Taklit Oyunu Yeniden: YZ İnsan Sohbetinde Ustalaştı mı?

Yapay zeka alanında, insanlar gibi düşünebilen veya en azından sohbet edebilen makineler yaratma arayışı uzun süredir devam eden bir hedeftir. Onlarca yıldır, tartışmalı olsa da, ölçüt genellikle 20. yüzyılın ortalarında parlak matematikçi Alan Turing tarafından tasarlanan Turing Testi olmuştur. Önerme basit ama derindir: Bir makine, bir insan sorgulayıcıyla o kadar ikna edici bir şekilde etkileşime girebilir mi ki, yargıç onu güvenilir bir şekilde başka bir insandan ayıramaz? Son gelişmeler, en sofistike büyük dil modellerinden (LLM’ler) bazılarının bu ilgi çekici dönüm noktasına ulaşmış, hatta belki de aşmış olabileceğini düşündürmekte ve zekanın, taklitçiliğin ve yapay zekanın gelecekteki yörüngesinin doğası hakkında yeniden tartışmalara yol açmaktadır.

Sahneyi Hazırlamak: Yeni Bir Konuşma Zorlukları Turu

University of California San Diego’dan çıkan bir çalışma, bu soruyu keskin bir şekilde yeniden odak noktasına getirdi. Araştırmacılar Cameron R. Jones ve Benjamin K. Bergen, en yeni yapay zeka sistemlerinin konuşma becerilerini değerlendirmek için Turing Testi’nin çağdaş bir yorumunu tasarladılar. Deneyleri, insan katılımcıları, OpenAI’nin yüksek itibarlı GPT-4.5’i ve Meta’nın zorlu LLaMa-3.1-405B’si de dahil olmak üzere çeşitli yapay zeka modelleriyle karşı karşıya getirdi. Kurulum, bir insan yargıcın eş zamanlı olarak beş dakikalık metin tabanlı sohbetler yapmasını içeriyordu - biri gizli bir insan katılımcıyla, diğeri gizli bir yapay zeka modeliyle. Bu kısa etkileşimlerin ardından yargıcın görevi basitti: hangi sohbet ortağının makine, hangisinin insan olduğunu belirlemek.

Sonuçlar, özellikle belirli bir kişiliği benimsemeleri istenen modeller için çarpıcıydı.

• GPT-4.5’in Performansı: Bir insan gibi davranması talimatı verildiğinde, GPT-4.5’in yargıçları etkileyici bir şekilde %73 oranında kandırdığı bildirildi. Bu rakam önemlidir çünkü yargıçların yapay zekayı, sohbete dahil olan gerçek insan katılımcıdan daha sık insan olarak tanımladığını göstermektedir.
• LLaMa-3.1-405B’nin Gösterisi: Meta’nın büyük modeli LLaMa-3.1-405B (burada 405B, yeteneklerini şekillendiren devasa parametre sayısını ifade eder), aynı ‘persona’ koşulu altında da inandırıcı bir performans sergiledi. %56 oranında insan olarak tanımlandı. GPT-4.5’in skorundan daha düşük olsa da, bu sonuç onu hala genellikle testi geçmenin göstergesi olarak kabul edilen kritik %50 eşiğinin üzerine yerleştiriyor ve yanıtlarının istatistiksel olarak insan katılımcılarınkinden ayırt edilmesinin zor olduğunu düşündürüyor.
• Temel Karşılaştırmalar: Bağlam sağlamak ve yargıçların sadece rastgele tahmin yapmadığından emin olmak için araştırmacılar temel modelleri de dahil ettiler. MIT’de Joseph Weizenbaum tarafından tasarlanan 1960’lardan kalma ünlü erken dönem sohbet robotu ELIZA, bir kontrol olarak dahil edildi. Şaşırtıcı olmayan bir şekilde, performansı, yaratılışından bu yana yapay zekadaki büyük ilerlemeleri yansıttı ve yalnızca %23’lük bir ‘insan’ derecesi elde etti. İlginç bir şekilde, 2024’te piyasaya sürülen daha yeni bir OpenAI modeli olan GPT-4o da bu özel test kurulumunda benzer bir temel seviyede performans gösterdi ve yalnızca %21 oranında insan olarak değerlendirildi. Bu, belirli yapılandırmaların, eğitimin veya belki de istem stratejisinin kendisinin, insan benzeri konuşma performansı elde etmede kritik roller oynadığını vurgulamaktadır.

