Cənubi Kaliforniya Universiteti tərəfindən

redaktə edən: Gaby Clark , rəy verən: Robert Egan

 Redaktorların qeydləri

 GIST

Tercih edilən mənbə kimi əlavə edin

Kredit: Unsplash/CC0 İctimai Sahə

İllərdir ki, süni intellektin əsas fərziyyəsi sadə olub: süni intellekt yalnız gördüyü məlumatlar qədər yaxşıdır. Ona daha çox qidalandırın, daha uzun müddət öyrədin və o, daha yaxşı nəticə göstərir. Daha az qidalandırın və o, büdrəyir. USC Viterbi Mühəndislik Məktəbinin yeni bir araşdırması 12-15 mart tarixlərində keçirilən IEEE SoutheastCon 2026- da qəbul edildi . Bu, daha təəccüblü bir şey təklif edir: düzgün metodla süni intellekt modeli, təkcə təlim məlumatlarının imkan verdiyindən çox irəliləyərək, çətinliklə öyrədildiyi ərazidə performansını əhəmiyyətli dərəcədə yaxşılaşdıra bilər.

Metod, birinci kursdan bəri tədqiqat aparan USC Viterbi bakalavr tələbəsi Minda Li tərəfindən hazırlanmışdır. O, məsləhətçisi, Elektrotexnika və Kompüter Mühəndisliyi üzrə Ming Hsieh kafedrasının fakültə üzvü və Sistem professoru Bhaskar Krishnamachari ilə birlikdə USC Viterbi Mühəndislik Məktəbinin Tomas Lord Kompüter Elmləri kafedrasında və USC Qabaqcıl Hesablama Məktəbində birgə təyinatla işləyir. Onların məqaləsi arXiv çapdan əvvəlki serverində mövcuddur .

Birlikdə onlar GPT-5-in İdris dilində kod yazmaq qabiliyyətini sınaqdan keçirdilər. İdris qeyri-adi dərəcədə qeyri-adi bir proqramlaşdırma dilidir və Python kimi əsas dillərin onlayn mövcudluğunun cüzi bir hissəsinə malikdir. Nəticələr təəccüblü idi: Li, süni intellektə səhvləri barədə rəy bildirməklə və yenidən cəhd etməyə icazə verməklə modelin uğur nisbətini acınacaqlı 39%-dən 96%-ə qaldırdı.

“Süni intellekt alətlərimiz artıq ilkin təlimlərini aşmağa qadirdir. Əvvəllər, bəlkə də bir-iki il əvvəl, süni intellekt modelinin yalnız gördüyü məlumatlar qədər yaxşı olduğunu deyərdiniz. Bu məqalə fərqli bir şey deyir”, – deyə professor Bhaskar Krişnamaçari bildirib.

Hətta tədqiqatçılar belə bilmirdilər ki, o qədər anlaşılmaz bir dildir

Dünyanın ən populyar proqramlaşdırma dili olan Python-un 24 milyondan çox kod deposu internetdə ictimaiyyətə açıqdır və bu, GPT-5 kimi süni intellekt modellərinin təlim zamanı öyrəndiyi geniş bir kitabxanadır. Li və Krishnamachari-nin sınaqdan keçirmək üçün seçdikləri dil olan İdrisin təxminən 2000 kod deposu var. Bu, təxminən 10.000 dəfə az məlumat deməkdir.

İdrisin seçimi qəsdən edilmişdi və Krişnamaçarinin təsvir etdiyi kimi, bir az zarafat idi. “Biz o qədər anlaşılmaz bir dil axtarırdıq ki, onun haqqında eşitməmişdik”, – dedi. “Düşünürəm ki, sadəcə mənim ofisimdə birlikdə Google-da axtarış aparırdıq, heç kimin eşitmədiyi dəli bir dil tapmağa çalışırdıq.” Onlar kiçik bir mütəxəssis icması tərəfindən istifadə edilən asılı tipli funksional proqramlaşdırma dili olan İdrisi tapdılar və bunun mükəmməl bir sınaq nümunəsi olduğuna qərar verdilər.

