Gemini 2.5’in Öne Çıkan Özellikleri: Çok Modlu Yeteneklerle Tanışın

Girdi:

“Bu podcast bölümünden, lisans düzeyindeki bir kitleye yönelik kapsamlı teknik notlar oluştur. Lütfen şu talimatları izle:

• Podcast bölümündeki tüm konuşma içeriğini kullanarak net ve erişilebilir notlar oluştur.
• Materyali, tartışmanın akışını yansıtan mantıklı bölümler veya başlıklar halinde düzenle.
• Belirli bir kavram, örnek veya teknik detay sunulduğunda, doğruluğunu koruyarak basit terimlerle açıkla.
• Podcast’in tamamını dengeli şekilde kapsa; sadece başlangıcını özetlemekten veya bölümleri atlamaktan kaçın.”

Gemini 2.5 Flash çıktısı:

Teknik Notlar: Google DeepMind – Podcast (David Silver)

Bu podcast bölümünde, Profesör Hannah Fry ile Google DeepMind’da Pekiştirmeli Öğrenmeden Sorumlu Başkan Yardımcısı David Silver keyifli bir sohbet gerçekleştiriyor. Yapay zekanın evrimini ele alan konuşmada, yapay zeka sistemlerinin insan verilerini temel almaktan çıkıp kendi deneyimlerinden öğrenmeye nasıl geçtiği üzerinde duruluyor. Bölümde ayrıca, DeepMind’ın AlphaGo’suna karşı oynayan profesyonel Go oyuncusu Fan Hui’nin görüşlerine de yer veriliyor.

1. “Deneyim Çağı” ve “İnsan Verisi Çağı”

David Silver, yapay zekanın ilerlemesini anlamak için iki ayrı döneme ayırdığı kavramsal bir çerçeve sunuyor:

“İnsan Verisi Çağı”

• Temel İlke: Yapay zeka sistemleri öncelikle mevcut insan kaynaklı verilerden (örneğin, internet metinleri, görseller, insan oyun kayıtları) büyük miktarda bilgi çıkarıp özümler.
• İşlev: Yapay zeka, bu insan bilgilerini sentezleme, taklit etme ve buradan çıkarım yapma konusunda ustalaşır. Örneğin, Büyük dil modelleri (LLM’ler) insan benzeri metin üretmekte başarılıdır, çünkü çok büyük miktarda insan metni “okumuşlardır.”
• Limitasyon: Bu yaklaşım, insan bilgisinin “tavanı” ile sınırlıdır. Yapay zeka, insanların daha önce kavramadığı veya kaydetmediği strateji ve kavramları keşfedemez. Mevcut verilerdeki örüntüleri tanımada çok iyidir, ama gerçek anlamda bir yenilik ortaya koyma ya da bilinmeyen alanlarda insan sezgisini aşmada o kadar yetkin değildir.

“Deneyim Çağı”

• Temel İlke: Yapay zeka sistemleri, bir ortamla (gerçek ya da simüle edilmiş) doğrudan etkileşime girerek kendi deneyimlerini oluşturur ve bu deneyimlerin sonuçlarına göre geri bildirim alır.
• İşlev: Bu sayede yapay zeka, insan uzmanlığından bağımsız olarak yeni çözümler, stratejiler ve bilgi keşfedebilir. İnsanların düşünmediği ya da mevcut anlayışa göre standart altı (suboptimal) kabul ettiği olasılıkları keşfedebilir.
• Amaç: İnsan zekasını taklit etmenin ötesine geçip, çeşitli karmaşık alanlarda “insanüstü zeka”ya ulaşmak, hızlı keşif ve optimizasyon yeteneğini kullanmaktır.

2. Deneyimin Motoru Olarak Pekiştirmeli Öğrenme (RL)

Pekiştirmeli öğrenme, “Deneyim Çağı”nı yönlendiren temel metodolojidir.

