Bir Chatbot İnsanları On Yıllardır Şaşkına Çeviren Bir Matematik Problemini Çözdü
Dünyanın dört bir yanındaki tembel öğrenciler, matematik ödevleri için ChatGPT kullanma konusunda bekledikleri boşluğu bulmuş olabilirler: Google’daki araştırmacıların bile bunu yaptığı ortaya çıktı. Ve işin asıl etkileyici kısmı? Görünüşe göre yapay zeka (AI) yaratıcılarından daha iyi performans göstermiş olabilir.
Çığır açan buluş nedir?
Google DeepMind’da bilim için yapay zeka başkanı olan Pushmeet Kohli Guardian’a verdiği demeçte, “Projeye başladığımızda gerçekten yeni bir şey üreteceğine dair hiçbir belirti yoktu” dedi. “Bildiğimiz kadarıyla, ilk kez büyük bir dil modeli tarafından gerçek, yeni bir bilimsel keşif yapıldı.”
Bu doğru: Google’ın yapay zeka departmanındaki mühendislere göre, bir sohbet robotu artık sinir bozucu matematiksel alan olan kombinatorikte önde gelen beyinlerden biri. Başlangıçta sadece bir kavram kanıtı olması amaçlanmıştı – gerçek buluş, ekibin FunSearch adını verdiği yeni bir algoritmaydı – ancak bunun yerine yapay zeka devam etti ve açık problemlere daha önce bulunanlardan daha iyi çözümler buldu.
Alhussein Fawzi ve Bernardino Romera Paredes, DeepMind için yazdıkları blog yazısında “FunSearch, matematikte uzun süredir devam eden açık bir problem olan kapak kümesi problemi için yeni çözümler keşfetti” dedi.
“Problem, üç noktanın bir doğru üzerinde yer almadığı yüksek boyutlu bir ızgarada en büyük nokta kümesini (kapak kümesi olarak adlandırılır) bulmaktan ibarettir” diye açıkladılar.
Belki bir örnek burada yardımcı olacaktır. Set (alakası yok) oyununda, her biri benzersiz bir şekil, renk, gölgelendirme ve miktar kombinasyonuyla işaretlenmiş 12 kart dağıtılır. Oyuncular daha sonra bu özelliklerin her birine ya benzersiz ya da aynı şekilde sahip olan üçlü bir set bulmayı hedefler – örneğin, bir kırmızı düz elmaslı kart, iki mavi çizgili elmaslı başka bir kart ve üç yeşil boş elmaslı üçüncü bir kart bir set oluşturacaktır, çünkü hepsinde elmas vardır, ancak renkleri, gölgelendirmeleri ve her birindeki elmas sayısı farklıdır.
Eğer kimse masadaki 12 karttan bu setlerden birini bulamazsa – ki bu tamamen mümkündür – o zaman biri bulunana kadar daha fazla kart serilir. Ve matematikçiler kurnaz piçler oldukları için, birileri bir setin orada olması gerekmeden önce kaç kart dağıtılabileceğini sormaya karar verdi – ya da matematik dilinde, Z34’teki bir kapak setinin maksimum boyutunun ne olduğunu.
Şimdi, bu özel problem 1971 yılında çözüldü – bu arada cevap 20’dir – ancak daha büyük setler için işler çok daha zordur. Kombinatorikte iç karartıcı bir şekilde yaygın olduğu gibi, potansiyel çözümlerin sayısı süper hızlı bir şekilde artar – 31600 potansiyel “kart” gibi bir şeyle uğraşmadan önce yalnızca sekiz özelliğe kadar ulaşmanız gerekir.
Şaşırtıcı olmayan bir şekilde, insanlar bunu henüz çözemedi – çünkü, neden deneyesiniz ki? Daha da ötesi: nasıl deneyebilirsiniz ki? Bu arada, bu retorik değil: matematikçiler, cevabın gerçekte ne olduğunu bir kenara bırakın, n = 8 için kapak kümesi problemini denemenin en iyi yolu üzerinde bile hemfikir değiller.
Bu nedenle Google’ın yapay zekasının şimdiye kadar bilinmeyen 512 boyutunda bir üst küme ile bu sorunu çözmüş gibi görünmesi çok dikkat çekici.
Kohli Nature dergisine verdiği demeçte, “LLM tabanlı bir sistemin matematikçiler ve bilgisayar bilimcileri tarafından bilinenlerin ötesine geçebileceği ilk kez gösteriliyor” dedi. “Bu sadece yeni değil, bugün var olan her şeyden daha etkili.”
Sohbet robotunuzu nasıl eğitirsiniz?
Tutacağını varsayarsak, bu büyük bir haber. Büyük dil modelleri veya LLM’ler, son zamanlarda çok popüler ve korkutucu olduğu kanıtlanan tüm bu sohbet robotlarının temelini oluşturan sinir ağlarıdır. Tüm yaratıcıları nasıl işsiz bırakacakları ve insanların artık sanat, müzik ya da bizi bir tür olarak tanımlayan harika şeylerden herhangi birini yapmalarına gerek kalmayacağı konusunda çok fazla gürültü koparılmış olsa da, gerçek şu ki LLM’ler bir Ex Machina ya da I, Robot yaratacak kadar sofistike değiller – temelde insan tarafından oluşturulan büyük miktarda metin ve veriyi kazıyarak ve bunları esrarengiz bir şekilde gerçekçi bir tarzda yeniden paketleyerek çalışıyorlar.
