MIT araştırmacıları, belirli bir görev verilmeden sanal ortamda bırakılan yapay zekâ ajanlarının kendi etkinliklerini tasarlayarak yeni beceriler geliştirebildiğini ortaya koymuş. Claude Opus 4.7 üzerinde çalışan 13 Eko ajanı, 30 saatlik serbest keşfin ardından kendilerine verilen bazı görevlerde daha önce keşif yapmayan eşdeğer ajanlardan daha başarılı olmuş. Araştırma ekibi, hedef belirlemeden öğrenme yaklaşımının özellikle robotik sistemlerin eğitilmesinde yeni bir yöntem sunabileceğini değerlendiriyor.
MIT Araştırmasında Yapay Zekâ Ajanlarının Öğrenme Süreci Nasıl İşledi?
MIT araştırmacılarının arXiv üzerinde paylaştığı çalışmada Eko adı verilen ajanlar, belirli bir başarı ölçütüne ulaşmaları istenmeden sanal bir adayı keşfetmeye bırakılmış. Araştırmacılar, ajanların çevredeki nesnelerle etkileşime girmesine ve kendi hedeflerini belirlemesine izin verirken deneyin sonraki aşamasında karşılaştırma yapabilmek için ayrı bir ajan grubunu keşif sürecine dahil etmemiş.
Ajanlardan biri adadaki en yüksek kaya çıkıntısına ulaşmayı hedeflediğinde ilk denemesinde başarısız olmuş. Daha sonra bir kayayı yakındaki yüksek bir noktaya taşıyan sistem, kayanın üzerine iki blok yerleştirerek yeni bir sıçrama düzeni oluşturmuş. Ajanın geliştirdiği yöntem, önceden tanımlanmış bir çözümün uygulanmasından ziyade çevredeki nesneleri farklı biçimlerde kullanarak sonuca ulaşma arayışına dayanmış.
Deney sırasında altın bir yüzüğü okyanusa fırlatan ajan, nesne yeniden ortaya çıktığında onu farklı etkinliklerde kullanmış. Yüzüğü bir hedef, basketbol potası veya aksesuar olarak değerlendiren sistem, nesneyi üzerine takamadığında oyun ortamındaki yeniden doğma mekanizmasından yararlanmış. Uçurumdan düşerek yüzüğün bulunduğu noktaya geri dönen ajan, nesnenin içinden geçmeyi başarmış.
Araştırmacılar, deney sırasında ajanların yalnızca kendi oyunlarını oluşturmadığını, sanal ortamın fiziksel kurallarına ilişkin yeni bilgiler de edindiğini bildirmiş. On üç ajandan altısı, sıçrama sırasında bir bloğu elinden bıraktığında nesneyi daha uzağa fırlatabildiğini keşfetmiş. Çalışmayı yürüten ekip, söz konusu hareket yöntemini deneyin başlangıcında özellikle öğretmediğini belirtmiş.
Araştırmanın ikinci aşamasında ajanlara somut görevler verilmiş. Serbest keşif dönemini tamamlayan sistemler, daha önce adada deneyim kazanmayan eşdeğer ajanlara kıyasla genel olarak daha yüksek başarı göstermiş. Sonuçlar, keşif sırasında edinilen bilgilerin daha sonra farklı bir hedefe ulaşırken kullanılabileceğine işaret etmiş.
Yine de deney, her tür yapay zekâ görevinde serbest keşfin daha başarılı olacağını kanıtlamıyor. Bulgular, belirli bir görevi tekrar tekrar uygulamaya dayanan eğitim yöntemlerinin yanında, ajanların çevreyi kendi tercihleri doğrultusunda incelemesine izin veren yaklaşımların da araştırılabileceğini gösteriyor.
Geleneksel yapay zekâ eğitiminde geliştiriciler, sistemin hangi görevi yerine getireceğini ve başarının nasıl ölçüleceğini önceden belirliyor. Görev odaklı eğitim, belirli bir hedefe yönelik performansın ölçülmesini kolaylaştırırken sistemin beklenmedik durumlarla karşılaştığında nasıl davranacağı konusunda sınırlamalar oluşturabiliyor.