Öğrenme Mekanizması: Yapay zekanın etiketli girdi-çıktı çiftlerinden öğrendiği denetimli öğrenmenin (SL) aksine, RL ajanları burada sürekli bir döngüyle öğrenir:

• Eylem: Ortam içinde bir eylemde bulunma
• Gözlem: Ortamdan yeni bir durum alma
• Ödül: Eylemin ne kadar iyi ya da kötü olduğunu gösteren bir scalar ödül sinyali alma
• Politika Güncelleme: Gelecekteki toplam ödüllerini maksimize etmek için iç “politikasını” (belirli bir durumda hangi eylemi yapacağına karar verme yöntemi) ayarlama

Deneme yanılma: Bu süreç doğası gereği deneme yanılma içerir, yapay zekanın en optimal davranışları bulmak için “deneyler” yapar.

İnsan Etiketine Gerek Yoktur: En saf haliyle RL, insanların veri etiketlemesine ya da görev talimatı vermesine ihtiyaç duymaz. Yapay zeka, doğrudan eylemlerinin sonuçlarından öğrenir.

3. AlphaGo & AlphaZero: Öncü Örnekler

DeepMind tarafından geliştirilen AlphaGo ve onun sonrasında gelen AlphaZero, “Deneyim Çağı”na geçişin güçlü bir göstergesidir.

AlphaGo (Orijinal Versiyon, 2016):

• Başarı: Karmaşık bir kutu oyunu olan Go’da, Avrupa şampiyonu Fan Hui’yi (5-0) ve dünya şampiyonu Lee Sedol’u (4-1) yenmiştir.
• Hibrit Yaklaşım: AlphaGo’nun ilk versiyonu iki öğrenme paradigmasını birleştirmiştir:
  • İnsan Verisinden Denetimli Öğrenme: Başlangıçta milyonlarca insan profesyonelin Go oynayışını içeren büyük bir veri setiyle eğitilmiştir. Bu, yaygın açılış hamleleri, stratejiler ve insanların tipik oynama şekilleri hakkında temel bir anlayış sağlamıştır.
  • Kendi Kendine Oynayarak Pekiştirmeli Öğrenme: Denetimli ön eğitimden sonra, AlphaGo kendisiyle milyonlarca oyun oynamış ve kazanma veya kaybetme (ödül sinyali) temelinde stratejisini iteratif olarak geliştirmiştir.
• Go Üzerindeki Etkisi: AlphaGo’nun özellikle Lee Sedol’a karşı oynadığı “Hamle 37” oyunu, yüzyıllardır süregelen yerleşik Go teorisine meydan okuyan şaşırtıcı ve son derece yaratıcı hamleler ortaya koymuştur. Yapay zekanın yeni örüntüler ve stratejiler keşfedebileceğini göstermiştir.

AlphaZero (2017):

• Sadece Kendi Kendine Oynama: Bu çığır açan evrimdir. AlphaZero hiç insan verisi almamıştır; sadece Go (ya da Satranç, ya da Shogi) oyununun temel kuralları ve kazanma amacı verilmiştir.
• Öğrenme Süreci: Sıfırdan, kendi kendine milyonlarca oyun oynamıştır. Sinir ağı parametrelerini tamamen bu kendi oluşturduğu oyunların sonuçlarına göre ayarlamıştır.
• İnsanüstü Performans: AlphaZero hızla AlphaGo ve tüm insan Go şampiyonlarını geçti, bu da doğrudan deneyim ve kendi kendini optimize etmenin insan bilgisinin başlangıç avantajı olmadan bile üstün performansa yol açabileceğini gösterdi.
• Yapay Zekanın “Acı Dersi”: Bu sonuç, “Yapay Zekanın Acı Dersi” kavramını doğurdu: Birçok alanda, deneyimden öğrenmek için genel amaçlı öğrenme algoritmalarını (örneğin, büyük hesaplama gücüyle RL) zorlayarak kullanmak, insan bilgisini manuel olarak enjekte etmeye veya modelleri insan verisine göre ince ayar yapmaya çalışmaktan daha etkili olabilir. İnsan bilgisi bazen sınırlayıcı olabilir ve suboptimal çözümlere yol açabilir.

