AI Elon Musk'a Eşlik Edebilir mi? LLM'lerin vs İnsanların IQ Tahmini

Gitmeyen Soru

Birkaç ayda bir, bir başlık viral oluyor: "AI IQ testini 155 puanla geçti." Çıkarım açık: yapay zeka insan dehasını geçti, Elon Musk'lar dünyası modası geçmiş. Ama bunda bir gerçeklik var mı?

Kısa cevap: hayır. Daha uzun cevap, IQ testlerinin ne ölçtüğünü, büyük dil modellerinin (LLM) bilgiyi nasıl işlediğini ve insan ve makine zekasını karşılaştırmanın neden bir denizaltıyı bir yüzücüyle karşılaştırmak gibi olduğunu anlamayı gerektirir.

Bu makale, gerçek kanıtları — LLM bilişsel performansına ilişkinı hakemli çalışmaları, IQ testlerinin yapısını ve Elon Musk'ın bilişsel profili hakkında bildiklerimizi — inceler ve size dürüst bir cevap verir.

IQ Testleri Gerçekte Ne Ölçer

IQ testleri "akıllılığın" tek ölçüsü değildir. Genellikle Cattell-Horn-Carroll (CHC) modeline göre organize edilen bir bilişsel yetenek hiyerarşisini değerlendirirler:

• Akışkan akıl yürütme (Gf): Önceki bilgi olmadan yeni problem çözme
• Kristalize zeka (Gc): Edinilmiş bilgi ve kelime dağarcığı
• Nicel akıl yürütme (Gq): Sayısal pattern tanıma
• Görsel işleme (Gv): Uzamsal ve geometrik akıl yürütme
• Çalışma belleği (Gwm): Bilgiyi zihinde tutma ve manipüle etme
• İşleme hızı (Gs): Hızlı bilişsel işleme

Tam ölçek bir IQ skoru bunları birleştirir, ama profil sayıdan daha önemlidir. IQ 130 olan iki kişi radikal olarak farklı yetenek profillerine sahip olabilir — biri sözel akıl yürütmede üstün olabilir ama uzamsal görevlerde zorlanabilir, diğeri tam tersini gösterebilir.

LLM'ler Nasıl Test Edildi

Birkaç çalışma büyük dil modellerine insan IQ testleri uyguladı. En titiz olanlar:

Bubeck et al. (2023) GPT-4'ü WAIS-IV (Wechsler ölçeği) ile test etti ve sözel alt testlerde — Kelime Dağarcığı, Benzerlikler, Bilgi — 99. yüzdelikte veya üzerinde performans gösterdiğini, ama görsel işleme gerektiren uzamsal akıl yürütme görevlerinde zorlandığını buldu. Çalışma GPT-4'ün "sözel IQ'sunu" yaklaşık 155 olarak tahmin etti.

Zhu et al. (2023) birden fazla LLM'e Raven'ın İlerleyen Matrisleri (sözel olmayan akışkan akıl yürütme) uyguladı. GPT-4 75-90. yüzdelik aralığında puan aldı — saygıdeğer, ama deha seviyesinden uzak. Yazarlar, LLM'lerin matris problemlerini çoğunlukla eğitim verilerindeki pattern eşleştirme yoluyla çözdüğünü belirtti.

OpenAI'nin kendi değerlendirmeleri (2023-2024) GPT-4'ün SAT sözel bölümünde 163 (99. yüzdelik) aldığını ama matematikte sadece 710/800 — güçlü ama elit üniversite standartlarına göre olağanüstü olmadığını gösteriyor.

Sözel İlüzyon: AI Skorları Neden Şişirilmiş Görünüyor

İşte temel sorun: IQ testleri yoğun olarak sözeldir ve LLM'ler metinle eğitilmiştir.

WAIS-IV'ün 10 temel alt testi vardır. Beşi ağırlıklı olarak sözel: Kelime Dağarcığı, Benzerlikler, Bilgi, Anlama, Aritmetik. Bunlar için bir LLM'in büyük avantajı vardır — eğitim verisinde temelde tüm yayınlanmış metni yutmuştur. "Bir saat ile bir takvim arasındaki benzerlik nedir?" diye sorulduğunda model akıl yürütmez — istatistiksel dil modelinden cevabı geri getirir.

