2029'a, Ray Kurzweil'in AGI için öngördüğü yıla yaklaştıkça, Silikon Vadisi'nde ve ötesinde pek çok yönetici ve araştırmacı, ön eğitim ölçeklendirme paradigmasının bizi oraya götüreceğini iddia etmiyor.

Yakın zamanda yapılan bir röportajda, Google DeepMind'ın CEO'su Demis Hassabis, mevcut yapay zeka sistemlerinin karşı karşıya olduğu temel zorlukları özetledi. Hassabis'e göre, günümüz modelleri "gerçek, hazır icat ve düşünme" yeteneğinden yoksun ve mevcut matematiksel problemleri çözmek ile Riemann hipotezi gibi tamamen yeni varsayımlar oluşturmak arasında ayrım yapıyor.

Ayrıca, kritik bir tutarlılık sorununa da işaret etti: Ortalama kullanıcılar bile, teorik olarak insan yeteneğini aşması gereken sistemlerdeki kusurları kolayca tespit edebilir. "Bir tür yetenek açığı var ve AGI olarak kabul edeceğim noktaya gelmeden önce bir tutarlılık açığı var," dedi.

ARC Prize'ın kurucu ortağı François Chollet, mevcut modellerde temel mimari sınırlamalar olduğuna inandığı şeyleri belirledi. Geçtiğimiz ay AI Startup School'da yaptığı konuşmada Chollet, derin öğrenme modellerinin "kompozisyonel genelleme eksikliği" olduğunu ve öğrenilen kavramların "anında yeniden birleştirilmesi" yeteneğinden yoksun olduğunu savundu.

Model boyutunda 50.000 kat artıştan sonra bile, akışkan zeka (daha önce hiç görmediğiniz bir şeyi anında anlama yeteneği) görevlerindeki performansın neredeyse hiç iyileşmediğini ve %0'dan kabaca %10 doğruluğa yükseldiğini belirtti. Chollet'e göre, gradyan inişi, basit soyutlamaları damıtmak için "insanların ihtiyaç duyduğundan üç ila dört kat daha fazla veri" gerektiriyor.

Mevcut LLM'ler şüphesiz önemli ekonomik ve sosyal dönüşümü yönlendirecek olsa da, bilişsel sınırlamaları, gerçek AGI'ye ulaşmak için temelde farklı yaklaşımlara duyulan ihtiyacı vurgulamaktadır. Baş AGI Sorumlumuz Dr. Alexey Potapov, "LLM'lerin sınırlamaları, etkileyici güçlü yönlerinin yanı sıra, artık genel olarak açık hale geliyor" diyor, ancak çözümün onları merkezi kontrolörler yerine özel bileşenler olarak ele almakta yattığına inanıyor.

Bu yaklaşım, insan bilişine dair anlayışımızla örtüşüyor: beyin, her biri diğerleriyle işbirliği yaparken belirli işlevleri yerine getiren birkaç yüz farklı alt ağ aracılığıyla işlev görüyor. Tıpkı transformatör ağlarının belirli bir biyolojik beyin ağına yakından karşılık gelmemesi gibi, AGI'ye giden yol da LLM'leri, yönetici kontrol sistemlerine bağlı ve farklı prensiplerle çalışan diğer ağlarla eşleştirilmiş birçok bileşenden biri olarak ele almayı gerektirebilir.

Bu çok modüllü perspektif ve insan bilişsel psikolojisi üzerine onlarca yıllık dikkatli çalışma, CEO'muz Dr. Ben Goertzel'in öngördüğü gibi, gerçek dünya karmaşıklığının üstesinden gelebilen ve "kendi değerleri ve eğilimlerine dayanarak otonom ve yaratıcı bir şekilde icat edebilen, yaratabilen, inşa edebilen ve iletişim kurabilen" bir sistem oluşturmak için LLM'ler, evrimsel program öğrenimi, olasılıksal programlama ve diğer yöntemler gibi derin sinir ağlarını ortak bir mimaride entegre eden OpenCog Hyperon üzerindeki Ar-Ge çalışmalarımıza yön veriyor.