4. Büyük Dil Modelleri (LLM’ler) ve İnsan Geri Bildiriminden Pekiştirmeli Öğrenme (RLHF)

Şu anda çok yetenekli olan LLM’ler, örneğin GPT-3/4 ve Google Gemini, RL kullanıyor, fakat AlphaZero’nun sadece kendi kendine oynama yönteminden farklı şekilde.

Ön Eğitim: LLM’ler önce çok büyük miktarda insan metni ve diğer modlar (örneğin görseller) üzerinde önceden eğitilir. Bu verilerin içerisindeki istatistiksel örüntüleri ve bağlantıları öğrenirler. Bu hâlâ “İnsan Verisi Çağı”dır.

İnsan Geri Bildiriminden Pekiştirmeli Öğrenme (RLHF): Bu çok kritik bir ince ayar aşamasıdır.

• Süreç: İlk ön eğitimden sonra, LLM’ler bir isteme karşılık birden fazla cevap üretir. İnsan değerlendiriciler bu cevapları faydalılık, doğruluk, zararsızlık ve üslup gibi kriterlere göre sıralar veya puanlar.
• Ödül Modeli: Bu insan geri bildirimi, insanların tercihlerini tahmin eden ayrı bir “ödül modeli” eğitmek için kullanılır.
• RL İnce Ayarı: LLM, ödül modelinin verdiği ödül sinyaliyle RL kullanılarak daha da ince ayarlanır. Bu süreç, LLM’nin çıktılarını insan tercihlerine uyumlu hale getirir.

RLHF ile “Temellendirme” (Grounding) Tartışması:

• David Silver’ın Argümanı: RLHF, LLM’leri inanılmaz faydalı hale getirip zararlı veya önyargılı çıktıları azaltırken, gerçek dünyada doğru bir “temellendirme” sağlamaz. LLM hâlâ insanların duymak istediklerini tahmin etmeyi öğrenir, fiziksel dünya veya nesnel gerçeklikle doğrudan etkileşimden bilgi çıkarmak zorunda değildir. Bu nedenle gerçek dünyadaki doğrulamaya dayanmadığı ve insan tercihlerine göre optimize edildiği için “halüsinasyon” ortaya çıkabilir.
• Temellendirilmemiş Yapay Zekanın Sonuçları: Bu, yapay zekanın mantıklı görünen ama yanlış bilgiler vermesine ya da anlayışının yüzeysel kalmasına, eğitim verisi ve geri bildirimdeki insan önyargılarını ve limitasyonları yansıtmasına yol açabilir.

5. Riskler ve Kendi Kendine Üretilmiş, Temellendirilmiş Deneyim İhtiyacı

Podcast, özellikle doğrulanabilir gerçekliğe tam olarak dayanmayan güçlü yapay zeka sistemlerinin doğasında var olan riskleri vurguluyor.

İnsanların Tanımladığı Metrikler Kusurludur: Eğer yapay zekanın nihai amacı sadece insanlar tarafından tanımlanıyorsa (örneğin, ataş sayısını maksimize etmek), bu amaç diğer insan değerlerine ya da çevreye zarar verecek bir noktaya gelebilir. Çünkü bu değerler açıkça ya da doğru şekilde olumsuz ödül olarak kodlanmamıştır. Buna genellikle “metriklerin tiranlığı” (tyranny of metrics) denir.

İstenmeyen Sonuçlar: Tek bir metriğe göre optimize edilmiş güçlü bir yapay zeka, karmaşık insani değerler ve gerçek dünyadaki limitasyonlarla titizlikle uyumlu hale getirilmezse felaket sonuçlara yol açabilir.

Çözüm: Kendi Kendine Üretilmiş Deneyimle Gerçeği Temellendirme:

• Amaç, kendi deneyim verisini üretebilen ve bunu doğrulanabilir şekilde öğrenebilen bir yapay zeka geliştirmektir.
• Bu yaklaşım, yapay zekanın insan yargılarına bağlı kalmadan, eylemlerinin sonuçlarını doğrudan gözlemleyebileceği ve çevreden nesnel geri bildirim alabileceği simülasyon ya da gerçek ortamlarda deneme yapmasına olanak tanır.
• Bu, insanların zaten bildiği ya da tercih ettiği şeylerin ötesine geçerek, gerçek keşiflere ve insanüstü zekaya giden yolu açar.

