Yapay zekâ dünyası son yıllarda büyük dil modellerinin yükselişine tanıklık etti. ChatGPT, Gemini ve Claude gibi sistemler milyarlarca parametreye sahip modellerle insan benzeri içerikler üretirken, sektörün önemli isimlerinden bazıları artık mevcut yaklaşımın sınırlarına ulaşıldığını düşünmeye başladı. Bu isimlerin başında ise modern yapay zekâ tarihinin en etkili araştırmacılarından biri olan Turing Ödülü sahibi Richard Sutton geliyor.
Pekiştirmeli öğrenmenin kurucu isimlerinden biri olarak kabul edilen Sutton, yapay zekânın geleceğinin devasa veri kümeleri üzerinde eğitilen ve daha sonra büyük ölçüde statik kalan modellerde değil, çevresiyle etkileşime girerek sürekli öğrenebilen yapay zekâ ajanlarında olduğunu savunuyor. Bu vizyon doğrultusunda Sutton, eski öğrencisi Khurram Javed ile birlikte Toronto merkezli yeni girişimi Oak Lab’i hayata geçirdi.
Oak Lab’in temel amacı, yalnızca eğitim aşamasında öğrenen değil, çalışmaya başladıktan sonra da öğrenmeye devam eden sistemler geliştirmek. Günümüzün büyük dil modelleri belirli bir tarihe kadar olan veriler üzerinde eğitiliyor ve daha sonra yeni bilgileri doğrudan deneyimleyerek öğrenemiyor. Bu nedenle yeni bilgi eklemek için yeniden eğitim süreçlerine ihtiyaç duyuluyor. Sutton ise bunun biyolojik zekânın çalışma biçiminden oldukça uzak olduğunu düşünüyor.
Yeni nesil yapay zekâ ajanlarının en dikkat çekici özelliklerinden biri, verileri depolamadan veya tekrar oynatmadan gerçek zamanlı olarak öğrenebilmeleri olacak. Bu yaklaşım yalnızca öğrenme hızını artırmakla kalmayacak, aynı zamanda veri depolama maliyetlerini ve işlem gücü ihtiyacını da önemli ölçüde azaltabilecek. Özellikle veri merkezlerinin enerji tüketiminin hızla arttığı günümüzde bu yaklaşımın ekonomik ve çevresel etkileri oldukça büyük olabilir.
Oak Lab’in uzun vadeli hedefleri ise oldukça iddialı. Şirket, yalnızca 20 watt enerji tüketerek gerçek zamanlı öğrenebilen, plan yapabilen ve yaklaşık bir trilyon parametreye sahip bir yapay zekâ ajanı geliştirmeyi amaçlıyor. Bu hedef gerçekleşirse ortaya çıkacak sistem, yalnızca sorulara cevap veren bir model değil; bulunduğu ortamı anlayan, kararlar alan, deneyimlerinden ders çıkaran ve zaman içerisinde kendi performansını artıran dijital bir varlık haline gelecek.
Sutton’ın bu yaklaşımı aslında yıllardır savunduğu fikirlerin doğal bir devamı niteliğinde. Kendisi uzun süredir yapay zekâ alanındaki ilerlemenin temel itici gücünün daha fazla veri ve daha büyük modeller değil, deneyim yoluyla öğrenme ve ödül mekanizmalarıyla gelişme yeteneği olduğunu ifade ediyor. Bu görüş, son yıllarda milyarlarca dolarlık yatırımlarla büyüyen büyük dil modeli ekosistemine yönelik en güçlü eleştirilerden biri olarak görülüyor.
Bugün kullanılan yapay zekâ modelleri etkileyici sonuçlar üretse de hâlâ birçok temel sınırlamaya sahip. Modeller yeni durumlara uyum sağlamakta zorlanabiliyor, uzun vadeli planlama konusunda yetersiz kalabiliyor ve çoğu zaman gerçek dünya deneyimine sahip olmadıkları için beklenmedik hatalar yapabiliyor. Sutton’a göre bu problemlerin çözümü, insan beyninin çalışma prensibine daha yakın olan sürekli öğrenme yaklaşımında yatıyor.
Bu yaklaşımın başarıya ulaşması durumunda yapay zekâ sistemleri yalnızca dijital asistan olmaktan çıkıp robotik, üretim, sağlık, bilimsel araştırmalar ve otonom araçlar gibi alanlarda gerçek zamanlı karar veren aktif aktörlere dönüşebilir. Özellikle robotik sektöründe, her yeni ortam için yeniden programlama gerektirmeyen ve deneyim kazandıkça daha iyi hale gelen sistemler büyük bir dönüşüm yaratabilir.
Richard Sutton’ın yapay zekâ dünyasındaki ağırlığı düşünüldüğünde Oak Lab’in çalışmaları sektör tarafından yakından takip ediliyor. Sutton, Andrew Barto ile birlikte geliştirdiği pekiştirmeli öğrenme çalışmaları sayesinde 2024 yılında bilgisayar bilimlerinin Nobel’i olarak kabul edilen Turing Ödülü’ne layık görülmüştü. Bugün ChatGPT dahil birçok modern yapay zekâ sisteminin eğitim süreçlerinde kullanılan ödül tabanlı öğrenme yöntemlerinin temelinde de Sutton’ın çalışmaları bulunuyor.
Yapay zekâ sektöründe son birkaç yılın ana rekabet alanı daha büyük modeller ve daha fazla işlem gücü olmuştu. Ancak Richard Sutton’ın ortaya koyduğu vizyon, önümüzdeki yıllarda rekabetin yönünü değiştirebilir. Geleceğin kazananları belki de en büyük modeli geliştirenler değil, en hızlı öğrenen, çevresine en iyi uyum sağlayan ve deneyimlerinden en verimli şekilde faydalanabilen yapay zekâ ajanlarını üretenler olacak.
Eğer Oak Lab hedeflerine ulaşabilirse, bu gelişme yalnızca yeni bir yapay zekâ modeli anlamına gelmeyecek; aynı zamanda bugüne kadar kullanılan yapay zekâ paradigmasının değişmeye başladığının da en güçlü işaretlerinden biri olacak. Yapay zekâ tarihinde derin öğrenme devriminin ardından şimdi gözler, sürekli öğrenen ve kendi deneyimleriyle gelişen ajanların çağına çevrilmiş durumda.








