zeka
Derin öğrenme modelleri, AGI olasılığına işaret eder ancak insanların sahip olduğu özgün yaratıcılığı henüz sergilememiştir. Yaratıcılık, sinir ağı mimarisinin henüz kopyalayamadığı duygusal düşünmeyi gerektirir. Örneğin insanlar, bir sohbete duygusal olarak hissettiklerine göre yanıt verir ancak NLP modelleri, üzerinde çalıştıkları dilsel veri kümelerine ve kalıplara göre metin çıktısı üretir.
Duyusal algı
AGI, yapay zeka sistemlerinin dış ortamla fiziksel olarak etkileşime girmesini gerektirir. Sistem, robotik yeteneklerin yanı sıra dünyayı insanların yaptığı gibi algılamalıdır. Mevcut bilgisayar teknolojileri; şekilleri, renkleri, tatları, kokuları ve sesleri insanlar gibi doğru şekilde ayırt edebilmek için daha fazla ilerlemeye ihtiyaç duyar.
AWS, yapay zeka ve AGI çabalarınıza nasıl yardımcı olabilir?
AWS, üretici yapay zeka uygulamalarını eğitmenize, dağıtmanıza ve ölçeklendirmenize yardımcı olan yönetilen yapay zeka hizmetlerini sunar. Kuruluşlar, kişiselleştirilmiş kullanım senaryolarında yapay zeka sistemlerini kendi verileriyle yenilemek için yapay zeka araçlarımızı ve altyapı modellerimizi kullanır.
- Amazon Bedrock, geliştiricilerin dağıttıkları üretici yapay zeka modellerine erişmek için API çağrılarını kullanabilecekleri tam olarak yönetilen bir hizmettir. Özel verilerle çalışmak için Bedrock'ta sektör lideri altyapı modellerini seçebilir, özelleştirebilir, eğitebilir ve dağıtabilirsiniz.
- Amazon SageMaker Jumpstart, bir makine öğrenimi merkezinde altyapı modelleri oluşturarak, eğiterek ve dağıtarak yazılım ekiplerinin yapay zeka geliştirmesini hızlandırmasına yardımcı olur.
- Devasa veri kümelerini düşük gecikmeyle işleme alırken üretici yapay zeka iş yüklerinizi süper bilgi işlem GPU'larıyla güçlendirmek için Amazon Esnek Bilgi İşlem Bulutu UltraClusters'ı kullanın.
Hemen bir AWS hesabına kaydolarak AGI'yı kullanmaya başlayın
AWS'de Sonraki Adımlar
