Yıllardır yapay zeka topluluğu, bağlantıcılık ile sembolik yapay zeka arasındaki felsefi bölünmeyi yansıtan bir ayrılıkla uğraşıyor. Bir yanda, desen tanıma konusunda mükemmel olsa da mantıksal tutarlılık konusunda zorlanan büyük sinir ağlarıyla desteklenen modern derin öğrenme devrimi var. Diğer yanda ise kesin, yorumlanabilir akıl yürütme sunan ancak yapılandırılmamış veriden öğrenme yeteneğine sahip olmayan sembolik yapay zeka bulunuyor. Yapay Genel Zeka'nın (AGI) "Zor Problemi", bir kazanan seçmekle değil, bu iki paradigmayı tutarlı ve sağlam bir sistemde sentezlemekle ilgilidir.
Saf Altyapıların Sınırlamaları
Sinir ağları temelde fonksiyon yaklaşımcılardır. Girdileri istatistiksel korelasyonlara dayalı olarak çıktılara eşlerler. Bu yaklaşım bilgisayarlı görü ve doğal dil işleme alanında çığır açan sonuçlar doğurmuş olsa da, doğası gereği kırılgandır. Bir sinir ağı, bir kararı neden verdiğini kolayca açıklayamaz ve çıktısının sıkı mantıksal kısıtlamalara uygun olduğunu garanti edemez. Standart bir Büyük Dil Modeli'ne (LLM) karmaşık bir matematiksel kanıt yapmasını isterseniz, mantıksal geçerliliği doğrulamak yerine bir sonraki tokenı tahmin ettiği için, olası görünen ancak hatalı adımları halüsinasyon olarak üretebilir.
Buna karşılık, sembolik sistemler açık kurallara ve bilgi grafiklerine dayanır. Mükemmel derecede mantıklı olsalar da, gürültü ve belirsizlik karşısında kırılgandırlar. Fiziksel dünyanın bulanık ve gürültülü gerçekliğini işleyemezler. Bir AGI sistemi, bir sinir ağı gibi algılayıp sembolik bir motor gibi akıl yürütebilmelidir.
Nöro-Sembolik Yakınsama
Ortaya çıkan çözüm Nöro-Sembolik Yapay Zeka'dır. Bu yaklaşım, sembolik akıl yürütmeyi sinirsel ağların türetilebilir altyapısına veya tam tersini gömlemeyi amaçlar. Vaad eden mimarilerden biri, ham veriden yüksek düzeyde semboller çıkarmak için bir sinir ağı kullanmak ve bunları doğrulama ve planlama için sembolik bir akıl yürütücüye aktarmaktır.
Bir kod üretme asistanını ele alalım. Saf bir sinirsel model, sözdizimsel olarak doğru ancak mantıksal olarak kusurlu kod üretebilir. Nöro-sembolik bir yaklaşım, sinirsel modelin kodu taslağını hazırlamasına, sembolik bir denetleyicinin (resmi yöntemler veya bir teorem ispatlayıcı kullanarak) mantığı bir spesifikasyona göre doğrulamasına olanak tanır.
Temel Bir Mantık Kontrolünün Uygulanması
Aşağıda, olasılıksal bir çıktıyı deterministik bir sembolik kontrolle nasıl eşleyebileceğimizi gösteren kavramsal bir Python örneği bulunmaktadır. Bu basit filtre, sinir ağı önerilerinin sıkı iş kurallarına uygunluğunu sağlar.
class SymbolicValidator:
def __init__(self):
self.rules = {"must_be_even": lambda x: x % 2 == 0}
def validate(self, neural_prediction):
"""
Sinir ağından gelen olasılıksal çıktıyı alır ve
sembolik kısıtlamaları uygular.
"""
value = neural_prediction["predicted_value"]
# Sembolik kuralı uygula
is_valid = self.rules["must_be_even"](value)
if not is_valid:
# Geriye dön veya sinir ağından düzeltme iste
return {"status": "rejected", "reason": "Rule violation"}
return {"status": "accepted", "value": value}
# Simüle edilmiş sinirsel çıktı
ai_guess = {"predicted_value": 42}
validator = SymbolicValidator()
result = validator.validate(ai_guess)
print(f"Result: {result}")
# Çıktı: {'status': 'accepted', 'value': 42}
Entegrasyondaki Zorluklar
Birincil teknik engel "gradyan uyumsuzluğudur". Sinir ağları, sürekli ve türetilebilir fonksiyonlar gerektiren gradyan inişi ile optimize edilir. Sembolik mantık ise kesikli ve türetilemezdir. Türetilebilir mantık (olasılıksal yumuşak mantık gibi) ve sembolik ödüllerle pekiştirmeli öğrenme üzerine yapılan son araştırmalar, bu boşluğu doldurmaya çalışmaktadır. Ancak, bu sistemleri genel zekaya ölçeklendirmek hala önemli bir açık sorun olarak kalmaktadır.
Sonuç
AGI'nin inşası yalnızca sinirsel ağların ölçeklendirilmesiyle veya daha fazla kuralın sabit kodlanmasıyla gelmeyecektir. Bu, her iki altyapının güçlüliklerine saygı duyan temel bir mimari değişim gerektirir. Sinirsel ağlar aracılığıyla dünyanın nüanslarını algılayabilen ve sembolik mantığın titizliğiyle bunlar hakkında akıl yürütebilen sistemler oluşturarak, sadece zeki değil, gerçekten akıllı makinelere daha da yaklaşıyoruz. AGI'ye giden yol, bu sentezle döşenmiştir.