Tencent'in yeni yapay zeka numarası, modellerin kendilerini döngü içinde eğitmesini sağlıyor
Tencent, Terminal-RSI adını verdiği bir eğitim tekniğini tanıttı. Bu teknik, büyük bir dil modelinin kendi alıştırma problemlerini üretip ardından çözerek kendini geliştirmesine olanak tanıyor. Şirket, yöntemi modellere bir tür kendi kendine yönlendirilen öğrenme döngüsü kazandırmanın ve insan tarafından yazılmış eğitim verilerine bağımlılığı azaltmanın bir yolu olarak tanımladı. Teknoloji yayını TMTPost’un haberleştirdiği duyuru, Çinli yapay zeka geliştiricilerinin modelleri sadece daha fazla metinle beslemek yerine onları daha yetenekli hale getirmeye artan ilgisini gösteriyor.
Temel fikir, bir modelin hem öğrenci hem de öğretmen olarak hareket edebilmesi. Görevler öneriyor, bunları deniyor, sonuçları doğrulanabilir çıktılarla karşılaştırıyor ve hatalarından öğreniyor. Tekrarlanan döngüler boyunca modelin performansı kendi icat ettiği görevlerde iyileşiyor. Tencent bunu, yapay zeka araştırmacılarının uzun zamandır ilgisini çeken ancak güvenilir şekilde uygulanması zor olan özyinelemeli kendini geliştirmenin küçük ölçekli bir versiyonu olarak adlandırıyor. Şirketin çerçevelemesi, yaklaşımı daha güçlü akıl yürütme becerilerine giden pratik bir yol olarak gördüğünü ima ediyor.
Tencent’in hamlesi, Çin’in yapay zeka endüstrisinin belirgin kamplara bölünmesiyle aynı zamana denk geliyor. Ucuz modelleriyle dünyayı şaşırtan Hangzhou merkezli laboratuvar DeepSeek, verimlilik ve açık sürümlere odaklandı. Moonshot AI tarafından geliştirilen Kimi, uzun bağlamlı belge işleme alanında konumlandı. WeChat ile tanınan Shenzhen merkezli internet devi Tencent ise Hunyuan model ailesini inşa ediyor ve yapay zekayı tüketici ve kurumsal ürünlerine entegre ediyor. Terminal-RSI çalışması, Amerikan modellerinin sıklıkla öncülük ettiği akıl yürütme alanındaki açığı kapatmayı hedefliyor gibi görünüyor.
Zamanlama dikkat çekici. DeepSeek kısa süre önce API’sinde web araması için ücret almaya başladı; bu, Çinli yapay zeka firmalarının agresif fiyat rekabeti döneminin ardından sürdürülebilir iş modellerine yöneldiğinin bir işareti. Tencent’in araştırması ise maliyetten ziyade yetenekle ilgili. Modeller daha az insan gözetimiyle kendilerini geliştirebilirse, yapay zeka geliştirmenin ekonomisi değişebilir, daha yüksek performansa ulaşmak ucuzlayabilir ve potansiyel olarak sürüm hızı artabilir.
Yine de kendini geliştiren modeller soru işaretleri doğuruyor. Kendi eğitim verisini üreten bir model, kendi kusurlarını pekiştirebilir; bu, model çöküşü olarak bilinen bir sorundur. Tencent’in yöntemi doğrulanabilir yanıtları olan görevlere dayanıyor, bu da çalışabileceği alanları sınırlıyor. Yaratıcı yazarlık, açık uçlu akıl yürütme ve gerçek dünya planlamasının otomatik olarak kontrol edilmesi daha zor. Şirket, tekniğin hangi ürünlerde veya gelecekteki Hunyuan modellerinde kullanılacağını söylemedi.
Daha geniş bağlam, hem kalabalık hem de yaratıcı hale gelen bir Çin yapay zeka pazarı. Startuplar ve devler, ajan tabanlı sistemler, arama araçları ve kişisel asistanlarla deneyler yapıyor. Tencent’in Terminal-RSI’ı bu kalıba uyuyor: bulut hizmetlerinden tüketici uygulamalarına kadar ürünlere yansıyabilecek bir araştırma atılımı. Küresel gözlemciler için bu, Çin’in yapay zeka ilerlemesinin yalnızca ham ölçekte yetişmekle değil, aynı zamanda modelleri eğitmenin ve dağıtmanın yeni yollarını bulmakla ilgili olduğunu hatırlatıyor.
Bundan sonra ne olacağı sonuçlara bağlı. Tencent kıyaslama testleri hakkında çok az ayrıntı yayımladı ve bağımsız doğrulama önemli olacak. Ancak yön açık. Çinli laboratuvarlar artık sadece takip etmiyor; yapay zekanın en zor problemi olan modelleri veri veya para tükenmeden nasıl daha akıllı yapılacağına dair kendi yanıtlarını öneriyorlar.