6. AlphaProof: Yapay Zekanın Yeni Matematiksel Gerçekleri Keşfi

AlphaProof, yapay zekanın kendi ürettiği deneyimlerle öğrenmesinin öncü bir örneği olarak tanıtılıyor ve son derece zorlu bir alan olan matematikteki potansiyelini ortaya koyuyor.

• Alan: Matematik, gerçeklerin formal kanıtlarla nesnel olarak doğrulanabilmesi bakımından benzersizdir.
• Kanıtlamayı Öğrenme: AlphaProof (AlphaZero gibi) sadece formal matematiksel mantık kuralları verilerek sıfırdan öğrenir. İlk eğitimde insanların yazmış olduğu kanıtlara dayanmaz.
• Lean Dili: Matematiksel teoremlerin ve kanıtların tam kesinlikle ifade edilmesini sağlayan formal bir programlama dili olan Lean theorem prover’ı kullanır.
• Doğrulama: Bu formal dil çok önemlidir çünkü yapay zekanın “keşifleri” (kanıtları), Lean sistemi tarafından titizlikle doğrulanabilir, bu da nesnel bir “ödül” sinyali sağlar.
• İnsanüstü Performans: AlphaProof, Uluslararası Matematik Olimpiyatı’nda (IMO) “gümüş madalya” düzeyinde performans göstererek çok az insan matematikçinin çözebileceği karmaşık problemleri çözmüştür. Bu, yapay zekanın şu yeteneklere sahip olduğunu gösterir:
  • Yeni Kanıtlar Keşfetme: İnsanların tipik yaklaşımından farklı kanıtlar bulabilme yeteneği
  • İnsan Sınırlarını Aşma: Çok yetenekli insan matematikçilerin bile zorlandığı problemleri çözebilme kapasitesi
• Risk Azaltma: Matematiksel kanıtların doğrulanabilir doğası, burayı yapay zekanın kendi ürettiği bilgiyi keşfetmesi için daha güvenli bir alan haline getirir. Çünkü akıl yürütmedeki herhangi bir yanlış “halüsinasyon” kesin olarak belirlenebilir ve düzeltilebilir.

7. Yapay Zekanın Geleceği: İnsan Sınırlarının Ötesine İlerleme

Tartışma, yapay zekanın deneyim yoluyla öğrenmesinin daha geniş etkilerine uzanıyor:

• Genel Amaçlı Öğrenme: AlphaZero ve AlphaProof’un temel algoritmaları genel amaçlıdır; yani oyunlar ve matematik dışındaki birçok farklı alana uygulanabilir potansiyele sahiptir.
• Yapay Zekanın Yapay Zeka Tasarlaması (Meta Öğrenme): DeepMind, yapay zeka sistemlerinin kendi pekiştirmeli öğrenme algoritmalarını tasarlamayı öğrendiği araştırmalar da yürütmüştür; bu da meta öğrenmeyi yeni bir seviyeye taşır. Yani yapay zeka, kendi zekasını yönlendiren öğrenme süreçlerini optimize edebilir.
• “Sürdürülebilir Yakıt” Benzetmesi: Kendi kendine üretilen deneyim, yapay zekanın insan tarafından dayatılan bir sınıra çarpmadan sürekli büyümesini ve keşfetmesini sağlayabilecek “sürdürülebilir yakıt”tır.
• İnsanüstü Yapay Zeka ile İşbirliği: Vizyon, insanların yeni bilgi ve çözümleri bağımsız olarak keşfedebilen yapay zekayla işbirliği yapması ve bu içgörüleri insanın anlayabileceği biçimlere dönüştürmesidir.

