filter_center_focus Ne Kadar Dar?
Satrançta dünya şampiyonu Garry Kasparov'u yenen IBM Deep Blue bir Dar Yapay Zekadır. Sadece satranç oynayabilir; ona dama oynamasını veya hava durumunu sorarsanız kilitlenir. Siri, otonom arabalar, Midjourney ve hatta muazzam metinler yazan ChatGPT bile teknik olarak 'Dar Yapay Zeka'dır. Çünkü sadece kendi eğitim sınırları içindeki belirli algoritmaları çözebilirler, evrendeki diğer problemleri anlayabilecek genel bir bilince sahip değillerdir.
Yapay Zeka Evrimindeki Yeri
- check_circle Aşama 1: ANI (Şu anki): Sadece programlandığı alanda (örn: yüz tanıma, çeviri, satranç) insanı geçebilen veya insana yaklaşan sistemler.
- check_circle Aşama 2: AGI (Gelecek): Bir insanın yapabildiği her zihinsel işi aynı anda yapabilen Genel Yapay Zeka.
- check_circle Aşama 3: ASI (Bilinmiyor): İnsanın anlayamayacağı kadar zeki Süper Yapay Zeka.
ANI'nin Özellikleri ve Günümüzdeki Durumu
- check_circle Dar Uzmanlık Alanları: Satranç: Deep Blue (1997) Garry Kasparov'u yendi. Go: AlphaGo (2016) Lee Sedol'u 4-1 yendi — olası hamle uzayı evrendeki atomdan fazla. Görüntü tanıma: ImageNet'te insan seviyesi geçildi (2015). Protein katlama: AlphaFold2 (2020) onlarca yıllık biyoloji sorununu çözdü. Her biri kendi alanında mükemmel; alanın dışında sıfır yetkinlik.
- check_circle Büyük Dil Modelleri: ANI mi, AGI mi?: GPT-4, Claude gibi LLM'ler birçok farklı dil görevini yerine getirebilir — bu 'genel' görünüm ANI ile AGI arasında gri alan oluşturdu. Ancak: sağlam akıl yürütme hataları, hallüsinasyon, güvenilmezlik ve sürekli bağlam gereksinimi LLM'leri tam AGI kategorisine koymayı zorlaştırır. Pek çok araştırmacı mevcut LLM'leri 'geniş ANI' olarak nitelendiriyor.
- check_circle ANI'den AGI'ye Geçişin Zorlukları: Transfer: bir alanda öğrenilen bilgiyi farklı alanlara uyarlama. Ortak duyu: fizik, sosyal ve kültürel bağlamı içgüdüsel anlama. Nedensellik: korelasyon yerine neden-sonuç ilişkisi kurma. Verimliliği: insan bebeği çok az örnekle öğrenir; LLM'ler trilyonlarca token ister.
ANI'nin Toplumsal ve Ekonomik Etkileri
Mevcut ANI sistemleri zaten derin toplumsal etkiler yaratmaktadır. İş gücü dönüşümü: rutin bilişsel görevlerin otomasyonu muhasebe, müşteri hizmetleri ve veri girişi gibi alanlarda işleri dönüştürüyor. Verimlilik artışı: tıpta görüntü analizi, hukukta belge inceleme, tarımda hasat tahmini gibi alanlarda uzman sistem olarak katkı. Yapay zeka dönüşüm riski: ANI sistemleri belirli sektörlerde iş dinamiklerini köklü değiştirme kapasitesine sahip. Düzenleyici çerçeve: AB AI Yasası, NIST AI RMF gibi yaklaşımlar öncelikle ANI sistemlerini düzenlemeye odaklanmakta.