Neden önemli: Yeni yapay zeka modelleri akıl yürütme odaklı görevlerde daha verimli çözümler üretiyor. Bu gelişme, enerji tüketimini azaltarak daha güvenilir yapay zeka sistemlerinin önünü açıyor.
Singapur merkezli teknoloji şirketi Sapient‘te görev yapan araştırmacılar, insan beyninin işleyişinden esinlenerek Hiyerarşik Akıl Yürütme Modeli (HRM) adlı yeni bir yapay zeka geliştirdi. Bu sistem, akıl yürütme gerektiren testlerde günümüzün en gelişmiş büyük dil modellerini geride bıraktı. Dahası, bu başarıyı çok daha küçük bir altyapıyla gerçekleştirdi.
HRM modeli, beynin hiyerarşik yapısını taklit etti
İnsan beyninin bilgiyi farklı zaman dilimlerinde işleyip bütünleştirmesinden ilham alan HRM modeli, iki ayrı modülden oluşuyor. Modelin üst düzey modülü soyut planlamaları daha yavaş bir tempoda yürütürken, alt düzey modül hızlı ve ayrıntılı hesaplamaları üstleniyor. Bu sayede model, zincirleme akıl yürütme yönteminde olduğu gibi ara adımları tek tek yazmak yerine doğrudan nihai çözüme ulaşabiliyor.
Yapay zeka kıyaslamalarında öne çıkan sonuçlar elde edildi
Yapay zeka alanında standart kabul edilen ARC-AGI-1 testinde, HRM modeli %40.3’lük doğruluk oranına ulaştı. Bu oran, OpenAI’ın o3-mini-high modelinin %34.5’lik, Anthropic’in Claude 3.7 modelinin %21.2’lik ve DeepSeek’in R1 modelinin %15.8’lik sonuçlarını geride bıraktı. Özellikle Sudoku ve labirent çözme gibi büyük dil modellerinin zorlandığı alanlarda, HRM’nin çok daha başarılı sonuçlar verdiği gözlendi.
Küçük parametre sayısı ile güçlü performans
HRM yalnızca 27 milyon parametreye sahip. Günümüzde milyarlarca parametre kullanan yapay zeka sistemleri düşünüldüğünde bu rakam oldukça düşük kalıyor. Buna rağmen modelin akıl yürütme odaklı görevlerde daha doğru sonuçlar vermesi, araştırmacıların üzerinde durduğu en önemli noktalardan biri oldu. Düşük kaynak kullanımıyla elde edilen bu performans, gelecekte enerji verimliliği yüksek yapay zeka sistemlerinin önünü açabilir.
Yinelemeli iyileştirme yaklaşımı
Araştırmacılar HRM’nin başarısında yinelemeli iyileştirme yönteminin etkili olduğunu belirtiyor. Model, başlangıçta ürettiği çözümü tekrar tekrar gözden geçirip düzelterek en doğru cevaba ulaşıyor. İnsan beynindeki kısa düşünme patlamalarını taklit eden bu yaklaşım, modelin karar verme sürecinde esneklik kazanmasını sağlıyor. Her “düşünme patlaması” sonrasında sistem ya yeni bir adım atıyor ya da yanıtı doğrudan tamamlıyor.
HRM’nin verimlilik ve güvenilirlik potansiyeli
Yapay zeka uzmanları HRM’nin ortaya koyduğu sonuçların özellikle düşük enerji tüketimiyle daha güvenilir çözümler üretme noktasında önemli bir potansiyele işaret ettiğini düşünüyor. Günümüzde devasa parametre sayılarına dayalı sistemlerin maliyetlerinin hızla arttığı dikkate alındığında, HRM gibi daha verimli çözümlerin öne çıkabileceği değerlendiriliyor. Araştırmacılar yine de sonuçların bağımsız ekipler tarafından test edilmesi gerektiğini vurguluyor. İlk dış testler performans verilerini doğrulasa da yaklaşımın kalıcı başarı sağlayıp sağlamayacağını görmek için daha fazla inceleme yapılması bekleniyor.
