S on üç yılda yapay zekâyı çoğunlukla bir ekranın içinde tanıdık. Yazı yazdı, resim üretti, yazılım kodladı, sorularımızı yanıtladı. Şimdi yarışın ikinci perdesi açılıyor.
Burada söz konusu olan, fabrikalarda yıllardır gördüğümüz robot kollar değil. Onlar ne yapacakları önceden belirlenmiş, dar görevleri kusursuz tekrarlayan makineler. Yeni nesil robotların hedefi ise çevresini görmek, verilen görevi anlamak, nasıl yapacağını planlamak, hata yaptığında düzeltmek ve daha önce hiç karşılaşmadığı bir işi birkaç örnekten öğrenmek.
Son birkaç haftada peş peşe açıklanan çalışmalar, robotikte uzun zamandır beklenen bu sıçramanın düşündüğümüzden daha yakın olabileceğini gösteriyor.
İZLEYEREK ÖĞRENEN ROBOTLAR
Bir robotun önüne fermuarlı bir kalem kutusu koyduğunuzu düşünün. Kutuyu nasıl açacağını programlamıyorsunuz. Kolunu hangi açıyla kaldıracağını, parmaklarını ne kadar sıkacağını da söylemiyorsunuz. Birkaç saniye boyunca bir insanın bunu nasıl yaptığını gösteriyorsunuz. Robot izliyor ve deniyor.
Generalist AI adlı şirketin 19 Ağustos’ta duyurduğu GEN-1.5 modeli tam olarak bunun peşinde. Şirketin yayımladığı sonuçlara göre model, üç ila 12 saniyelik tek bir gösterimi izledikten sonra, ayrıca eğitilmeden yeni bir fiziksel görevi yerine getirmeye çalışabiliyor. On farklı görevde ilk denemelerde ortalama başarı oranı yüzde 59. Beş dakikalık ek veri ve çok kısa bir uyarlamayla bu oran yüzde 83’e çıkıyor.
Yüzde 59 ilk bakışta yüksek görünmeyebilir. Ama asıl haber başarı oranı değil. Asıl haber, “gösterimin” eğitim süreci olmaktan çıkıp bir tür komuta dönüşmesi.
ChatGPT’ye bir metin örneği verip “Bunun gibi yaz” dediğimizde ne olduğunu düşünün. Robotikte benzer bir yaklaşım fiziksel dünyaya taşınıyor:
“Beni izle, sonra sen yap.”
Bu yöntem gelişirse robot programlamanın anlamı değişebilir. Gelecekte eve aldığımız bir robota yüzlerce görev yüklemek gerekmeyebilir. Bir havluyu nasıl katladığımızı bir kez gösterip, “Diğerlerini de böyle katla” diyebiliriz.
İşin daha da ilginç yanı, bu yönde çalışan yalnızca bir şirket değil.
TÜM PARÇALARI KONTROL EDEBİLEN ROBOT BEYNİ
Google DeepMind, bir kaç hafta önce Gemini Robotics 2’yi tanıttı. Önceki robot yapay zekâlarının büyük bölümü masanın üzerindeki nesneleri tutmaya odaklanırken, yeni sistem bütün bir insansı robot gövdesini kontrol edebiliyor: yürüme, eğilme, çömelme, uzanma, nesneyi kavrama ve yerine bırakma aynı görev içinde birleşiyor. Model ayrıca beş parmaklı gelişmiş robot ellerini kullanabiliyor.
Daha önemlisi, sistem yalnızca hareket üretmiyor; görevin tamamını planlayan üst düzey bir “beyin” de kullanıyor. Örneğin “Odayı toparla” komutu aldığında çevreyi inceleyip adımları sıraya koyabiliyor, bir aşama başarısız olursa planını değiştirebiliyor.
Burada önemli bir sorun var: Her robotun başka bir vücudu var. Bir robot köpeğin, iki kollu fabrika robotunun ve insan biçimli bir robotun motorları, eklemleri ve elleri birbirinden tamamen farklı. Bugüne kadar bir robotta öğrenilen beceri çoğu zaman diğerine kolayca aktarılamıyordu.
Berkeley Üniversitesi’nde 14 Ağustos’ta yayımlanan bir çalışma tam bu soruna odaklanıyor. Araştırmacılar 800 bin gösterimden yararlanarak büyük bir robot temel modeli eğitti. Ardından aynı modelin iki kollu robotlar, tekerlekli sistemler ve dört ayaklı robotlardan gelen verilerle birlikte öğrenebildiğini ve farklı “bedenler” arasında bilgi aktarımı işaretleri gösterdiğini ortaya koydu.
