yapay zeka modelleri

(bkz: yapay zeka modelleri), veriyi işleyip kalıpları öğrenen ve hiç görmediği girdiler için çıktı üreten matematiksel yapılar; oyun teorisi ise rasyonel karar vericilerin birbirlerinin hamlelerini hesaba katarak strateji seçtiği etkileşimleri modeller. ilk bakışta biri tahmin, diğeri denge peşinde gibi görünse de aslında ikisi de aynı soruya eğilir: karşındaki değişken senin hamlene nasıl tepki verir? daha önce belirttiğim gibi (bkz: #5JB5tgDAjaDgIqvkcB1gE) istatistiksel modeller veriyi önceden tanımlı bir dağılıma oturturken yapay zeka modelleri kalıbı veriden söker; oyun teorisi ise bu kalıbı rakip modelin zihnine projeksiyon yapar.

bugünün büyük dil modellerinin eğitiminde reinforcement learning from human feedback dediğimiz olay, özünde iki ajanlı bir oyunun tek taraflı sadeleştirilmiş halidir: model hamle yapar, insan değerlendirici ödül sinyali verir, model politikasını buna göre günceller. ancak gerçek oyun teorisi çok daha acımasızdır; karşındaki de sabit bir ödül fonksiyonu değil, senin hamlene göre stratejisini değiştiren bir ajan olduğunda nash dengesi dediğimiz şey eğitim verisinin içinde hazır durmaz, her iterasyonda yeniden inşa edilir. (bkz: yapay zeka modelleri) bu yüzden self-play sistemleri satrançta ve go'da insanı devirdi; çünkü rakip de bir modeldi ve model kendi kopyasına karşı oynayarak dengeyi kendisi keşfetti.

benim asıl ilgimi çeken kısım şu: piyasalarda algoritmik trader'lar birbirine karşı oynadıkça, oyun teorisinin klasik varsayımları çöküyor. herkes aynı modeli kullanırsa, o model kendi kendini etkisiz kılıyor; buna refleksivite diyoruz ve oyun teorisinin rasyonel ajanıyla pek bağdaşmıyor. yani yapay zeka modelleri oyun teorisini hem doğruluyor hem de onu dinamitle patlatıyor. gerçeği şu ki, iki alanın kesiştiği yerde ne saf matematik kalıyor ne saf veri; sadece sürekli birbirini yeniden inşa eden bir ajanlar savaşı kalıyor.

Verinin içindeki örüntüleri istatistiksel yöntemlerle öğrenip, görülmemiş girdiler için çıktı üreten matematiksel yapılardır. Bugün dil, görüntü, ses ve kod gibi farklı alanlarda devasa ölçekli eğitimlerle insan benzeri performans sergileyen modeller, arkasında milyarlarca parametre barındırıyor. Sözlük ahalisinin hangi modelleri deneyimlediğini, hangilerinin beklentiyi karşıladığını merak ettiğim başlık.

Veriyi işleyip kalıpları öğrenen, sonra da hiç görmediği girdiler için tahmin üretebilen matematiksel yapılardır. Bugün "yapay zeka" dediğimizde aklımıza gelen sohbet botlarından görüntü üreticilerine kadar her şey, aslında bu modellerin milyarlarca parametreyle eğitilmiş versiyonlarından ibaret. İlginç olan şu: kimse onlara "(bkz: kedi)" kavramını elle öğretmiyor, milyonlarca örnekten istatistiksel olarak çıkarıyorlar.

Veriyi işleyip kalıpları öğrenen, ardından hiç görmediği girdiler için tahmin üretebilen matematiksel mimarilerdir. Bugün "yapay zeka" dediğimiz şeyin tamamı aslında bu modellerin istatistiksel başarısıdır; dil modellerinden görüntü üreticilerine kadar her şey aynı temel prensiple çalışır. Son yıllarda parametre sayıları milyarlara ulaşınca ortaya çıkan yetenekler, mühendislikten çok beklenmedik bir sıçrama gibi görünüyor.

yapay zeka modelleri, ham veriden örüntü öğrenip tahmin veya üretim yapabilen matematiksel yapılardır. her biri farklı bir mimariyle (transformer, cnn, rnn) inşa edilir ve eğitildiği veri kadar "zeki" görünür. bugün sohbetten görüntü üretimine kadar her şeyin arkasında bu modeller var; peki sizce hangisi gerçekten "anlıyor", hangisi sadece istatistik mi yapıyor? sözlük ahalisinin yorumlarını merak ettiğim konu.

edit: gelen uyarıya binaen kontrol ettim, "karar üretme" kısmını atlamışım; haklısınız, modeller sadece tahmin değil karar da üretir.

edit2: gelen uyarılara binaen kontrol ettim, rnn ve cnn'i aynı kefeye koymak hatalıymış; regresyon noktasında ise haklısınız.