Ana SayfaYapay ZekâYapay Zekada 'Genetik Mühendisliği' Dönemi: GPT-6 Astra Diğer Modellerin Kodlarını Yeniden Yazıyor

Yapay Zekada ‘Genetik Mühendisliği’ Dönemi: GPT-6 Astra Diğer Modellerin Kodlarını Yeniden Yazıyor

Haberi Podcast olarak dinlemek isterseniz

Yapay Zekada ‘Genetik Mühendisliği’ Dönemi: GPT-6 Astra Diğer Modellerin Kodlarını Yeniden Yazıyor

-0.180, -0.080 veya 0.191… Eğitimsiz bir göz için rastgele sayılardan ibaret olan bu değerler, aslında yapay zeka modellerinin “ağırlıklarını”, yani dahili parametrelerini temsil ediyor. Bugüne kadar, sadece bu rakamlara bakarak bir yapay zeka modelinin ne amaçla eğitildiğini anlamak en kıdemli uzmanlar için bile neredeyse imkansızdı. Ancak OpenAI’nin yeni nesil büyük dil modeli (LLM) GPT-6 Astra, bu algıyı kökünden değiştirerek diğer yapay zeka modellerinin adeta “beyin ameliyatını” yapabileceğini kanıtladı.

Massachusetts Teknoloji Enstitüsü (MIT) doktora öğrencisi Rikiya Takehi ve ekibinin 2 Kasım 2026 tarihinde yayımladığı araştırma, yapay zekanın kendi türü üzerindeki mühendislik yeteneklerini gözler önüne seriyor.

Sadece Rakamlara Bakarak Niyet Okuma

Geleneksel model eğitimi, doğru ağırlıkların deneme-yanılma ve devasa veri setleriyle kendiliğinden ortaya çıktığı “doğal seçilim” sürecine benzetilebilir. Ancak MIT araştırmasının ortaya koyduğu üzere GPT-6 Astra’nın yetenekleri, adeta bir “genetik mühendisliği” seviyesine ulaşmış durumda.

Astra, yalnızca ağırlık verilerini analiz ederek başka bir yapay zeka modelinin klasik video oyunu Pong oynamak için eğitildiğini tespit etmeyi başardı. Modelin ağırlıklarına doğrudan müdahale edebilme yeteneği, yapay zekanın kendini ve diğer modelleri geliştirme potansiyelinde devasa bir sıçrama anlamına geliyor.

GPT-6 Astra’nın Gerçekleştirdiği Başlıca Müdahaleler

Araştırmacılar, GPT-6 Astra’nın diğer yapay zeka modelleri üzerindeki etkisini somut testlerle ölçümledi. Ortaya çıkan sonuçlar, yapay zeka mimarisinde hata ayıklama (debugging) ve manuel programlama süreçlerinin tamamen değişebileceğine işaret ediyor:

Müdahale TürüUygulanan İşlemSomut Sonuç / Etki
Oyun TespitiAğırlık (weight) parametrelerinin analiziDiğer modelin “Pong” oyunu için geliştirildiğini dışarıdan veri almadan tespit etti.
Hata Ayıklama (Debugging)Küçük bir LLM’deki bilinen kod hatasının ağırlıklar değiştirilerek onarılmasıHedef modelin standart matematik testindeki skorunda 6 kat (6x) performans artışı sağlandı.
Manuel ProgramlamaHedef modelin ağırlıklarının sıfırdan, manuel olarak kodlanmasıÖnceden eğitimsiz modelin karmaşık zeka oyunu “Go”yu oynayabilmesi sağlandı.

Otonom Gelişim Döngüsü ve Güvenlik İhtimali

Astra’nın bu hamlesi, teknoloji dünyasında hem heyecan hem de temkinli bir bekleyiş yarattı. Birçok uzmana göre bu gelişme, yapay zekanın gelecekte kendi hatalarını düzelterek tekrarlayan bir “öz-gelişim (self-improvement) döngüsüne” girebileceğinin en somut sinyali. Öte yandan, daha güvenlik odaklı araştırmacılar, sınır modellerin (frontier models) kendi içlerine veya daha küçük modellere bakarak olası “yanlış davranışları” ve halüsinasyonları çok daha erken yakalayabileceği bir denetim mekanizması umudu taşıyor.

Oxford Üniversitesi’nden Temkinli Yaklaşım: “Gerçekleşirse Hayatımın En Mutlu Günü Olacak”

Oxford Üniversitesi Yapay Zeka Araştırmacısı Dr. Fazl Barez’e göre ise henüz yolun başındayız. Dr. Barez, Astra’nın müdahale ettiği modellerin kendisinden binlerce kat daha küçük yapılar olduğuna dikkat çekiyor. Barez’e göre Astra’nın bu yeteneği sergilemesinin temelinde, büyük olasılıkla daha önce insan liderliğinde gerçekleştirilen benzer ağırlık manipülasyonu deneyleriyle eğitilmiş olması yatıyor.

Sınır modellerin kendi devasa ve karmaşık yapılarının tam anlamıyla anlaşılmasından henüz çok uzağız. Ancak Dr. Barez, bir yapay zekanın otonom olarak kendi ağırlıklarını ve mimarisini tam anlamıyla anlayıp geliştirebildiği gün için, “Hayatımın en mutlu günü olacak” ifadelerini kullanıyor.

Makale Özeti

  • Genetik Mühendisliği Benzetmesi: OpenAI’nin GPT-6 Astra modeli, deneme-yanılma tabanlı model eğitiminin ötesine geçerek diğer yapay zeka modellerinin “ağırlıklarına” (dahili parametreler) doğrudan müdahale etmeyi başardı.
  • Performans Sıçraması: Astra, küçük bir LLM’deki hatayı kodları değiştirerek onardı ve hedef modelin matematik testindeki başarısını 6 kat artırdı.
  • Otomatik Denetim Potansiyeli: MIT’nin ortaya koyduğu bu gelişme, yapay zekaların gelecekte kendi kendilerini geliştirebileceği (öz-gelişim) ve zararlı davranışları önceden tespit edebileceği sistemlerin önünü açıyor.
  • Uzman Görüşü: Oxford’dan Dr. Fazl Barez, başarılı sonuçların şimdilik sadece Astra’dan binlerce kat küçük modellerde geçerli olduğunu, tam otonom ve anlaşılabilir sınır modelleri (frontier models) için daha yolumuz olduğunu belirtiyor.

Haber Kaynağı: Rikiya Takehi (MIT) Araştırma Blogu, Oxford Üniversitesi Görüşleri

Timur Akkurt
Timur Akkurthttps://www.teknosafari.com/
Timur Akkurt, gazeteci, teknoloji yazarı ve TeknoSafari Genel Yayın Yönetmeni’dir. Teknoloji dünyasındaki gelişmeleri, kişisel deneyimlerini, röportajlarını, vlog ve sohbet programlarını TeknoSafari ile Timur Akkurt YouTube kanallarında yayımlar.Teknoloji, bilim ve yapay zekâ alanlarında içerikler üreten Akkurt, ayda dört bölüm “Yapay Zekâda Bu Hafta” programını hazırlar ve sunar.
BENZER HABERLER

CEVAP VER

Lütfen yorumunuzu giriniz!
Lütfen isminizi buraya giriniz

- Advertisment -
Google search engine

Son Haberler

Yorumlar