Yapay Genel Zeka

Yapay Genel Zeka (İng. Artificial General Intelligence, AGI), bir yapay zekâ sisteminin, insanın zihinsel yetenekleriyle eşdeğer düzeyde öğrenme, akıl yürütme, problem çözme, soyutlama ve farklı görevler arasında bilgi aktarımı gibi bilişsel işlevleri gerçekleştirebilme kapasitesine ulaşması durumunu ifade eder. Bu bağlamda YGZ, mevcut dar yapay zekâ sistemlerinin ötesine geçerek, insanlar gibi genel amaçlı bilişsel esneklik ve çeviklik sergileyen sistemlerin geliştirilmesini hedefleyen bir yapay zekâ aşamasıdır.

Sembolik Yapay Genel Zeka (Flickr)

Tarihsel Arka Plan ve Kavramın Gelişimi

YGZ kavramı, ilk kez 2000’li yılların başında Ben Goertzel tarafından sistematik olarak ele alınmış, daha sonra Shane Legg’in önerisiyle bu terim yaygınlık kazanmıştır. 1956’daki Dartmouth Konferansı ile temelleri atılan yapay zekâ araştırmaları, başta tüm zekâ türlerinin bilgisayarla modellenebileceği fikrine dayanıyordu. Ancak sonraki yıllarda yapay zekâ çalışmaları çoğunlukla dar kapsamlı ve özel amaçlı sistemlere yönelmiştir. YGZ ise bu dar sistemlerin sınırlılıklarını aşarak, çok yönlü öğrenme ve genelleme kapasitesine sahip bir zekâ türünü hedeflemektedir.

Ayırt Edici Özellikler

• YGZ’yi mevcut yapay zekâ türlerinden ayıran başlıca özellikler şunlardır:
• Genelleme Yeteneği: Bir alanda öğrenilen bilginin farklı ve önceden karşılaşılmamış alanlara aktarılabilmesi.
• Sağduyu Bilgisi: Dünya hakkında temel bilgi, ilişki ve toplumsal normları içeren geniş bir kavramsal yapı.
• Yeni Görevleri Öğrenme Yetisi: İnsan gibi farklı bağlamlarda yeni görevleri öğrenebilme ve adapte olabilme becerisi.
• Esneklik ve Dayanıklılık: Bilgi eksikliği ve sınırlı kaynaklarla çevreye uyum sağlayabilme kapasitesi.

Diğer Yapay Zekâ Türleriyle Karşılaştırma

• Dar Yapay Zeka (ANI): Belirli ve sınırlı görevlerde uzmanlaşmış, genelleme kapasitesi olmayan sistemlerdir.
• Güçlü Yapay Zeka (Strong AI): Bilinçli ve zihinsel içeriğe sahip olduğu varsayılan yapay zekâ sistemlerini ifade eder. YGZ bu kavrama yakın olsa da, her YGZ sistemi bilinçli olmak zorunda değildir.
• Yapay Süperzeka (ASI): İnsan zekâsını her alanda aşan, ileri düzeyde otonom kararlar alabilen yapay zekâ sistemlerini tanımlar. YGZ, süperzeka düzeyine ulaşmadan da var olabilir.

Tanımlama Yaklaşımları ve Testler

• YGZ’yi tanımlamak ve doğrulamak için çeşitli teorik ve pratik yaklaşımlar geliştirilmiştir. Bunlar arasında:
• Turing Testi: Bir makinenin insanla ayırt edilemeyecek şekilde yanıtlar üretmesi yeterli görülür. Ancak bu test, bilinç ve kavrayışın ölçülmesi açısından yetersiz bulunmuştur.
• Çin Odası Argümanı: John Searle tarafından ortaya atılan bu argüman, bir sistemin dilsel girdilere uygun yanıt vermesinin, gerçekten “anlama” yetisine sahip olduğu anlamına gelmeyeceğini savunur.
• İnsan Düzeyinde Performans: Bilişsel görevleri insanlar gibi yerine getirebilme yetisi.
• Ekonomik Değer Temelli Tanım: YGZ’nin insanları ekonomik açıdan değerli işlerde aşması.
• Esneklik Odaklı Tanım: Farklı koşullarda başarıyla çalışabilme, planlama ve yeni görevleri kavrayabilme gibi genel kapasiteler.
• ACI (Artificial Capable Intelligence): Gerçek dünyada çok adımlı, belirsiz görevleri başarma yeteneğine sahip yapay sistemler olarak tanımlanan alternatif bir kavramdır.

Teknolojik Yaklaşımlar

YGZ’nin gerçekleştirilmesine yönelik başlıca üç yaklaşım bulunmaktadır:

1. İnsan Beyninin Yazılımsal Taklidi: Sinir ağlarının ötesine geçen, beyin işleyişini yüksek doğrulukla modellemeyi amaçlayan sistemler.
2. Yeni Mimari Geliştirme: Ne mevcut sinir ağlarına ne de beyin yapısına dayanan, özgün algoritmalara sahip sistemler.
3. Dar AI Entegrasyonu: LLM’ler, görüntü modelleri ve pekiştirmeli öğrenme ajanlarının birleştirilmesiyle oluşturulan bütüncül yapılar.

Tartışmalar ve Güncel Durum

2020'li yıllarda bazı araştırmacılar, büyük dil modelleri (LLM) gibi sistemlerin YGZ’ye yaklaştığını savunmuştur. Ancak bu görüşlere karşı çıkanlar, bu modellerin sağduyu, eylem planlaması, kalıcı hafıza ve gerçek dünya deneyiminden yoksun olduğunu vurgular. Yann LeCun gibi araştırmacılar, sadece dil verisiyle eğitilen modellerin insan zekâsına yaklaşamayacağını ifade etmektedir. Bu bağlamda YGZ’nin hâlâ kuramsal düzeyde bir hedef olduğu kabul edilmektedir.

Olası Uygulama Alanları ve Etkiler

YGZ’nin gerçekleşmesi halinde sağlık hizmetlerinden iklim sorunlarına, ulaşım güvenliğinden kişiselleştirilmiş eğitime kadar pek çok alanda köklü dönüşümlere yol açabileceği öngörülmektedir. Aynı zamanda üretkenliği artırma, verimliliği optimize etme ve yeni yaratıcı imkânlar sunma potansiyeline sahiptir.