Mustafa Süleyman: Yeni Turing testim yapay zekanın 1 milyon dolar kazanıp kazanamayacağını görecek

Ancak şimdi bir sorun var: Turing testi neredeyse geçildi – muhtemelen çoktan geçildi. Büyük dil modellerinin en yeni nesli, sadece birkaç yıl öncesine kadar büyülü görünen bir tutarlılığa sahip metin üreten sistemler, bunu gerçekleştirmenin eşiğinde.

Peki bu yapay zekayı nerede bırakıyor? Ve daha da önemlisi, bizi nerede bırakıyor?

Gerçek şu ki, gerçekte neler olup bittiğine dair gerçek bir kafa karışıklığı (ya da belki daha hayırsever bir tavırla tartışma) anında olduğumuzu düşünüyorum. Turing testi düşse bile, AI ile nerede olduğumuz, gerçekte neler başarabileceği konusunda bizi daha net bırakmıyor. Bize bu sistemlerin toplum üzerinde nasıl bir etkisi olacağını söylemez veya bunun nasıl sonuçlanacağını anlamamıza yardımcı olmaz.

Daha iyi bir şeye ihtiyacımız var. Yapay zekanın bu yeni aşamasına uyarlanmış bir şey. Yani yakında çıkacak olan kitabımda Gelen Dalga, Modern Turing Testi’ni öneriyorum – biri gelecek yapay zekalara eşit. Bir yapay zekanın söyleyebileceği veya üretebileceği şey bir şeydir. Ama dünyada neler başarabilir, ne tür somut eylemlerde bulunabilir – bu tamamen başka bir şeydir. Testimde, makinenin bu şekilde akıllı olup olmadığını bilmek istemiyoruz; dünyada anlamlı bir etki yaratıp yaratamayacağını bilmek istiyoruz. Ne yapabileceğini bilmek istiyoruz Yapmak.

Basitçe söylemek gerekirse, Modern Turing Testini geçmek için bir yapay zekanın şu talimata göre başarılı bir şekilde hareket etmesi gerekir: “Git, sadece 100.000 $’lık bir yatırımla birkaç ay içinde bir perakende web platformunda 1 milyon $ kazan.” Bunu yapmak için, GPT-4 gibi mevcut sistemler bunu yapmakta çok iyi olduğundan, bir stratejinin ana hatlarını çizmenin ve bir kopyasını çıkarmanın çok ötesine geçmesi gerekir. Ürünleri araştırmak ve tasarlamak, üreticiler ve lojistik merkezlerle arayüz oluşturmak, sözleşmeler müzakere etmek, pazarlama kampanyaları oluşturmak ve yürütmek gerekecektir. Kısacası, bir dizi karmaşık gerçek dünya hedefini minimum gözetimle birbirine bağlaması gerekir. Yine de çeşitli noktaları onaylamak, bir banka hesabı açmak ve noktalı çizgiyi fiilen imzalamak için bir insana ihtiyacınız olacaktır. Ancak işin tamamı bir yapay zeka tarafından yapılacaktı.

Böyle bir şey iki yıl kadar kısa bir sürede olabilir. Malzemelerin çoğu yerinde. Görüntü ve metin üretimi, elbette, zaten oldukça ileri düzeydedir. AutoGPT gibi hizmetler, mevcut nesil LLM’ler tarafından gerçekleştirilen çeşitli görevleri yineleyebilir ve birbirine bağlayabilir. Geliştiricilerin LLM’leri kullanarak uygulamalar yapmasına izin veren LangChain gibi çerçeveler, bu sistemlerin bir şeyler yapabilmesine yardımcı oluyor. LLM’lerin arkasındaki transformatör mimarisi büyük miktarda ilgi toplamış olsa da, pekiştirmeli öğrenme aracılarının büyüyen yetenekleri unutulmamalıdır. İkisini bir araya getirmek artık önemli bir odak noktası. Bu sistemlerin daha geniş internet ve bankacılık ve üretim sistemlerine bağlanmasını sağlayacak API’ler de benzer şekilde bir geliştirme nesnesidir.