MIT ekibinin araştırdığı serbest keşif yaklaşımı, ajana yeterince zengin ve güvenli bir ortam sunarak ilgi duyduğu etkinlikleri seçmesine dayanıyor. Sistem, farklı nesnelerle etkileşim kurdukça çevre hakkında bilgi biriktiriyor; daha sonra edindiği deneyimlerden yararlanarak daha önce karşılaşmadığı görevlere çözüm arayabiliyor.
Çalışmada kullanılan Eko ajanlarının ana talimatında kendilerini doğal olarak meraklı bir sistem şeklinde tanımlayan bir ifade de bulunuyor. Araştırmacılar, ajanlara doğrudan oyun geliştirmelerini söylemese de bu talimatın davranışlarını etkilemiş olabileceğini göz önünde bulunduruyor. Dolayısıyla gözlenen davranışların yalnızca kendiliğinden ortaya çıkan bir meraktan kaynaklandığı sonucuna varmak için daha fazla kanıt gerekiyor.
Berkeley Üniversitesinde görev yapan bilişsel bilimci Eunice Yiu, MIT Technology Review’a verdiği değerlendirmede araştırmayı ilgi çekici bulduğunu ancak ajanların davranışlarının arkasındaki bilişsel süreçlerin daha ayrıntılı incelenmesi gerektiğini belirtmiş. Yiu’ya göre modeller gerçekten oyun oynuyor olabilir, fakat mevcut bulgular bu yorumu kesinleştirmek için yeterli değil.
Yapay zekâ sistemlerinin oyun benzeri davranışlar göstermesi, insanlardaki merak, bilinç veya çocukluk dönemindeki öğrenme süreçleriyle aynı deneyimi yaşadıkları anlamına gelmiyor. Araştırmacıların ölçebildiği nokta, ajanların belirli bir görev olmadan etkinlikler oluşturması, yeni yöntemler denemesi ve deneyimlerini sonraki görevlerde kullanabilmesi.
ArXiv üzerinde yayımlanan çalışma henüz hakem değerlendirmesinden geçmiş bir dergi makalesi olarak sunulmuyor. Araştırmanın sonuçlarının farklı modellerde, farklı sanal ortamlarda ve daha geniş görev gruplarında tekrarlanması, yöntemin sınırlarını daha açık biçimde ortaya koyabilir.
Robotik sistemler, gerçek dünyada nesneleri taşıma, engelleri aşma veya çevrelerine uyum sağlama gibi görevlerde beklenmedik koşullarla karşılaşabiliyor. Geliştiricilerin her olası durum için ayrı bir eğitim görevi hazırlaması kapsamlı bir çalışma gerektirdiğinden, güvenli ortamlarda kendi deneyimleriyle yeni yöntemler keşfeden ajanlar alternatif bir eğitim yaklaşımı sunabilir.
Sanal ortamda öğrenilen bir hareketin gerçek robota doğrudan aktarılması ise tek başına yeterli olmayacak. Fiziksel dünyadaki ağırlık, sürtünme, sensör hataları ve hareket kısıtlamaları, sanal simülasyonlarda kullanılan koşullardan farklılık gösterebilir. Bu nedenle serbest keşif yöntemiyle öğrenilen becerilerin gerçek donanımda ayrıca sınanması gerekiyor.
MIT araştırmasının devamında farklı öğrenme ortamlarının karşılaştırılması, keşif sırasında edinilen bilgilerin ne kadar süre korunduğunun ölçülmesi ve bu bilgilerin yeni görevlere nasıl aktarıldığının incelenmesi önem taşıyacak. Böyle çalışmalar, yapay zekâ ajanlarının yalnızca önceden tanımlanan görevleri yerine getiren sistemlerden daha esnek robotik çözümlere dönüşüp dönüşemeyeceğini değerlendirmeye yardımcı olabilir.
