Yapay Zeka İnsan İlişkilerinde Neden Sınıfta Kaldı? Yeni Araştırma Şaşırttı

Johns Hopkins Üniversitesi'nden araştırmacıların öncülük ettiği yeni bir çalışma, yapay zeka modellerinin dinamik sahnelerdeki sosyal etkileşimleri anlama ve yorumlama konusunda insan yeteneklerinin oldukça gerisinde kaldığını gözler önüne serdi. Bu durum, özellikle otonom araçlar ve yardımcı robotlar gibi gerçek dünya ortamlarında güvenli bir şekilde gezinmek için yapay zekaya dayanan teknolojiler açısından kritik bir eksikliğe işaret ediyor.

Araştırma İnsan ve Yapay Zeka Farkını Ortaya Koydu

Çalışma, mevcut yapay zeka sistemlerinin, insanlarla etkili bir şekilde iletişim kurmak için gerekli olan incelikli sosyal dinamikleri ve bağlamsal ipuçlarını kavramakta zorlandığını vurguluyor. Bulgular ayrıca, bu sınırlamanın temel olarak mevcut yapay zeka modellerinin altta yatan mimarisi ve altyapısındaki eksikliklerden kaynaklanabileceğini düşündürüyor. Araştırmacılar, yapay zeka modellerinin insan algısıyla ne kadar örtüştüğünü belirlemek için katılımcılardan üç saniyelik video klipler izlemelerini ve sosyal etkileşimleri anlamak için önemli olan özellikleri 1'den 5'e kadar derecelendirmelerini istedi. Kliplerde birbirleriyle etkileşim halinde olan, yan yana faaliyetler yürüten veya kendi başlarına bağımsız işler yapan insanlar yer alıyordu. Ardından 350'den fazla yapay zeka dil, video ve görüntü modelinden, insanların videoları nasıl değerlendireceğini ve beyinlerinin izlemeye nasıl tepki vereceğini tahmin etmeleri istendi. Sonuçlar netti: İnsan katılımcılar çoğunlukla sorular üzerinde hemfikirken, boyutları veya eğitildikleri veriler ne olursa olsun yapay zeka modelleri aynı başarıyı gösteremedi.

Yapay Zeka Gelişiminde Önemli Bir Açık Saptandı

Özellikle video modelleri, insanların videolarda ne yaptığını doğru bir şekilde açıklayamadı. Analiz için bir dizi durağan kare verilen görüntü modelleri bile insanların iletişim kurup kurmadığını güvenilir bir şekilde tahmin edemedi. Dil modelleri insan davranışını tahmin etmede biraz daha iyi performans gösterirken, video modelleri beyindeki sinirsel aktiviteyi tahmin etmede daha başarılıydı. Araştırmacılar, bu sonuçların yapay zekanın durağan görüntüleri okumadaki başarısıyla keskin bir tezat oluşturduğunu belirtiyor. Çalışmanın baş yazarı, Johns Hopkins Üniversitesi'nden bilişsel bilimler alanında yardımcı doçent Leyla Işık, Örneğin sürücüsüz bir araba için yapay zekanın, insan sürücülerin ve yayaların niyetlerini, hedeflerini ve eylemlerini tanıması gerekir. Bir yayanın hangi yöne doğru yürümeye başlayacağını veya iki kişinin sohbet mi ettiğini yoksa sokağa mı çıkmak üzere olduğunu bilmesini istersiniz, diyor ve ekliyor: Yapay zekanın insanlarla etkileşime girmesini istediğiniz her an, insanların ne yaptığını tanıyabilmesini istersiniz. Sanırım bu çalışma, bu sistemlerin şu anda bunu yapamadığı gerçeğine ışık tutuyor.

Sorunun Kaynağı Yapay Zeka Mimarisi Olabilir

Araştırmacılar, bu durumun yapay sinir ağlarının, beynin dinamik sosyal sahneleri işleyen bölgesinden farklı olan, durağan görüntüleri işleyen kısmının altyapısından esinlenerek tasarlanmasından kaynaklandığını düşünüyor. Çalışmanın yazarlarından Kathy Garcia, Sadece bir görüntü görüp nesneleri ve yüzleri tanımak yeterli değil. Bu, yapay zekada bizi uzun bir yola götüren ilk adımdı. Ancak gerçek hayat statik değil. Yapay zekanın bir sahnede gelişen hikayeyi anlamasına ihtiyacımız var. Sosyal etkileşimlerin ilişkilerini, bağlamını ve dinamiklerini anlamak bir sonraki adımdır ve bu araştırma, yapay zeka modeli geliştirmede bir kör nokta olabileceğini gösteriyor, şeklinde durumu özetliyor. Leyla Işık, Pek çok incelik var, ancak genel sonuç, hiçbir yapay zeka modelinin, durağan sahnelerde olduğu gibi, sahneler karşısında insan beyni ve davranış tepkilerini tam olarak eşleştirememesidir. Bence insanların sahneleri işlemesinde bu modellerin kaçırdığı temel bir şey var, diyerek mevcut modellerin temel bir eksikliğine işaret ediyor. Bu eksiklik, yapay zekanın sosyal ve etik boyutları hakkında da önemli soruları beraberinde getiriyor; zira sosyal ipuçlarını anlayamayan sistemlerin toplumsal eşitsizlikleri artırma veya yanlış kararlar verme riski bulunuyor.