Çalışmanın metodolojisi, bu üç taraflı kurulumu (yargıç, gizli insan, gizli YZ) kullanarak, yapay zekayı Turing ölçütüne göre değerlendirmeye yönelik bazı önceki girişimlere kıyasla titizliğiyle dikkat çekiyor. Konuşma açısından ayırt edilemezliği değerlendirmek için daha zorlu ve gerçekçi bir senaryo yaratmayı amaçlamaktadır.

Persona Gücü: Metot Oyuncusu Olarak Yapay Zeka

Bu özel çalışmada GPT-4.5 ve LLaMa-3.1-405B’nin başarı oranlarını etkileyen kritik bir faktör, belirli ‘persona’ istemlerinin kullanılmasıydı. Araştırmacılar, modelleri insan benzeri bir karakter veya ton benimseme talimatları olsun veya olmasın test ettiler. Persona istemi uygulandığında performanstaki önemli sıçrama, modern LLM’lerin önemli bir yönünü vurgulamaktadır: çıktılarını talimatlara göre uyarlama konusundaki dikkate değer yetenekleri.

Bir yapay zeka için ‘bir persona benimsemek’ ne anlama gelir? Modelin şunları ayarladığı anlamına gelir:

1. Ton ve Stil: Gündelik dili taklit etmek, argo ifadeler kullanmak veya hatta tereddüt ya da düşünmeyi simüle etmek.
2. İçerik Odağı: Potansiyel olarak kişisel deneyimlere (uydurulmuş olsa da) atıfta bulunmak, fikir belirtmek veya benimsenen karakterle ilgili havadan sudan sohbetlere girmek.
3. Etkileşim Modeli: Tamamen bilgi alma sistemi gibi değil de daha etkileşimli hissettiren şekillerde yanıt vermek.

Bu yetenek, doğrudan bu modellerin eğitilme biçiminden kaynaklanmaktadır. LLM’ler, temel olarak internetteki ve dijitalleştirilmiş literatürdeki insanlar tarafından üretilen metin ve kodlardan oluşan devasa veri kümelerinden kalıpları, stilleri ve bilgileri öğrenirler. Belirli bir tür insan gibi davranması istendiğinde, model, eğitim verilerindeki o personayla uyumlu olan engin insan konuşması örneklerinden yararlanır. Bu, gerçek kişilikten çok sofistike örüntü eşleştirme ve üretme ile ilgilidir.

Bu durum, inovasyon düşünce kuruluşu NostaLab’ın kurucusu John Nosta gibi gözlemciler tarafından dile getirilen, belki de tanık olduğumuz şeyin ille de insan anlamında yapay zeka değil, daha ziyade oldukça gelişmiş yapay empati - ya da en azından bunun ikna edici simülasyonu - olduğu fikrine yol açar. Yapay zeka empati hissetmiyor, ancak onu ifade etmekle ilişkili dilsel kalıpları öğrenmiş durumda. Başarı, davranışsal taklitçiliğe, özellikle testte kullanılan beş dakikalık konuşmalar gibi kısa etkileşimler sırasında insan benzeri olarak yankı uyandıran bir ustalıkla yanıtları uyarlamaya dayanır.

Araştırmacıların kendileri de bu uyarlanabilirliği vurguladılar: ‘LLM’lerin davranışlarını farklı senaryolara uyarlamalarının kolaylığı, onları bu kadar esnek kılan şeydir: ve görünüşe göre insan gibi davranma konusunda bu kadar yetenekli.’ Bu esneklik iki ucu keskin bir kılıçtır; dikkate değer konuşma akıcılığı sağlarken aynı zamanda özgünlük ve manipülasyon potansiyeli hakkında soruları gündeme getirir.

Bir Dönüm Noktası Başarısı mı Yoksa Kusurlu Bir Metrik mi? Turing Testi’ni Yeniden Değerlendirmek

Manşetler yapay zekanın Turing Testi’ni ‘geçtiğini’ duyurabilirken, bu başarının önemi dikkatli bir değerlendirmeyi gerektirir. Kısa bir metin sohbetinde yargıçların çoğunluğunu ikna etmek, gerçekten de insan düzeyinde zekaya eşdeğer midir? Çalışma yazarları da dahil olmak üzere çoğu uzman, örtük olarak hayır diyecektir.

