Yapay zekâ matematikçilerden daha iyi düşünmüyor, daha çok hatırlıyor

Bir yapay zekâ sistemi zor bir matematik problemini çözdüğünde, bunun nedeni genellikle sistemin daha zeki hale gelmesi olarak açıklanır. David Piffer'in yeni analizi, bu başarının bir kısmının çok daha yavan bir açıklaması olduğunu savunuyor: insanın çalışma belleği ciddi biçimde sınırlıdır, modelin sembolik çalışma alanı ise değildir.

Matematiğin gizli sınırı olarak bellek

Çalışma belleği, bilgiyi kısa süreliğine tutan ve işleyen zihinsel sistemdir: bir denklemi çözerken her değişkenin neyi temsil ettiğini ve hedefin ne olduğunu hatırlamak gerekir. İnsan kapasitesi çarpıcı biçimde sınırlıdır — iki üç basamaklı sayıyı akıldan çarpmak işlemlerin karmaşıklığından değil, ara sonuçların korunması gerektiğinden zordur. Kâğıt kimseyi daha zeki yapmaz, ama etkin çalışma belleğini genişletir.

Araştırmalar ne gösteriyor

Belleğin matematikteki rolü yalnızca kuramsal değildir. Alloway ve Passolunghi (2011), çalışma belleği ölçümlerinin çocukların matematik performansına ayrı bir katkı yaptığını, yalnızca genel sözel yetenekle olan bağlantıyı yansıtmadığını buldu. Altı yıllık boylamsal bir çalışmada Alloway ve Alloway (2010) çocukları beş yaşında ölçtü ve erken çalışma belleği performansının, IQ hesaba katıldıktan sonra bile sonraki okuryazarlık ve sayı becerilerini öngördüğünü gösterdi; ikisi arasında daha güçlü yordayıcı bellek ölçüsüydü. Blankenship ve arkadaşları (2015) ile Friso-van den Bos ve arkadaşlarının (2013) meta-analizi benzer sonuçlar bildirdi. Yazar aşırı yorumdan kaçınmak gerektiğini vurguluyor: bellek ile zekâ büyük ölçüde örtüşür ve istatistiksel kontroller ikisini kusursuz biçimde ayıramaz.

Dev bir defter olarak bağlam penceresi

Modern bir model aynı anda çok büyük bir token dizisini işleyebilir — problem, tanımlar, ara hesaplamalar ve modelin kendi önceki akıl yürütmesi. Bağlam penceresi insan çalışma belleğiyle aynı şey değildir; onu kusurlu bir arama sistemine sahip devasa bir dış defter olarak anlamak daha doğrudur. Modelin akıl yürütmesi çoğu zaman dışsallaştırılır: metin, tamamlanmış bir düşüncenin raporu değil, düşünmenin gerçekleştiği mekanizmanın parçasıdır. Bu nedenle yazar buna "genişletilmiş sembolik çalışma belleği" diyor.

Von Neumann mı, Einstein mı

Matematik bundan diğer alanlardan daha çok yararlanır, çünkü neredeyse her varsayım, tanım, hedef ve kanıtlanmış sonuç yazıya dökülebilir ve sabit kalır. Biçimsel olmayan akıl yürütmede — örneğin toplumsal bir soruda — belirleyici bilgi hiç gözlemlenmemiş olabilir ve kavramlar istikrarsızdır; bu yüzden daha büyük bir defter sorunu çözmez. Matematik ayrıca güçlü geri bildirim sağlar: çözüm yerine konabilir veya sayısal olarak sınanabilir.

Yazarın sonucu, bugünkü yapay zekânın Einstein'ın derinliğinden çok von Neumann'ın makineyle güçlendirilmiş hız ve genişliğine benzediğidir. Her ikisini de tanıyan fizikçi Eugene Wigner, von Neumann'ı daha hızlı, Einstein'ı daha derin buluyordu. Yazarın görüşüne göre bir sonraki eşik, yapay zekâ bir problemin yanlış çerçevelendiğini fark edip onu anlamanın kökten daha iyi bir yolunu kendisi önerdiğinde aşılacak.