LLM'ler Fizik Anlar mı? Kettlebell Egzersiziyle Anlatılan Büyük Yanlış
LLM'ler Fizik Anlar mı? Kettlebell Egzersiziyle Anlatılan Büyük Yanlış
LLM'ler Fizik Anlar mı? Kettlebell Egzersiziyle Anlatılan Büyük Yanlış
Bir kullanıcı, ChatGPT’ye basit bir fizik sorusu sordu: "Bir kettlebell’i havaya fırlatırsam, ne olur?" AI, cevap olarak 15 farklı kettlebell egzersizi listesi verdi. Hayır, fizik değil — fitness rehberi. Bu hata, sadece bir teknik arıza değil; yapay zekânın temeldeki kırılganlığının görsel bir parçası. Yani: LLM’ler, dünyayı anlamak yerine, dünyadan alınmış verileri yeniden karıştırıyor.
Neden Bu Hata Oluyor?
Yapay zekâ modelleri, insan gibi düşünmez. Onlar, kelimelerin birbirleriyle nasıl ilişkili olduğunu istatistiksel olarak öğrenirler. "Kettlebell" kelimesi, eğitim verilerinde "egzersiz", "kuvvet", "omuz", "bacak" gibi terimlerle sıkça birlikte geçer. Bu yüzden, bir kullanıcı "kettlebell" ile ilgili bir şey sorduğunda, AI en çok görülen bağlamı — yani fitness içeriklerini — otomatik olarak seçer. Fiziksel neden-sonuç zinciri, veri setindeki bir örüntü değil; bir kavramdır. Ve AI, kavramları değil, kelimeleri eşleştirir.
Reddit kullanıcıları bu duruma "Woops" diyerek tepki verdi. Bu bir gülümseme değil, bir alarm. Çünkü bu hata, yalnızca bir egzersiz listesiyle sınırlı değil. Bir tıbbi soruya "reçete veren" bir AI, bir mühendislik sorusuna "mimarlık önerisi" veriyor. Bir çocuk, "neden gökyüzü mavi?" diye sorunca, AI "mavi renkli boyalarla boyanmış" diye cevap veriyor. Çünkü "mavi" ve "gökyüzü" birlikte geçer, ama "Rayleigh saçılması" terimi veri setinde nadiren yer alır.
Embodiment Eksikliği: Bedensiz Zekânın Kaderi
Reddit’ten IonHawk’un yazdığı gibi: "Şu anki yazılımla, bu eksikliği aşmak mümkün değil." Buradaki anahtar kelime: "embodiment" — yani bedenlenme. İnsanlar fiziksel dünyayı dokunarak, düşerek, fırlatarak, yorularak öğrenirler. Bir çocuk, bir topu havaya atınca, onun yere düşmesini görür, sesini işitir, etkisini hisseder. Bu deneyim, "çekim kuvveti" kavramını derinleştirir. AI ise, bu deneyimi hiç yaşamaz. Sadece "top yere düşer" ifadesini 3 milyon kez okur.
Bu, sadece fizikle ilgili değil. Moralle ilgili. Etikle ilgili. Neden-sonuç zincirini anlamak, bir şeyi yapmanın sonucunu tahmin edebilmek demektir. İnsanlar, çocuklukta bir şeyi yakıp elini yaktığında, ateşe yaklaşmaz. AI, "ateş yanıcıdır" yazısını okur ama, yanmanın acısını bilmez. Bu yüzden, AI’nın "neden" sorularını cevaplaması, bir kelimeler dizisiyle değil, bir deneyimle mümkün olur.
Veri vs. Anlama: Modern AI’nın Büyük İkilemi
Şu anda AI endüstrisi, daha fazla veri, daha fazla parametre, daha fazla enerji harcamayı "akıllılaşma" olarak tanımlıyor. Ama bu, bir kitaplığı daha da büyütmek gibi. Kitaplıkta 10 milyon kitap olsa da, bir çocuğun kitaptan ders çıkarması gibi bir şey olmaz. AI, verileri okuyor ama anlamıyor. Kettlebell örneği, bu ikilemin mükemmel bir simgesi: İnceleme yapmak yerine, listeleme yapmak.
Google, Bing ve diğer büyük platformlar, bu tür yanıtları "doğru" olarak kabul ediyor. Çünkü kullanıcılar genellikle "kettlebell egzersizleri" arıyor. AI, arama istatistiklerini optimize ediyor — ama gerçek anlamayı değil. Sonuçta, kullanıcı kendi hatasını fark etmeden, fizik dersi yerine bir fitness programı alıyor. Bu, bilgi çağında bir tür "yapay bilgi kirliliği".
Gelecek İçin Ne Yapmalıyız?
Yapay zekânın fizik anlayışı, yalnızca daha büyük modellerle değil, daha gerçekçi deneyimlerle gelişebilir. Örneğin, simülasyon ortamlarında fizik motorları ile eğitilen AI’lar (OpenAI’nin simüle edilmiş robotlar gibi) daha iyi sonuçlar veriyor. Ama bu, milyonlarca dolar ve yıllar alıyor. Şimdilik, AI’lar, dünyayı anlamak yerine, onun izlerini takip ediyor.
Bu yüzden, bir kettlebell’i havaya fırlattığınızda, AI size 15 egzersiz önerir. Ama sizin elinizdeki ağırlık yere düşer. Ve bu, sadece bir hata değil — bir uyarı. Yapay zekâ, insan gibi düşünmeye yetenekli değil. Sadece insanın ürettiği metinleri mükemmel bir şekilde kopyalıyor. Ve bu, bizi daha akıllı hale getirmiyor. Sadece daha fazla veriye bağımlı hale getiriyor.
Belki bir gün, AI bir kettlebell’i fırlatıp, yere düşmesinin nedenini anlayacak. Ama o gün, o AI, bir insan olmayacak. Sadece, insanın yarattığı dünyayı anlayan bir sistem olacak. Ve o zaman, bizimle aynı soruyu sormaya başlayacaktır: "Neden biz, verileri topladık ama anlamadık?"
