Google DeepMind CEO’su Demis Hassabis Yapay Genel Zekâ Hedefi İçin Dil Modellerini Yetersiz Buluyor
Google bünyesinde yapay zekâ çalışmalarını yöneten Demis Hassabis, mevcut büyük dil modellerinin yapay genel zekâ seviyesine ulaşmak için yeterli olmayacağını savunuyor. Davos’taki Dünya Ekonomik Forumu’nda konuşan Hassabis, sadece istatistiksel tahminlere dayanan sistemlerin gerçek bir dünya modeli sunamadığını ifade ediyor.
Büyük Dil Modelleri Nedensellik Kavramını Anlamakta Zorluk Çekiyor
Sektörün en saygın isimlerinden olan Hassabis, mevcut modellerin örüntü tanıma yeteneklerini takdir etse de bu sistemlerin mantıksal derinlikten yoksun olduğunu vurguluyor. Yapay genel zekâ yolunda atılan adımların sadece metin tabanlı ilişkilerle sınırlı kalması, bilimsel keşifler için aşılması gereken temel bir duvara işaret ediyor. AGI, yani insan seviyesinde bilişsel yeteneklere sahip olma hedefi, sadece bir sonraki kelimeyi tahmin ederek ulaşılabilecek bir nokta olarak görülmüyor. Nobel ödüllü araştırmacı, gerçek bir zekânın fizik kurallarını anlayabilen ve iç simülasyonlar yapabilen bir yapıya sahip olması gerektiğini savunuyor. OpenAI tarafının “daha fazla hesaplama gücü her şeyi çözer” mantığına karşı çıkan bu görüş, sektörde derin bir tartışma başlatıyor.
Yapay zekâ dünyasının son yıllardaki gelişimini sırtlayan büyük dil modelleri, kendi doğal sınırlarına yaklaştıklarına dair ciddi işaretler veriyor. Hassabis, LLM olarak adlandırılan bu sistemlerin neden-sonuç ilişkilerini kavramak yerine sadece veri setleri arasındaki istatistiksel benzerlikleri kullandığını belirtiyor. Hibrit yapay zekâ yaklaşımları ise sadece metinlere odaklanmak yerine çevreyle etkileşim kurabilen çok yönlü yapılar sunuyor. Şirketin Ağustos 2025 döneminde tanıttığı Genie 3 sistemi, yapay zekânın dijital dünyalar içinde fiziksel deneyimler kazanmasını sağlayarak anlamsal derinliği artırıyor. Bu yeni nesil yöntemler, karmaşık akıl yürütme görevlerinde geleneksel sistemlere oranla yüzde 30’a kadar daha yüksek performans sergiliyor.
Demis Hassabis, 2030 yılına kadar genel zekâya ulaşma ihtimalini yüzde 50 olarak görse de bu süreçte bilimsel keşif kapasitesi kriterini ön planda tutuyor. Bir yapay zekânın sadece mevcut bilgileri özetlemesi değil; yeni bilgiler üretmesi ve sürekli öğrenmesi gerekiyor. AGI tanımı, sektörde çok farklı yorumlansa da Hassabis bu çıtayı yaratıcı bilimsel üretim seviyesine kadar yükseltiyor. Microsoft gibi teknoloji devleri de OpenAI’ın iddialı açıklamalarını abartılı bularak bu konudaki şüphelerini daha önce dile getirmişti. Sektördeki bu tanım farklılığı, zekânın sadece metin üretimiyle mi yoksa özgün problem çözme yeteneğiyle mi ölçüleceği sorusunu tartışmaya açıyor.
Geleceğin yapay zekâ sistemleri, pasif birer sohbet botu olmaktan çıkarak dijital ortamlarda bağımsız operasyonlar yürüten akıllı ajan teknolojileri kimliğine bürünüyor. Bu teknolojik evrim, modellerin sadece internet verileriyle değil; simüle edilmiş ortamlarda yaptıkları zihinsel deneylerle gelişmesini hedefliyor. LLM yapılarının sunduğu temel yetenekler, akıllı ajanlar sayesinde gerçek dünya problemlerine uygulanabilir çözümlere dönüşüyor. Hassabis, zekânın bir sonraki aşamasının ancak bu tür çok boyutlu ve nedenselliği kavrayan yapılarla inşa edilebileceğine inanıyor. Teknoloji dünyası, dil modellerinin sınırlarını zorlarken DeepMind’ın işaret ettiği anlamsal derinlik ve fiziksel algı konularına daha fazla odaklanıyor.
