OpenAI'nin son yayını "Let's Verify Step by Step" (https://cdn.openai.com/improving-mathematical-reasoning-with-process-supervision/Lets_Verify_Step_by_Step.pdf) 31 Mayıs'ta yayınlandıktan hemen sonra dikkatimi çekti. 2023. Bu makalenin merkezinde
içindekiler, yedinci sayfadaki, insanlığın yapay genel zekanın (AGI) yaratılmasına yakından yaklaşıyor olabileceği yönünde düşündürücü bir varsayımı öne süren bir tablodur.

Devam eden yükselişi nedeniyle dikkatli bir gözlemci için dikkate değer olan "Süreç Denetimli RM" eğrisine özellikle dikkat edin. Sonunda sabit kalacağı yönündeki beklentilerin aksine eğri, hesaplama gücünün arttırılmasıyla,
Doğru çözülen matematik problemlerinin yüzdesi artmaya devam edebilir. Yeterli bilgi işlem gücü verildiğinde yapay zeka, matematiksel zorlukları benzeri görülmemiş bir ölçekte potansiyel olarak çözebilir, hatta muhtemelen mükemmele yakın doğruluk elde edebilir.

Bunun sonuçlarını derinlemesine incelemeden önce, bizi bu dönemece getiren yolculuğun izini sürelim ve bunun önemini anlayalım.

Bu gelişmenin kökleri 2021 yılında 'Matematik Kelime Problemlerini Çözmek için Doğrulayıcıların Eğitimi' başlıklı bir çalışmada yayınlandı. Bu araştırma, bir matematik kelime problemi veri kümesi kullanarak, 175 milyar parametrelik devasa bir model de dahil olmak üzere büyük yapay zeka dil modellerini değerlendirdi.
GSM8K olarak bilinir.

Bir karnaval büfesi her gün patlamış mısır satarak 50 dolar kazanıyordu. Pamuk şekeri satışından üç kat fazla para kazandı. Standın 5 günlük etkinlik için 30 dolar kira ve 75 dolar malzeme bedeli ödemesi gerekiyor. Stand ödemeyi yaptıktan sonraki 5 gün boyunca ne kadar kazandı?
kira ve malzemelerin maliyeti?

Örnek Soru

Boyutlarına rağmen bu modeller başlangıçta sınırlı bir başarı gösterdi ve sorunların yalnızca %30'unu doğru bir şekilde çözdü.

Etkinliğini artırmak için araştırmacılar yenilikçi bir tekniği test ettiler: Özellikle birincil model tarafından üretilen çözümleri değerlendirmek için bir 'doğrulayıcı' model geliştirdiler. Test sırasında bu doğrulayıcı birden fazla aday çözümü analiz etti ve
en yüksek puanı alan kişi. Bu strateji, performansı önemli ölçüde artırarak yapay zekanın 30 kat daha büyük bir temel modelle neredeyse aynı sonuçlara ulaşmasını sağladı.

Altı milyar parametrenin, 175 milyar parametreli modelden daha iyi performans göstermesinin yanı sıra, doğrulayıcı modelinin, transformatör tabanlı dil modellerine göre daha fazla veriyle çok daha iyi ölçeklendiği ortaya çıktı.

Başlangıçta, doğrulayıcı, arkasındaki mantık hatalı olsa bile, doğru cevabı tespit ettiği için ödüllendiriliyordu. Bu yaklaşım zaman zaman yanlış metodolojilerden doğru sonuçlara varılmasına yol açtı ve bu önemli bir endişe kaynağıydı. Araştırmacılar döndü
Bu sorunu çözmek için Sonuç Denetimli ödül modelinden Süreç Denetimli ödül modeline geçiş. Bu değişim, doğrulayıcının artık sadece nihai sonuçtan ziyade muhakeme sürecinin doğruluğuna odaklandığı anlamına geliyordu.

Daha önce de belirtildiği gibi, bu harika sonuç 'Adım Adım Doğrulayalım' adlı dikkat çekici makalede belgelenmiştir, ancak matematikteki mükemmel puanların neden Yapay Genel Zeka'ya yol açabileceği sorusunu gündeme getirmektedir.

Yeni Bir Zeka Teorisi

Mountcastle'ın araştırmasını temel alan en son zeka teorisi, beyindeki binlerce kortikal sütunun öğrenip eksiksiz nesnelerin modellerini oluşturduğunu öne sürüyor. Bu sütunların öğrenme ve işlemenin temel birimleri olduğuna inanılmaktadır.
Beyinde her biri algıladığı şekliyle dünyanın bir modelini yaratma yeteneğine sahiptir. Ancak beynin gerçek karmaşıklığı ve zekası, bu bireysel modellerin nasıl bir araya getirilip entegre edildiğinden ortaya çıkar.

