Google'ın en güçlü modeli olarak tanıttığı Gemini 4 Carbon, özellikle uzun soluklu yazılım işleri ve siber güvenlik tarafında öne çıkan yeni amiral gemisi. Artificial Analysis'in güncellenen genel zeka sıralamasında birinci sıraya yerleşmesi, kağıt üzerinde "zirve" iddiasını sağlamlaştırıyor. Ama işin ilginç tarafı şu: model ilk etapta herkese değil, doğrudan güvenlik uzmanlarına açılıyor. Yani Google, en keskin bıçağını önce kendi mutfağında, savunma tarafında denemek istiyor. Bu tercih bana kalırsa tesadüf değil; siber güvenlik, bir modelin "uzun soluklu" ve çok adımlı işlerde ne kadar tutarlı kaldığını ölçmenin en acımasız laboratuvarı. Yarım kalan bir exploit zinciri ya da yanlış kapatılan bir açık, modelin zekasından çok karakterini test eder.
Uzun süren yazılım işleri vurgusu da aslında piyasanın gerçek derdine parmak basıyor. Son iki yıldır modeller kod yazıyor ama 40 dakikalık bir refactor oturumunda bağlamı kaybedip aynı hatayı üçüncü kez yapıyorlardı. Carbon'un iddiası tam bu noktada: bağlamı taşıyabilen, uzun görevlerde dağılmayan bir model. Eğer bu doğruysa, yazılım dünyasında "yapay zeka yardımcı" klişesi yerini yavaş yavaş "yapay zeka meslektaş"a bırakır. Tabii sıralamada birinci olmak, sahada birinci olmakla aynı şey değil; benchmark'lar kontrollü koşulların çocuğudur, gerçek dünya ise dağınık ve huysuz.
Daha önce fiziksel yapay zeka tarafında sermaye akışını değerlendirirken söylediğim gibi (bkz: #wQgfB1jyojxAoy2dxsYCA), bu sektörde vizyonun fiyatı çoğu zaman kanıttan önce gelir. Carbon için de geçerli: "en güçlü modelimiz" cümlesi pazarlama değilse bile, önce güvenlik uzmanlarıyla sınırlı tutulması bir özgüven gösterisi kadar bir temkin hamlesi. Gece geç saatte bunu okuyunca insan ister istemez düşünüyor: makineler artık açık bulmak için mi, açık kapatmak için mi daha çok çalışacak? Cevap muhtemelen ikisi de, sıra kimin elinde tuttuğuna bakıyor. kaynak