İnternet ölçeğindeki verilerle eğitilmiş LLM’lerin ortaya çıkmasından çok önce tasarlanan Turing Testi, öncelikle konuşma performansını ölçer, aşağıdaki gibi daha derin bilişsel yetenekleri değil:

• Anlama: Yapay zeka, konuşmanın nüanslarını ve sonuçlarını gerçekten anlıyor mu, yoksa yalnızca istatistiksel olarak en olası sonraki kelimeleri mi tahmin ediyor?
• Bilinç: Farkındalık ve düşüncenin öznel deneyimi, kesin olarak insanların (ve potansiyel olarak diğer biyolojik yaşamın) alanında kalmaktadır. Mevcut yapay zeka modelleri buna sahip olduğuna dair hiçbir kanıt göstermemektedir.
• Akıl Yürütme: Yapay zeka belirli alanlarda mantıksal adımlar gerçekleştirebilse de, genel amaçlı akıl yürütme, sağduyu ve yeni durumlarda neden-sonuç ilişkisini anlama yeteneği insanlara kıyasla hala sınırlıdır.
• Niyet: Yapay zeka yanıtları algoritmalara ve verilere dayalı olarak üretilir; iletişimlerini yönlendiren gerçek inançlardan, arzulardan veya niyetlerden yoksundurlar.

Bu nedenle, Turing Testi’nde yüksek bir puan almak, bir yapay zekanın taklit oyununu olağanüstü derecede iyi oynayabildiğini, özellikle de belirli istemlerle yönlendirildiğinde gösterir. İnsan konuşma kalıplarıyla yakından uyumlu metinler üretmeyi öğrenmiştir. Teknoloji eğitimşirketi Waye’in kurucusu Sinead Bovell, bunun üzerine düşünerek, ‘herhangi bir insanın okuyabileceğinden veya izleyebileceğinden daha fazla insan verisiyle’ eğitilmiş yapay zekanın sonunda ‘insan gibi ses çıkarmakta’ mükemmelleşmesinin gerçekten şaşırtıcı olup olmadığını sorguladı.

Bu temel bir soruyu gündeme getiriyor: Turing Testi, 21. yüzyılda yapay zeka ilerlemesi için hala geçerli veya yeterli bir ölçüt müdür? Bazıları, konuşma yoluyla aldatmaya odaklanmasının çok dar ve potansiyel olarak yanıltıcı olduğunu savunuyor. Problem çözme, yaratıcılık, etik yargı veya tamamen yeni fiziksel veya kavramsal ortamlara uyum sağlama gibi genellikle gerçek zeka ile ilişkilendirdiğimiz yetenekleri yeterince değerlendirmiyor.

Tarihsel bağlam da önemlidir. Yapay zekanın Turing Testi’ni geçtiği iddiaları daha önce de ortaya çıkmıştı. 2014 yılında, 13 yaşında Ukraynalı bir çocuğu simüle etmek üzere tasarlanan ‘Eugene Goostman’ adlı bir sohbet robotunun, benzer bir test etkinliği sırasında yargıçların %33’ünü ikna ettiği bildirilmişti. Bu, o zamanlar bazıları tarafından övülse de, %33’lük başarı oranı genellikle belirtilen %50 eşiğinin altında kaldı ve dilbilgisi hatalarını veya bilgi eksikliklerini mazur gösterebilecek bir persona (anadili İngilizce olmayan bir genç) kullanılarak elde edildi. Daha sofistike modellerle %50’yi aşan ve hatta %73’e ulaşan son sonuçlarla karşılaştırıldığında, konuşma yapay zekasındaki ilerleme yadsınamaz, ancak testin kendi sınırlamaları geçerliliğini koruyor.

Motorun İçine Bir Bakış: Konuşma Becerisinin İtici Güçleri

GPT-4.5 gibi modellerin etkileyici performansı tesadüfi değildir; özellikle büyük dil modelleri alanında yapay zeka geliştirmedeki amansız yenilik ve iyileştirmenin sonucudur. Bu kadar insan benzeri metin üretme yeteneklerine çeşitli faktörler katkıda bulunur:

