DeepMind AlphaGeometry nedir?

Yapay zeka için heyecan verici bir dönemdeyiz. 2022’nin sonlarında ChatGPT’nin yayınlanmasının ardından, yapay zeka sektörü yaşam ve çalışma biçimimizi hızla değiştiren bir yolculuğa çıktı. Google, Microsoft, Meta, Apple ve Amazon gibi Büyük Teknoloji şirketleri, devam eden yapay zeka devriminde kilit bir rol oynuyor. Devasa bütçeleri, hesaplama kaynakları ve yetenekleri sayesinde bu şirketler, yapay zeka yarışında öne geçme çabaları kapsamında sürekli olarak öncü araştırmaları ilerletiyor.

Şimdiye kadar, OpenAI’nin Sora’sı dışında, 2024’teki en önemli yapay zeka atılımı muhtemelen DeepMind’in AlphaGeometry’sidir. Google’ın genel amaçlı yapay zeka geliştirmekten sorumlu birimi DeepMind tarafından tasarlanan AlphaGeometry, karmaşık geometri problemlerini çözmek için sinirsel bir dil modeliyle sembolik bir tümdengelim motorunu birleştiren yenilikçi bir yapay zeka sistemidir. Geometri için Olimpiyat düzeyinde bir yapay zeka sistemi olarak tanımlanan bu model, matematik alanları arasında genelleme yapabilen ileri düzey yapay zeka sistemleri oluşturma yönündeki uzun vadeli hedefe önemli bir katkı sunuyor.

Bu yazıda sizi AlphaGeometry ile tanıştıracağız. AlphaGeometry’nin arkasındaki motivasyonları, nasıl çalıştığını ve en ilgili kullanım alanlarını inceleyeceğiz. Yazıyı, AlphaGeometry’nin yapay zeka araştırmalarının geleceği açısından ne anlama geldiğine dair bazı ipuçlarıyla bitireceğiz.

AlphaGeometry nedir?

AlphaGeometry, karmaşık geometriyi çözmek için oluşturulmuş yeni nesil bir yapay zeka sistemidir. Sistem, geometriyle ilgili görevlerde mevcut en ileri sonuçların ötesine geçmesini sağlayan mantıksal akıl yürütmeye yönelik özgün bir tasarım yaklaşımı benimser.

Bu bakımdan, genel amaçlı yapay zeka modelleri olarak değerlendirilebilecek OpenAI’nin ChatGPT’si ve Google’ın Gemini’si gibi yapay zeka araçlarının aksine, AlphaGeometry alan-özel bir yapay zeka modelidir.

Kod ve modelin yanı sıra sentetik veri üretimi ve eğitimde kullanılan metodolojiler (bir sonraki bölüme bakın) bir açık kaynak lisansı altında yayınlandı.

AlphaGeometry’nin performansını test etmek için Google DeepMind araştırmacıları, 2000 ile 2022 yılları arasındaki Uluslararası Matematik Olimpiyatlarının (IMO) ardışık edisyonlarından derlenen bir geometri problem seti oluşturdu.

IMO, dünyanın dört bir yanından parlak lise öğrencilerini geometri alanı da dahil olmak üzere matematik problemlerini çözmek üzere bir araya getiren yıllık bir şampiyonadır.

AlphaGeometry, yarışma süre sınırları içinde seçilen 30 sorunun 25’ini çözmeyi başararak önceki yapay zeka sistemlerinin en ileri sonuçlarını geride bıraktı ve aşağıdaki görselde gösterildiği gibi insan altın madalyalıların ortalama skoruna yaklaştı. Kıyaslama testinin tasarımı ve sonuçları Nature’da yayımlanan özel bir makalede bulunabilir.

Kaynak: Google

AlphaGeometry nasıl çalışır?

AlphaGeometry’nin başarısının anahtarı, (geometrik) problem çözmeye yönelik hibrit yaklaşımında yatıyor. OpenAI’nin ChatGPT’si ve Google’ın Gemini’si gibi modern büyük dil modelleri (LLM’ler) kalıpları saptamada iyi olsa da, çoğu zaman kesin biçimde akıl yürütemezler.

Google DeepMind bu sınırlamayı, sinirsel bir dil modelini cebirsel ve geometrik akıl yürütmede uzmanlaşmış sembolik bir tümdengelim motoruyla birleştirerek aşmaya çalışıyor. Sinirsel dil modeli hızlı, sezgisel fikirler ve çözümler sunmaya yardımcı olurken, kolayca açıklanıp doğrulanabilen biçimsel mantık ifadelerine dayanan sembolik model, ilk modelin sunduğu ön fikirler temelinde daha kasıtlı, rasyonel kararlar sağlar.

AlphaGeometry’nin nasıl çalıştığını daha iyi anlayabilmek için önce IMO geometri problemlerinin doğasını kavramamız gerekir. Bu problemler, çözülebilmeleri için nokta, doğru ve çember gibi yeni geometrik yapılar eklenmesi gereken diyagramlara dayanır.

