OpenAI ve Anthropic CEO'larının insan seviyesinde yapay zekanın (AGI) yakın olduğu yönündeki iddiaları büyük ilgi çekse de, bu makale bu iddialara karşı çıkan bir bakış açısı sunuyor. Yazar, makine öğrenimi alanında yüksek lisans yapmış ve temel araştırmalar hakkında geniş bilgiye sahip olduğunu belirtiyor. Makale, transformatör tabanlı büyük dil modellerinin (LLM) sınırları ile insan seviyesindeki biliş arasındaki farklara odaklanarak, AGI'nin yakın olmadığına dair düşüncelerini paylaşıyor.
Evrimsel sinirbilim araştırmaları, omurgalı beyinlerine yerleşik bir dizi bilişsel ilkel tanımlamıştır: sayı hissi, nesne sürekliliği, nedensellik, uzamsal navigasyon ve canlı ile cansız hareketi ayırt etme yeteneği gibi. Bu kapasiteler, balıklardan primatlara kadar tüm omurgalılarda ortaktır ve yüz milyonlarca yıllık ortak bir evrimsel kökene işaret eder. Dil, bu ilkellerin üzerine evrimleşmiş bir iletişim aracıdır; hem konuşmacı hem de dinleyici aynı bilişsel temeli paylaştığı için dil, bu ilkelleri varsayar ve açıkça belirtmez.
"Mary bir top tuttu" cümlesini anlamak için, Mary'nin kasıtlı eyleme yetenekli canlı bir varlık olduğunu, topun sürekli varoluşa sahip ayrı, sınırlı, cansız bir nesne olduğunu ve Mary'nin topu elinde tutmak için yerçekimine karşı bir kuvvet uyguladığını bilmek gerekir. Tüm bu bilgiler dört kelimede yer almaz ancak bir insan tarafından anlaşılır. Modern LLM'ler, bu bilişsel temeli dilden tersine mühendislikle çıkarmaya çalışıyor ki bu son derece zor bir görevdir. Bu durum, mevcut LLM mimarilerinin birçok sınırlılığını açıklıyor; örneğin, sayı hissi yerine sadece rakam belirteçleri üzerindeki istatistiksel kalıplara sahip oldukları için çok haneli aritmetik yapamazlar veya "A B'dir" üzerine eğitilmiş bir model "B A'dır" çıkarımını yapamaz çünkü bileşimsel, sembolik mekanizmalardan yoksundurlar. Video ile eğitim gibi gelişmeler olsa da, bu temel eksiklikler AGI'ye giden yolda önemli engeller teşkil etmektedir.
Mevcut yapay zeka modellerinin, insan zekasının temelini oluşturan doğuştan gelen bilişsel yeteneklerden yoksun olması, yapay genel zeka (AGI) hedefine ulaşmanın sanılandan daha uzak olduğunu gösteriyor.