1. Devasa Veri Kümeleri: Modern LLM’ler gerçekten şaşırtıcı miktarda metin ve kod üzerinde eğitilir. Bu engin maruz kalma, karmaşık dilbilgisi yapılarını, çeşitli kelime dağarcıklarını, üslup nüanslarını, olgusal bilgileri (her zaman doğru olmasa da) ve yaygın konuşma dizilerini öğrenmelerini sağlar.
2. Sofistike Mimariler: Genellikle Transformer mimarisine dayanan temel teknoloji, modelin bir çıktı üretirken girdi istemindeki farklı kelimelerin önemini tartmasına olanak tanıyan ‘dikkat’ gibi mekanizmalar kullanır. Bu, daha uzun metin bölümlerinde bağlamı ve tutarlılığı korumaya yardımcı olur.
3. Gelişmiş Eğitim Teknikleri: İnsan Geri Bildiriminden Pekiştirmeli Öğrenme (RLHF) gibi teknikler, modelleri ince ayarlamak için kullanılır. İnsanlar farklı yapay zeka yanıtlarını derecelendirerek modeli daha yararlı, zararsız ve doğru - ve genellikle daha insan sesli - çıktılar üretmeye yönlendirir.
4. Parametre Ölçeği: Yüz milyarlarca parametreye sahip LLaMa-3.1-405B gibi modeller, eğitim sırasında öğrenilen bilgileri depolamak ve işlemek için daha büyük bir kapasiteye sahiptir, bu da daha karmaşık ve incelikli metin üretimine olanak tanır.
5. Bağlamı Koruma: Daha yeni modeller, konuşmanın önceki bölümlerini ‘hatırlama’ konusunda gelişmiş yetenekler sergileyerek, insan diyaloğunun önemli bir yönü olan daha tutarlı ve ilgili etkileşimlere yol açar.
6. Çok Modlu Temeller: Metnin ötesinde yetenekleri (görüntü anlama gibi) içeren GPT-4 gibi öncüller üzerine inşa etmek, test etkileşimi tamamen metin tabanlı olsa bile, daha yeni modellere potansiyel olarak daha zengin bir iç temsil kazandırır.

OpenAI, GPT-4.5’i önizlediğinde, CEO Sam Altman şöyle demişti: ‘Bana göre düşünceli bir insanla konuşuyormuş gibi hissettiren ilk model bu.’ Öznel olsa da, bu duygu, bu teknik ilerlemelerin sağladığı konuşma yeteneğindeki niteliksel sıçramayı yansıtıyor. Persona istemi daha sonra güçlü bir kaldıraç görevi görerek, bu yetenekleri öğrenilen verilerden alınan belirli bir insan konuşma stilini taklit etmeye yönlendirir.

Gerçeklikteki Dalgalanmalar: Toplumsal ve Ekonomik Mülahazalar

Yapay zekanın, gerçek zekaya eşdeğer olmasa bile, insan konuşmasını ikna edici bir şekilde taklit edebildiğinin gösterilmesi, akademik testlerin çok ötesine uzanan önemli gerçek dünya sonuçları taşımaktadır. Sinead Bovell’in belirttiği gibi, bu ilerlemelerin potansiyel olarak ‘büyük ekonomik ve sosyal etkileri’ vardır.

• İş Piyasası Aksaklığı: İletişime yoğun bir şekilde dayanan alanlar, yapay zeka entegrasyonu ve potansiyel yer değiştirme için başlıca adaylardır. Müşteri hizmetleri rolleri, içerik üretimi (makale yazma, pazarlama metinleri), çeviri hizmetleri ve hatta özel ders verme veya kişisel asistanlığın belirli yönleri, giderek daha sofistike sohbet robotları ve yapay zeka ajanları tarafından ele alınabilir. Veri analizi, satış desteği veya sağlık yönetimi gibi alanlarda iş akışlarını otonom olarak gerçekleştirmek üzere tasarlanmış sistemler olan ‘Agentic AI’ya yönelik son itki, bu ajanlar aynı zamanda insan benzeri akıcılıkla iletişim kurabilirlerse daha da ivme kazanır.
• İnsan İlişkileri ve Güven: Yapay zeka empati ve kişiliği taklit etmede daha usta hale geldikçe, insan etkileşim dinamiklerini değiştirebilir. İnsanlar yapay zeka arkadaşlarıyla duygusal bağlar kuracak mı? İnsan ve yapay zekayı ayırt etmek zorlaştığında çevrimiçi etkileşimlerde özgünlüğü nasıl sağlayacağız? Dolandırıcılık, yanlış bilgi yayma veya fikirleri manipüle etme amaçlı aldatma potansiyeli önemli ölçüde artar.
• ‘Daha Derin Sahteliklerin’ Yükselişi: FAU’daki Geleceğin Zihni Merkezi’nin Kurucu Direktörü Susan Schneider, gidişatla ilgili endişelerini dile getirerek, ‘daha derin sahtelikler’ ve hatta ‘sohbet robotu siber savaşları’ içeren potansiyel bir ‘kabus’ senaryosu öngördü. Yapay zeka bireyleri metin yoluyla ikna edici bir şekilde taklit edebilirse, kötü niyetli kimliğe bürünme potansiyeli çarpıcı bir şekilde artar.
• Etik Uyum: Schneider ayrıca kritik uyum sorununu da vurguladı: yapay zeka sistemlerinin insan değerlerine göre davranmasını sağlamak. İnsan konuşmasını mükemmel bir şekilde taklit edebilen ancak etik bir pusuladan yoksun olan veya eğitim sırasında öğrenilen önyargılı veriler üzerinde çalışan bir yapay zeka, tamamen makul görünürken zararlı klişeleri sürdürebilir veya etik olmayan önerilerde bulunabilir. Bu modellerin testi mutlaka ‘uygun şekilde hizalanmış’ olmadan geçmiş olması, birçok araştırmacı için bir endişe noktasıdır.

