Apple'ın en son AI çalışması “Akıl Yürütme” Model Hype'ın kalbine çarpıyor

Apple, AI araştırma topluluğunu “Düşünme Yanılsaması: Sorun Karmaşıklığı lensi aracılığıyla akıl yürütme modellerinin güçlü yönlerini ve sınırlamalarını anlamak” başlıklı çığır açan bir makaleyle sarstı. Birçok modelin ezberlediğinden şüphelenilen matematik veya GSM8K gibi potansiyel olarak çarpık ölçütlere güvenmek yerine, gerçek akıl yürütme davranışını izole etmek için kontrollü, ölçeklenebilir mantık bulmacalarını (Hanoi Tower, River Crossing ve Block World gibi) seçti.

Ve sonuçlar? Bugünün en hiper modelleri için Claude-3.5 Sonnet-R1, Deepseek-R1, Gemini 1.5 profesyonel düşünme veya Openai'nin O1/O3-mini gibi güzel bir resim çizmiyorlar.

Temel bulgular

Apple'ın deneyleri, görev karmaşıklığına dayanan üç farklı “akıl yürütme rejimi” ortaya çıkar:

• Düşük karmaşıklık: Düzenli LLM'ler (düşünce zinciri gibi akıl yürütme teknikleri olmadan) aslında akıl yürütme için pazarlanan modellerden daha iyi performans gösterdi.
• Orta karmaşıklık: Bu, akıl yürütme modellerinin parladığı tatlı bir nokta - açıkça ara adımlar koyarak gelişmiş performansı gösteriyor.
• Yüksek karmaşıklık: Tüm modeller başarısız oldu. Sadece biraz değil, aynı zamanda felaketle. Sorun karmaşıklığı belirli bir eşiğe çarptığında performans neredeyse sıfıra düştü.

Daha da rahatsız edici, akıl yürütme modelleri, görevler zorlaştıkça akıl yürütme çabalarını azalttı. Apple, bulmacalar ölçeklendikçe, modellerin düşünce zinciri yanıtlarında, yeterli jeton bütçesi kalsa bile daha az jeton kullandığını gözlemledi. Bu, bir kaynak sorunu değil, temel bir sınırlama önerir.

Bu modeller gerçekten düşünmüyor

Belki de en zarar verici içgörü: Modeller adım adım bir algoritma verildiğinde ve onu takip etmek istediğinde, yine de aynı karmaşıklık kırılma noktasında başarısız oldular. Bu, açık bir mantıksal prosedürü güvenilir bir şekilde taklit edemedikleri anlamına gelir. Sadece tökezlemediler - itildiğinde temel mantığı temelde genelleştiremediler veya yürütemediler.

Kısacası: akıl yürütmezler. Taklit ediyorlar.

Reddit, Hacker News ve LinkedIn'de karar Swift:

“Bu modeller aslında anlamlı bir anlamda akıl yürütmüyor. Cevap vermeden önce 'düşüncelerini' yazan çok sofistike desen eşleştiricileri.”

“Düşünce zinciri bir yanılsamadır. Bir papağan hesap makinesi vermek ve matematik problemlerini okuduğunu etkilemek gibi.”

Bu tepkiler Yann Lecun (Meta'nın baş AI bilim adamı) ve diğerlerinin uyarı aldığı şeyle uyumludur: Bugünün LLM'leri oto-regresif mimarileriyle sınırlıdır. Düşük ila orta karmaşıklık görevlerinde zekayı simüle edebilirler-ancak gerçek genelleme gerektiğinde parçalanırlar.

Bu neden AI'nın geleceği için önemlidir?

Yapay zeka

Apple'ın çalışması sadece bir eleştiriden daha fazlasıdır. Akıl yürütme odaklı AI modellerinin durduğu ve nerede yetersiz kaldıklarının yüksek çözünürlüklü bir görüntüsü. Son 18 ay içinde model eğitimine hakim olan tüm düşünce zincirini sorgulamaktadır.

