Tree of Thoughts (ToT)

Tree of Thoughts (ToT), Large Language Models (LLMs) modellerinin problem çözme yeteneklerini artırmak için tasarlanmış gelişmiş bir akıl yürütme çerçevesidir. Geleneksel doğrusal komut istemi yöntemlerinin aksine ToT, bir ağacın dallarını keşfetmeye benzer şekilde, modellerin aynı anda birden fazla akıl yürütme yolunu keşfetmesini sağlar. Her adımda model, olası birkaç "düşünce" veya ara akıl yürütme adımı üretir, bunların uygulanabilirliğini değerlendirir ve hangi yolların sürdürüleceğini, duraklatılacağını veya terk edileceğini aktif olarak belirler. Bu yaklaşım, genellikle çeşitli olasılıkları değerlendirdiğimiz, hipotezleri zihinsel olarak test ettiğimiz ve belirli bir yaklaşımın kusurlu olduğunu fark ettiğimizde geri adım attığımız insan problem çözme sürecini yansıtır.

Düşünce Ağacı'nı Düşünce Zinciri'nden Ayırmak#

Komut istemi stratejilerini incelerken, Tree of Thoughts yaklaşımını Chain-of-Thought Prompting (CoT) yönteminden ayırmak önemlidir. CoT, bir sonuca ulaşmak için modelin tek ve doğrusal bir mantıksal adımlar dizisini takip etmesini sağlar. Birçok görev için son derece etkili olmasına rağmen CoT, dizisinin başlarında bir hata yaparsa bunu telafi edemez. Buna karşılık ToT, birden fazla akıl yürütme yolundan oluşan bir ağaç yapısını açıkça korur. Breadth-first search algorithms veya depth-first search frameworks kullanarak ToT, çıkmaz sokaklardan geri dönebilir ve daha umut verici dallara yönelebilir; bu da onu karmaşık Generative AI görevleri için önemli ölçüde daha dayanıklı hale getirir.

Düşünce Ağacı'nın Gerçek Dünya Uygulamaları#

İleriyi görebilme ve birden fazla sonucu değerlendirebilme yeteneği, ToT'yi karmaşık mantık gerektiren çeşitli endüstrilerde oldukça değerli kılar.

• Autonomous AI agents, dinamik ortamlarda stratejik planlama yapmak için ToT kullanır. Örneğin lojistikte bir ajan, optimal bir yola karar vermeden önce trafik veya hava durumu gecikmelerinin ardışık etkilerini değerlendirerek birden fazla güzergah senaryosu çizebilir.
• Gelişmiş computer vision boru hatlarında ToT, çok adımlı görsel akıl yürütmeyi kolaylaştırır. Ultralytics YOLO26 gibi yüksek hızlı object detection modelleriyle birlikte dağıtıldığında, bir akıl yürütme modeli görsel bir sahnede değerlendirme yapabilir, smart manufacturing alanındaki potansiyel güvenlik tehlikeleri hakkında hipotezler üretebilir ve daha yakından yapılan görsel bir inceleme ilk teoriyi çürütürse geri adım atabilir.

Görüntü Verilerini Mantık Dallarına Entegre Etmek#

Akıl yürütme sistemleri oluştururken görsel algı, modelin mantık ağacı için duyusal girdi görevi görür. Gerçek zamanlı algılama verilerini bir OpenAI reasoning model modeline veya dalları değerlendiren bir ajana sorunsuz bir şekilde entegre edebilirsiniz. Aşağıdaki örnek, daha geniş bir ToT çerçevesinde düğüm değerlendirme işlevi görebilecek YOLO26 kullanarak çevresel verilerin nasıl çıkarılacağını gösterir.

from ultralytics import YOLO

# Load Ultralytics YOLO26 to analyze visual states for a reasoning tree
model = YOLO("yolo26n.pt")
results = model("https://ultralytics.com/images/bus.jpg")


def evaluate_thought_state(detections):
    # Returns True if a 'bus' is found, prompting the ToT agent to explore this logic branch
    return any(model.names[int(box.cls)] == "bus" for box in detections[0].boxes)


print(f"Is this reasoning branch viable? {evaluate_thought_state(results)}")

Yapılandırılmış YZ Mantığının Geleceği#

Google DeepMind gibi kuruluşlardaki araştırmacılar sezgisel değerlendirmeyi geliştirmeye devam ederken, ToT'un günlük AI iş akışlarına entegrasyonu hızlanıyor. Modellerin multi-modal learning ile yapılandırılmış aramayı sorunsuz bir şekilde birleştirdiği artificial general intelligence (AGI) yaklaşımına doğru ilerliyoruz. Bu yeni nesil uygulamaları geliştiren ekipler, modern AI sistemlerinin hem algı hem de akıl yürütme katmanlarını eğitmek için gereken karmaşık veri kümelerini yönetmek amacıyla Ultralytics Platform gibi sağlam altyapılara güveniyor. Bu modellere güç veren dinamik hesaplama grafiklerinin arkasındaki matematiği daha derinlemesine incelemek isteyenler için resmi PyTorch documentation paha biçilmez bir kaynak olmaya devam etmektedir.