Artificial General Intelligence (AGI)

Yapay Genel Zeka (AGI), bir makinenin insan yeteneğini eşitleyen veya aşan geniş bir görev yelpazesinde bilgiyi anlamak, öğrenmek ve uygulamak için bilişsel esnekliğe sahip olduğu bilgisayar bilimindeki teorik bir dönüm noktasını temsil eder. Belirli işlevler için tasarlanmış mevcut AI sistemlerinden farklı olarak bir AGI, özerk akıl yürütme, bilinmeyen ortamlarda problem çözme ve deneyimleri bir alandan diğerine genelleştirme yeteneğine sahip olur. AGI yoğun araştırma ve tartışma konusu olmaya devam ederken, OpenAI ve Google DeepMind gibi büyük araştırma kuruluşlarının nihai hedefidir ve teknolojiyle etkileşim biçimimizi yeniden şekillendirmeyi vaat eder.

AGI'yi Dar AI'dan Ayırt Etmek#

AGI'ye ulaşmak için gereken sıçramayı anlamak için onu bugün etkileşimde bulunduğumuz Artificial Intelligence (AI) ile ayırmak esastır.

• Artificial Narrow Intelligence (ANI): Weak AI olarak da bilinen bu kategori, mevcut tüm AI uygulamalarını kapsar. Bu sistemler belirli, önceden tanımlanmış görevlerde üstündür. Örneğin, Ultralytics YOLO26, object detection ve image segmentation için yüksek oranda optimize edilmiş son teknoloji bir ANI modelidir. YOLO26 nesneleri bir insandan daha hızlı ve daha doğru bir şekilde tanımlayabilse de, bu görevler için açıkça yeniden eğitilmediği sürece satranç oynayamaz veya şiir yazamaz.
• AGI (Güçlü AI): Genellikle Strong AI olarak anılan bir AGI sistemi tek bir modalite ile sınırlı kalmaz. Bir fizik simülasyonunda öğrenilen mantığı alıp finansal piyasalara uygulamasına olanak tanıyan gerçek bir transfer learning sergiler. Bu çok yönlülük seviyesi, insan beyninin geniş cognitive computing yeteneklerini taklit eder.

Temel Özellikler ve Zorluklar#

AGI geliştirmek, bir neural network (NN) modeline sadece daha fazla veri eklemenin ötesinde önemli teknik engellerin aşılmasını gerektirir. Şunları destekleyen mimariler oluşturmayı içerir:

• Soyut Akıl Yürütme: Karmaşık, yeni durumları analiz etme ve önceden özel bir training data olmaksızın mantıksal sonuçlar oluşturma yeteneği.
• Sağduyu: Nedenselliğin ve fiziksel yasaların sezgisel bir anlayışı; mevcut deep learning (DL) modellerinin tam olarak kavramakta zorlandığı bir özellik.
• Bilinç: Bir makinenin duyarlılığa sahip olup olamayacağına dair felsefi ve teknik bir zorluk, genellikle Chinese Room Argument gibi düşünce deneylerinde tartışılır.

Bu özelliklerin elde edilmesi, büyük ihtimalle NVIDIA gibi yenilikçilerin gelişmiş donanımlarına ve verimli model optimization tekniklerine güvenerek devasa hesaplama kaynakları gerektirir.

Varsayımsal Gerçek Dünya Uygulamaları#

AGI henüz var olmadığından, uygulamaları spekülatiftir ancak dönüştürücüdür. Stanford HAI gibi kurumlardaki uzmanlar, AGI'nin tamamen özerk bir ajan olarak hareket ederek endüstrilerde devrim yaratabileceğini öne sürüyor.

1. Özerk Bilimsel Araştırma: Taramalardaki anormallikleri vurgulayarak doktorlara yardımcı olan mevcut AI in healthcare sistemlerinden farklı olarak bir AGI, tıbbi literatürü bağımsız olarak inceleyebilir, hipotezler formüle edebilir ve hastalıkları tedavi etmek için deneyler tasarlayabilir.

2. robotics alanında, AGI makinelerin yapılandırılmamış ortamlarda gezinmesini sağlar. AGI destekli bir robot ev işleri yapabilir, yemek pişirebilir ve yaşlı bakımı sağlayabilir; yeniden programlamaya gerek kalmadan herhangi bir evin benzersiz düzenine ve ihtiyaçlarına uyum sağlayabilir. Bu, AI in robotics için yeni olasılıklar yaratır.

Mevcut AI'nın Sınırlarını Görselleştirmek#

Henüz AGI kodu yazamasak da gelişmiş Dar AI yeteneklerini gösterebiliriz. Aşağıdaki kod parçacığı bir çıkarım görevi çalıştırmak için ultralytics paketini kullanır. Bu ANI'yi temsil eder çünkü model, AGI'nin genel anlayışından yoksun olarak yalnızca özellikle eğitildiği nesneleri tespit etmekle sınırlandırılmıştır.

from ultralytics import YOLO

# Load the YOLO26 model (Artificial Narrow Intelligence)
# This model excels at vision tasks but is limited to its training domain
model = YOLO("yolo26n.pt")

# Perform object detection on an image
results = model.predict("https://ultralytics.com/images/bus.jpg")

# The model identifies patterns, but does not 'understand' the scene context
results[0].show()

İleriye Giden Yol: ANI'den AGI'ye#

Mevcut araştırmalar, multi-modal learning yoluyla dar uygulamalar ile genel zeka arasındaki boşluğu kapatmaktadır. GPT-4 ve large language models (LLMs) gibi modeller metin, kod ve görüntüleri aynı anda işleyerek genel akıl yürütme kıvılcımları göstermeye başlamaktadır. Ultralytics Platform gibi araçlar, geliştiricilerin giderek daha sofistike modeller eğitmesini sağlayarak bir gün gerçek AGI'ye yol açabilecek temel araştırmaya katkıda bulunur. Şimdilik supervised learning konusunda uzmanlaşmak ve belirli görevleri optimize etmek AI değerinden yararlanmanın en etkili yolu olmaya devam etmektedir.