Muhtemelen çevrenin daha incelikli ve kapsamlı bir şekilde anlaşılmasını sağlayan da bu entegrasyondur. Bireysel kortikal sütunlar bir nesnenin veya sahnenin kısmen farklı yönlerini işlerken, daha sonra birleşik bir algı oluşturmak için işbirliği yaparlar.
çeşitli duyusal girdileri ve deneyimleri birleştirir. Bu süreç sadece nesnelerin tanınmasını değil aynı zamanda bağlamların, ilişkilerin ve soyut kavramların anlaşılmasını da sağlar.

Bu teori, birden fazla modelin entegre edilmesinin insan zekasına benzer daha gelişmiş, genelleştirilmiş yapay zeka biçimlerine yol açabileceği yapay zekaya kadar uzanıyor. Beynin çok sayıda ve sonuçta uzmanlaşmış modeli birleştirme stratejisini taklit ederek yapay zeka
sistemleri potansiyel olarak dünyaya dair daha bütünsel ve incelikli bir anlayış geliştirebilir; bu, YZG'ye ulaşma yolunda önemli bir adımdır.

Buradaki zorluk, bağımsız ancak birbirine bağlı işlem birimlerinin bu karmaşık etkileşimini etkili bir şekilde kopyalamakta yatmaktadır. Beynin sayısız kortikal sütundan gelen girdiyi kusursuz bir şekilde bütünleştirmesi gibi, bir YGZ sisteminin de farklı modelleri uyumlu hale getirmesi gerekir.
her biri kendi özel bilgi ve bakış açısına sahip, tutarlı ve uyumlu bir zekaya dönüşüyor.

Bireysel yapay zeka modellerinin bilgiyi nasıl öğrendiği ve işlediği, ancak daha da önemlisi bu modelleri nasıl entegre ettikleri konusunda bazı ilerlemeler gerektiriyor. Hassas matematik gerektiren özellikle bu entegrasyon sürecidir.

Izgara ve yer hücreleri olarak adlandırılan özel hücreler, mekansal farkındalık ve navigasyon için karmaşık bir ağ oluşturmak üzere birlikte çalışarak beynin konumlandırma sistemini oluşturur. Bu konumlandırma sistemi gerçeklik üzerinde sanal bir koordinat sistemi olarak düşünülebilir.
burada her hareket veya yön değişikliği kaydedilir ve her bir kortikal sütunun modeline kodlanır.

Birkaç yüzyıl sonra, Immanuel Kant'ın 'Saf Aklın Eleştirisi'nde ortaya koyduğu teorisi geçerliliğini koruyor gibi görünüyor. Uzay ve zaman hakkında "a priori" bilgiye sahip olduğumuzu öne sürerek bu kavramların bağımsız olarak doğuştan anlaşılmasını önerdi.
deneyim

Bu modeller, konumsal kodlama ve vektör toplama, trigonometrik fonksiyonlar ve diferansiyel ve integral hesabı kullanılarak tek bir tutarlı model oluşturmak üzere entegre edilmiştir. Bu yol entegrasyonu, birleşik ve kapsamlı bir form için gereklidir
zeka.

Doğru matematik, insan zekası için çok önemli bir temel gibi görünüyor ve bir atılımın eşiğinde olabiliriz. Ancak bu heyecan verici ilerlemenin ortasında bir sorun var: Mevcut sorunları çarpıcı biçimde yoğunlaştırıyor ve ikilemin gölgesini düşürüyor.
yeni keşfettiğimiz yol üzerinde.

Sürdürülebilir Zeka: Yapay Zeka Gelişmelerinin Maliyetini Yeniden Düşünmek

Birkaç olası yanıt üretme ve doğrulayıcının doğru olanı seçmesini sağlama yaklaşımıyla birlikte, hesaplama gücüne olan talepte bir kez gerçekleşen eğitimden, sistem her seferinde gerçekleşen çıkarıma doğru önemli bir değişim yaşanıyor.
kullanıldı. Sonuçta böyle bir sistem kullanıldığında yüzlerce, binlerce olası çözümün üretilmesi istenir.

