Yapay Zeka Türleri Nelerdir? Dar AI, Genel AI ve Süper Zekaya Giden Yol

Yapay zeka türleri, en basit tabirle, sistem yeteneklerinin kapsamına göre yapılan sınıflandırmadır. Bu sınıflandırma, bir makinenin belirli bir görevde uzmanlaşıp uzmanlaşmadığını gösterir. Aynı zamanda, insan zekasını aşan teorik bir sistem olan süper zekâ ile karıştırılmamalıdır.

Dar yapay zeka (Narrow AI), yalnızca belirli bir görevi yerine getirebilen sistemlerdir.
Genel yapay zeka (AGI) ise insan seviyesinde, farklı alanlarda öğrenip problem çözebilen bir zekadır.
Süper zeka (ASI) insan zekasını her yönden aşan hipotetik bir aşamadır. Dar yapay zeka dışındaki türler henüz gerçekleşmemiştir. 

Yapay zeka türleri nasıl sınıflandırılır?

Bu sınıflandırma, önce yeteneğin kapsamına bakar. Dar yapay zeka, az sayıda göreve odaklanır. Genel yapay zeka ise birçok faaliyete uzanır. Buna karşılık, süper zeka insanı her alanda aşmayı hedefler. 

Bununla birlikte, tek eksen yetmez. Çünkü aynı yetenek, farklı biçimde sunulabilir. Bazı sistemler sadece öneri üretir. Bazıları ise uzun hedefler için eylem seçer. Bu yüzden araştırmacılar, performans, genellik ve otonomiyi birlikte ele alır. 

“AI sistemi” tanımında bu ayrımı destekler. Tanım, hedefe göre çıktı üretmeyi vurgular. Ayrıca sistemlerin otonomi ve uyarlanabilirliği değişebilir. Bu bakış, yapay zeka türleri konuşmasını somutlaştırır. 

Üstelik çerçeve, pazarlama dilini de ayıklar. “Genel” iddiası, geniş test gerektirir. “Süper” iddiası ise kanıt ister. Bu nedenle türler, beklenti yönetimi için temel araçtır. 

Dar yapay zeka nedir?

Dar yapay zeka, bir ya da birkaç görevi çözer. Örneğin sınıflandırma yapar, metin üretir, ya da tahmin verir. Buna rağmen sistem, bağlam değişince zorlanır. Çünkü eğitim hedefi sınırlıdır. 

Bu tür sistemler pratikte çok yaygındır.  AI Index, 2024’te kurumların %78’inin AI kullandığını yazar. Kurumlar, dar yapay zekayı süreç otomasyonu için kullanır. Kullanıcı ise çıktı için insan denetimi ister. Bu nedenle ürün başarısı, teknik kadar iş akışına bağlıdır. 

AI sistemlerinin risklerini yazılım risklerinden ayırır. Veri değişimi beklenmedik sonuç doğurabilir. Kullanım bağlamı da genelde karmaşıktır. Bu yüzden dar sistemler bile sürekli izleme ister. 

Ayrıca etkiler sosyo-tekniktir. Model, tek başına sonucu açıklamaz. İnsan, süreç ve ortam da sonucu belirler. Bu nedenle sorumluluk, sadece “model kalitesi” değildir. 

Dar yapay zeka ile üretken modeller aynı şey mi?

Üretken modeller, farklı görevlerde iyi görünebilir. Yine de bu durum, genel zeka anlamına gelmez. Çünkü genellik, sadece çok görev bilmeyi aşar. Ayrıca sistem, yeni amaçlar kurmayı da öğrenmelidir. 

Bu ayrım, kullanım tasarımını etkiler. Eğer sistem bir araçsa, kullanıcı kontrolü önceliklidir. Ancak sistem bir ajansa dönüşürse, risk büyür.

Pratikte iyi bir test, sınırları görünür kılar. Örneğin veri dışı sorular sorabilirsiniz. Buna ek olarak kaynak istemek fayda sağlar. Böylece dar yapay zekanın nerede durduğunu anlarsınız. 

Genel yapay zeka nedir?

Genel yapay zeka, insanın yaptığı çoğu faaliyeti yapabilen bir hedefi temsil eder. Burada odak, tek bir görev değil, geniş aktarım gücüdür. Bu nedenle genel yapay zeka, yeni problemleri daha az yeniden eğitimle çözer. 

Konunun uzman raporu, genel zekayı böyle çizer. Metin, dar sistemlerin bugün yaygın olduğunu söyler. Ayrıca genel düzeye giden teknik zorluklara dikkat çeker. Bu yüzden genel yapay zeka, bir proje hedefidir. 

