Meta-n: Yapay Zeka Aracılarında Özyinelemeli Kendini Geliştirme Yeni Boyut Kazanıyor

Özyinelemeli Yapay Zeka Geliştirmenin Yeni Yolu

Geleneksel öz-geliştirici yapay zeka sistemleri, yanıtlarını iyileştirir ancak bu yanıtları üreten süreci geliştirmez. Meta seviye ekleyen sistemler o seviyeyi sabit tutar. Kendini düzenleyen sistemler ise kararlılığını korumak için düzenleme mekanizmasının bir kısmını dokunulmaz bırakmak zorundadır ve bu durum ulaşılabilir meta derinliğini kabaca iki ile sınırlar.

Metaⁿ adlı yeni yaklaşım, meta operasyonu sabit tutarak girdisi üzerinde yinelemeli olarak çalışıyor. Tek bir operatör (Omega), çözücü yığınının altındaki izlerini ve bunları üreten kodu birlikte okuyor, ardından bir sonraki katmanı stratejik bir ön işleme ve çağrılabilir yardımcılar kitaplığı olarak yazıyor.

Nasıl Çalışıyor?

Metaⁿ‘de derinlik, önceden belirlenmez; yakınsama ile belirlenir. Bir evrimsel arşiv, katman zincirleri üzerinde arama yapar. Operatör hiç değişmediği için sistemi kararsızlaştıramaz. Girdisi katmanlar arasında kesinlikle büyüdüğünden, her katman bir öncekinden daha yüksek bir perspektiften akıl yürütür.

İki farklı temel model üzerinde test edilen Metaⁿ, sekiz farklı kıyaslama ailesinin tamamında önceki öz-geliştirici yapay zeka sistemlerini geride bıraktı.

ARC-AGI-2’de Tek Başına

En çarpıcı sonuç, yetenek ezberlemeye dirençecek şekilde tasarlanmış ARC-AGI-2 benchmarkinde ortaya çıktı. Metaⁿ, bu testte sıfırın üzerinde puan alan tek yöntem oldu.

Ablasyon çalışmaları, özyinelemeden kaynaklanan kazancın büyük kısmının, her katmanın bir sonrakine ilettiği koşullamadan (conditioning) geldiğini gösteriyor. Ayrıca hiçbir istem farklı katmanlara açık roller tanımlamamasına rağmen, derinlik arttıkça farklı işlevsel katman rolleri doğal olarak ortaya çıkıyor.

Bu bulgular, yapay zeka sistemlerinde öz-geliştirmenin geleceğinin, sistemi düzenlemekten ziyade girdilerini akıllıca büyütmekten geçtiğini gösteriyor.

Araştırma arxiv.org üzerinde yayımlandı.

Kaynak: @dair_ai / X (Twitter)