Robotik Teknolojisindeki Yapay Zeka Atılımları Hayatımızı Ne Zaman ve Nasıl Değiştirecek?

Beyaz gövdeli, siyah kafalı insansı robotlar son yıllarda video akışlarında sıkça boy gösteriyor; dans ediyor, mısır patlağı uzatıyor, çöp atıyor, elektrik süpürgesi kullanıyor veya mikrodalga fırının düğmesine basıyor. Bazen de su şişesi dağıtırken geriye doğru düşüyor veya gömlek ütülemekte zorlanıyor. Görüntülerin arkasındaki en bilinen isimlerden biri, Tesla CEO'su Elon Musk'ın "yalnızca Tesla'nın bugüne kadarki en büyük ürünü değil, muhtemelen şimdiye kadarki en büyük ürün" olarak nitelendirdiği ve fabrika zeminlerinden evlere taşımayı hedeflediği Optimus robotu.

Musk, temmuz ayında hissedarlarla yaptığı görüşmede robotların zamanla "insan düzeyinde ve ardından insanüstü bir beceriye" kavuşacağını belirtti. Tesla'nın kurucusuna göre bu makineler, levha metal taşımaktan çamaşır katlamaya kadar neredeyse tüm insan emeğini birim başına 20.000 dolar gibi düşük bir maliyetle otomatikleştirebilir. Ocak ayında İsviçre'nin Davos kentinde düzenlenen Dünya Ekonomik Forumu'nun yıllık toplantısında konuşan Musk, bu robotların 2027'nin sonuna kadar halka satışa çıkabileceğini öngörmüştü.

Sektör Devlerinin İddiaları ve Morgan Stanley Öngörüleri

Bu vizyonu savunan tek isim Elon Musk değil. Silikon Vadisi risk sermayesi şirketi Andreessen Horowitz'in kurucu ortağı Marc Andreessen, robotiğin "gezegendeki tarihin en büyük endüstrisi" haline gelebileceğini savunurken; Nvidia CEO'su Jensen Huang, ocak ayında yaptığı bir açıklamada insansı robotların bu yıl insan yetenekleriyle eşleşeceğini öne sürmüştü. Yatırım bankası Morgan Stanley'e göre ise "insanlara benzeyen ve onlar gibi hareket eden" robotların sayısı 2050 yılına kadar neredeyse 1 milyara ulaşabilir ve bu durum 5 trilyon doları aşan bir pazar yaratabilir.

Bu iddialı çıkışların arkasında, OpenAI'ın ChatGPT'si ve Anthropic'in Claude'u gibi araçların arkasındaki yapay zeka devriminin, sohbet botlarının insan dilini taklit etmesi gibi robotların da insan hareketlerini taklit etmesini sağlayacağı inancı yatıyor. Ancak pek çok robotik araştırmacısı bu iyimserliğe şüpheyle yaklaşıyor. Uzmanlar, dil ve görüntüler üzerine kurulmuş bir zekayı fiziksel dünyanın sonsuz değişkenliğine adapte etmenin doğurduğu zorlukların küçümsendiğini savunuyor.

Ocak ayındaki Davos konferansında konuşan, yapay zekanın babalarından biri olarak anılan Yann LeCun, insansı robot üreten şirketlerin durumunu eleştirerek, "Bu şirketlerin hiçbirinin -kesinlikle hiçbirinin- bu robotları işe yarayacak kadar akıllı hale getirmenin bir yolunu bildiği yok" ifadelerini kullandı.

Biçim ve İşlev Tartışması: İnsansı Olmak Yeterli mi?

Araştırmacılar, insanlara benzemek üzere tasarlanan robotlar ile çoklu görevleri öğrenip uygulayabilen genel amaçlı makineleri aynı kefeye koymanın yanıltıcı olduğuna işaret ediyor. Oregon State University'de robotik profesörü ve Agility Robotics'in kurucu ortağı Jonathan Hurst, durumu şöyle özetliyor: "Bir insana benzeyen bir robot yapmak çok kolaydır. Ancak bir insan gibi dinamik veya fiziksel olarak hareket eden ya da davranan bir makine yapmak dramatik ölçüde daha zordur."

Bu gerilimler, laboratuvarlarda sürdürülen titiz çalışmaları gölgeleyen zaman çizelgesi abartılarıyla birlikte devam ediyor. On yıl kadar önce yapay zeka devrimini tetikleyen gelişmeler, makinelere uzun süredir erişilemeyen fiziksel sezgi ve akıcılık kazandırabilecek yeni bir devrimin kapısını aralayabilir. Ancak mevcut yapay zeka araçlarının bu hedefe ulaşıp ulaşamayacağı, yoksa tamamen yeni bir yola mı ihtiyaç duyulduğu hâlâ yanıt arayan sorular arasında.