Basitçe söyleyelim: Robotlar yavaş yavaş “Bu kolu nasıl hareket ettiririm” sorusuyla “Fiziksel dünyada ne oluyor” sorusunu birbirinden ayırmayı öğreniyor.
Bir insan bardağın itilince kayacağını sağ eliyle öğrenmez. Bunu genel bir dünya bilgisi olarak öğrenir. Sonra sol eliyle de, bir sopayla da aynı bilgiden yararlanabilir. Robotlarda da buna benzer ortak bir fizik bilgisi oluşabilirse, bir robotun deneyimi diğer robotların eğitimine katkı sağlayabilir. Ve burada daha büyük bir kapı açılıyor: İnsan deneyimi de robotların eğitim verisine dönüşebilir.
VERİ KITLIĞINDAN VERİ BOLLUĞUNA
Robotların önündeki en büyük engellerden biri veri kıtlığı. ChatGPT benzeri dil modelleri internet üzerindeki trilyonlarca kelimeden yararlandı. Robotlar içinse milyonlarca saatlik kaliteli hareket verisi toplamak çok pahalı.
Son haftalardaki araştırmalar bu sorunun etrafından dolaşmaya başladı. Bir çalışma insan eliyle robot elini ortak bir hareket dilinde buluşturuyor. Stanford, MIT ve diğer kurumlardan araştırmacıların 16 Ağustos’ta yayımladığı başka bir çalışmada ise insanlar sanal gerçeklik gözlüğü takarak sanal nesnelerle çalıştı. Beş kişi bir haftada 75 saatlik robot el becerisi verisi üretti. Model daha sonra gerçek robot üzerinde yalnızca bir iki saatlik ek gösterimle uyarlanabildi.
Bunun gelecekte ne anlama gelebileceğini düşünelim. Robotları eğitmek için milyonlarca fiziksel robota ihtiyaç duymadan insanlar sanal dünyada kahve yapmayı, düğme iliklemeyi, vida sıkmayı veya bir kutuyu paketlemeyi gösterebilir. Bu deneyimler daha sonra gerçek makinelere aktarılabilir.
Bir başka kaynak da sıradan insan videoları olabilir. Mutfakta yemek yapan, mobilya kuran, tamir yapan, çamaşır katlayan insanların milyarlarca saatlik görüntüsü zaten internette. Robotlar bu videolardan fiziksel eylemin mantığını öğrenebilirse robotik de dil modellerinin yıllar önce yakaladığı veri bolluğuna yaklaşabilir.
Bu yüzden bugün robotikteki en önemli soru “En iyi insansı robot hangisi?” değil. Tesla Optimus mı, Unitree mi, Google’ın kullandığı Apollo mu sorusu ikinci planda kalıyor.
Asıl soru şu:
Fiziksel zekâ da dil modelleri gibi ölçeklenebilir mi?
Daha çok veri, daha çok hesaplama gücü ve daha büyük modeller eklendikçe robotların farklı görevlerde aynı anda daha iyi hale geldiği bir “ölçekleme yasası” gerçekten varsa, robotik önümüzdeki birkaç yıl içinde beklenmedik ölçüde hızlanabilir.
O ESNADA ÇİN
Çin tarafında ise donanımın seri üretimi hızla büyüyor. Reuters’ın aktardığı verilere göre Çin, 2026’nın ilk yarısında 40 binden fazla insansı robot teslim etti ve küresel teslimatların yaklaşık yüzde 97’sini yaptı. Unitree şirketi tek başına temmuz sonuna kadar yaklaşık 18 bin iki ayaklı insansı robot teslim etti.
Bugün bu makinelerin çoğu hâlâ bir insan işçinin yerini gerçekten doldurabilecek zekâya sahip değil. Ama kritik nokta şu: Robot “bedeninin” nasıl ucuz ve seri üretileceği giderek daha iyi anlaşılıyor. Eğer genel amaçlı robot zekâsındaki sıçrama yazılım tarafında gelirse hazır bir üretim ekosistemiyle karşılaşabilir.
Yani robotikte farklı parçalar artık aynı anda olgunlaşıyor olabilir.
Bir yanda çevresini anlayan yapay zekâ modelleri var. Bir yanda bütün bedeni kontrol eden sistemler. Bir yanda insan videolarından öğrenme, farklı robot bedenleri arasında bilgi aktarma, sanal gerçeklikte ucuz veri üretme yöntemleri. Diğer yanda giderek ucuzlayan insansı robot üretimi.