AlphaGeometry bu problemlerden biriyle karşılaştığında, ilk etapta dil modelini kullanarak sonsuz olasılık arasından hangi yeni yapıların eklenmesinin en faydalı olacağını tahmin eder. Bu ipuçları boşlukları doldurmaya yardımcı olur ve sembolik motorun diyagram hakkında daha fazla çıkarım yapmasını sağlayarak çözüme yaklaşmasına imkân verir. Sürecin tamamı aşağıda gösterilmiştir:

Kaynak: Google

Bu yenilikçi ikili yaklaşım, AlphaGeometry’nin yalnızca faydalı yapıları tahmin etmesini değil, aynı zamanda kararlarını açıklayıp doğrulamasını da sağlar.

Sentetik veriden yararlanma

AlphaGeometry’nin geliştirilmesi sırasında karşılaşılan en önemli zorluklardan biri eğitim süreciydi. Geometrik nesneler içindeki özellikleri ve ilişkileri (ör. uzam, mesafe, şekil, göreli konumlar) makinece okunabilir bir biçime çevirmek karmaşık bir iştir; zira geometriye özgü programlama dilleri dar kapsamlıdır ve karmaşık sayılar gibi geometrinin kapsamı dışındaki araçlarla türetilen insan kanıtlarını yakalamakta zorlanır.

Bu durum, geometri amaçları için makine öğrenmesi tekniklerinin kullanımını engelleyen bir veri darboğazı yaratır.

Bu sınırlamayı aşmak için Google DeepMind araştırmacıları, paralel hesaplama tekniklerinden yararlanarak 100 milyon benzersiz geometrik nesne diyagramından oluşan geniş bir sentetik eğitim verisi havuzu üreten özgün bir yöntem geliştirdi. Ayrı makalemizden sentetik verinin ne olduğunu keşfedin.

Bu eğitim verileri daha sonra model tarafından tüm özellikleri ve ilişkileri, ayrıca geometrik teoremleri ve bunlara ilişkin kanıtları öğrenmek için kullanıldı. Üstelik insan gösterimine gerek kalmadan. Sentetik veri üretim süreci aşağıdaki görselde gösterilmektedir:

Kaynak: Nature

Sentetik verinin geniş ölçekte erişilebilir olması, AlphaGeometry’nin dil modelinin yeni geometri problemleriyle karşılaştığında yeni yapılar için iyi önerilerde bulunmasını sağlar.

AlphaGeometry, yapay zeka araştırmalarının geleceği için ne ifade ediyor?

AlphaGeometry, soyut geometri problemlerini çözmek üzere özel olarak tasarlanmış bir araştırma modelidir. Eşi görülmemiş performansına rağmen AlphaGeometry yalnızca IMO sorularını ele almak üzere eğitilmiştir (ve bunun da yalnızca bir kısmını; zira IMO testleri cebir, sayı teorisi ve kombinatorik gibi diğer matematik alanlarından da problemler içerir).

AlphaGeometry, mimarlık, mühendislik ve sanat gibi geometrinin temel rol oynadığı disiplinlerde katkı sunmayı amaçlamaz. Bunun yerine, gelecekteki yapay zeka sistemlerinde akıl yürütme yeteneklerini geliştirmek için sinirsel dil ve sembolik modellerin nasıl birleştirilebileceğine dair umut verici bir örnektir.

AlphaGeometry’nin eğitiminde gösterildiği üzere, büyük ölçekli sentetik veri üretimine yönelik yeni yaklaşımların geliştirilmesi, bizi yapay zeka araştırmalarında bu yeni sınıra yaklaştırıyor.

Nihai hedef, mevcut büyük dil modellerinin sınırlamalarını ve eksiklerini aşabilecek yeni nesil yapay zeka sistemleri inşa etmektir. Bu, yeni modellere matematik alanları arasında ve ötesinde bilgiyi genelleştirmeye yardımcı olabilecek gelişmiş akıl yürütme ve problem çözme becerileri kazandırarak mümkün olacaktır.

Daha fazlasını öğrenin

Bu DeeMind AlphaGeometry hakkındaki makaleden keyif aldığınızı umuyoruz. Dünyamızı hızla değiştiren yapay zeka devriminin henüz başındayız. Riskler ve fırsatlar büyük; bu nedenle en son gelişmelerle uyumlu kalmak önemlidir.

DataCamp, yapay zeka devriminde yolunuzu bulmanıza yardımcı olmak için yoğun şekilde çalışıyor. Üretken yapay zekaya yönelik özel makale ve kurslarımıza göz atın.

• AI Fundamentals Yetenek Rotası
• Generative AI Concepts Kursu
• 2024’te Sıfırdan Yapay Zeka Nasıl Öğrenilir: Eksiksiz Uzman Rehberi
• Python’da OpenAI API’si Cheat Sheet
• LLaMA 2 İnce Ayarı: Büyük Dil Modelini Özelleştirmeye Adım Adım Kılavuz
• Mistral 7B Eğitimi: Mistral 7B’yi Kullanma ve İnce Ayara Adım Adım Kılavuz
• GPT 3.5 Nasıl İnce Ayarlanır: Yapay Zekanın Tüm Potansiyelini Ortaya Çıkarın