Artificial General Intelligence (AGI) veya Yapay Genel Zeka, yazılım üzerindeki genel insan benzeri bilişsel yeteneklerin temsilidir ve bilinmeyen bir görevle karşılaşıldığında çözüm bulabilen bir AGI sistemi olabilir. Bir AGI sistemi, insanın yapabildiği herhangi bir görevi gerçekleştirme amacı taşır.

AGI’nın tanımları, farklı alanlardan uzmanların insan zekasını farklı perspektiflerden tanımlaması nedeniyle farklılık gösterir. Bilgisayar bilimciler genellikle hedeflere ulaşabilme yeteneği olarak insan zekasını tanımlarlar. Psikologlar ise genel zekayı adaptasyon veya hayatta kalma yeteneği olarak tanımlarlar.

AGI, dar yapay zeka (AI) ile karşılaştırıldığında daha güçlü bir yapay zeka türüdür. Dar yapay zeka, belirli görevler veya problemler için yapay zekanın uygulanmasıdır. IBM’in Watson süper bilgisayarı, uzman sistemler ve otonom araçlar dar yapay zeka örnekleridir.

Yapay Genel Zeka (AGI) neler yapabilir?

Bilgisayar biliminde AGI, kapsamlı veya tam bilgiye sahip olan ve bilişsel hesaplama yeteneklerine sahip yapay zekadır. Şu anda gerçek AGI sistemleri mevcut değildir; bunlar henüz bilim kurgudur. Bu sistemlerin teorik performansı, insanınkine benzeyebilir veya insanın yeteneklerini aşabilir, çünkü AGI, inanılmaz hızlarda büyük veri kümelerine erişme ve işleme yeteneğine sahiptir.

Gerçek AGI, mevcut bilgisayarların gerçekleştiremediği insan seviyesinde görevleri ve yetenekleri gerçekleştirebilmelidir. Bugün yapay zeka birçok görevi yerine getirebilir, ancak bu görevleri insan zekası veya genel zeka olarak nitelendirmek için yeterli düzeyde başarı sağlayamaz.

Bir AGI sisteminin aşağıdaki yeteneklere ve anlayışa sahip olması gerekmektedir:

• Soyut düşünme.
• Arka plan bilgisi.
• Sağduyu.
• Neden-sonuç ilişkisi.
• Transfer öğrenme.

AGI yeteneklerinin pratik örnekleri aşağıdakileri içerebilir:

• Yaratıcılık: AGI sistemi, insanlar tarafından oluşturulan kodu okuyabilir, anlayabilir ve geliştirebilir.
• Duyusal algılama: AGI, renk tanıma gibi subjektif bir algılama türünde uzmanlaşabilir. Ayrıca, statik görüntülerde derinlik ve üç boyut algısı yapabilir.
• İnce motor beceriler: Bunun bir örneği, cebinden anahtarları çekmek gibi hayal gücü gerektiren algılamadır.
• Doğal dil anlama (NLU): İnsan dilinin anlamı oldukça bağlamsal bir niteliğe sahiptir. AGI sistemleri, NLU’yu mümkün kılacak bir sezgi düzeyine sahip olacaktır.
• Navigasyon: Mevcut Küresel Konumlama Sistemi (GPS), bir coğrafi konumu belirleyebilir. Tam olarak geliştirildiğinde, AGI, mevcut sistemlerden daha iyi fiziksel alanlarda hareketi projelendirebilecektir.

AI araştırmacıları ayrıca AGI sistemlerinin aşağıdaki gibi daha yüksek düzeyde yeteneklere sahip olacağını beklemektedir:

• Farklı türlerde öğrenme ve öğrenme algoritmalarıyla başa çıkabilme.
• Tüm görevler için sabit yapılar oluşturma.
• Sembol sistemlerini anlama.
• Farklı türde bilgi kullanımı.
• İnanç sistemlerini anlama.
• Metabilgiye katılım ve metabilgi bilgisini kullanma.

AGI’nın geliştirilmesiyle ilgili bir endişe, soyut düşünme ve metabilgi yeteneğine sahip olmasına rağmen, sorumluluk sahibi bir yapay zeka olmayacağıdır.