Bu kristalize zekadır (Gc), akışkan akıl yürütme değil. Ve LLM'lerin en etkileyici göründüğü yer burasıdır. Ama kristalize zeka, gerçek dünya problem çözme ve yenilikçiliği öngörmede en az öngörücüdür. Ne bildiğinizi ölçer, nasıl düşündüğünüzü değil.

LLM'lerin Başarısız Olduğu Yer: Musk Açığı

Elon Musk'ın bilişsel profili — SAT skorlarına ve kariyer patternlerine dayalı — asimetrik: çok yüksek akışkan akıl yürütme, istisnai uzamsal yetenek, güçlü ama elit olmayan sözel beceriler. Bu tam olarak LLM'lerin en kötü performans gösterdiği profileldir.

Uzamsal akıl yürütme (Gv): LLM'ler görsel-uzamsal bilgiyi doğal olarak işleyemez. 3D nesneleri zihinsel olarak döndürmeleri veya roket yörüngelerini görselleştirmeleri istendiğinde, başarısız olur veya metin tabanlı geçici çözümlere güvenir. Musk'ın roket bileşenlerini ve etkileşimlerini kafasında görselleştirme yeteneği — SpaceX'te kilit faktör — LLM eşdeğeri yoktur.

Çalışma belleği manipülasyonu (Gwm): LLM'ler büyük bağlam pencerelerine sahip olsa da, insanlar gibi çalışma belleğindeki bilgiyi manipüle etmez. Pattern eşleştirirler, zihinsel bir model tutup dönüştürmezler. Musk'ın birden fazla mühendislik ödünleşimini eş zamanlı tutma ve gerçek zamanlı güncelleme yeteneği, mevcut AI'nin çoğaltamayacağı bir çalışma belleği işlevidir.

İlk ilkelerden akıl yürütme: Musk'ın imza bilişsel stratejisi — problemleri temel fiziğe kadar ayrıştırma ve oradan inşa etme — gerçek akışkan akıl yürütme gerektirir, geri getirme değil. LLM'ler ilk ilkelerden akıl yürütme denediğinde, aksiyomlardan akıl yürütmek yerine eğitim örnekleri arasında interpolasyon yaptıkları için genellikle makul görünen ama mantıksal olarak kırık zincirler üretirler.

Alanlar arası transfer öğrenme: Musk aynı bilişsel araç setini roketlere, arabalara, nöral arayüzlere ve sosyal medyaya uygular. LLM'ler tüm bu alanlar hakkında metin üretebilir ama bir çözüm stratejisini bir alandan diğerine bir insan uzman gibi transfer edemez.

Benchmark Problemi

Daha derin bir metodolojik sorun var: IQ testleri insanlar için tasarlandı, makineler için değil.

Bir insan Raven'ın İlerleyen Matrislerini çözerken, çalışma belleği, görsel işleme ve akışkan akıl yürütmenin bir kombinasyonunu kullanır. Bir LLM aynı testi (metne dönüştürülmüş) yaptığında, eğitim verilerine karşı istatistiksel pattern eşleştirme kullanır. Bunlar, belirli bir testte tesadüfen benzer çıktılar üreten, temelde farklı bilişsel süreçlerdir.

Bu, Goodhart Yasası problemidir: bir ölçü bir hedef haline geldiğinde, iyi bir ölçü olmaktan çıkar. AI'yi IQ testlerinde iyi puan alacak şekilde optimize edersek, AI'yi daha zeki yapmıyoruz — IQ testlerinde daha iyi yapıyoruz.

Daha dürüst bir karşılaştırma, insan bilişini istatistiksel pattern eşleştirmeden ayırt etmek için tasarlanmış testler kullanırdı:

• Eğitim verisinde olamayacak yeni fizik problemleri
• Zihinsel simülasyon gerektiren çok adımlı uzamsal akıl yürütme
• Pattern eşleştirme kısayollarını ortaya çıkarmak için tasarlanmış advers sorular
• Yeni kısıtlar altında gerçek zamanlı karar verme

Bu ölçülerde, mevcut LLM'ler insan uzman seviyesinin çok altında performans gösterir.