Çıkarımlar:

• Agu sadece bir ölçeklendirme problemi değil: Soruna daha fazla parametre, jeton veya eğitim verisi atmak genel zeka üretmez.
• Hibrit sistemler gerekli olabilir: Apple'ın sonuçları, sinir ağlarını sembolik akıl yürütme, uzun süreli bellek ve yapılandırılmış dünya modelleriyle birleştiren modeller için artan itici güç.
• Ürün Tasarım Riskleri: Akıl yürütme katman geliştirmeleri (geri alma artışlı nesil veya çok ajan planlama gibi) üzerine büyük ölçüde bahis yapan geliştiriciler, bu performans kayalıklarını kabul etmeli ve etraflarında plan yapmalıdır.

AI'nın düşünmeye hazır olduğu “yanılsama”

Makalenin başlığı sadece kışkırtıcı değil, kesin. Apple'ın ortaya koyduğu şey, akıl yürütme modeli hype'ın çoğunun arkasındaki kırılgan iskele. En son teknoloji ürünü LLM'ler bile gösterildikleri algoritmaları uygulamada başarısız olur, karmaşık bulmacaların yapısını yanlış anlar ve görevler zorlaştıkça düşünme çabalarını azaltır. Bu zeka değil. Bu performans tiyatrosu.

Çalışma akıl yürütmenin umutsuz olduğunu iddia etmese de, bugünün modellerinin merdiveni AGI'ya tırmanmadığını sıkı bir şekilde hatırlatıyor. Düşünüyormuş gibi görünmede çok iyidirler - gerçekten önemli olana kadar.

Bu bir dönüm noktası olmalı - sadece araştırmacılar için değil, karmaşık görevler için LLM'lere güvenen herkes için.

Devamını oku:Apple Watch Kalp Hızı Bölgeleri: Açıklandı

1.

Bulmaca karmaşıklığı arttıkça, akıl yürütme modelleri (LRM'ler) başlangıçta daha fazla jeton kullanır - daha derin düşünceleri zorlamak - ama karmaşıklık tavanına çarptığında, akıl yürütme izleri önemli ölçüde küçülür. Başka bir deyişle, bir çözümü öğütmek yerine “pes ederler”.

Apple bunu bütçe tasarrufu olarak değil, modelin mimarisinin yük altında sürekli akıl yürütmeyi önlediği içsel ölçeklendirme hatası olarak yorumluyor.

2. üç farklı karmaşıklık rejimi

Apple'ın akıl yürütme performansı sınıflandırması, görev karmaşıklığı arasında keskin bir geçiş gösteriyor:

1. Düşük karmaşıklık
   • Düşünce zinciri olmayan standart LLM'ler LRMS'den daha iyi performans gösterir.
   • Akıl yürütme modelleri basit görevleri düşünürler: cevabı bulurlar, sonra yanlış yollardan iki kez geri dönerler, performansı ve verimliliği kaybederler.
2. Orta karmaşıklık
   • LRMS burada bir avantaj elde ediyor. Sonunda doğru cevaplara ulaşmak için stratejik olarak jeton tüketen akıl yürütme adımlarını kullanırlar.
3. Yüksek karmaşıklık
   • Ani bir çöküş: Tüm modellerde neredeyse sıfır doğruluk, akıl yürütme veya değil.
   • Karmaşık görevler, düşünce zinciri derinliğine bakılmaksızın tamamen başarısızlığa neden olur.

3. Algoritmik kör noktalar

Tam bir bulmaca çözme algoritması (örn. Hanoi Kulesi prosedürü) sağlandığında bile, modeller hala belirli bir eşiğin ötesinde başarısız oldu. Açık mantığı güvenilir bir şekilde uygulayamadılar. Bu, düşünce zincirinin başarılı olmak için daha fazla yapıya ihtiyaç duyduğu fikriyle çelişmektedir.

4. Daha geniş bağlam ve topluluk tepkileri

Çevrimiçi forumlar ve AI tartışmalarında karar tutarlıdır:

“Bu modeller aslında anlamlı bir anlamda akıl yürütmüyor. Cevap vermeden önce 'düşüncelerini' yazan çok sofistike desen eşleştiricileri.”