AGI vs. AI: Fark nedir?

Mevcut yapay zeka yetenekleri, genel yapay zeka ile karşılaştırıldığında dar yapay zeka olarak adlandırılır. AGI teoriktir, oysa dar yapay zeka bugün pratik kullanımdadır.

AGI teorik olarak insanın yapabildiği herhangi bir görevi gerçekleştirebilmeli ve çoğu alanda insanların sorunları çözme konusunda en azından insanlar kadar iyi bir performans sergilemelidir.

Buna karşılık, dar yapay zeka belirli görevleri veya problemleri tamamlama konusunda uzmandır. Birçok mevcut yapay zeka sistemi, makine öğrenimi (ML), derin öğrenme (makine öğreniminin bir alt kümesi), güçlendirme öğrenme ve doğal dil işleme (NLP) gibi teknolojileri kullanarak kendini geliştirir ve belirli türdeki problemleri çözer. Bununla birlikte, bu teknolojiler, insan beyninin birikimli yeteneklerine ulaşmaktan uzaktır.

Bugün kullanılan yapay zeka örnekleri şunları içerebilir:

• Müşteri hizmetleri sohbet robotları.
• Apple’ın Siri ve Amazon’un Alexa gibi sesli asistanları.
• Google, Netflix ve Spotify’nin içerik önerme motorları gibi öneri motorları.
• Veri analizi yapan ve müşteri duygusunu ölçen ve veri görselleştirmeleri sunan AI destekli iş analitiği ve iş zekası (BI) araçları.
• Görüntü ve yüz tanıma uygulamaları ve kullandıkları derin öğrenme modelleri.

Gerçek AGI sistemleri henüz piyasada bulunmamaktadır. Bununla birlikte, insan becerilerine yaklaşan veya hatta bazı alanlarda insan yeteneklerini aşan dar yapay zeka sistemleri örnekleri vardır. Yapay zeka araştırmaları bu sistemlere ve gelecekte AGI ile mümkün olabileceklerine odaklanmaktadır.

İşte bu sistemlerden bazı örnekler:

• IBM Watson: Watson ve diğer süper bilgisayarlar, ortalama bir bilgisayarın başa çıkamayacağı hesaplamaları yapabilirler. Muazzam hesaplama güçlerini yapay zeka ile birleştirerek evrenin doğuşu olan Büyük Patlama teorisi veya insan beyninin modellemesi gibi çok zor bilim ve mühendislik görevlerini gerçekleştirebilirler.
• Uzman sistemler: Bu yapay zeka temelli sistemler, insan değerlendirmesini taklit eder. Örneğin, hasta verilerine dayanarak ilaç önerisi yapabilir ve moleküler yapıyı tahmin edebilirler.
• Otonom araçlar: Bu yapay zeka destekli araçlar, yoldaki diğer araçları, insanları ve nesneleri tanıyabilir ve sürüş kurallarına uyarlar.
• ROSS Intelligence: ROSS, 1 milyar metin belgesinden veri çıkarabilir, bilgileri analiz edebilir ve 3 saniyenin altında karmaşık sorulara kesin cevaplar verebilir.
• AlphaGo: Bu, belirli bir tür problem çözmede uzmanlaşmış dar bir zeka örneğidir. AlphaGo, tahta oyunu Go’yu oynayabilen bir bilgisayar programıdır. Go, insanların ustalaşmasının zor olduğu karmaşık bir oyundur. 2016 yılında AlphaGo, dünya şampiyonu Lee Sedol’ü beş oyunluk bir maçta yendi.
• Dil modeli Generative Pre-trained Transformer: GPT-3 ve GPT-4, insan dilini otomatik olarak üretebilen OpenAI’den bir programın sürümüdür. Bu teknoloji, genel insan zekasını taklit etme konusunda oldukça yetenekli olmuştur. Bazı durumlarda, metin insan çıktısıyla ayırt edilemezken, yapay zeka çıktısı zaman zaman hatalı olabilir.
• Müzik AI’ları: Dadabots, mevcut bir müzik kataloğuna dayalı olarak yeni müzikler üretebilen bir yapay zeka sistemidir. Ayrıca, stilden tarz çalmayı da öğrenebilir.