Dil modeli 30 kata kadar daha küçük olsa bile, bin olası çözüm üretmesi istendiğinde çıkarımda yine de 33 kat daha fazla enerji kullanıyor (1000/30 = 33.3). Yani, doğrulayıcı modelin maliyetini bile dikkate almadan. Bu hesaplama artışı
talep kaçınılmaz olarak bilgi işlem maliyeti ve bunun çevresel etkisine ilişkin halihazırda acil olan endişeleri artıracaktır.

Örneğin, 176 milyar parametreli tek Bloom modeli, etik, şeffaflık ve rızaya vurgu yapmasına rağmen, eğitim sırasında bir yıl boyunca 30 eve elektrik sağlamaya eşdeğer enerji tüketiyordu. Çevresel ayak izi olarak 25 ton karbondioksit saldı
Bu, bir araba ile dünyanın çevresini beş kez dolaşmaya eşdeğerdir.

Dahası, bu tür gelişmiş yapay zeka modellerini çalıştırmanın finansal maliyeti şaşırtıcıdır ve yalnızca sınırlı sayıda kullanım senaryosunu ekonomik açıdan uygun hale getirir. Bu ekonomik engel, iyi finanse edilen birkaç şirketin bu teknolojileri tekeline almasıyla sonuçlanabilir.
şeffaflık ve erişilebilirlikten ödün verilmesi. Kontrolün birkaç kişinin elinde yoğunlaşması, önyargı gibi mevcut sorunları daha da kötüleştirecektir; çünkü bu kuruluşlar ticari çıkarlarını daha geniş etik kaygıların önüne koyabilir. yüzleşirdik
Önyargının sürdürüldüğü ve potansiyel olarak güçlendirildiği bir teknoloji ortamı riski.

Gelişmiş yapay zekaya erişimin ayrıcalığı, teknoloji dünyasındaki mevcut eşitsizlikleri daha da derinleştirebilir, daha küçük kuruluşlar ve araştırmacılar kendilerini giderek daha fazla ötekileştirilmiş bulabilir.

Böyle distopik bir gelecek çok önemli bir toplumsal soruya yol açıyor: Bu maliyetle YGZ'yi karşılayabilir miyiz?

Yapay Zeka Yeterliliği: Hassasiyet ve Verimlilik için Görev Ayarlama

Yapay zekanın gelecekteki varoluşsal risklerini ele alma çabaları gerçekten önemlidir, ancak bunlar bazen yapay zeka teknolojilerinin halihazırda sahip olduğu anlık, somut etkileri gölgede bırakabilmektedir. Gelişmeye yaklaştıkça bu etkiler muhtemelen daha da artacaktır.
Yapay Genel Zeka.

YGZ'ye giden yolculuk sadece teknolojik ilerlemeyle ilgili değil, aynı zamanda bu etkileri azaltacak araçlar yaratmakla da ilgili. Bu tür araçlardan biri olan Diffusion Bias Explorer, kullanıcıların özellikle görüntü oluşturma modellerindeki önyargıları araştırmasına olanak tanır.
çeşitli meslekler bağlamında.

Aç, aptal, insan merkezli bir toplum için çalışmaya devam ederken, yapay zekayı yeterli hale getirerek demokratikleştiren katkılar sağlamaya devam etmemiz önemlidir. Bunu, göreve özel öğelerin oluşturulmasını kolaylaştıran araçlar geliştirerek başarıyoruz.
Yapay zeka modelleri. Bu araçlar, belirli görevlere göre uyarlanmış daha kesin, enerji açısından verimli, uygun maliyetli dil modelleri oluşturmak için önceden eğitilmiş büyük dil modellerinden yararlanır.

https://cdn.openai.com/improving-mathematical-reasoning-with-process-supervision/Lets_Verify_Step_by_Step.pdf

• SEO Destekli İçerik ve Halkla İlişkiler Dağıtımı. Bugün Gücünüzü Artırın.
• PlatoData.Network Dikey Üretken Yapay Zeka. Kendine güç ver. Buradan Erişin.
• PlatoAiStream. Web3 Zekası. Bilgi Genişletildi. Buradan Erişin.
• PlatoESG. karbon, temiz teknoloji, Enerji, Çevre, Güneş, Atık Yönetimi. Buradan Erişin.
• PlatoSağlık. Biyoteknoloji ve Klinik Araştırmalar Zekası. Buradan Erişin.
• Kaynak: https://www.finextra.com/blogposting/25657/the-agi-horizon-how-one-chart-is-shaping-our-ai-expectations?utm_medium=rssfinextra&utm_source=finextrablogs