Günümüz yapay zeka modelleri giderek daha karmaşık hale geliyor, ancak bu sistemlerin gerçekten “düşünebilme” yeteneğine sahip olup olmadığı halen büyük bir soru işareti. Yapay zekanın akıl yürütme becerilerini sınamak isteyen bir grup araştırmacı, sıra dışı bir yöntem geliştirdi: ABD’nin bağımsız haber radyosu NPR’nin Pazar Bulmacası sorularını kullanarak yapay zeka kıyaslaması yapmak. Bu çalışma, yapay zekanın düşünme süreçlerini anlamak ve geliştirmek adına yeni bir bakış açısı sunuyor.

Yapay Zekanın “Düşünme” Yeteneği Nasıl Test Edildi?

Northeastern Üniversitesi, Texas Üniversitesi, Wellesley Koleji, Oberlin Koleji ve Charles Üniversitesi’nden araştırmacılar, yapay zekanın problem çözme yeteneklerini ölçmek için NPR’nin her hafta yayımladığı Pazar Bulmacası bilmecelerini kullanarak bir kıyaslama testi oluşturdu. Bu testin temel amacı, yapay zekaların sadece ezberci bilgiye dayanarak değil, gerçek akıl yürütme süreçleriyle problemleri çözebilme kapasitesini ölçmekti.

Çoğu yapay zeka kıyaslaması, ileri düzey matematik ve fen bilgisi gerektiren sorulara odaklanırken, Sunday Puzzle bulmacaları daha geniş bir kitleye hitap eden, yaratıcı ve esnek düşünmeyi gerektiren sorular içeriyor. Bu da araştırmacılara, modellerin gerçekten anlama ve analiz etme yeteneğini sınama fırsatı sunuyor.

Yapay Zeka “Pes Ediyor”

Test sonuçları oldukça dikkat çekiciydi. OpenAI’nin o1 modeli ve DeepSeek’in R1 modeli, diğer yapay zeka sistemlerine kıyasla daha başarılı oldu. Ancak en ilginç bulgulardan biri, bazı yapay zeka modellerinin adeta “pes ettiği” gözlemi oldu.

Özellikle DeepSeek’in R1 modeli, bazı sorular karşısında açıkça pes ettiğini belirten ifadeler kullanarak yanlış cevaplar verdi. Modelin, “Pes ediyorum” diyerek ardından rastgele bir cevap üretmesi, insanların zor bir soru karşısında verdiği tepkilere benzerlik gösteriyordu. Bu durum, yapay zekanın problem çözme sürecinde duygusal olmasa da insan benzeri davranışlar sergileyebileceğini gösteriyor.

Yapay Zeka Modellerinin Zorluklarla Başa Çıkma Süreci

Araştırmalar, yapay zekaların problem çözme sürecinde bazı ilginç hatalar yaptığını ortaya koydu:

• Yanlış cevap verip, sonra geri çekme: Bazı modeller, yanlış bir cevap ürettikten sonra fikrini değiştirerek yeni bir cevap üretmeye çalışıyor, ancak yine yanlış bir sonuca ulaşıyor.
• Sonsuz döngüye girme: Bazı yapay zeka modelleri, çözüme ulaşmak yerine “sonsuz düşünme” moduna girerek sürekli yeni olasılıkları değerlendiriyor.
• Gereksiz yere alternatif cevaplar üretme: Bazı durumlarda, modeller doğru bir cevaba ulaşmalarına rağmen, gereksiz yere yeni alternatifler düşünmeye başlıyor.

Bu gözlemler, yapay zekaların sadece bilgiyle değil, aynı zamanda akıl yürütme yöntemleriyle de geliştirilmesi gerektiğini ortaya koyuyor.

Sonuçlar Ne Anlama Geliyor?

Şu anki kıyaslamada en yüksek puanı %59 ile OpenAI’nin o1 modeli aldı. Onu, o3-mini modeli %47 ile takip etti. DeepSeek’in R1 modeli ise %35 puan aldı.

Araştırmacılar, bu testin yapay zeka modellerinin zayıf yönlerini belirleyerek gelecekteki gelişmelere ışık tutacağını düşünüyor. Northeastern Üniversitesi’nden araştırmacı Arjun Guha, çalışmanın önemini şu sözlerle açıklıyor:

“Düşünmede iyi olmak için doktora derecesine ihtiyacınız yok. Yapay zeka kıyaslamalarının da bunu yansıtması gerekiyor. Bu testler, yapay zeka modellerinin gerçek dünya problemlerini nasıl çözdüğünü anlamamıza yardımcı olacak.”

Araştırmacılar, ilerleyen süreçte daha fazla yapay zeka modelini bu testlere tabi tutarak, hangi algoritmaların gerçek akıl yürütme yeteneğine sahip olduğunu keşfetmeyi amaçlıyor.

Yapay Zekanın Geleceği: Daha Akıllı, Daha Mantıklı mı Olacak?

Bu araştırma, yapay zekanın gerçekten düşünme yeteneğine sahip olup olmadığı konusundaki tartışmaları yeniden alevlendirdi. Yapay zeka modelleri karmaşık problemleri çözerken hala birçok engelle karşılaşıyor. Fakat bu tür testler, onların zayıf noktalarını belirleyip daha iyi hale getirilmesini sağlayabilir.

Gelecekte, belki de yapay zekalar yalnızca doğru cevapları vermekle kalmayacak, neden yanlış cevap verdiklerini de açıklayabilecekler. Ama en önemlisi, gerçekten pes edip etmeyeceklerini anlamamız gerekecek.