Yapay zeka, tanımadan akıl yürütmeye doğru evriliyor ve kuruluşların, özel olarak oluşturulmuş yapay zeka altyapısıyla bilgi işlem güçlerini ölçeklendirerek bu adımı atmaları gerekiyor.
16 Nisan 2025
Üniversitede sınavlara hazırlanan herkes, bilgileri etkileyici bir şekilde tekrarlama yeteneğinin eleştirel düşünceyle eş anlamlı olmadığını bilir.
2022’de ilk kez kamuoyuna açıklanan büyük dil modelleri (LLM’ler) etkileyiciydi ancak sınırlıydı; çoktan seçmeli sınavlarda başarılı olan ancak mantıklarını savunmaları istendiğinde tökezleyen yetenekli öğrenciler gibi. Günümüzün gelişmiş akıl yürütme modelleri, belirsizlikle başa çıkabilen ve gerektiğinde geri adım atabilen, metodik bir yaklaşımla sorunları dikkatlice çözen deneyimli lisansüstü öğrencilere daha çok benziyor.
İnsan beyninin mekanizmalarını taklit ederek öğrenen YZ sistemleri gelişmeye devam ettikçe, ezberci tekrarlardan gerçek akıl yürütmeye doğru modellerde bir evrime tanık oluyoruz. Bu yetenek, YZ’nın evriminde yeni bir bölümü ve işletmelerin bundan neler kazanabileceğini işaret ediyor. Ancak bu muazzam potansiyelden yararlanmak için, kuruluşların ilerleyen teknolojiyi desteklemek için doğru altyapıya ve hesaplama kaynaklarına sahip olduklarından emin olmaları gerekecek.
Akıl yürütme devrimi
Microsoft’ta ortak YZ/HPC mimarı olan Prabhat Ram, “Muhakeme modelleri niteliksel olarak önceki LLM’lerden farklıdır” diyor ve bu modellerin farklı hipotezleri araştırabileceğini, cevapların tutarlı bir şekilde doğru olup olmadığını değerlendirebileceğini ve yaklaşımlarını buna göre ayarlayabileceğini belirtiyor. “Esasında, maruz kaldıkları eğitim verilerine dayalı bir karar ağacının dahili bir temsilini oluştururlar ve hangi çözümün en iyi olabileceğini araştırırlar.”
Sorun çözmeye yönelik bu uyarlanabilir yaklaşımın bazı dezavantajları da vardır. Daha önceki LLM’ler istatistiksel desen eşleştirme ve olasılık analizine dayalı olarak milisaniyeler içinde çıktılar sunardı. Bu birçok uygulama için verimliydi ve hala öyledir, ancak yapay zekaya birden fazla çözüm yolunu kapsamlı bir şekilde değerlendirmek için yeterli zaman tanımaz.
Daha yeni modellerde, çıkarım sırasındaki genişletilmiş hesaplama süresi (saniyeler, dakikalar veya daha uzun) yapay zekanın daha karmaşık dahili takviye öğrenimini kullanmasına olanak tanır. Bu, çok adımlı problem çözme ve daha ayrıntılı karar alma için kapıyı açar.
Muhakeme yeteneğine sahip yapay zeka için gelecekteki kullanım durumlarını göstermek için Ram, Mars yüzeyini keşfetmek üzere gönderilen bir NASA gezgini örneğini sunuyor. “Hangi yolu izleyeceğimize, neyi keşfedeceğimize dYZr her an kararlar alınması gerekiyor ve bir risk-ödül dengesi olmalı. Yapay zekanın, ‘Bir uçurumdan atlamak üzere miyim? Ya da bu kayayı incelersem ve sınırlı bir zamanım ve bütçem varsa, bu gerçekten bilimsel olarak daha değerli olan mı?’ sorularını değerlendirebilmesi gerekiyor.” Bu değerlendirmeleri başarıyla yapmak, daha önce düşünülemez hız ve ölçekte çığır açan bilimsel keşiflerle sonuçlanabilir.
Muhakeme yetenekleri, aynı zamanda aracı YZ sistemlerinin yaygınlaşmasında bir dönüm noktasıdır: kullanıcılar adına randevu planlama veya seyahat güzergahları rezervasyonu gibi görevleri gerçekleştiren otonom uygulamalar. Ram, “YZ’dan rezervasyon yapmasını, literatür özeti sunmasını, havlu katlamasını veya bir kaya parçasını kaldırmasını isteyin, öncelikle ortamı anlayabilmesi gerekir – buna algı diyoruz – talimatları kavrayabilmeli ve ardından planlama ve karar alma aşamasına geçebilmelidir” diye açıklıyor.
Akıl yürütme yeteneğine sahip yapay zeka sistemlerinin kurumsal uygulamaları
Akıl yürütme yeteneğine sahip YZ için kurumsal uygulamalar çok kapsamlıdır. Sağlık hizmetlerinde, akıl yürütme YZ sistemleri tanı veya tedavi kararlarını desteklemek için hasta verilerini, tıbbi literatürü ve tedavi protokollerini analiz edebilir. Bilimsel araştırmalarda, akıl yürütme modelleri hipotezler oluşturabilir, deneysel protokoller tasarlayabilir ve karmaşık sonuçları yorumlayabilir; malzeme biliminden ilaçlara kadar çeşitli alanlarda keşifleri potansiyel olarak hızlandırabilir. Finansal analizde, akıl yürütme YZ yatırım fırsatlarını veya pazar genişleme stratejilerini değerlendirmeye yardımcı olabilir ve ayrıca risk profilleri veya ekonomik tahminler geliştirebilir.