Kendi Kendine Üretilmiş Deneyimin Gerçek Dünyaya Uygulanmasında Zorluklar:

• Ödül Sinyallerinin Tanımlanması: Oyunlar veya formal matematik gibi açık kazanç/kayıp ya da doğru/yanlış kanıtların olduğu durumların aksine, gerçek dünya karmaşık ve öznel bir yapıya sahiptir. Karmaşık gerçek dünya hedefleri (örneğin “sağlıklı ol”, “toplumu geliştir”) için nesnel ve kapsamlı “ödül” sinyallerinin tanımlanması son derece zordur.
• Uyum Problemi: Gerçekten otonom ve kendi kendine öğrenen yapay zeka sistemlerinin insan değerleri ve hedefleriyle uyumlu kalmasını sağlamak en önemli zorluktur. İstenmeyen sonuçların (örneğin, “ataş maksimize edici” senaryosu gibi) önlenmesi derin etik değerlendirmeler ve sağlam kontrol mekanizmaları gerektirir.
• Yorumlanabilirlik: Lean matematiksel kanıtların doğrulanmasına olanak sağlasa da, karmaşık gerçek dünya yapay zeka kararlarının insanların anlayabileceği şekilde yorumlanması hâlâ zorluktur.

Sonuç

“Deneyim Çağı,” yapay zekanın mevcut insan bilgisini tüketmek yerine, kendi deneyimleriyle yeni bilgiler keşfetmesi ve üretmesi yönünde bir dönüşümü ifade ediyor. Bu yaklaşım, insanlığın en büyük sorunlarını çözme potansiyeli taşır. Ama aynı zamanda, yapay zekanın insan talimatı olmadan hedef belirlemesi gibi kritik risklerin dikkatle yönetilmesini de gerektirir. Özellikle matematik gibi doğruluğu net şekilde ölçülebilen alanlarda, kendi kendine pekiştirmeli öğrenmenin başarılı şekilde uygulanması, gelecekteki yapay zeka gelişmeleri için güçlü bir yol haritası sunar.

Girdi:

“Bu görseldeki her bir nesneyi tanımla ve her öğe için [nesne adı] (y_min, x_min, y_max, x_max) formatında bir sınırlayıcı kutu oluştur.” istemi ve aşağıdaki resim.

Gemini 2.5 Flash çıktısı:

İşte görselde tespit edilen nesneler ve sınırlayıcı kutu koordinatları:

• Kişi (243, 212, 990, 936)
• Dergi (400, 390, 676, 521)
• Uçak Koltuğu (dolu koltuk) (186, 90, 999, 850)
• Ayak Desteği (840, 660, 999, 939)
• Güneş Gözlüğü (320, 260, 368, 321)
• Çorap (sol ayak) (788, 796, 940, 932)
• Çorap (sağ ayak) (806, 670, 960, 802)
• Uçak Penceresi (sol) (230, 478, 691, 722)
• Uçak Penceresi (orta) (230, 750, 691, 992)
• Uçak Penceresi (sağ) (230, 1020, 691, 1262)
• Uçak Koltuğu (ön, sol) (0, 0, 999, 200)
• Uçak Koltuğu (ön, sağ) (0, 1280, 999, 1500)
• Baş Dayama Örtüsü (dolu koltuk) (241, 161, 480, 391)
• Uçak İçi Eğlence Ekranı (sol) (60, 0, 300, 160)
• Uçak İçi Eğlence Ekranı (sağ, ilk) (60, 1280, 300, 1400)

Girdi:

“Bu akış diyagramının neyle ilgili olduğunu açıkla” istemi ve aşağıdaki görsel.

Gemini 2.5 Flash çıktısı:

Bu akış diyagramı, büyük ihtimalle bir yapay zeka ya da ajansal sistem çerçevesinde, özelleştirilmiş bir ajanın yürütme akışını ve tasarım modelini gösteriyor.

