Source article: Potentially Viable Paths to True AGI | by SingularityNet | SingularityNET
Translation by: Faruk
Dework task link: https://app.dework.xyz/singularitynet-ambas/test-38287?taskId=f4289d30-5b94-4d5a-8f74-a2d839454f46
Community review: Please leave comments below about translation quality or like this post if it is well translated
Gerçek AGI’ye Giden Potansiyel Olarak Uygulanabilir Yollar
Son birkaç yıldır Yapay Genel Zeka (AGI) etrafındaki konuşmaların çoğu, Büyük Dil Modelleri (LLM) ve diğer derin sinir ağları (DNN) türlerinin popülaritesindeki hızlı artış tarafından domine edildi.
Günlük işlerimizde bize yardımcı olmaktan mükemmel sanat formları üretmeye kadar, bu modeller çeşitli işlerde mükemmellik gösterdi ve dünyanın dört bir yanındaki birçok kullanıcıyı etkiledi. Bununla birlikte, AGI etrafındaki söylemde varlıklarının büyük bir sorunu var ve o da hayati bir alanda yetersiz kalmaları: gerçek genel zeka.
2022’de SingularityNET ve Yapay Süper Zeka İttifakı’nın CEO’su Dr. Ben Goertzel, " Gerçek AGI’ye Giden Üç Uygulanabilir Yol " başlıklı blog yazılarından birinde, derin öğrenme sistemlerinin AGI’yi tam anlamıyla elde etmek için yeterli olmayabileceği fikrini araştırdı.
Dr. Goertzel, blogunda gerçek AGI’ye yol açabilecek üç olası uygulanabilir yolu ana hatlarıyla açıklıyor; her biri, insan benzeri zekayı kopyalamanın muazzam zorluğuna yaklaşmanın farklı bir yolunu temsil ediyor.
Bugün bu yolları inceleyeceğiz: Biliş düzeyindeki yaklaşım, beyin düzeyindeki yaklaşım ve kimya düzeyindeki yaklaşım. Her biri, Yapay Zeka’ya (YZ) nasıl ulaşabileceğimiz ve mevcut Yapay Zeka manzarasının ötesinde nelerin yattığı konusunda benzersiz içgörüler sunuyor.
1. Bilişsel Düzeyde AGI Yaklaşımı: Hibrit Nöral-Sembolik Sistemler
Dr. Goertzel’in vurguladığı ilk yol ve kişisel olarak en çok heyecan duyduğu şey, biliş düzeyindeki yaklaşımdır . Bu yöntem, sinir ağları, sembolik akıl yürütme, olasılıksal programlama ve evrimsel öğrenme dahil olmak üzere çeşitli yapay zeka tekniklerini tek bir birleşik çerçevede birleştirmeyi içerir.
Bu yaklaşımın merkezinde, Dr. Goertzel ve meslektaşlarının liderliğinde bu yılın başlarında Alpha versiyonunu piyasaya süren bir proje olan OpenCog Hyperon yer alıyor.
Hyperon, sadece başka bir sinir ağı tabanlı sistem değildir. Birden fazla AI paradigmasının entegrasyonu yoluyla insan bilişini modellemeyi amaçlayan karma bir sinirsel-sembolik çerçevedir. Dr. Goertzel’e göre, derin sinir ağları tek başına AGI’ye ulaşmak için yeterli değildir çünkü dar, belirli görevlerin ötesinde genelleme, yenilik yapma ve soyutlama yetenekleri sınırlıdır.
Dr. Goertzel şöyle açıklıyor:
" Bu derin ağların veya belirsiz şekilde benzer yöntemlerin makul bir şekilde elde edilebileceği mutlak üst sınır, birçok insan davranışını taklit edebilen, benim ‘kapalı uçlu yarı-AGI’ sistemleri olarak adlandıracağım şey olurdu - ancak […] zor, çözülmemiş bilim ve mühendislik problemlerini ele almaktan veya tohum AI’lar olarak hizmet etmek ve bir Tekillik başlatmak için gereken öz-değiştirmeyi ve öz-geliştirmeyi gerçekleştirmekten aciz olurdu ."
Derin sinir ağlarına yönelik bu eleştiri, bu ağların kendi kendini organize edememe veya yaratıcılık üretememe gibi temel sınırlamalarını vurgulamaktadır.
