Yapay Genel Zekâ (AGI) yolculuğu yalnızca model parametrelerini ölçeklendirmekle ilgili değildir; temel olarak modellerin bilgiyi nasıl işlediğini değiştirmekle ilgilidir. Yıllardır Büyük Dil Modelleri (LLM'ler) öncelikle Sistem 1 düşünce yapısıyla—hızlı, sezgisel ve bağlantılı—çalışmaktadır. Ancak daha karmaşık mantıksal çıkarım, matematiksel ispat ve çok adımlı planlama talepleri arttıkça, saf otoregresif üretimin sınırları belirginleşmektedir. Bu yazı, yaygın olarak benimsenen Düşünce Zinciri (CoT) paradigmasıyla karşılaştırarak Sistem 2 akıl yürütmesine yönelik mimari değişimi değerlendirmektedir.
Paradigma Değişimini Anlamak
Daniel Kahneman tarafından tanımlanan Sistem 1 düşünce yapısı, hız ve düşük bilişsel çaba ile karakterize edilir. Yapay zekâ terimleriyle bu, akıcılık için optimize edilmiş sonraki token tahminine karşılık gelir. Düşünce Zinciri (CoT) yönlendirmesi, modele "işini göstermesini" isteyerek daha yavaş düşünmeyi simüle etmeye çalışır. Basit mantıksal görevler için etkili olsa da, CoT hala tek geçişli bir üretim sürecidir. Model bir düşünce üretir, ardından bir sonraki düşünceyi üretir; ancak nihai cevabı vermeden önce kendi mantığını yansıtmak, geri adım atmak veya doğrulamak konusunda bir yeteneği yoktur.
Buna karşılık, Sistem 2 akıl yürütme tefekkürü (derinlemesine düşünmeyi) getirir. Bu süreç, modelin ara adımları değerlendirebildiği, hataları düzeltebildiği ve nihai sonucu vermeden önce hipotezini iyileştirebildiği yavaş, analitik bir işleme aşamasını içerir. Bu, yalnızca bir yönlendirme tekniği değil, genellikle ayrı bir eleştirel model veya geri bildirim mekanizması gerektiren çıkarım döngüsündeki yapısal bir değişikliktir.
Mimari Uygulama: Kod Açısından Bakış
Bir Sistem 2 yaklaşımı uygulamak, standart model.generate() çağrısından vazgeçmeyi gerektirir. Bunun yerine, üretimi doğrulamadan ayıran bir kontrol döngüsüne ihtiyacımız vardır. Aşağıda, tefekkürsel bir mimarinin standart bir CoT uygulamasına kıyasla nasıl çalışabileceğini gösteren basitleştirilmiş bir Python kod taslağı bulunmaktadır.
# Standart Düşünce Zinciri Uygulaması
def generate_cot(model, query):
prompt = f"Adım adım düşünelim. {query}"
# Tek geçişli üretim: hızlı ancak halüsinasyona yatkın
response = model.generate(prompt, max_tokens=500)
return response
# Tefekkürsel Sistem 2 Uygulaması
def generate_system2(model, verifier, query):
thoughts = []
current_hypothesis = None
for step in range(max_steps):
# Adım 1: Olası bir akıl yürütme adımı veya cevap üret
if not current_hypothesis:
current_hypothesis = model.generate_step(query, thoughts)
# Adım 2: Kritik Değerlendirme ("Sistem 2" kontrolü)
is_valid = verifier.evaluate(current_hypothesis, query)
if is_valid:
return current_hypothesis
else:
# Adım 3: Kendini Düzeltme veya Yeniden Düşünme
thoughts.append(f"Reddedildi: {current_hypothesis}")
current_hypothesis = None
return "Adım limiti içinde geçerli bir cevap türetilemedi"
Yukarıdaki kodda verifier.evaluate fonksiyonu kritik öneme sahiptir. Bu fonksiyon, sistemi yavaşlamaya zorlayan darboğaz görevi görür. Mantıksal tutarlılıktan bağımsız olarak tokenları ileri iten CoT'nin aksine, Sistem 2 mimarileri bir kalite kapısı zorunlu kılar.
Ödünleşimler: Gecikme vs. Doğruluk
Sistem 2 mimarilerinin temel dezavantajı gecikmedir. Bir doğrulama döngüsü ekleyerek, çıkarım süresi önemli ölçüde—bazen bir miktar kat—artabilir. Ancak tıbbi tanı, hukuki analiz veya otonom robotik gibi yüksek riskli uygulamalar için bu ödünleşim gerekçelidir. Araştırmalar, CoT'nin sıfır-atış (zero-shot) yöntemlere göre doğruluğu artırdığını gösterse de, Sistem 2 tefekkürünün standart CoT'ye kıyasla çok adımlı akıl yürütme görevlerinde hata oranlarını %40'a kadar azalttığını belirtmektedir.
Sonuç
Daha yetkin AGI sistemlerine doğru ilerlerken, Sistem 1 ile Sistem 2 arasındaki ayrım yalnızca bir yönlendirme stratejisi olmaktan çıkıp mimari bir özellik haline gelmelidir. Düşünce Zinciri hızlı sezgiler için değerli bir araç olmaya devam ederken, gerçek tefekkürsel akıl yürütme yansıma, doğrulama ve düzeltmeye olanak tanıyan yapılar gerektirir. Geliştiriciler, hızlı ve düşük riskli görevler için Sistem 1'i kullanıp karmaşık ve yüksek riskli karar alma süreçleri için Sistem 2 tefekkür döngülerini çağıran hibrit modeller uygulamayı değerlendirmelidir.