Bu aslında büyük bir sorun ve sadece gerçek sanatçıların botlar tarafından soyulmasından kaynaklanmıyor. Bu sohbet botlarına güç veren LLM’ler neyin doğru olup olmadığına değil, konuşma ve metindeki kalıpları bulmaya odaklanıyor – başka bir deyişle, genellikle mantıklı gibi görünen ancak işlevsel olarak çöp olan yanıtlar veriyor.
Peki DeepMind araştırmacıları matematiksel girişimlerinde bu sorundan nasıl kaçındılar? Bir bakıma kaçınmadılar. Bunun yerine, FunSearch (ekstremal kombinatoriğin nesinin bu kadar eğlenceli olduğunu merak ediyorsanız, adını fonksiyon uzayında arama yapabilmesinden alıyor) iki farklı programı bir araya getiriyor: Birincisi Google’ın LLM tabanlı kodlama modeli Codey, geliştiriciler için kod üretebiliyor; ikincisi ise Codey’nin bulduklarını kontrol eden ve puanlayan bir algoritma.
Şöyle oluyordu: Ekip matematik problemini çözmek için bir kod parçası yazıyor, ancak programa bunu nasıl yapacağını söyleyen satırları atlıyordu. Daha sonra Codey gelip bu satırların ne olması gerektiğini önerecekti. İkinci algoritma daha sonra Codey’nin çalışmasını işaretleyecek ve gözden geçirilmek üzere geri gönderecekti.
Kohli, MIT Technology Review’a verdiği demeçte, “Birçoğu saçma, bazıları mantıklı ve birkaçı da gerçekten ilham verici olacak” dedi. “Gerçekten ilham verici olanları alırsınız ve ‘Tamam, bunları al ve tekrarla’ dersiniz.”
Ve görünüşe göre uzun süredir devam eden bir matematiksel bulmacada insan efendilerini alt etmekten tatmin olmayan FunSearch daha sonra başka bir bulmaca üzerinde çalışmaya başladı: sözde “çöp kutusu paketleme problemi”.
Fawzi ve Paredes, “Teorik kapak kümesi problemindeki başarımızdan cesaret alarak FunSearch’ün esnekliğini bilgisayar bilimindeki önemli bir pratik soruna uygulayarak keşfetmeye karar verdik” diye yazdı. “‘Kutu paketleme’ problemi […] konteynerlere ürün yüklemekten veri merkezlerindeki bilgi işlem işlerini maliyetleri en aza indirecek şekilde dağıtmaya kadar pek çok gerçek dünya probleminin merkezinde yer alıyor.”
Kutu paketleme problemi tam olarak kulağa geldiği gibidir: ihtiyaç duyulan kutu sayısını en aza indirecek şekilde öğelerin kutulara veya konteynerlere en iyi şekilde nasıl paketleneceği sorusudur. Görünürdeki bu basitliğine rağmen, hesaplama karmaşıklığı açısından kapak seti probleminden bile daha kötüdür – teknik jargonla ilgilenenler için NP-tam yerine NP-zordur.
Ancak Fawzi ve Paredes, “kapak kümesi probleminden çok farklı olmasına rağmen, FunSearch’ü bu problem için kurmak kolaydı” dedi. “FunSearch, aynı sayıda öğeyi paketlemek için daha az kutu kullanarak yerleşik sezgisel yöntemlerden daha iyi performans gösteren otomatik olarak uyarlanmış (verilerin özelliklerine uyum sağlayan) bir program sundu.”
LLM’lerin sınırları
DeepMind’ın atılımlarının sonuçları inanılmaz olsa da, çalışan matematikçiler muhtemelen henüz iş güvenlikleri konusunda endişelenmemelidir. FunSearch, şimdilik, belirli bir dizi kriteri karşılayan problemlerle sınırlı – kolay ve verimli bir şekilde değerlendirilebilmeli ve puanlanabilmeli ve ekibin kapak kümesi ve kutu paketleme problemlerinde kullandığı aynı “eksik kodu doldurma” hilesini takip etmeleri gerekiyor. Araştırmacılar, örneğin ispat üretmenin şu anda yapay zeka için çok zor olacağını, çünkü bu tür şeyleri bir bilgisayar için mantıklı olacak şekilde derecelendiremeyeceğinizi belirtiyor.
Yine de, dışarıda cesur yeni bir dünya var – ve uzun süredir devam eden hangi bulmacanın bir sonraki adımda yıkılacağını bilemeyiz.
Wisconsin-Madison Üniversitesi’nde matematik profesörü ve makalenin ortak yazarı Jordan Ellenberg, Guardian’a verdiği demeçte, “Bulduğumuz belirli sonuçlardan daha da heyecan verici bulduğum şey, matematikte insan-makine etkileşiminin geleceği için önerdiği umutlar” dedi.
“FunSearch bir çözüm üretmek yerine, çözümü bulan bir program üretiyor. Belirli bir soruna yönelik bir çözüm, diğer ilgili sorunların nasıl çözüleceğine dair bana hiçbir fikir vermeyebilir. Ancak çözümü bulan bir program, bir insanın okuyup yorumlayabileceği bir şeydir ve umarım bu sayede bir sonraki sorun, bir sonraki ve bir sonraki sorun için fikirler üretebilir.”
Kaynak: https://www.iflscience.com
Derleyen: Figen Berber
Yapay Zeka Sohbet Robotları Sizden Tehlikeli Miktarda Bilgi Toplayabilir