Buna rağmen alan, net bir ölçüye sahip değildir. Bu yüzden bazı çalışmalar, seviyeleri tanımlar. Üstelik yaklaşım, performans kadar genelliği değerlendirir. Ayrıca otonomi, güvenlik risklerini bağlama taşır. 

Bu noktada yapay zeka türleri tek bir kutu değildir. Yetenek artar, fakat kontrol tasarımı da değişir. Bu nedenle “genel” söylemi, hem teknik hem yönetişim ister. 

AGI’nin ( Genel Yapay Zeka) Önündeki Gerçek Engel

Süper zeka nedir?

Süper zeka, insanın en iyi bilişsel performansını çok aşan bir düzeyi anlatır. Tanım, her alanda üstünlüğü merkeze alır. Bu yüzden tek bir görevde aşırı iyi olmak yetmez. Dolayısıyla alan bağımsız üstünlük gerekir. 

Uzmanlar süper zekayı bu şekilde tanımlar. Metin, tek alandaki uzmanlığı yeterli görmez. Ayrıca tanım, gerçekleşme biçimini açık bırakır. Bu yön, ihtimalleri genişletir. 

Burada ana mesele hedef uyumudur. Çünkü daha güçlü bir sistem daha etkili eylem seçebilir. Bununla birlikte, amaç yanlışsa sonuç ağır olabilir. Bu yüzden araştırmacılar, güvenli amaçlama ve denetim tartışır. 

Ayrıca motivasyonlar insan gibi olmak zorunda değildir. Böyle bir durum öngörüyü zorlaştırır. Bu nedenle insan benzetmesi kolay hataya yol açar. Sonuçta risk, sadece teknoloji değildir. 

Süper zekaya giden yol neden risk yönetimi ister?

Güç arttıkça, hata maliyeti artar. Bu nedenle güvenilirlik ve güvenlik birlikte ele alınır. NIST, güvenilir yapay zeka için ölçütler tanımlar. Çerçeve, geçerlilik, güvenlik, şeffaflık ve adalet gibi başlıklar önerir. 

Aynı zamanda NIST, denge ihtiyacını açıkça yazar. Bir özellik artarken diğeri düşebilir. Bu yüzden ekipler, kullanım bağlamına göre seçim yapar. Böylece hedefler açıklık kazanır. 

Benzer biçimde OECD, sistemlerin otonomi ve uyarlanabilirlik düzeylerine dikkat çeker. Bu vurgu, yapay zeka türleri tartışmasını pratikle bağlar. Çünkü aynı yetenek, farklı otonomiyle farklı risk doğurur. 

Regülasyon da bu noktada devreye girer. , AI Act ile risk temelli bir yaklaşım benimsedi. Metin, 2024’te yürürlüğe girişi açıkça belirtir. Ayrıca 2026’da tam uygulanabilirlik hedefi vardır. 

Dahası takvim kademelidir. Yasaklanan uygulamalar 2025’te devreye girer. Genel amaçlı model yükümlülükleri 2025’te başlar. Yüksek riskli ürün gömülü sistemler için süre 2027’ye uzar. 

Bu yüzden ekipler, gereksinimleri erken okumalıdır. Ayrıca test, kayıt ve insan gözetimi tasarlanmalıdır. Böylece kurum, hem değer hem uyum sağlar.

SorBlog okuru için uygulanabilir çıkarımlar

İlk adım, sistemi doğru adlandırmaktır. Eğer görev dar ise beklentiyi dar tutun. Genellik iddiası varsa kapsam testi yapın. Böylece ekip, vaat ve riski hizalar. 

İkinci adım, otonomiyi açıkça seçmektir. Araç yaklaşımı, kullanıcı kontrolünü güçlendirir. Ajan yaklaşımı, süreç sorumluluğunu artırır. Bu nedenle izinler, kayıtlar ve durdurma mekanizması tasarlayın. 

Üçüncü adım, güvenilirlik ölçmektir. Veriyi, hatayı ve yanlılığı izleyin. Ayrıca kullanıcı geri bildirimini döngüye alın. Böylece sistem, dağıtım sonrası sapmaları erken gösterir. 

Dördüncü adım, türleri ekip diline çevirmektir. Ürün ekibi, dar sınırları net görmelidir. Hukuk ekibi, risk sınıfını bilmelidir. Operasyon ise denetimi planlamalıdır. 

Son adım, yönetişimi görünür kılmaktır. Rol ve sorumlulukları yazılı hale getirin. Ayrıca denetim izlerini saklayın. Bu sayede yapay zeka türleri tartışması, Öğren ve Uygula hedefine bağlanır