Artificial General Intelligence (AGI)

Yapay genel zekâ (AGI), neredeyse tüm bilişsel görevlerde insan yeteneklerine yetişen veya bunları aşan ve her görev için ayrı ayrı tasarlanmadan ya da yeniden eğitilmeden yeni görevleri öğrenen varsayımsal bir yapay zekâ (AI) türüdür. Çoğu tanıma göre günümüzde kullanılan her yapay zekâ sistemi, yalnızca eğitildiği kapsam içinde yetkin olan dar yapay zekâdır (ANI). Ancak birçok alanda yazabilen, kod yazabilen ve akıl yürütebilen büyük dil modelleri (LLM'ler), bu sınırı etkin bir tartışma konusu haline getirmiştir. Güncel kullanımda güçlü yapay zekâ, AGI ile eş anlamlıdır. Mark Gubrud bu terimi 1997'de kullandı; Shane Legg ve Ben Goertzel ise 2002 dolaylarında yaygınlaştırdı.

AGI'yi Tanımlama#

AGI için üzerinde uzlaşılmış tek bir tanım yoktur; başlıca öneriler farklı ölçütleri değerlendirir:

• Ekonomik çıktı: OpenAI'ın Şartı, AGI'yi "ekonomik açıdan değerli işlerin çoğunda insanlardan daha iyi performans gösteren, yüksek derecede otonom sistemler" olarak tanımlar.
• Performans ve genellik: Google DeepMind'dan bir ekip, bir sistemi iki eksende değerlendiren AGI Düzeyleri önerdi: vasıflı yetişkinlere kıyasla ne kadar iyi performans gösterdiği (vasıfsız bir insana eşit veya ondan biraz daha iyi olan Başlangıç düzeyinden tüm insanlardan daha iyi olan İnsanüstü düzeye kadar) ve bu performansı tek bir görevde mi yoksa yeni beceriler öğrenme de dâhil olmak üzere fiziksel olmayan geniş bir görev yelpazesinde mi gösterdiği.
• Öğrenme verimliliği: François Chollet, "Zekânın Ölçümü Üzerine" (2019) adlı çalışmasında zekâyı beceri edinme verimliliği olarak tanımlar: bir sistemin, sınırlı veri ve ön bilgiyle, daha önce hiç görmediği görevlerde ne kadar hızlı ustalaştığı. Buna karşılık tanım, sistemin şimdiye kadar ne kadar beceri biriktirdiğini ölçmez.
• Zihin ve anlama: Felsefi soru, John Searle'ün 1980 tarihli Çin Odası argümanında güçlü yapay zekânın (AI) özgün anlamını ifade ettiği üzere, bir makinenin gerçekten anlayıp bir zihne sahip olup olmayacağıdır.

Yapay Genel Zekâ (AGI) Düzeyleri çerçevesi, bir sistemi en fazla üç soruyla sınıflandırır; önce genellik:

Yazarlar, ChatGPT, Bard ve Llama 2 gibi 2023 sohbet botlarını Ortaya Çıkmakta Olan AGI düzeyine yerleştirdi ve daha yüksek tüm genel düzeylerin henüz elde edilmediğini belirtti. Buna karşılık, dar kapsamlı sistemler ölçeğin Süperinsan düzeyine kadar uzanıyor; yazarlar AlphaFold, AlphaZero ve Stockfish'i bu düzeye koydu.

