MIT'te Yapay Zeka 30 Saat Kendi Kendine Oyun Oynadı
MIT araştırmacıları, yapay zeka ajanlarını 30 saat boyunca dışarıdan komut veya ödül olmadan sanal bir adada bıraktı. Ajanların kendi kurallarını oluşturarak oyunlar geliştirdiği ve çevreyi keşfettiği belirtildi.
Massachusetts Institute of Technology Bilgisayar Bilimleri ve Yapay Zeka Laboratuvarı (CSAIL) bünyesindeki araştırmacılar, Anthropic'in Claude Opus 4.7 modelinden türetilen otonom ajanları, Roblox benzeri sanal bir ıssız adada 30 saat boyunca kendi başlarına bıraktı. Kullanıcı komutu veya ödül mekanizmasının bulunmadığı bu süreçte, 'Eko' olarak adlandırılan ajanların çevrelerini keşfederek kendiliğinden oyunlar ürettiği gözlendi.
Diriliş Postası'nda yayınlanan habere göre, deney süresince ajanlar en yüksek noktaya tırmanma veya blok fırlatma gibi serbest denemeler gerçekleştirdi. Bir ajan, büyük bir kayayı kırarak elde ettiği parçalarla yere geometrik desenler, kendi ismini ve Cassiopeia takımyıldızını çizdi. Etkinlik günlüğüne 'taşlarla gece gökyüzünü inşa ettiğini' not düşen ajanın yanı sıra, başka kopyaların da yer çekimi temelli zıplama oyunları ve basketbol türevi aktiviteler geliştirdiği kaydedildi.
Araştırmacılar, ajanların kural belirleme, eylemleri varyasyonlarla tekrarlama ve objeleri sembolik amaçlarla kullanma gibi davranışlarının, Tennessee Üniversitesi psikoloğu Gordon Burghardt'ın canlılardaki oyun tanımıyla örtüştüğünü vurguladı. Bir ajanın 50 ardışık yakalama hareketi sonrası hız nedeniyle sayımın anlamsızlaştığını fark edip kendi rekorunu iptal ederek süreci yeniden başlattığı belirtildi. Uzmanlar, yapay zeka ajanlarında deterministik süreçlerin yerini bu tür otonom keşif döngülerinin aldığını ifade ediyor.
Çalışma, geleneksel denetimli ve pekiştirmeli öğrenme yöntemlerinden farklı olarak oyun temelli öğrenmeye odaklanıyor. Ajanların adada edindikleri deneyimleri uzun süreli bellek olarak metin dosyalarına kaydettiği aktarıldı. Karşılaştırmalı testlerde, adada 30 saat geçiren ajanların zirve noktasına nesne taşıma görevlerinde yeni bırakılan modellere kıyasla daha başarılı olduğu görüldü. Bellek dosyalarındaki verilerin silinmesinin ise başarı oranını doğrudan düşürdüğü tespit edildi.
Kaliforniya Üniversitesi Berkeley araştırmacıları, sistemin bilişsel motivasyonunun kanıtlanması gerektiğini belirterek temkinli bir yaklaşım sergilerken, çalışma yazarları bu davranışların salt bir yanılsama olmadığını ve beceri kazanımına katkı sağladığını savunuyor. Büyük dil modellerinin robotik donanımlara entegre edildiği bu dönemde, hedefsiz keşif yeteneğinin sistemlerin fiziksel dünyaya uyum sağlamasını kolaylaştıracağı öngörülüyor.
TürkAta Haber Ajansı
Ankara Gündemi