System 2 Thinking

Sistem 2 düşüncesi, insan bilişinin ikili süreç kuramında yavaş, çaba gerektiren ve bilinçli akıl yürütme biçimidir; hızlı, otomatik ve sezgisel olan Sistem 1'in karşıtıdır. Psikologlar Keith Stanovich ve Richard West bu iki sistemi 2000'de adlandırdı. 2002 Nobel Ekonomi Bilimleri Anma Ödülü'nü paylaşan Daniel Kahneman ise 2011 tarihli Hızlı ve Yavaş Düşünme kitabında bu kavramları yaygınlaştırdı. Kahneman, Shane Frederick'in yarasa ve top problemini kullanarak iki sistemi örnekler: Bir yarasa ile bir topun toplam fiyatı 1,10 dolardır ve yarasa topdan 1,00 dolar daha pahalıdır. Sistem 1, topun 10 sent olduğu yanıtını verir; Sistem 2 ise hesabı kontrol edip 5 sent bulur. Yapay zekâda (AI) bu terim, yanıt vermeden önce akıl yürütmeye, aramaya veya doğrulamaya ek hesaplama ayıran model ve sistemleri ifade eder.

Yapay Zekâda Sistem 1 ve Sistem 2#

Bir sinir ağının tek bir ileri geçişi Sistem 1 gibi çalışır: bir görüntü sınıflandırma modeli, bir nesne algılama modeli ya da bir büyük dil modeli (LLM) tarafından yapılan tek bir sonraki belirteç tahmini, girdi kolay ya da zor olsun, her girdide aynı sabit miktarda hesaplama yapar. Yoshua Bengio, NeurIPS 2019'daki "Sistem 1 Derin Öğrenmeden Sistem 2 Derin Öğrenmeye" başlıklı açılış konuşmasında bu ayrımı merkeze yerleştirdi ve derin öğrenmenin hızlı algıda ustalaştığını, ancak Sistem 2'nin sağladığı akıl yürütme, planlama ve yeni durumlara genelleme becerilerine hâlâ ihtiyaç duyduğunu savundu. Sistem 2 yöntemleri, arama, adım adım akıl yürütme veya bir yanıtı kesinleştirmeden önce kontrol etme yoluyla hesaplama miktarının zorluk düzeyine göre artmasını sağlar.

Oyun oynayan yapay zekâ, bu iki sistemi erkenden bir araya getirdi. AlphaGo, umut verici hamleleri ilk bakışta öneren bir politika ağını, seçim yapmadan önce olası hamle dizilerini deneyen Monte Carlo ağaç araması (MCTS) ile eşleştirdi. Thomas Anthony, Zheng Tian ve David Barber'ın Derin Öğrenme ve Ağaç Aramasıyla Hızlı ve Yavaş Düşünme başlıklı 2017 tarihli çalışması, hızlı ağı yavaş aramayı taklit etmesi için eğitti; böylece bilinçli düşünmenin sonuçları zamanla sezgiye dönüşüyor. Her iki modu da kullanan sistemler çoğu zaman her girdiyi uygun yola yönlendirir:

Dil Modellerinde Sistem 2 Teknikleri#

Düşünce zinciri istemi, bir LLM'den ara adımları yazmasını ister; böylece yanıt öncesinde daha fazla token, dolayısıyla daha fazla hesaplama kullanılır. 2023 tarihli makalesi ikili süreç kuramına doğrudan atıfta bulunan düşünce ağacı, dallanan akıl yürütme yollarını araştırır ve çıkmazlardan geri döner. 24 Oyunu aritmetik bulmacasında GPT-4'ün başarı oranını düşünce zinciri istemiyle elde edilen %4'ten %74'e çıkardı. OpenAI'ın o1 ve DeepSeek-R1 modelleri gibi akıl yürütme modelleri, kendi başlarına uzun uzun düşünmeleri için pekiştirmeli öğrenmeyle eğitilir. Bir süreç ödül modeli (PRM) ise arama sırasında aday bir çözümün her adımını denetleyebilir.

Birçok ürün her iki modu da sunar. Şubat 2025'te yayımlanan Anthropic'in Claude 3.7 Sonnet modeli, bir ayara bağlı olarak doğrudan yanıt veren veya uzatılmış düşünme kullanan bir modeldir. Ağustos 2025'te yayımlanan GPT-5, yukarıdaki diyagrama benzer şekilde her isteği hızlı bir modele ya da daha derin akıl yürütme yapan bir modele gönderen bir yönlendirici kullanır.

Görme ve Robotikte Hızlı ve Yavaş Sistemler#

Robotik, iki sistemi farklı hızlarda çalışan ayrı modellere böler. Figure'ın Şubat 2025'te duyurduğu Helix, sahneyi ve sözlü komutu yorumlayan Sistem 2 olarak 7 ila 9 Hz'de çalışan 7 milyar parametreli bir görme-dil modelini (VLM) ve VLM'nin çıktısını tek tek parmaklara kadar sürekli üst gövde hareketlerine dönüştüren Sistem 1 olarak 200 Hz'de çalışan 80 milyon parametreli bir kontrol politikasını kullanır.

Görüntü işlem hatları da maliyeti denetlemek için aynı ayrımı kullanır. Ultralytics Platform Agents içindeki YOLO to VLM Monitor şablonu, her görüntüde bir YOLO26 nano modelini çalıştırır ve sahneyi açıklaması için yalnızca YOLO en az bir kişi algıladığında bir VLM çağırır. Böylece insanların olmadığı görüntüler daha yavaş ve pahalı modele hiç ulaşmaz.

Maliyetler ve Sınırlar#

Kahneman, Sistem 2'yi tembel olarak tanımladı: Bilinçli düşünme yorucudur; bu nedenle insanlar Sistem 1'i tercih eder ve çoğu zaman onun hatalarını kabul eder. Yapay zekâda maliyet, gecikme ve hesaplama gücüdür; çünkü akıl yürütme modeli, hızlı bir modelin tek geçişte yanıtladığı bir soru için binlerce gizli token üretebilir ve bu maliyetin ne sıklıkta ödeneceğini yönlendirme belirler. Bilinçli düşünme, doğru akıl yürütmeyi de garanti etmez. Modelin yazdığı adımlar, yanıtı oluşturan hesaplamadan farklı olabilir. Açıklanabilir yapay zekâ (XAI) kapsamında incelenen bu farkın yanı sıra, gizil akıl yürütme yöntemleri düşünme sürecini hiçbir yazılı iz bırakmayan gizli durumlara taşır.