Yapay zeka araştırmacıları, modellerin akıl yürütürken ihtiyaç duyduğu işlem gücünü ve maliyeti önemli ölçüde azaltabilecek yeni bir yöntem geliştirdi.
ChatGPT, Gemini ve Claude gibi yapay zeka araçları büyük dil modelleriyle çalışıyor. Bu modeller karmaşık problemleri çözerken token denen veri parçalarını işleyerek adım adım ilerliyor.
Karmaşık sorular daha uzun ve çok aşamalı akıl yürütme süreçleri gerektirebiliyor. Model her ara adımı metne dönüştürdüğünde kullanılan token sayısı, işlem süresi ve maliyet de artıyor.
Yapay zeka şirketi Pathway, bu muhakeme veya akıl yürütme biçimindeki işlem gücünü azaltmak için yeni bir yaklaşım benimsedi.
BDH-CQ adlı yeni model, uzun bir yazılı akıl yürütme zinciri oluşturmak yerine kendisine sunulan örneklerle tekrarlayan belleğini sürekli güncelliyor. Ardından sorguyu yüksek boyutlu bir gizli çalışma alanında yinelemeli hesaplamalar yaparak çözüyor ve yalnızca nihai cevabı üretiyor.
Esasen model, kelime israfı yapmak veya her adımı metne dönüştürmek yerine zihninin içinde "sessizce" hesap yapıyor. Bu sayede de işlem gücünden büyük ölçüde tasarruf ediliyor.
Bilim insanları modeli değerlendirmek için ARC-AGI-1 isimli kıyaslama testine soktu. Bu test yapay zeka sistemlerinin bilişsel yeteneğini ölçmek için sözel olmayan, bir dizi şekli döndürerek bir seriyi tamamlamak gibi akıl yürütme bulmacaları kullanıyor.
Henüz hakem değerlendirmesinden geçmeyen ve bulguları ön baskı sunucusu arXiv'de yayımlanan çalışmaya göre BDH-CQ, 10 bulmacadan üçünü iki veya daha az denemede başarıyla çözerek yaklaşık yüzde 30'luk başarı puanına ulaştı.
Pek çok model bu testte kayda değer derecede daha iyi puanlar elde etse de BDH-CQ'nun temel aldığı mantıksal yaklaşım, boyutunu ve kullanım maliyetlerini geleneksel modellere göre ciddi oranda düşürüyor.
Pathway ekibine göre, görev başına maliyeti 1 sentin 10'da birinden daha az olan model, ARC-AGI-1 kıyaslama testinde yeni bir doğruluk-maliyet verimliliği rekoru kırdı.
Araştırmacılar, OpenAI'ın GPT 5.6 Luna aracının testte BDH-CQ'yla benzer bir puan aldığını ancak yeni modelin 11 kat daha ucuza çalıştığını söylüyor.
Bielik AI ve New York Üniversitesi'nden araştırmacılar da modeli ARC-AGI-1'de ayrıca test ederek sonuçları doğruladı.
Bu araştırmacılardan Łukasz Kaiser, "Pathway'i yakından takip ettim ve ARC-AGI-1 sonuçlarını kendim de tekrarladım" diyerek ekliyor:
Pathway sadece ölçeğin değil, model mimarisinin de yapay zeka akıl yürütmesinde bir sonraki sıçramayı sağlayabileceğini gösteriyor.
Araştırmacılar, BDH-CQ'nun sadece 150 milyon parametresi olduğunu belirtiyor. En büyük yapay zeka modellerinde yüzlerce milyar parametre bulunuyor.
Parametre, yapay zeka modellerinin eğitim aşamasında öğrendiği ve ayarladığı dahili değişkenleri ifade ediyor. Eğitilmiş bir modelin tüm parametre kümesi, eğitim verilerinden çıkardığı tüm bilgiyi temsil ediyor.
Pathway, modeli 600 milyar parametreye çıkarmayı ve daha üst kıyaslama testlerine tabi tutmayı planlıyor.
Şirket, bu teknolojinin siber güvenlik gibi sektörlerdeki karmaşık akıl yürütme problemlerine uygulanabileceğini umuyor.
Independent Türkçe, TechXplore, Live Science, arXiv