Hyperon, sembolik akıl yürütmeyi, evrimsel algoritmaları ve gelişmiş olasılıksal çıkarımları birleştirerek bu boşlukları giderir; bunların hepsi Atomspace adlı metagraf tabanlı bir sistem içinde çalışır. Bu mimari, insan bilişsel psikolojisinden ilham alarak esnek, ölçeklenebilir akıl yürütme ve öğrenme süreçlerine olanak tanır.
Dr. Goertzel ve ekibimiz Hyperon’un AGI’ye doğru hayati bir adım olduğuna inanıyor. Sistem, ortak bir çerçeve içinde etkileşime girecek şekilde optimize edilmiş gelişmiş AI algoritmaları koleksiyonunu kullanarak temel bilişsel işlevleri (hafıza, dikkat, muhakeme) taklit eden bir tasarıma sahip. Bu hibrit yaklaşım, farklı AI paradigmalarının güçlü yönlerini bir araya getirirken bireysel zayıflıklarının üstesinden geliyor.
2. Beyin Düzeyinde AGI Yaklaşımı: Büyük Ölçekli Doğrusal Olmayan Dinamik Beyin Simülasyonu
Bilişsel düzeydeki yaklaşım, yapay zeka paradigmalarının bir kombinasyonu yoluyla insan düşünme süreçlerini taklit etmeye odaklanırken, beyin düzeyindeki yaklaşım daha doğrudan bir yol izliyor: beynin kendisini simüle ediyor.
Dr. Goertzel bu çabanın karmaşıklığını kabul ediyor ancak beynin doğrusal olmayan, dinamik bir modelini oluşturmanın AGI’ye giden başka bir yol sunabileceğine inanıyor. Bu yaklaşım, belirttiği gibi, yalnızca en gevşek anlamıyla “sinirsel” olan mevcut sinir ağı modellerinden önemli ölçüde farklıdır.
Hesaplamalı sinirbilimden ilham alan Goertzel, nöronların karmaşık etkileşimlerini çok daha ayrıntılı bir düzeyde taklit edecek olan kaos teorisi ve doğrusal olmayan dinamiklere dayalı beyin simülasyon yöntemlerini savunuyor. Bu tür bir model için teorik bir temel sunan Eugene Izhikevich’in dinamik sistemlerdeki çalışmalarına atıfta bulunuyor.
Ancak Dr. Goertzel’in açıkladığı gibi, bu yaklaşımın önündeki en büyük engel fikir eksikliği değil, gereken muazzam hesaplama gücüdür:
" Beyin hakkında şu anki bilgilerimiz göz önüne alındığında, beyin simülasyonu konusunda yapabileceğimiz en iyi deneme bile aslında BU KADAR doğru bir deneme olamazdı - beynin nasıl çalıştığı hakkında bilmediğimiz çok şey var ve bilgisayar donanımımız sinirsel yazılımlardan çok farklı ."
Bu zorluklara rağmen, bu yolda umut vaat ediyor. Tam ölçekli bir beyin simülasyonu, çeşitli beyin bölgeleri ve sinir ağları arasındaki etkileşimleri taklit ederek insan benzeri zekaya dair içgörüler sağlayabilir. İnsan Beyni Projesi bu doğrultuda bir şeyler denemiş ancak başarısız olmuş olsa da, Goertzel beyin simülasyonlarını doğrusal olmayan dinamiklere dayandırarak ve bunları gelişmiş donanımlarda çalıştırarak bu yaklaşımla AGI’yi gerçekleştirebileceğimize inanıyor.
Ancak başka bir husus daha var: İnsan beynini simüle etmek yerine daha basit organizmaları simüle ederek başlasak nasıl olur? Önerdiği gibi, hamamböcekleri veya arılar gibi hayvanların beyinlerini simüle etmek daha uygulanabilir bir ara adım olabilir.
Daha az nöron ve bağlantıya sahip bu daha basit beyinler, sinirsel dinamiklerin prensiplerine dair değerli içgörüler sunabilir. Bunları daha sonra insan seviyesindeki zekaya ölçeklendirebiliriz.
3. Kimya Düzeyinde AGI Yaklaşımı: Yapay Kimya ve Kendini Organize Eden Sistemler
Goertzel’in önerdiği üçüncü yol, sinirsel modellemeden tamamen uzaklaşır ve kimya düzeyindeki AGI’ye odaklanır . Bu spekülatif ancak ikna edici yaklaşım, ortaya çıkan beyin benzeri yapıların oluşmasını sağlamak amacıyla kimyasal düzeyde karmaşık kendi kendini organize eden sistemleri simüle etmeyi içerir. Esasen, beyni veya bilişi doğrudan taklit etmeye çalışmak yerine, yaşamın ve zekanın altta yatan süreçlerini taklit eden yapay kimyasal sistemler yaratırdık.