Bu örnekler, mevcut yapay zeka teknolojisinin bazı yüksek düzeyde yeteneklere sahip olduğunu göstermektedir. Ancak, gerçek AGI’nın hedeflediği daha genel ve karmaşık insan benzeri bilişsel yeteneklerinin ötesine geçmektir.

AGI’nın geleceği hakkında farklı görüşler vardır. Bazı AI uzmanları AGI’nın hiçbir zaman mümkün olmayacağı konusunda şüphelerini dile getirmektedir. Bazıları ise bunun istenilebilir bir şey olup olmadığı konusunda şüphe duymaktadır.

İngiliz teorik fizikçi, kozmolog ve yazar Stephen Hawking, 2014 yılında yaptığı bir röportajda AGI’nın tehlikeleri konusunda uyarıda bulunmuştur. “Tam anlamıyla yapay zeka gelişimi, insanlığın sonunu getirebilir.” demiştir. “Kendi başına hızla yeniden tasarlanarak gelişir. Yavaş biyolojik evrimle sınırlı olan insanlar, rekabet edemez ve geride kalır.”

Bazı AI uzmanları ise AGI’nın gelişiminin devam edeceğini düşünmektedir. 2017 South by Southwest Konferansı’ndaki bir röportajda, mucit ve futurist Ray Kurzweil, bilgisayarların 2029 yılında insan düzeyinde bir zeka elde edeceğini öngörmüştür. Kurzweil ayrıca yapay zekanın hızla gelişerek insan anlayışını aşacak ve kontrol edemeyeceğimiz seviyelere ulaşacağına inanmaktadır. Bu nokta, yapay süper zeka olarak adlandırılan “singularity” olarak bilinir. Yapay genel zeka, yapay süper zekanın gelişmesine katkıda bulunacak yapay zekanın türlerinden biridir.

2022 yılında, generatif yapay zekadaki gelişmelerle bu vizyona çok daha yaklaştı. Kasım 2022’de ChatGPT’nin piyasaya sürülmesi ve diğer kullanıcı dostu generatif yapay zeka arayüzlerinin ortaya çıkmasıyla, kullanıcılar dünya çapında sınırsız bir konu yelpazesinde insan metin girişlerini anlayabilen ve sorulara cevap verebilen AI yazılımını ilk elden deneyimledi, ancak her zaman doğru değil. Bu generatif yapay zeka modelleri, şiir ve ürün açıklamaları gibi birçok içerik türünü üretebildiklerini gösterdiler. Bununla birlikte, bu etkileyici yeteneklerine rağmen, hataları ve riskleri bu noktada kullanıcılar tarafından iyi bilinmektedir, bu da onları tamamen otonom AGI’nın hala gerisinde bırakmaktadır. Bu, bu tür araçların yanlış bilgi ve yanlış bilgilendirme üretme eğiliminden veya güncel bilgilere erişememelerinden kaynaklanabilir, bu nedenle potansiyel topluma zarar verme riskini azaltmak için hala insan gözetimine ihtiyaç duyulmaktadır.

Diğer perspektifler arasında Alan Turing ve Alonzo Church tarafından 1936’da geliştirilen Church-Turing tezi bulunmaktadır. Bu tez, sonsuz bir zaman ve belleğe sahip olmak kaydıyla, herhangi bir problemi bir algoritma kullanarak çözebileceğini belirtir. Hangi bilişsel bilim algoritmasının bunu yapacağı tartışmalı bir konudur. Bazıları nöral ağların en umut verici olduğunu söylerken, diğerleri nöral ağların ve kural tabanlı sistemlerin kombinasyonuna inanmaktadır.

Başka bir potansiyel girişim, sinirbilimden gelmektedir: insan beyninin biyolojik yapısını ve işleyişini taklit etmek için yapay nöronlar ve sinapslar kullanan “neuromorphic computing”dir.