“Düşünce zinciri bir yanılsamadır. Bir papağan hesap makinesi vermek ve matematik problemlerini okuduğunu etkilemek gibi.”

Bu reaksiyonlar birçok AI uzmanının uyardığı şeyle uyumludur: Bugünün LLM'leri oto-regresif mimarileriyle sınırlıdır. Düşük ila orta karmaşıklık görevlerinde zekayı simüle edebilirler-ancak gerçek genelleme gerektiğinde parçalanırlar.

5. Diğer model bulgularına bağlantılar

Deepseek-R1, ölçümlerde performans ve jeton kullanımı için övülürken, gerçek genellemenin gerekli olduğu mantık görevlerinde aynı kritik darboğaz sergiler.

Sıkıştırılmış düşünce zinciri teknikleri gibi son gelişmeler, performansı kaybetmeden akıl yürütmeyi kolaylaştırmayı amaçlıyor, ancak Apple'ın sonuçları muhtemelen derinlik ve karmaşıklıkta zor bir mimari tavan olduğunu gösteriyor.

Bu neden önemli

Makale şu altını çiziyor:

• Akıl yürütme gücü sınırlıdır - daha fazla katman veya jeton daha iyi mantık garanti etmez.
• AGI, kaba bir düşünce zinciri tarafından ortaya çıkmayacak. Alternatif stratejiler (simbolik modüller, bellek sistemleri, hibrit ajanlar) gereklidir.
• Ürün etkileri: Karyolaya dayanan sistemler için (çok aşamalı planlama ajanları gibi), arıza modları sadece mümkün değildir-ölçekte kaçınılmazdır.

Özet tablo

2025'te PC için En İyi AI Araçları

PC'ler için AI araçları 2025'te önemli ölçüde dönüştü. Chatgpt-4o ve Microsoft Copilot gibi ileri asistanlardan GROK-3 ve şaşkınlık AI gibi yenilikçi yeni gelenlere, bugünün AI yazılımı sadece yararlı değil-nasıl çalıştığımızı, yarattığımızı, kodlamayı ve öğrenmeyi yeniden tanımlıyor. Ücretsiz araçlar bile artık premium seçeneklere rakip ve birçoğu Windows 11'in yeni Copilot+ özellikleri ve en son Ryzen AI ve Snapdragon X destekli PC'leri için optimize edilmiştir.

Yapay zeka manzarası da daha kişiselleşiyor. Braine ve Sider gibi araçlar tam kontrolle yerel olarak çalışırken, şaşkınlık ve İkizler hızlı, bulutla çalışan araştırma ve multimodal girdi sağlar. Bir öğrenci, geliştirici, içerik yaratıcısı veya iş kullanıcısı olun, ihtiyaçlarınıza göre uyarlanmış bir araç var - ve sadece daha akıllı oluyorlar.

2025'te yeni vurgular

• Windows 11 25H2:Copilot ile AI-First güncellemesi, uygulamalar arasında derinden entegre edilmiş
• AI-Optimize edilmiş PC'ler:Snapdragon X, Ryzen AI Max+ve RTX 5090 Yerel AI gücünü artırın
• Şaşkınlık AI:Sınıfının en iyisi AI Arama ve Yardımcı Combo-Şimdi Windows ve Mobile'da
• Grok-3, Xia tarafından:Elon Musk'ın modeli, akıl yürütme kriterlerinde GPT-4O'dan daha iyi performans gösterir
• Mistrali AI:Güçlü yeni devstral kodlama asistanı ile açık kaynaklı lider
• Braine:Yerel olarak çalışan ve gizliliğe saygı duyan tam özellikli sanal asistan

PC için Üst AI araçları (güncellenmiş 2025)

