Yapay Zekanın "Kendi Kendini Yemesine" Çözüm: Veri Kıtlığı Sorunu Çözüldü mü?

Yapay zeka sistemlerinin gelişimi hız kesmeden devam ederken, büyük dil modellerinin (LLM) eğitilmesinde kullanılan insan yapımı verilerin tükenme riski, teknoloji dünyasında ciddi bir endişe kaynağı haline geldi. Uzmanlar, insan kaynaklı veriler tükendiğinde modellerin kendi ürettikleri sentetik verilere bağımlı hale geleceğini ve bu durumun "model çöküşü" (model collapse) olarak adlandırılan kritik bir süreci tetikleyeceğini belirtiyor.

Model çöküşü gerçekleştiğinde, yapay zeka sistemlerinin tutarsız yanıtlar vermeye başladığı, anlamsız ifadeler kullandığı ve halüsinasyon görme sıklığının mevcut seviyelerin çok üzerine çıktığı öngörülüyor. King's College London'dan Profesör Yasser Roudi, özellikle yüksek kaliteli verilerin kısa süre içinde tükenebileceğine dikkat çekerek, bu durumun hayati riskler taşıdığını vurguluyor. Roudi, örneğin kanser teşhisi için beyin taramalarını analiz eden bir yapay zekanın model çöküşü yaşaması durumunda, yanlış teşhisler koyabileceği konusunda uyarıyor.

Ancak yeni bir araştırma, bu dijital yıkımın önüne geçebilecek umut verici bir çözüm sundu. King's College London, Norveç Bilim ve Teknoloji Üniversitesi ve İtalya'daki Abdus Salam Uluslararası Teorik Fizik Merkezi araştırmacıları tarafından yürütülen çalışma, eğitim setine eklenen çok küçük bir miktar insan yapımı verinin bile model çöküşünü engelleyebileceğini ortaya koydu.

Physical Review Letters dergisinde yayımlanan çalışmaya göre, eğitim verilerinin neredeyse tamamı yapay zeka tarafından üretilmiş olsa bile, araya eklenen tek bir insan yapımı veri noktasının sistemin dengesini korumaya yardımcı olduğu tespit edildi. Henüz aktif olarak kullanılan büyük ölçekli sistemlerde tam bir model çöküşü yaşanmamış olsa da, ChatGPT ve Gemini gibi araçlarda karşılaşılan hataların ve halüsinasyonların bu sürecin öncü belirtileri olduğu düşünülüyor. Yeni bulgular, yapay zekanın sürdürülebilir gelişimi için "insan dokunuşunun" kritik bir emniyet supabı olduğunu kanıtlıyor.