İnsan beynini temel alan yeni yapay zeka, ChatGPT’yi geride bıraktı

Yapay zeka alanında yeni bir dönüm noktası var. Yapay zeka dünyasındaki rekabet artık parametre sayısı veya kullanılan veri miktarı ile sınırlı değildir. Son bir gelişme bunun kanıtıdır.

Çoğu büyük dil modelinden farklı düşünebilen yeni bir yapay zeka

Bilim adamları, ChatGPT gibi çoğu büyük dilsel modelden farklı düşünebilen yeni bir yapay zeka modeli geliştirdiler. Bu, temel kriterlerde çok daha iyi performans elde etmesini sağladı.

Hiyerarşik Akıl Yürütme Modeli (HRM) olarak adlandırılan bu yeni yapay zeka, çoklu geçişli operasyondan ve beynin farklı kısımlarının milisaniyeden dakikalara kadar çok fazla zamanından esinlenmiştir.

Araştırmacılar Singapur Sapient'e dayanan yapay zeka şirketi, bu modelin daha fazla verimlilik ve performans sağladığını söylüyor. Bunun nedeni, modelin çok daha az parametreye ve bir eğitim örneğine ihtiyacı olmasıdır. HRM sadece 27 milyon parametre ve 1.000 eğitim örneği ile çalışırken, gelişmiş LLM'nin milyarlarca ve hatta trilyonlarca parametreye ihtiyacı var. Henüz doğrulanmamış olmasına rağmen, bazı tahminler yeni yayınlanan GPT-5'in 3-5 trilyon parametre içerdiğini göstermektedir.

Testte hepsinden kurtuldu

Araştırmacılar, Arc-Agi Zorlu testinde yapay genel zekaya (AGI) yaklaşılanları ölçen HRM'yi denediler. Çalışmaya göre, sistem önemli sonuçlar verdi.

ARC-AGA-1 testinde, HRM puanların %40.3'ünü alırken, Openni O3-Mini-Wight modeli, Claude 3.7 antropik ve Deepseek R1 modeli %15.8 puan aldı.

En zorlu ARC-AGI-2 testinde HRM %5 skor, O3-Mini'nin %3'ü, Deepseek R1 %1.3 ve Claude %3.7 %0.9 elde etti.

En gelişmiş LLM, daha basit adımlarda karmaşık problemleri çözmeye çalışan zincir yöntemini (ötesinde) kullanır. Bu yöntem, zor sorunların insan düşünce sürecini taklit ederek sindirilebilir parçalara bölünmesini sağlar.

Bununla birlikte, yetenekli araştırmacılar, karyola yönteminin kırılgan aktivitelerin ayrılması, büyük veri ihtiyaçları ve yüksek gecikme gibi zayıf noktalara sahip olduğunu savunmaktadır. HRM, ara pasajları açık bir şekilde açmaya gerek kalmadan iki modül üzerinden bir zaman muhakeme uygular:

• Yüksek seviyeli modül yavaş ve soyut planlamadan sorumludur,
• Alt seviye formu hızlı ve ayrıntılı hesaplamalar üretir.

Bu yöntem, beyin sürecindeki bilgilerin farklı bölümlerinin nasıl olduğunu hatırlar. Buna ek olarak, HRM, “Iyla Iyla Düşünce” yöntemi ile kısa bir “Iyla düşünce patlaması yoluyla çözümü artırır. Sürecin her patlamada devam edip etmeyeceğine veya” nihai “yanıt olarak sunulup sunulmayacağına karar verilir.

Sudoku ve labirentte başarı

HRM, geleneksel LLM'nin başarısız olduğu ve labirentte en kısa yolu bulmada daha yüksek bir başarı olan Sudoku'nun karmaşık bulmacalarında neredeyse mükemmel sonuçlar elde etti.

Henüz bir tahkim ofisini geçmemiş olan çalışmanın ardından ekip, Arco-Ag kriterini geliştirdi ve HRM modeli GitHub'da açık kaynak olarak paylaşıldıktan sonra sonuçları tekrar test etti. Rakamları doğrulamalarına rağmen, bazı şaşırtıcı sonuçlar elde ettiklerini söylediler. Örneğin, hiyerarşik mimarinin performansa çok az katkıda bulunduğunu ve gerçek gelişmenin eğitim sürecinde belgelenmeyen ince bir tanım mekanizmasından kaynaklandığını vurguladılar.