Binlerce yüksek performanslı işlemciyle çalışan yapay zeka modelleri, karmaşık matematik problemlerini çözebilse de gerçek dünyayı anlama konusunda henüz bir yaşındaki bebeklerin seviyesine ulaşamadı. Meta, Stanford Üniversitesi, Tokyo Üniversitesi ve École Normale Supérieure araştırmacıları, yapay zekanın öğrenme yeteneklerini bebeklerle kıyaslayan EgoBabyVLM Challenge adlı yeni bir test geliştirdi.

Bebeklerin Verimli Öğrenme Yeteneği

Günümüz yapay zeka modelleri devasa veri setlerine ve küçük bir ülkenin tükettiği kadar enerjiye ihtiyaç duyarken, bebekler dünyayı çok daha düşük maliyetli ve verimli bir şekilde kavramayı başarıyor. Bebekler, yeni nesneleri sadece bir veya iki kez görerek tanıyabiliyor ve fiziksel etkileşimler ile anlık gözlemler yoluyla öğrenme gerçekleştiriyor. EgoBabyVLM testi kapsamında, bebeklerin ve küçük çocukların kafalarına takılan kameralardan elde edilen yaklaşık bin saatlik video görüntüsü görsel dil modellerine (VLM) sunuldu.

Yapay Zeka Gerçek Dünya Verilerinde Başarısız Oldu

Test sonuçları, güncel modellerin bu gerçekçi ve düzensiz görüntüler karşısında yetersiz kaldığını ortaya koydu. Stanford Üniversitesi'nden bilişsel bilimci Michael Frank, bebeklerin sadece dilden değil; ebeveynlerin bakışları, jestleri ve dokunsal deneyimler gibi çok modlu etkileşimlerden öğrendiğini belirtti. Modellerin, özenle seçilmiş veri setleri yerine hayatın doğal akışındaki karmaşık verileri işlemede zorlandığı tespit edildi.

Veri Miktarı Zekayı Getirmiyor

2023 yılında başlatılan BabyLM çalışması, yapay zekanın 10 yaşındaki bir çocuğun maruz kaldığı veri miktarıyla (on milyonlarca kelime) dil dizimini öğrenebildiğini göstermişti. Ancak MIT'den Joshua Tenenbaum, modellerin veri içindeki kalıpları bulmada başarılı olsa da fiziksel dünya, sosyal dinamikler ve ortak sağduyu konusunda bebeklerin ulaştığı seviyeye erişemediğini vurguladı. Uzmanlar, bebek beyninin mimarisini anlamanın, gelecekte daha az enerji tüketen ve doğal ortamlarda daha iyi öğrenen robotlar üretmek için kritik bir yol olduğunu savunuyor.