Dünyanın önde gelen yazılım devlerinden Google'ın laboratuvarı Deep Mind'ın geliştirdiği yapay zeka uygulamasının geometri problemlerini matematik olimpiyatlarında şampiyonu gibi çözebildiği ortaya çıktı.ALPhaGeometri olarak adlandırılan çalışma prensibi, hem sezgisel fikirler oluşturan sezgisel dil ve mantık ve formüllerden yararlanılarak bu verileri işleyen iki altyapıyı birleştirerek ez zamanlı olarak kullanıyor. Google söz konusu dil paterninden hem arama motoru hem de dil algılama özelliğinin altyapısı olarak faydalanıyor. Çinli matematikçi Wen-Tsün Wu'nun 1978'de ortaya koyduğu bir yöntemden ilham alan tümdengelim motoru, gelişmiş bir mekanizmayla tasarlandı.Araştırmacılar AlphaGeometry'yi IMO'nun uzman matematikçiler için bile zorlu kabul edilen 30 geometri problemi üzerinde test ettiler. Program 25 problemi standart zaman sınırı olan 4,5 saat içinde çözerek aynı problemlerde altın madalya kazanan insanların ortalama skoruyla eşleşti. Wu'nun yöntemine dayanan bir önceki en iyi sistem sadece 10 problem çözmüştü.Nature Dergisi’nde yayımlanan sonuçlar, yapay zekanın mantıksal muhakeme yapabildiğini ve yeni matematiksel bilgiler keşfedebildiğini gösteriyor.Matematik ve özellikle geometri hem yaratıcılık hem de katılık gerektirdiğinden, YZ araştırmacıları için uzun süredir devam eden bir zorluk olmuştur. Web'den büyük miktarda veri üzerinde eğitilebilen metin tabanlı YZ modellerinin aksine, daha sembolik ve alana özgü olan matematik için nispeten daha az veri mevcuttur. Dahası, matematik problemlerini çözmek mantıksal muhakeme gerektirir ki mevcut YZ modellerinin çoğu bu konuda pek iyi değildir.Bugün Nature dergisinde yayınlanan sonuçlar, yapay zekanın mantıksal muhakeme yapabildiğini ve yeni matematiksel bilgiler keşfedebildiğini gösteriyor.Matematik ve özellikle geometri hem yaratıcılık hem de kesinlik gerektirdiğinden, yapay zeka araştırmacıları için uzun süredir devam eden bir zorluk olmuştur. Web'den alınan büyük veri yığınları üzerinde geliştirilebilen metin tabanlı yapay zeka modellerinin aksine, daha sembolik ve alana özgü olan matematik alanında nispeten daha az veri kullanılıyor. Ayrıca, matematik problemlerini çözmek mantıksal muhakeme gerektirir ki mevcut yapay zeka uygulamalarının çoğu bu noktada henüz çok iyi sayılmıyor.Bu zorlukların aşılması için araştırmacılar hem sinir ağlarının hem de sembolik sistemlerin güçlü yönlerinden yararlanan yeni bir nöro-sembolik yaklaşım geliştirdiler. Sinir ağları paternleri tanımada ve sonraki adımları tahmin etmede oldukça başarılıdır, bununla birlikte sıklıkla hata yapabilmekte ya da açıklamaları zayıf kalabiliyor. Öte yandan sembolik sistemler, sinir ağının kararlarını düzeltmelerine ve doğrulanmasına yardımcı oluyor.Araştırmacılar yaklaşımlarını Nobel ödüllü Daniel Kahneman tarafından meşhur edilen "hızlı ve yavaş düşünme" fikriyle kıyasladılar. Sistemlerden biri hızlı, "sezgisel" fikirler sunarken, diğeri daha bilinçli, rasyonel karar alma süreçleri sağlıyor. Sırasıyla yaratıcı düşünme ve mantıksal muhakemeden sorumlu olan bu iki mekanizma, zor matematik problemlerini çözmek için ortak çalışıyor.Araştırmacılar ayrıca AlphaGeometry'nin görülmemiş problemlere genelleme yapabildiğini ve problem ifadesinde açıkça belirtilmeyen yeni teoremler keşfedebildiğini gösterdi. Örneğin program, problemde bir öncül ya da amaca yönelik olarak verilmemiş olan bir üçgenin açıortayına ilişkin bir teoremi ispatlamayı başardı.Araştırmacılar, açık kaynaklı olarak geliştirdikleri programın matematik, fen bilimleri ve yapay zeka alanlarında daha fazla araştırma ve uygulamaya ışık tutacağını umuyorlar. Ayrıca, daha fazla insan tarafından anlaşılabilir kanıtlara duyulan ihtiyaç, daha karmaşık problemlere yönelik ölçeklendirme ve matematikte yapay zeka teknolojilerinin etik sonuçları gibi çalışmalarının sınırlarını ve sorunlarını da dikkate alıyorlar.AlphaGeometry şu anda geometri ispatlarıyla sınırlı olsa da, araştırmacılar sentetik veri metodolojilerinin, insan tarafından üretilen eğitim verilerinin az olduğu matematik ve bilim alanlarında yapay zekanın akıl yürütmesinin gelişmesine izin verebileceğine düşünüyor. Makine öğrenimi, yeni bilgilerin keşfini ve doğrulanmasını otomatikleştirerek, yakında birçok disiplinde insan anlayışını geliştirebilir.
Yorum Yazın