Yapay Zeka ile Güçlendirilen Robot Beyinler

Bugünün en gelişmiş robot beyinlerinden birini görmek için Google DeepMind’ın "ALOHA 2" (A Low-cost Open-source Hardware System for Bimanual Teleoperation) adını taşıyan iki kollu, kavramalı ve kameralı sistemi incelenebiliyor. Robotikçiler, genel amaçlı robotlar için insan formünün gerekip gerekmediği konusunda uzun süredir bölünmüş durumda. ALOHA 2, ikinci düşünce okulunu yansıtıyor; estetik olarak iddialı olmasa da Google DeepMind araştırmacılarının en gelişmiş yapay zeka robotik sistemi olan Gemini Robotics'i test etmeleri için kritik bir iş gücü sağlıyor.

Gemini Robotics tarafından kontrol edildiğinde ALOHA 2, eğitildiği örnekler temelinde çeşitli görevleri yerine getirebilen genel amaçlı bir robota dönüşüyor. Örneğin, bir beslenme çantası hazırlaması istendiğinde, iki pincer kavrayıcısını kullanarak bir dilim beyaz ekmeği Ziploc poşete yerleştirebiliyor, kilitliyor, bir avuç üzümü Tupperware kabına koyup kapağını kapatarak çantaya yerleştirebiliyor. Her ne kadar harika bir öğle yemeği hazırlamasa da, robotun bunu yapabilmesi üç yıl öncesine kıyasla somut bir ilerlemeye işaret ediyor.

Bu ilerleme büyük ölçüde robot politikalarındaki (robotların çevrelerini nasıl değerlendirdiğini, hareket planladığını ve görevleri nasıl yerine getirdiğini kontrol eden sistemler) yapay zeka odaklı değişimlere dayanıyor. Tarihsel olarak bu politikalar, mühendislerin robot yazılımına kodladığı binlerce satırlık kurallara dayanıyordu. Son yıllarda ise bu politikalar doğrudan gelişmiş yapay zeka sistemlerine devrediliyor.

İlk olarak, hem kelimeler hem de görsellerle eğitilen VLM'ler (Görsel-Dil Modelleri) devreye girdi. Bir kahve döküntüsünün fotoğrafını gösterdiğinizde temizlik için uygun bezi bulabilen bu modeller, eski sabit kodlu sistemlerde bulunmayan bağlamsal bir anlama yeteneği kazandırdı. Ardından, robota hareket komutları ekleyerek çevresini değerlendirip eyleme geçmesini sağlayan VLA (Görsel-Dil-Eylem) modelleri geliştirildi. Bu modeller genellikle insan teleoperasyonu (bir insanın uzaktan kumandayla robota rehberlik etmesi) yoluyla toplanan hareket verileriyle eğitiliyor.

Veri Kıtlığı ve Gerçek Dünya Sınırları

Gemini Robotics gibi VLA modelleri mutfak maşasıyla bezelye toplamak, origami yapmak veya basit bir öğle yemeği hazırlamak gibi görevleri yerine getirebilecek kapasiteye ulaşmış durumda. Ancak Imperial College London'da robotik profesörü olan Edward Johns, mevcut sistemlerin belirgin bir sınırlılığına dikkat çekiyor: VLA kontrollü bir robottan eğitim setinin dışına çıkan bir görev gerçekleştirmesi istendiğinde, sistem büyük olasılıkla başarısız oluyor. Gemini Robotics şu an için yalnızca belirli alanlarda sınırlı sayıda görevi yerine getirebiliyor.

Robotların daha fazla iş yapabilmesinin yolu ise geleneksel olarak daha fazla veriyle eğitilmesinden geçiyor. Büyük dil modelleri mevcut devasa metin havuzlarından faydalanabilirken, robotlar için benzer kalitede fiziksel gösterim havuzları bulunmuyor. Araştırmacılar bu açığı kapatmak için teleoperasyon verisi toplamak üzere insan istihdam etme, insan faaliyetlerinin videolarından yararlanma veya robotları gerçek dünyada test etme gibi yöntemler deniyor. Google DeepMind’ın eski robotik liderlerinden Pannag Sanketi, çok yönlü bir yaklaşımın en olası yol olduğunu savunuyor.

Buna karşın Agility Robotics'ten Hurst, yalnızca eğitim verilerine güvenmenin "temelde kusurlu bir önerme" olduğunu savunuyor. Gerçek dünyadaki görevlerin karmaşıklığı -örneğin sıfırdan kahve yapma sürecindeki sayısız değişken- robotik teknolojisinin kat etmesi gereken daha uzun bir yol olduğunu ve aşırı iyimser zaman çizelgelerinin laboratuvarlardaki gerçek mühendislik ilerlemelerini gölgelediğini gösteriyor.