Goertzel’in bu yaklaşıma olan hayranlığı, zekanın son derece dinamik, kendi kendini organize eden ortamlardan ortaya çıkabileceğini öne süren karmaşık sistem bilimi ve kaos teorisinin sunduğu içgörülerden kaynaklanmaktadır. Bruce Damer (Evogrid) ve Walter Fontana (algoritmik kimya) gibi araştırmacıların yaptığı çalışmaları potansiyel ilham kaynakları olarak göstermektedir. Fikir, yapay kimyanın büyük ölçekli simülasyonlarını çalıştırarak, biyolojik organizmalarda bulunanlara benzer bilişsel yapıların kendiliğinden ortaya çıkışına tanıklık edebilmemizdir.
Bu yaklaşım Goertzel’in de belirttiği gibi oldukça spekülatif ve “mavi gökyüzü” olsa da, aynı zamanda oldukça ilgi çekicidir. Buradaki temel zorluk, bu kadar büyük, dağıtılmış simülasyonları ve karmaşık davranışların nasıl ortaya çıktığını anlamak için gereken sonraki desen analizini destekleyen bir hesaplama ortamı geliştirmektir.
Goertzel bu yaklaşımın yüksek riskli doğasını kabul ediyor, ancak ilk etapta yaşam ve zekaya yol açan süreçleri kopyalamaya çalışmanın muazzam bir felsefi çekicilik taşıdığını düşünüyor. Kendisinin de yerinde bir şekilde belirttiği gibi:
" AGI’ye yönelik bu potansiyel yaklaşım, oldukça mavi gökyüzü araştırması ve yüksek riskli, ancak aynı zamanda felsefi olarak da oldukça çekici - ve modern ölçekte hiçbir zaman gerçekten denenmedi ."
Bu alanda çığır açıcı gelişmeler yaşanırsa, hem zekâya hem de yaşamın kendisine ilişkin anlayışımızda devrim yaratabilir ve AGI araştırmaları için yepyeni bir temel oluşturabilir.
Bu Yollar AGI ve Yaklaşan Tekillik İçin Neden Önemlidir?
Bu üç ayrı yolun her biri, AGI ve önümüzdeki yıllardaki potansiyel uygulanabilirliği hakkındaki daha geniş söylemde bir şekilde rol oynuyor.
Bunlar, zekanın muazzam karmaşıklığıyla başa çıkmak için gerekli olan yaklaşımların çeşitliliğini temsil ediyor.
Derin sinir ağları dar yapay zeka uygulamalarında kayda değer başarılar elde etmiş olsa da, insan düzeyinde yapay zekanın yaratılması mevcut tekniklerin ölçeklendirilmesinden daha fazlasını gerektirecektir.
Dr. Goertzel’in önerileri bizi mevcut paradigmaların ötesinde düşünmeye ve bilişsel bilim, sinirbilim ve kimyayı kapsayan daha bütünsel, çok disiplinli yaklaşımları göz önünde bulundurmaya davet ediyor.
SingularityNET’te, AI gelişimini merkeziyetsizleştirme ve inovasyonu teşvik etme taahhüdümüz, bu daha geniş vizyonla mükemmel bir şekilde örtüşmektedir. OpenCog Hyperon gibi projeleri destekleyerek ve alternatif AGI yollarına yönelik araştırmaları teşvik ederek, mümkün olanın sınırlarını zorlamaya yardımcı oluyoruz.
Dr. Goertzel’in özetlediği bu üç yaklaşım (bilişsel düzey, beyin düzeyi ve kimya düzeyi), gelecekteki AGI araştırmaları için bir yol haritası sağlıyor ve her biri gerçek makine zekasına nasıl ulaşılacağına dair benzersiz bir bakış açısı sunuyor.
AGI’nin geleceği henüz kesinleşmemiş olsa da Tekillik yakındır.
Ve bu farklı yolları keşfetmeye devam ederken, sizi, bildiğimiz dünyayı yeniden şekillendirebilecek (ve büyük ihtimalle şekillendirecek) bir istihbarat patlamasının şafağına doğru yolculuğumuza katılmaya davet ediyoruz.