Konuşma açısından insan gibi ‘geçebilme’ yeteneği sadece teknik bir merak konusu değildir; giderek dijitalleşen bir dünyada nasıl çalıştığımız, iletişim kurduğumuz, güvendiğimiz ve birbirimizle ilişki kurduğumuzla doğrudan kesişir.

Geleceği Planlamak: Taklidin Ötesinde Gerçek Yeteneğe Doğru

GPT-4.5 ve LLaMa-3.1’i içeren son Turing Testi sonuçları, yapay zeka geliştirme tarihinde dikkate değer dönüm noktaları olsa da, öncelikle doğal dil üretimi ve taklitçiliğindeki çarpıcı ilerlemeyi vurgulamaktadır. Birçok uzman arasındaki fikir birliği, odak noktasının artık sadece konuşma taklidinde mükemmelleşmek yerine, gerçek anlama, akıl yürütme ve etik davranış sergileyen yapay zeka geliştirmeye kayması gerektiği yönündedir.

Bu, geleneksel Turing Testi’nin ötesine geçerek yeni ölçütlere ve değerlendirme yöntemlerine doğru ilerlemeyi gerektirir. Bunlar neye benzeyebilir?

• Yeni durumlarda karmaşık problem çözmeye odaklanan testler.
• Sağlam sağduyu muhakemesinin değerlendirilmesi.
• Belirsiz senaryolarda etik karar verme değerlendirmeleri.
• Sadece mevcut kalıpların yeniden birleştirilmesi değil, yaratıcılık ve özgün düşünce ölçümleri.
• Uzun vadeli planlama ve stratejik düşünme gerektiren testler.

Alandaki birçok kişi için nihai hedef sadece ikna edici sohbetçiler yaratmak değil, aynı zamanda gerçek dünya sorunlarını çözmek ve insan yeteneklerini artırmak için güvenilir, inanılır araçlar olarak hizmet edebilecek yapay zeka geliştirmektir. Orijinal haberdeki sonuç düşüncelerinin de öne sürdüğü gibi, yapay zekanın geleceği muhtemelen sadece ikna edici bir şekilde sohbet etme yeteneğinden çok, pratik faydasında yatmaktadır - bilimsel keşiflere yardımcı olmak, sağlık hizmetlerini iyileştirmek, karmaşık sistemleri yönetmek gibi.

Yapay Genel Zeka’ya (AGI) giden yolculuk, eğer başarılabilirse, uzun ve karmaşıktır. Turing Testi’ni geçmek gibi dönüm noktaları, mevcut tekniklerin gücünü gösteren yol boyunca önemli işaretlerdir. Ancak, aynı zamanda mevcut ölçütlerimizin sınırlamalarını ve bu güçlü teknolojiler gelişmeye devam ettikçe ele almamız gereken derin etik ve toplumsal soruları da önemli hatırlatıcılardır. Taklit oyunu yeni şampiyonlara sahip olabilir, ancak gerçekten zeki, faydalı ve uyumlu yapay zeka inşa etme mücadelesi daha yeni başladı.