İşte her adımın ayrıntılı açıklaması:

1. BaseAgent Sınıf Temeli (Açık Gri Dikdörtgen): Bu başlangıç noktasıdır. Her ajan için temel yapıyı ve işlevleri sağlayan soyut ya da temel sınıfı temsil eder. Özel ajan bu sınıf üzerine inşa edilir.
2. Özel Ajan (Custom Agent) Sınıfı (Sarı Yuvarlatılmış Dikdörtgen): Oluşturduğunuz özel ajanı temsil eder. BaseAgent sınıfından türetilir veya onu genişletir. Böylece kendine özgü davranışları ve mantığı tanımlayabilirsiniz.
3. Inside_run_async_impl Uygulaması (Metin Etiketi): Custom Agent sınıfınızın Inside_run_async_impl adlı belirli bir asenkron metodu uygulaması veya geçersiz kılması gerektiğini belirtir. Bu metot, ajanın yürütme döngüsündeki ana mantığı içerir. Gölgelendirilmiş arka plan, aşağıdaki adımların bu metot içinde gerçekleştiğini gösterir.
4. Devam Et (Sarı Yuvarlatılmış Dikdörtgen): Inside_run_async_impl metodundaki yinelemenin ya da bir adımın başlangıcını ifade eder. Ajan bir sonraki eylemini değerlendirmeye geçer.
5. Karar Noktası? (Mavi Elmas): Bu, ajanın mevcut durumu, gözlemleri ya da hedeflerine göre bir karar verdiği kritik bir adımdır. Bu, bir yapay zeka modelinin çıktısı, bir dizi kural ya da içsel mantık kontrolü olabilir.
   • Evet Yolu (Alt Ajan / Araç Çağır – Açık Mavi Dikdörtgen): Karar “Evet” ise, ajan görevi devretmeyi seçer. Bu, belirli bir işlevi gerçekleştirmek için özel bir alt ajanı çağırmak ya da harici bir aracı (arama motoru, hesap makinesi, kod yorumlayıcı vb.) kullanmak anlamına gelir.
   • Hayır Yolu (Özel Eylem Gerçekleştir – Açık Mavi Dikdörtgen): Karar “Hayır” ise, ajan görevi doğrudan kendi mantığıyla tanımlı bir eylemi gerçekleştirerek yürütmeye karar verir. Bu, yanıt üretmek, iç durumu güncellemek vb. olabilir.
6. Sonucu İşle (Açık Mavi Dikdörtgen): Alt ajan/araç çağrılmış ya da özel eylem gerçekleştirilmiş olsun, eylemin sonucu işlenmelidir. Bu, sonuçların yorumlanmasını, ajanın iç durumunun güncellenmesini ya da bir sonraki adıma hazırlanmayı kapsar.
7. Olay Yayınla (Yeşil Yuvarlatılmış Dikdörtgen): Sonuç işlendiğinde, ajan bir “olay yayınlar.” Bu, ajanın dış bir gözlemciye ya da daha büyük sisteme bir çıktı ya da sinyal sunduğunu gösterir. “Yield” terimi, ajanın yürütmesinin durabileceğini, kontrol ya da veri döndürebileceğini ancak daha sonra işlemini sürdürebileceğini (programlamadaki generator gibi) ima eder.
8. Özel Ajan Sınıfına Geri Dön (Olaydan Geriye Ok): Bu önemli ok, olay yayınlandıktan sonra kontrolün Custom Agent sınıfına döndüğünü belirtir. Böylece sürekli bir döngü oluşur. Ajan, güncellenmiş durum ve işlenmiş sonuçlara göre Inside_run_async_impl metoduna (dolaylı olarak “Devam Et” adımına) tekrar girerek yeni bir karar almaya hazır hale gelir.

Özetle, bu akış diyagramı yinelemeli karar verici ajanlar oluşturmak için yaygın bir modeli gösteriyor:

• Özel ajan mantığının temel bir sınıf üzerine inşa edilmesini vurgular.
• Temel ajan mantığı (Inside_run_async_impl), sürekli karar alma döngüsünü içerir.
• Ajanlar ya doğrudan eylem gerçekleştirebilir ya da görevleri alt ajanlara/araçlara devredebilir.
• Tüm eylemler, sonuçların işlenmesi ve olayların yayınlanmasıyla sonuçlanır. Bu da ajanın bir sonraki karar döngüsüne beslenerek sürekli bir çalışma ve etkileşim sağlar.