OpenAI'ın eski teknoloji şefi Mira Murati'nin liderliğindeki Thinking Machines Lab, 2 milyar dolarlık etkileyici tohum yatırımı ve eski OpenAI araştırmacılarından oluşan yıldız kadrosuyla yapay zeka dünyasının en çok merak edilen girişimlerinden biri. Laboratuvar, Çarşamba günü yayınladığı bir blog yazısıyla ilk projelerinden birine dair perdeyi araladı: yapay zeka modellerinin tekrar üretilebilir, yani her sorgulamada aynı veya çok benzer yanıtlar vermesini sağlamak.
Yapay Zekanın Rastgele Yanıtları: Sorun Ne?
ChatGPT gibi Büyük Dil Modellerine (LLM) aynı soruyu birkaç kez sorduğunuzda, genellikle farklı yanıtlar almanız şaşırtıcı değildir. Bu durum, yapay zeka topluluğunda uzun süredir "deterministik olmayan sistemler" olarak kabul edilen ve doğal karşılanan bir olguydu. Ancak Thinking Machines Lab, bu durumu çözülebilir bir problem olarak görüyor. "LLM Çıkarımında Determinist Olmayan Yapıyı Yenmek" başlıklı araştırma blog yazısı, yapay zeka model yanıtlarındaki rastgeleliğin temel nedenlerini ele alıyor.
Thinking Machines Lab araştırmacısı Horace He'ye göre, AI modellerinin rastgele yanıtlarının kökeni, Nvidia'nın bilgisayar çiplerinde çalışan küçük programlar olan GPU çekirdeklerinin (kernels) çıkarım işleme sürecinde bir araya getirilme biçiminde yatıyor. He, bu orkestrasyon katmanını dikkatlice kontrol ederek yapay zeka modellerini daha deterministik hale getirmenin mümkün olduğunu savunuyor.
Tekrar Üretilebilir Yanıtların Getireceği Avantajlar Neler?
Yapay zeka modellerinin tutarlı yanıtlar vermesi, sadece kurumsal müşteriler ve bilim insanları için daha güvenilir sonuçlar anlamına gelmiyor. Horace He, bu durumun takviyeli öğrenme (Reinforcement Learning - RL) eğitimini de önemli ölçüde iyileştirebileceğini belirtiyor. RL, yapay zeka modellerini doğru yanıtlar için ödüllendirme sürecidir; ancak yanıtlar sürekli hafif farklılıklar gösterirse, eğitim verileri gürültülü hale gelir. He'ye göre, daha tutarlı AI model yanıtları, tüm RL sürecini daha "pürüzsüz" hale getirebilir. Thinking Machines Lab'ın, yatırımcılarına AI modellerini işletmeler için özelleştirmek amacıyla RL kullanmayı planladığını belirtmesi, bu araştırmanın ticari potansiyelini gözler önüne seriyor.
Gizemli Ürün ve Açık Araştırma Taahhüdü
Murati, Temmuz ayında yaptığı açıklamada Thinking Machines Lab'ın ilk ürününün "önümüzdeki aylarda" tanıtılacağını ve "özel modeller geliştiren araştırmacılar ve startup'lar için faydalı olacağını" söylemişti. Ancak bu ürünün tam olarak ne olduğu veya bu araştırmadan elde edilen teknikleri kullanıp kullanmayacağı henüz net değil. Laboratuvar ayrıca, "Connectionism" adlı yeni blog serisi aracılığıyla araştırmaları hakkında sık sık blog yazıları, kod ve diğer bilgileri yayınlayarak "kamuya fayda sağlamayı ve kendi araştırma kültürlerini geliştirmeyi" taahhüt ediyor. Bu durum, OpenAI'ın kuruluşunda benimsediği ancak büyüdükçe giderek kapalı bir yapıya bürünen "açık araştırma" felsefesiyle bir tezat oluşturuyor. Zira eski ortağı Microsoft'un bile dikkatini çeken OpenAI'nin kendi altyapı projelerine, iş platformlarına ve hatta 2026'da Broadcom ile kendi yapay zeka çiplerini seri üretme planlarına yönelmesi, şirketin sadece bir