Bunları tek tek izlediğimizde her biri bir araştırma haberi gibi görünüyor. Birlikte baktığımızda ise daha büyük bir hikâye ortaya çıkıyor:
Robotlara yaptığımız işi tek tek programlamak yerine, dünyayı nasıl kullanacağımızı öğretebilir hale geliyoruz.
ŞİMDİ SIRA ROBOTTA
Bu gelişmelerin ilk etkisini evlerimizde görmeyeceğiz. Fabrikalar, depolar, lojistik merkezleri, laboratuvarlar, mağazalar ve büyük mutfaklar daha uygun ortamlar. Çünkü görevler daha düzenli ve ekonomik kazanç daha açık. Önümüzdeki birkaç yıl içinde robotların kutu taşıması, raf düzenlemesi, ürün ayırması, basit montaj yapması veya laboratuvar işlemlerini yürütmesi giderek olağanlaşacak.
Ev ise robotların final sınavı.
Bir ev düzensizdir. Yerde oyuncak vardır.
Sandalye dün bulunduğu yerde değildir. Bardak kırılabilir. Havlu yumuşaktır. Kedi robotun önünden geçer. Aynı işi iki evde aynı şekilde yapmak mümkün değildir.
Yeni nesil fiziksel yapay zekânın iddiası tam burada başlıyor: Her olasılığı önceden programlamak yerine, robotun durumu anlayıp çözüm üretmesi.
Birkaç yıl sonra ilk ciddi ev robotlarına şöyle konuştuğumuzu düşünmek artık bilimkurgu sayılmaz:
“Bulaşık makinesini boşalt.”
“Salonu toparla.”
“Şu gömlekleri benim yaptığım gibi katla.”
“Ben yemeği hazırlarken masayı kur.”
“Bu sandviçi izle, bundan sonra aynısını yap.”
Daha ileri aşamada robot evin düzenini öğrenebilir, yaşlı bir insanın evinde ağır yükleri taşıyabilir, hastanelerde ve bakım merkezlerinde fiziksel yardımın önemli bölümünü üstlenebilir.
Burada ekonomik etki evde bulaşık yıkamaktan çok daha büyük.
Bugünkü yapay zekâ esas olarak zihinsel emeğin maliyetini düşürüyor. Yazı, yazılım, analiz, tasarım ve ofis işlerinde insanın yanına güçlü bir dijital çalışan ekliyor.
Robotik yapay zekâ ise aynı şeyi fiziksel emek için yapabilir.
Tarım, inşaat, üretim, lojistik, temizlik, bakım, restoranlar ve ev işleri… Ekonominin çok büyük bir bölümü bilgisayar ekranında değil, fiziksel dünyada gerçekleşiyor.
Bir robotun fiyatı ileride örneğin 20 bin dolara düşer ve on yıl kullanılabilirse yalnızca satın alma bedeli güne yaklaşık 5.5 dolar eder. Elektrik ve bakım eklendiğinde maliyet yükselir ama günde birkaç saat gerçekten işe yarayan bir makine için denklem hızla ilginç hale gelir.
Bu nedenle robotikte yaşanacak büyük sıçrama yalnızca yeni bir elektronik ürün kategorisi yaratmayabilir. İnsanlık tarihinde ilk kez fiziksel emeğin önemli bir bölümünü çoğaltılabilir bir teknolojiye dönüştürebilir.
Sanayi devrimi kas gücünü makineleştirdi. Bilgisayar devrimi hesaplamayı makineleştirdi. Bugünkü yapay zekâ bilgi işlerinin bir bölümünü makineleştiriyor.
Şimdi sıradaki adım, makinelerin yalnızca düşünmesi değil, ellerini kullanması olabilir.
ChatGPT’nin 2022’de yarattığı şaşkınlığı hatırlayın. Dil modelleri yıllardır vardı ama bir anda milyonlarca insan onların gerçekten işe yaradığını gördü. Robotikte de benzer bir anın yaklaştığını söyleyenlerin sayısı hızla artıyor.
O an geldiğinde manşet muhtemelen “Yeni robot modeli çıktı” olmayacak.
İnsanlar bir robotun karşısına geçecek, birkaç saniye boyunca bir işi gösterecek ve ardından şu cümleyi söyleyecek:
“Şimdi sıra sende…”
***Mutluluk, adalet, özgürlük, hukuk, insanlık ve sevgi paylaştıkça artar***