Sayılar Gerçekte Ne Diyor

Somut olalım. Musk'ın tahmini bilişsel profilini (SAT dönüşümünden) GPT-4'ün ölçülen performansıyla karşılaştırırsak:

Resim net: LLM'ler kristalize zekada baskın ama akışkan akıl yürütme, uzamsal yetenek ve çalışma belleği manipülasyonunda önemli ölçüde geride — tam olarak mühendislik yeniliğini ve girişimci problem çözmeyi yönlendiren yetenekler.

AI Elon Musk Fonksiyonunu Değiştirebilir mi?

"Elon Musk fonksiyonu" — bilişsel rol olarak, kişi olarak değil — şunları içerir:

1. Henüz çözümü olmayan yeni problemleri tanımlama
2. Birden fazla teknik alanda ilk ilkelerden akıl yürütme
3. Eksik bilgiyle yüksek riskli kararlar alma
4. Gerçek zamanlı olarak uzamsal, nicel ve sözel akıl yürütme entegrasyonu
5. Yıllar süren projelerde çaba ve odak sürdürme

Mevcut AI her birine yardımcı olabilir ama entegrasyonu gerçekleştiremez. GPT-4 bir roket simülasyonu için kod yazmaya yardımcı olabilir, ama yeniden kullanılabilir bir roket inşa edilip inşa edilmeyeceğine karar veremez. Batarya kimyası verilerini analiz edebilir, ama yeni bir hücre tasarımının termal davranışını görselleştiremez.

Açık yalnızca IQ skorları hakkında değil — zeka türünün hakkındadır. Musk'ın değeri yeni problemlere uygulanan akışkan akıl yürütmeden gelir, gerçekleri bilmekten değil. LLM'ler bunun tersidir: devasa gerçek bilgi ama sınırlı yeni problem çözme.

Gelecek: Yakınsama mı Iraksama mı?

AI hızla iyileşiyor, ama iyileştirmeler eşit değil. LLM'ler sözel görevlerde (zaten insanüstü oldukları yerde) daha iyi oluyor ama uzamsal akıl yürütme ve gerçek akışkan akıl yürütmede ilerleme daha yavaş. En umut verici yaklaşımlar — multimodal modeller, nöro-sembolik mimariler ve embodied AI — uzamsal ve akıl yürütme açıklarını kapatmaya çalışıyor, ama insan uzman seviyesinden hâlâ uzak.

Dürüst tahmin: AI önümüzdeki 5-10 yılda insan bilişini giderek daha fazla artıracak, ama "Musk fonksiyonu" — yeni mühendislik meydan okularına uygulanan birden fazla akıl yürütme türünün yaratıcı entegrasyonu — öngörülebilir gelecekte insan yeteneği olarak kalacak. İnsanlar doğal olarak üstün olduğu için değil, gereken zeka türünün tam olarak mevcut AI mimarilerinin zorlandığı tür olması nedeniyle.

Karar

• IQ test skorları AI zekasını abartır çünkü IQ testleri yoğun olarak sözeldir ve LLM'ler metinle eğitilmiştir
• LLM'ler kristalize zekada (şeyler bilmek) üstündür ama akışkan akıl yürütmede (yeni problemler çözme) geridedir
• Musk'ın bilişsel profili — yüksek akışkan akıl yürütme, istisnai uzamsal yetenek — tam olarak AI'nin en zayıf olduğu yerdir
• "AI IQ 155" başlığı yanıltıcıdır: gerçek yeniliği yönlendirenden farklı bir zeka türünü ölçer
• AI artırır ama değiştiremez — uzman mühendislik bilişini tanımlayan akıl yürütme türlerinin yaratıcı entegrasyonunu

Soru AI'nin IQ 155'e ulaşıp ulaşmayacağı değil. Muhtemelen zaten ulaştı — yenilikçilik için önemli olmayan alt testlerde. Gerçek soru, AI'nin birinin kimsenin çözmediği bir probleme bakıp çözmesini sağlayacak akışkan, uzamsal ve integratif akıl yürütme geliştirip geliştirmeyeceğidir. Bu Musk testidir. Ve şimdiye kadar, AI başarısız oluyor.