Investing.com — Yapay zeka yarışı yeni bir aşamaya giriyor. Artık eğitim verilerinin kaba kuvvetle ölçeklendirilmesinden, modellerin eğitim sonrası stratejik olarak güçlendirilmesine doğru keskin bir dönüş yaşanıyor.
xAI’ın Grok 4 modeli hakkındaki son açıklamalar, zeka kazanımlarının nasıl açığa çıkarıldığına dair yapısal bir değişimi gösteriyor. Bu artık model boyutunu büyüterek veya daha fazla veri besleyerek değil, eğitim sonrası hesaplamaya yoğun yatırım yaparak gerçekleşiyor.
2024’ün sonlarına kadar yapay zekadaki çoğu ilerleme, “Chinchilla” ölçekleme yasalarıyla yönlendiriliyordu. Bu da giderek daha büyük modellerin giderek daha büyük veri setleri üzerinde eğitilmesi anlamına geliyordu.
Barclays’e göre, bu durum OpenAI’ın o1 modeliyle değişti ve şimdi Grok 4 ile hızlandırılıyor. Grok 4 modeli, selefinden yaklaşık olarak aynı ön eğitim hesaplama gücünü kullanıyor. Bununla birlikte, ilk eğitim aşamasından sonra uygulanan pekiştirmeli öğrenmenin on kat artırılması sayesinde belirgin şekilde daha yüksek zeka seviyeleri elde ediyor.
Ön eğitim, geniş metin külliyatının denetimsiz öğrenmesine dayanırken, pekiştirmeli öğrenme yoluyla eğitim sonrası aşama, modellerin özenle hazırlanmış görevler kullanarak deneme yanılma yoluyla gelişmesine olanak tanıyor.
Grok 4 örneğinde, bu değişim sadece akıl yürütme ve problem çözmeyi geliştirmekle kalmadı. Aynı zamanda model parametrelerinin sayısını artırmadan bunu başardı. Böylece çıkarım maliyetlerini düşük tutarken çıktı kalitesini artırdı.
Bu durumun etkileri önemli. Barclays’deki analist şöyle diyor: “Daha yüksek performans ve zeka elde etmek için ham ön eğitim veri belirteçlerini ölçeklendirmeye bu kadar bağımlı olmaya gerek kalmamalı.”
Bunun yerine, karmaşık ortamlarda planlama, akıl yürütme ve araçlarla etkileşim kurabilen ajansal modellere doğru bir geçiş var. Bir kıyaslama, Grok 4’ün diğer önde gelen modelleri ve insanları, simüle edilmiş bir otomat işletmesini yönetmede geride bıraktığını gösteriyor. Bu test, ekonomik akıl yürütme ve uyarlanabilirliği ölçüyor.
Bu evrim, hesaplama talebi ve sermaye harcamaları için net sonuçlar doğuruyor.
Önceki modeller yanıtları tek adımda oluştururken, ajansal modeller artık zincirler halinde akıl yürütüyor. Her sorgu için 15 kat daha fazla hesaplama yoğun belirteç üretiyor.
Bu nedenle, eğitim sonrası aşama sadece daha akıllı modellere giden yol olmakla kalmayabilir. Aynı zamanda hiper ölçekleyiciler tarafından yapılan muazzam altyapı yatırımlarını da haklı çıkarabilir.
Uzun zamandır ön eğitim ölçeği ile tanımlanan bir alanda, gerçek zekanın eğitim sonrası aşamada olduğu görülüyor.
Bu makale yapay zekanın desteğiyle oluşturulmuş, çevrilmiş ve bir editör tarafından incelenmiştir. Daha fazla bilgi için Şart ve Koşullar bölümümüze bakın.
DOLAR
EURO
İNG. STERLİNİ
İSV. FRANGI
KAN. DOLARI
ÇEYREK ALTIN
BITCOIN