Bu içgörülerle, kendi deneyimleriyle ve duygusal zekalarıyla donanmış insan doktorlar, araştırmacılar ve finans analistleri daha hızlı ve daha bilinçli kararlar alabilirler. Ancak bu sistemleri serbest bırakmadan önce, özellikle sağlık hizmetleri veya otonom araçlar gibi yüksek riskli bağlamlarda, güvenlik önlemleri ve yönetim çerçevelerinin sağlam olması gerekecektir.
Ram, “Kendi kendine giden bir araç için, direksiyonu sola mı sağa mı çevireceği, gaz pedalına mı yoksa frene mi basacağı gibi gerçek zamanlı kararlar alınması gerekir; kesinlikle bir yayaya çarpmak veya bir kazaya karışmak istemezsiniz” diyor. “Durumları akıl yürüterek çözebilmek ve ‘en uygun’ kararı verebilmek, akıl yürütme modellerinin bundan sonra yapması gereken bir şeydir.”
Yapay zeka mantığının temelinde yatan altyapı
En iyi şekilde çalışmak için, muhakeme modelleri çıkarım için önemli ölçüde daha fazla hesaplama kaynağı gerektirir. Bu, belirgin ölçekleme zorlukları yaratır. Özellikle, muhakeme modellerinin çıkarım süreleri büyük ölçüde değişebildiğinden (sadece birkaç saniyeden birkaç dakikaya kadar) bu çeşitli görevler arasında yük dengeleme zor olabilir.
Ram, bu engellerin üstesinden gelmek için altyapı sağlayıcıları ile donanım üreticileri arasında sıkı bir iş birliğinin gerekli olduğunu belirterek, Microsoft’un Azure YZ da dahil olmak üzere Microsoft ürünlerine hızlandırılmış bilgi işlem platformunu getiren NVIDIA ile iş birliğinden bahsediyor.
Ram, “Azure’u düşündüğümüzde ve yapay zeka eğitimi ve çıkarımı için sistemler dağıtmayı düşündüğümüzde, tüm sistemi bir bütün olarak düşünmemiz gerekiyor,” diye açıklıyor. “Veri merkezinde neyi farklı yapacaksınız? Birden fazla veri merkezi için ne yapacaksınız? Bunları nasıl bağlayacaksınız?” Bu değerlendirmeler, silikon seviyesindeki bellek hatalarından, sunucular içinde ve arasında iletim hatalarına, termal anomalilere ve hatta güç dalgalanmaları gibi veri merkezi seviyesindeki sorunlara kadar her ölçekte güvenilirlik zorluklarına kadar uzanıyor; bunların hepsi karmaşık izleme ve hızlı yanıt sistemleri gerektiriyor.
Microsoft ve NVIDIA’nın iş birliği, dalgalanan yapay zeka taleplerini karşılamak üzere tasarlanmış bütünsel bir sistem mimarisi oluşturarak şirketlerin altta yatan karmaşıklığı yönetmeye gerek kalmadan akıl yürütme modellerinin gücünden yararlanmalarını sağlar. Performans avantajlarına ek olarak, bu tür iş birlikleri şirketlerin baş döndürücü bir hızla gelişen bir teknoloji ortamına ayak uydurmasını sağlar. Ram, “Hız bu alanda benzersiz bir zorluktur” diyor. “Her üç ayda bir yeni bir temel model ortaya çıkıyor. Donanım da çok hızlı gelişiyor; son dört yılda her nesil NVIDIA GPU’yu ve şimdi de NVIDIA GB200NVL72’yi dağıttık. Bu alanda liderlik etmek gerçekten de Microsoft ve NVIDIA arasında donanım mühendisliği tarafında yol haritalarını, zaman çizelgelerini ve tasarımları, yeterlilikleri ve doğrulama paketlerini, üretimde ortaya çıkan sorunları vb. paylaşmak için çok yakın bir iş birliği gerektiriyor.”
Özellikle akıl yürütme ve aracı modeller için tasarlanmış YZ altyapısındaki gelişmeler, akıl yürütme yeteneğine sahip YZ’yı daha geniş bir organizasyon yelpazesine getirmek için kritik öneme sahiptir. Sağlam, erişilebilir bir altyapı olmadan, akıl yürütme modellerinin faydaları devasa bilgi işlem kaynaklarına sahip şirketlere özgü kalacaktır.
İleriye baktığımızda, akıl yürütme yeteneğine sahip YZ sistemlerinin ve bunları destekleyen altyapının evrimi daha da büyük kazanımlar vaat ediyor. Ram için sınır, kurumsal uygulamaların ötesine, insanlığı ileriye taşıyan bilimsel keşiflere ve atılımlara uzanıyor: “Bu aracı sistemlerin bilimsel araştırmalara güç verebileceği ve Nobel Ödülü’ne yol açabilecek yeni hipotezler önerebileceği gün, bence bu evrimin tamamlandığını söyleyebileceğimiz gün.”
https://www.technologyreview.com/2025/04/16/1115033/adapting-for-ais-reasoning-era/