AGI, Dar Yapay Zekâ ve Süper Zekâ#

• ANI: Tanımlı bir kapsamda üstün performans gösterir ve bu kapsamın dışında bir şey yapabilmek için yeni verilerle yeniden eğitilmesi gerekir. COCO üzerinde eğitilmiş bir Ultralytics YOLO26 algılayıcısı, Düzeyler çerçevesinin dar kapsamlı sütununda yer alır: Görüntü başına milisaniyeler içinde 80 nesne sınıfını bulup etiketler; yeniden eğitim veya çevresindeki başka sistemler olmadan yeni bir sınıf öğrenemez, soruları yanıtlayamaz ya da eylem planlayamaz.
• AGI: Bilişsel görevlerin çoğunda yetkin insanlarla başa baş performans gösterir ve öğrendiklerini hiç eğitilmediği alanlara taşır; transfer öğrenmenin bugün yalnızca yakından ilişkili görevler arasında sağladığı beceridir bu.
• Yapay süper zekâ (ASI): Hemen her alanda en iyi insanları geride bırakır. İnsanların takip edebileceğinden daha hızlı biçimde kendi zekâsını geliştiren bir sistem, teknolojik tekillik senaryosunun temelini oluşturur.
• Güçlü yapay zekâ: Günümüzdeki kullanımda AGI ile eş anlamlıdır. Searle'ün özgün anlamında, kelimenin tam anlamıyla bir zihne sahip makinedir; bu, yetenek testlerinin ele almadığı bir anlama iddiasıdır.

Öncü büyük dil modelleri bu kategorileri zorluyor. Tek bir model sözleşme taslağı hazırlayabilir, yarışma matematiği problemlerini çözebilir ve görüntüleri betimleyebilir; ancak pürüzlü zekâ adı verilen bu örüntüde yetenekleri dengesizdir ve eğitim bittiğinde ağırlıkları öğrenmeyi bırakır.

Çözülmemiş Sorunlar#

• Sürekli öğrenme: Dağıtıma alınan modeller yalnızca bağlam pencereleri içinde uyum sağlar; yeni verilerle daha fazla eğitilmeleri, önceki becerilerin felaket düzeyinde unutulmasına yol açabilir.
• Güvenilirlik: Uzmanlık sınavlarını geçen modeller bile halüsinasyonlar gibi kendinden emin hatalar üretir ve çözdükleri görevlerin basit varyasyonlarında öngörülemez biçimde başarısız olur.
• Fiziksel dünya: Bedensel yapay zekâ sistemleri gerçek ortamlarda algılamalı, planlamalı ve eyleme geçmelidir. Sahne değişimlerini öngören dünya modelleri, bunun gerektirdiği sağduyuya ulaşmak için önerilen yollardan biridir.
• Hizalama ve denetim: Süper hizalama dâhil yapay zekâ güvenliği araştırmaları, denetçilerini aşabilecek bir sistemin insanların amaçladığı hedeflerin peşinden gitmesini nasıl sağlayacağımızı sorgular.

AGI'ye Doğru İlerlemeyi Ölçmek#

Tanımlar farklı olduğundan testler de farklıdır. ARC-AGI kıyaslamaları, insanların kolayca çözdüğü yeni bulmacalarla Chollet'nin tanımını izler. Yanıtların ezberlenmesini önlemek için gizli test kümelerinde puanlama yapılır. Mart 2026'da kullanıma sunulan ARC-AGI-3, statik ızgara bulmacalarının yerini, talimat veya belirtilmiş hedef içermeyen yüzlerce etkileşimli oyun ortamıyla aldı; böylece bir ajanın keşfetmesi, kuralları çıkarsaması ve plan yapması gerekiyor. Kullanıma sunulduğunda insan test kullanıcıları %100, öncü yapay zekâ sistemleri ise %0,51 puan aldı. Eylül 2026'da ARC Prize Foundation, OpenAI'ın GPT-6 Astra modelinin standart test düzeneğinde %62,7'ye, modelin akıl yürütme durumunu hamleler arasında koruyan bir düzenekte ise %99,9'a ulaştığını bildirdi ve kıyaslamada tavana ulaşmanın AGI'yi kanıtlamayacağını belirtti. Humanity's Last Exam gibi bilgi ağırlıklı testler bunun yerine uzman düzeyinde soru yanıtlama becerisini ölçer.

AGI'nin ne zaman ortaya çıkacağına dair tahminler büyük ölçüde değişiyor. Önde gelen yapay zekâ platformlarında yayın yapmış 2.778 araştırmacının katıldığı ve 2024'te yayımlanan bir ankette, toplu tahminler makinelerin hiçbir yardım almadan mümkün olan her görevde insanlardan daha iyi performans gösterme olasılığını 2047'ye kadar %50 olarak belirledi; bu, aynı ekibin bir yıl önceki anketine kıyasla 13 yıl daha erkendi.