Yapay Zekanın Kültürel Gelişmeyi Yavaşlattığı Belirlendi
Yapay zeka kendi içeriğini tüketmeye başladı
Daha önce de belirttiğimiz gibi, günümüzdeki yapay zeka modelleri eğitim süreçlerinde sentetik verilerle desteklenmektedir. Bu durum, açık internet üzerindeki yüksek kaliteli insan yapımı eğitim verisinin büyük ölçüde tüketilmiş olmasından kaynaklanmaktadır. Önceki çalışmalar, yapay zekanın bu tür sentetik verileri tekrar tekrar kullanmasının, modellerin performansını düşürdüğünü ve çıktıları giderek daha sıradan, anlamsız ve bozulmuş hale getirdiğini göstermiştir. Bu durum, sinir ağlarında bir tür “kendi kendini tüketme” etkisi oluşturuyor.
“Görsel asansör müziği” fenomeni
Bu ay akademik dergi Patterns’ta yayımlanan yeni bir araştırma ise bu sorunu bir deneyle somutlaştırıyor. Uluslararası bir araştırma grubu, bir metinden görsele yapay zeka modeliyle bir görselden metne sistemini bir araya getirdi. Araştırmacılar, bu sistemlerin sürekli olarak kendi çıktıları üzerinden yeniden üretim yapmasını sağladı.
Sonuçlar ilginç olmasına rağmen beklendiği gibi gelişti. Araştırmacılar, sistemin zamanla “çok genel ve ayırt edici olmayan” görsellere yöneldiğini belirledi. Bu görseller, çalışmada “görsel asansör müziği” şeklinde adlandırıldı. Yani tatmin edici ama aynı zamanda hiçbir sürpriz ya da özgünlük sunmayan içerikler.
Araştırmacılar, bu sonuca hiçbir ek eğitim olmadan ulaşıldığını özellikle vurguluyor. Yani iki sisteme de hiç bir şekilde yeni bir şey eklenmedi veya öğretilmedi. Bu durum, üretken yapay zeka sistemlerinin yeni veriyle beslenmediği durumlarda bile, yalnızca tekrar eden kullanım sonucunda yaratıcılıktan uzaklaşabildiğini göstermektedir.
Bazı uzmanlar, üretken yapay zekanın halihazırda bir “kültürel durağanlık” süreci başlatmış olabileceğini iddia ediyor. Bu durum aslında kaçınılmazdır. Sentetik verilerin eğitim verisi olarak kullanılmaya başlandığı zaman diliminden itibaren bu uyarılar sürekli olarak yapılmaktadır. Yapay zeka modellerinin “her şeyin ortalaması” olduğu daha önce dile getirilmiştir. Bu sistemler otonom ve sürekli çalıştıklarında doğal olarak tek tipleşmeye yönelmektedirler.
Tek tipleşmeyi “standart” olarak, standart kelimesini de “ortalama” olarak değerlendirebiliriz. AI modelleri, doğaları gereği en ideal yanıtı sunmak için eğitilir. Çalışma biçimleri budur. En ideal yanıt ise olasılığı en yüksek olanıdır. İnternet, giderek AI tarafından üretilmiş “en olası yanıtlar” ile dolduğunda, her şey otomatik olarak standart ve ortalama bir hal alır. Dolayısıyla her yeni yapay zeka da daha tek düze hale gelir. Yapay zekalar homojenleştikçe, internet üzerindeki içerikler son derece sıradan bir hal almaktadır. İnternet, modern dünyanın en büyük ortak kültürü olarak kabul edilmektedir. Bu kültürün durağan hale gelmesini önlemek için yapay zeka sistemlerinin “istatistiksel ortalamayı” bulmasını zorlaştırmak gerekmektedir. Yapay zekanın kültürü zenginleştirebilmesi için normlardan sapmayı teşvik eden ve tek tipleşmeyi engelleyen mekanizmalara ihtiyaç olduğu ifade edilmektedir. Aksi takdirde, “ölü internet teorisi” yakında bir “teori” olmaktan çıkabilir.
Kaynakça
https://futurism.com/artificial-intelligence/ai-cultural-stagnation
https://www.cell.com/patterns/fulltext/S2666-3899(25)00299-5
