Yapay zekanın güvenliği ve etkinliğini denetleyen yüzlerce test kusurlu çıktı

İngiltere’deki Yapay Zeka Güvenlik Enstitüsü, Stanford, Berkeley ve Oxford gibi önde gelen üniversitelerin de içinde bulunduğu 14 kurumdan 29 araştırmacı tarafından gerçekleştirilen yeni bir çalışma, dikkat çekici sonuçlar ortaya koydu. “Önemli Olanı Ölçmek: Büyük Dil Modeli Kıyaslamalarında Yapı Geçerliği” adlı bu araştırmada, yapay zekanın önemli alanlarından olan doğal dil işleme ve makine öğrenimi üzerine derinlemesine bir analiz yapıldı.

Bilim insanları, bu çalışma kapsamında, söz konusu alanların öncü konferanslarından toplam 445 değerlendirme testini detaylı bir şekilde inceledi. Sonuçlar oldukça çarpıcıydı; yapılan incelemeler sonucunda, testlerin hemen hemen hepsinin “sonuçların geçerliliğini zedeleyebilecek” hatalar içerdiği ortaya çıktı.

Çalışmanın öne çıkan isimlerinden Oxford İnternet Enstitüsü’nden Andrew Bean, Guardian’a yaptığı açıklamada, bu testlerin genellikle büyük teknoloji şirketleri tarafından geliştirilen son yapay zeka modellerinin değerlendirilmesinde kullanıldığına dikkat çekti. Bean, değerlendirme testlerinin yapay zeka hakkındaki tüm iddiaların temelini oluşturduğunu belirterek, modellerin gerçekten ne kadar geliştiğini anlamanın, ortak tanımlar ve sağlıklı ölçümler olmadan oldukça zor olduğunu vurguladı.

Bu önemli çalışma, yapay zeka dünyasında bir dönüşüm yaratabilecek nitelikte. Araştırmacıların elde ettikleri bulgular, gelecekte yapay zeka alanındaki gelişmeleri etkileme potansiyeline sahip.