Doğal Boyutlarda Bir Labirent: Yeni Yapay Zeka, Milyonlarca Adım Gerektiren Matematik Sorunlarını Çözüyor

Araştırmacılar, anın içinde yaşamak yerine geleceği öngörebilen yapay zeka tabanlı bir sistem geliştirdi. Ancak bu sistem sadece birkaç adımı değil, milyonlarca adımı önceden düşünebiliyor.

Kaliforniya Teknoloji Enstitüsü’nden (Caltech) matematikçi Sergei Gukov’un öncülüğündeki bir ekip, birçok adımdan oluşan karmaşık matematik problemlerini çözmek için tasarlanmış yeni bir tür makine öğrenimi algoritması geliştirdi. Gerçekten de çok uzun bir adım serisinden bahsediyoruz; milyonlarca adımdan bile fazla.

Bu sistem, matematikçilerin on yıllardır çözmekte zorlandığı Andrews–Curtis savı gibi karmaşık bir sorunun çözümünde ilerleme kaydetti. Temelde bu sav, belirli matematik bulmacalarının her zaman yeniden düzenlemek veya adımları geri almak gibi belirli hareketler kullanılarak çözülüp çözülemeyeceğini soruyor.

Caltech’teki program da tam da bu amaç için “nadiren bulunan ve zor olan uzun adım dizilerini bulmaya çalıştı,” dedi Rutgers Üniversitesi’nden çalışmanın birinci yazarı ve matematikçi Ali Shehper. “Bu, dünya büyüklüğünde bir labirentte yolunuzu bulmaya çalışmak gibi bir şey. Çok uzun yollar denemeniz gerekiyor ve çalışacak olan sadece bir yol var.”

Geçtiğimiz Ağustos ayında arXiv’de yayımlanan ve Salı günü güncellenen bir ön baskı çalışmasında Shehper ve araştırma ekibi, yeni geliştirdikleri yapay zekayı kullanarak Andrews–Curtis savına bağlı problem ailelerini nasıl çözdüklerini açıkladı. Savın kendisi çözülmedi, ancak araştırmacılar olası karşı örnekleri çürütmeyi başardı. Karşı örnekleri çürütmek her ne kadar savın kendisini kesin kılmasa da, onu güçlendiriyor.

“Karşı örnekleri bertaraf etmek, orijinal varsayımın geçerliliği konusunda bize güven kazandırıyor ve ana problem hakkında düşünme biçimimizi geliştiriyor,” diye açıkladı Shehper. Gukov, matematik problemlerini Rubik Küpü’ne benzetti.

“Karışık, karmaşık bir Rubik Küpünü orijinal haline döndürebilir misiniz? Çok uzun hareket dizilerini denemeniz gerekiyor ve doğru yolda olup olmadığınızı ancak en sonunda öğreniyorsunuz,” dedi.

Peki AI nasıl başarıyor? Temelde, kutunun dışını düşünerek. Araştırmacılar, yapay zekayı ilk önce kolay matematik problemleriyle eğitip sonrasında giderek zorlaşan görevlerle yüzleştirerek geliştirdiler. “Çeşitli hamleler deneyip sorunları çözdüğünde ödüllendiriliyor,” dedi Shehper. “Programı aynı davranışlara devam etmeye teşvik ediyoruz ama belli bir merak seviyesini korumayı da sağlıyoruz. Sonuçta, insanların yapabileceğinden daha iyi yeni stratejiler geliştiriyor. İşte bu takviyeli öğrenmenin büyüsü.”

Sonunda algoritma beklenmedik uzun hareket dizileri üretmeyi öğrendi, ki araştırmacılar bunlara “süper hareketler” adını verdiler. ChatGPT’nin çıktıları ise bu kadar farklı değil.

“Eğer ChatGPT’den bir mektup yazmasını isterseniz, tipik bir şey çıkacaktır. Pek de benzersiz veya çok özgün bir şey bulması olası değil. İyi bir papağan,” dedi Gukov. “Bizim programımız ise sıra dışı fikirlerle çıkabiliyor.”

AI’nın tahmin edebileceği en ilginç olaylardan biri finansal krizler olacaktır. Ancak günümüzdeki makine öğrenimi programları bu seviyede bir öngörü yeteneği henüz kazanmadı. Araştırmacılar, geliştirdikleri yöntemlerin gelecekte bu tür zeka temelli öngörüye katkı sağlayabileceğini düşünüyorlar.

“Temel olarak, programımız öğrenmeyi öğrenmeyi biliyor,” diye açıkladı Gukov. “Kutunun dışını düşünüyor.” Ek olarak, ekip düşük miktarda bilgisayar gücü gerektiren yaklaşımlar üstüne çalıştı ki bu da bulgularını küçük ölçekli bilgisayarlara sahip diğer akademisyenler için erişilebilir kılıyor.

Bu başarının günlük yaşantımızdaki pratik uygulamaları henüz belirgin olmasa da, araştırmaları makine öğrenimi algoritmalarını insanlığın sorunlarını çözmek için geliştiren birçok araştırmacının çalışmalarına katılıyor (bizim medeniyetimizi yok etmek amacıyla değil).