araştırma laboratuvarı olmaktan çıkıp doğrudan ticari bir rakip haline geldiğinin işaretlerini veriyor. Bu ticari dönüşüm ve Kaliforniya'daki düzenleyici baskılar gibi gelişmelerin yanı sıra (ki eyalette özellikle gençler ve zihinsel olarak hassas kullanıcılar için tasarlanmış sohbet robotlarını düzenlemeyi amaçlayan SB 243 yasa tasarısı meclisten çift partili bir destekle geçerek yasalaşma yolunda ilerliyor, bu düzenlemeler zararlı içeriği engellemeyi, kullanıcıları bir yapay zeka ile konuştukları konusunda uyarmayı ve ihlallerde tazminat hakkı tanımayı hedefliyor. Bu konuda daha fazla bilgi için Kaliforniya Yapay Zeka Sohbet Robotları Yasa Tasarısı SB243 yazımıza göz atabilirsiniz.), yapay zeka modellerinin eğitildiği verilerin telif hakları da sektörün en temel sorunlarından biri olarak öne çıkıyor. Anthropic'in 1.5 milyar dolarlık telif hakkı anlaşması ve Midjourney'in Superman görselleri nedeniyle açılan davalar gibi örnekler, bu alandaki lisanslama boşluğunun ne kadar kritik olduğunu gösteriyor. Bu telif hakkı davaları 'çığının' önüne geçmek ve sektörde sürdürülebilir bir veri akışı sağlamak amacıyla, internetin ilk ve en önemli standartlarından RSS'in yaratıcılarından Eckart Walther liderliğindeki uzmanlar, yapay zeka şirketlerinin büyük ölçekte veri lisanslamasını mümkün kılacak Real Simple Licensing (RSL) protokolünü geliştirdi. RSL hakkında daha detaylı bilgi için Yapay Zeka Veri Lisanslama: RSL Protokolü ve RSS Yaratıcısı içeriğimizi inceleyebilirsiniz. Tüm bu karmaşık ve dinamik ortam, Microsoft'u dahi OpenAI'ye olan bağımlılığını azaltmaya itti ve Office 365 gibi kritik ürünlerinde Anthropic gibi rakiplerinin modellerini kullanmaya yöneltti. Murati'nin laboratuvarının bu iddiaya ne kadar sadık kalacağı merak konusu.
SenNexus Editöründen Eleştirel Bakış: Vaatler ve Gerçekler
Thinking Machines Lab'ın bu hamlesi, şüphesiz yapay zeka dünyası için heyecan verici bir gelişme. Ancak "şeytanın avukatı" rolünü üstlenerek bazı sorular sormak gerekiyor: Yapay zekanın doğasında var olduğu düşünülen bu rastgelelik gerçekten tamamen "yenilebilir" mi? 12 milyar dolarlık devasa bir değerlemeye sahip bu girişimin, bu temel araştırma problemini çözerek somut ve pazara hazır bir ürünle değerlemesini haklı çıkarıp çıkaramayacağı belirsizliğini koruyor. Ayrıca, 'açık araştırma' sözü, daha önce OpenAI örneğinde gördüğümüz gibi, şirketin büyümesiyle birlikte değişebilir mi? Bu tür iddialı taahhütlerin zamanla nasıl bir yola evrileceği, yapay zeka ekosistemindeki rekabet ve ticari baskılar göz önüne alındığında kritik bir soru işareti olarak duruyor. Bu ilk adım, Silikon Vadisi'nin en gizemli AI startup'larından birinin içine nadir bir bakış sunsa da, gerçek sınav, Thinking Machines Lab'ın bu sorunları çözüp araştırmaları etrafında başarılı ürünler geliştirebilme yeteneğinde yatıyor.
Bu araştırma, yapay zeka sınırındaki en büyük sorulardan bazılarıyla mücadele ettiğini gösteriyor ve AI'ın geleceği için daha güvenilir, tutarlı ve öngörülebilir sistemlerin yolunu açma potansiyeli taşıyor. Eğer Thinking Machines Lab bu vaatlerini gerçekleştirebilirse, yapay zekanın endüstriyel ve bilimsel entegrasyonunda yeni bir çığır açabilir.
Kaynak: TechCrunch