• Chatgpt-4o:Hızlı, Multimodal ve şimdi Windows Masaüstü Uygulaması aracılığıyla ücretsiz kullanıcılar için kullanılabilir
• Microsoft Copilot:Windows 11'e sorunsuz bir şekilde gömülü ve geri çağırma ve AI ile çalışan dosya araması ile ofis uygulamaları
• Şaşkınlık AI:Web aramasını ve asistanı bir araçta birleştirir; GPT-4O, Claude 3, İkizler ve kendi modellerini kullanır
• Jasper AI:Pazarlamacılar ve ekipler için hala en üst düzey bir araç
• Braine:Çevrimdışı yetenekleri ve akıllı masaüstü entegrasyonu olan gizlilik odaklı asistan
• Grok-3:Derin akıl yürütme ve güçlü gerçek dünya bilgisi ile Xai'den çok modlu, web bağlantılı yapay zeka
• Mistral Devstral:Github Copilot ve Devin'e rakip olan açık kaynaklı kodlama asistanı
• Sayfa AI:Birden fazla model (GPT-4O, Claude, İkizler) ve dosya sohbeti desteği ile kenar çubuğu tarzı asistan
• İkizler 1.5 Ultra:Google'ın en iyi yapay zekası, hızlı yanıt, derin bağlam belleği ve multimodal girdilerle bilinir

Yeni PC donanımı için optimize edilmiş AI araçları

Özel NPU'lar (nöral işleme birimleri) sayesinde, PC'lerde AI performansı hızla artmaktadır. Snapdragon X Elite, Ryzen AI 9 HX370 ve Intel Core Ultra işlemcileri ile en son Copilot+ PC'ler, hızlı yerel işleme için 45+ üst sunuyor, yani Copilot, Braine ve Sider gibi araçlar artık buluta ihtiyaç duymadan daha fazla görev çalıştırabilir. Gibi cihazlarAsus Proart P16-Microsoft Surface Dizüstü Bilgisayar, VeHP Zbook UltraAI'ye hazır donanımda şarjı yönetir.

Yeni Trendler: PC için AI'da ne değişiyor

• Multimodal Modeller:GPT-4O, Gemini 1.5 Ultra ve GroK-3 Sesi, Görüntü, Metin ve Videoyu Aynı Eşzaman
• Gizlilik ve Yerel AI:Braine ve Mistral Tools, bulut bağlantıları olmadan görevleri çalıştırmanıza izin verir
• AI Arama:Şaşkınlık, copilot ile bing ve you.com zengin, kaynaklı, gerçek zamanlı cevaplar sunuyor
• AI kodlama patlaması:İmleç, Devstral ve Devin gibi araçlar PC'lerde yazılım geliştirmeyi yeniden tanımlayın

PC'niz için doğru AI aracını seçmek

Hangi aracı seçtiğiniz neye ihtiyacınız olana bağlıdır. Yazarlar ve pazarlamacılar Jasper ve Chatgpt-4o'ya yönelebilirler. Geliştiriciler yerel iş akışları için imleç, Mistral'ın Devstral ve Braine'ye yöneliyor. Arama ve araştırma için daha akıllı bir yol istiyorsanız, şaşkınlık ve GroK-3, tercihlerinizdir. Windows'ta derinden entegre, hepsi bir arada bir çözüm için, Copilot Microsoft ekosistemlerinde eşsiz kalır.

Önerilen eşleştirmeler (2025)

• Genel kullanım için en iyi AI:Chatgpt-4o, copilot
• Araştırma için en iyisi:Şaşkınlık AI, Grok-3
• Kodlama için en iyisi:Devstral, İmleç, Biliş AI (Devin)
• Gizlilik için en iyisi:Braine, Mistral Ai
• Pazarlama için en iyisi:Jasper
• Görüntü/video için en iyisi:Pist, Sider, Adobe Firefly

AI araçları artık işletim sistemlerine derinden entegre edilmiş ve yerel performans için amaca yönelik olarak, PC'niz her zamankinden daha fazlasını yapabilir-daha hızlı, daha akıllı ve daha güvenli. AI silah yarışı artık bulutta gerçekleşmiyor. Tam masaüstünüzde.