Artificial General Intelligence (AGI)

Yapay Genel Zeka (AGI), bir makinenin insan kapasitesine denk veya onu aşan, çok çeşitli görevler arasında bilgiyi anlama, öğrenme ve uygulama konusunda bilişsel esnekliğe sahip olduğu bilgisayar bilimindeki teorik bir dönüm noktasını temsil eder. Belirli işlevler için tasarlanmış mevcut AI sistemlerinin aksine, bir AGI otonom akıl yürütme, alışılmadık ortamlarda problem çözme ve deneyimleri bir alandan diğerine genelleştirme yeteneğine sahip olacaktır. AGI yoğun bir araştırma ve tartışma konusu olmaya devam etse de, OpenAI ve Google DeepMind gibi büyük araştırma kuruluşları için teknolojiyle etkileşimimizi yeniden şekillendirme vaadiyle nihai hedefi oluşturmaktadır.

Link to this sectionAGI'yi Dar AI'dan Ayırt Etmek#

AGI'ye ulaşmak için gereken sıçramayı anlamak adına, onu bugün etkileşimde bulunduğumuz Yapay Zeka (AI) ile ayrıştırmak önemlidir.

• Yapay Dar Zeka (ANI): Zayıf AI olarak da bilinen bu kategori, mevcut tüm AI uygulamalarını kapsar. Bu sistemler, belirli ve önceden tanımlanmış görevlerde mükemmeldir. Örneğin, Ultralytics YOLO26, nesne algılama ve görüntü segmentasyonu için oldukça optimize edilmiş en son teknoloji bir ANI modelidir. YOLO26, nesneleri bir insandan daha hızlı ve daha doğru bir şekilde tanımlayabilse de, bu görevler için özel olarak yeniden eğitilmediği sürece satranç oynayamaz veya şiir yazamaz.
• AGI (Güçlü AI): Genellikle Güçlü AI olarak adlandırılan bir AGI sistemi, tek bir mod ile sınırlı kalmayacaktır. Fizik simülasyonunda öğrenilen mantığı finansal piyasalara uygulamasına olanak tanıyan gerçek bir transfer öğrenme sergileyecektir. Bu çok yönlülük seviyesi, insan beyninin geniş bilişsel hesaplama yeteneklerini taklit eder.

Link to this sectionTemel Özellikler ve Zorluklar#

AGI geliştirmek, bir sinir ağına (NN) daha fazla veri eklemenin ötesinde önemli teknik engellerin aşılmasını gerektirir. Bu, aşağıdakileri destekleyen mimariler oluşturmayı içerir:

• Soyut Akıl Yürütme: Karmaşık, yeni durumları analiz etme ve önceden belirli bir eğitim verisi olmadan mantıksal sonuçlara ulaşma yeteneği.
• Sağduyu: Nedensellik ve fizik yasalarının sezgisel bir anlayışı; bu, mevcut derin öğrenme (DL) modellerinin tam olarak kavramakta zorlandığı bir özelliktir.
• Bilinç: Bir makinenin duyarlılığa sahip olup olamayacağına dair felsefi ve teknik bir zorluk; genellikle Çince Oda Argümanı gibi düşünce deneylerinde tartışılır.

Bu özelliklere ulaşmak, muhtemelen NVIDIA gibi yenilikçilerin ileri donanımlarına ve verimli model optimizasyonu tekniklerine güvenerek devasa hesaplama kaynakları gerektirecektir.

Link to this sectionVarsayımsal Gerçek Dünya Uygulamaları#

AGI henüz var olmadığı için uygulamaları spekülatiftir ancak dönüştürücüdür. Stanford HAI gibi kurumlardaki uzmanlar, AGI'nin tamamen otonom bir ajan olarak hareket ederek endüstrilerde devrim yaratabileceğini öne sürmektedir.

1. Otonom Bilimsel Araştırma: Taramalardaki anomalileri vurgulayarak doktorlara yardımcı olan mevcut sağlık hizmetlerinde AI uygulamalarının aksine, bir AGI bağımsız olarak tıbbi literatürü inceleyebilir, hipotezler oluşturabilir ve hastalıkları tedavi etmek için deneyler tasarlayabilir.

2. Genel Amaçlı Robotik: Robotik alanında AGI, makinelerin yapılandırılmamış ortamlarda gezinmesini sağlayacaktır. AGI destekli bir robot, ev işlerini yapabilir, yemek pişirebilir ve yeniden programlanmaya gerek kalmadan herhangi bir evin benzersiz düzenine ve ihtiyaçlarına uyum sağlayarak yaşlı bakımı sağlayabilir. Bu durum, robotikte AI için yeni olanaklar yaratır.

Link to this sectionMevcut AI'nın Sınırlarını Görselleştirmek#

AGI'yi henüz kodlayamasak da, gelişmiş Dar AI'nın yeteneklerini gösterebiliriz. Aşağıdaki kod parçası, bir çıkarım görevini çalıştırmak için ultralytics paketini kullanır. Bu, modelin özellikle eğitildiği nesneleri tespit etmekle sınırlı olması ve bir AGI'nin genel anlayışından yoksun olması nedeniyle ANI'yi temsil eder.

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()

Link to this sectionİleriye Giden Yol: ANI'den AGI'ye#

Mevcut araştırmalar, çok modlu öğrenme yoluyla dar uygulamalar ile genel zeka arasındaki boşluğu kapatmaktadır. GPT-4 ve büyük dil modelleri (LLM'ler) gibi modeller, metin, kod ve görüntüleri aynı anda işleyerek genel akıl yürütme kıvılcımları göstermeye başlamıştır. Ultralytics Platform gibi araçlar, geliştiricilerin giderek daha karmaşık modeller eğitmelerini sağlayarak bir gün gerçek AGI'ye yol açabilecek temel araştırmalara katkıda bulunmaktadır. Şimdilik, denetimli öğrenme konusunda uzmanlaşmak ve belirli görevleri optimize etmek, AI değerinden yararlanmanın en etkili yolu olmaya devam etmektedir.