Ən əsası, heç bir tədqiqatçı özü bir sətir də yaza bilmədi. “Nə Minda, nə də mən heç vaxt onu kodlaşdırmamışıq və açığı, kodun düzgün və ya səhv olduğunu deyə bilmərik”, – deyə Krişnamaçari etiraf etdi. Tapıntıları bu qədər təəccüblü edən amillərdən biri də budur: Li süni intellektlə öz bələdçilərinin danışa bilmədiyi bir dili mənimsəməyə rəhbərlik edirdi.

Sıçrayış: Hər şeyi dəyişdirən bir geribildirim döngəsi

Li, sadəcə olaraq, məşhur kodlaşdırma təcrübəsi platforması olan Exercism-də GPT-5-dən 56 Idris kodlaşdırma çalışmasını həll etməsini istəməklə başladı. Model, qutudan çıxaraq, onlardan yalnız 22-sini həll etdi ki, bu da 39% uğur nisbətidir ki, bu da Python-dakı 90% uğur nisbətindən və Erlang-dakı 74%-dən çox aşağıdır.

Daha sonra o, performansı artırmaq üçün bir neçə yanaşma sınadı: sənədlər, səhv təlimatları və istinad təlimatları təqdim etdi. Bunlar müəyyən qədər kömək etdi, uğur nisbətini 60-cı illərin ən aşağı səviyyəsinə endirdi, lakin heç vaxt kəskin şəkildə azalmadı.

Bu irəliləyiş, o, kompilyator geribildirim döngəsi adlandırdıqları şeyi tətbiq etdikdə baş verdi. Kompilyator, insan tərəfindən yazılmış kodu kompüterin icra edə biləcəyi təlimatlara çevirən proqram təminatıdır. Kod səhv olduqda, kompilyator bunu dəqiq və texniki detallarla bildirir. O, həmin səhv mesajlarını qeyd etməyə və onları birbaşa GPT-5-ə göndərməyə başladı, müəyyən edilmiş konkret problemləri həll etməyi və yenidən cəhd etməyi xahiş etdi. Hər problem üçün 20 dəfəyə qədər.

“Düşünürdüm ki, yəqin ki, 10% sıçrayış əldə edəcəyik”, – təcrübələri dizayn edən və idarə edən Li dedi. “Təkcə bunun, sanki sadə bir şeyin, sadəcə yenidən tərtib etməyə, çalışmağa davam etməyin 96%-ə çatmasına təəccübləndim.”

Koddan kənar: Niyə bu hər şeyi dəyişir

Li və Krişnamaçarinin qurduğu şey, əslində, həmişə mövcud olan, lakin əlçatmaz olan qabiliyyətin açılması üçün bir üsuldur. Düzgün strukturlaşdırılmış rəyi mühəndisliklə təmin etməklə, onlar süni intellekt modelindən təkcə təlim məlumatlarından əldə edilə biləcəyindən daha çox fayda əldə etməyin yolunu tapdılar.

Krişnamaçari bu yanaşmanın proqram təminatı və niş proqramlaşdırma dilləri dünyasından çox kənarda tətbiq olunacağını təsəvvür edir. “Təsəvvür edin ki, binaların 3D modellərini qurmaq üçün süni intellekt əldə etməyə çalışırsınız”, – deyə o bildirib. “Sizdə rəy verən bir şey var: bu model struktur baxımından təhlükəlidir, materialların düzgün paylanması yoxdur, qurmaq çox bahadır. Nə olursa olsun, o, sadəcə süni intellekt tərəfindən yaradılan hər şeyə, hər iterasiyaya rəy verir.”

“Bu layihədən öyrəndiyim odur ki, bu cür aydın və düzgün rəyi necə təqdim edəcəyinizi anladığınız müddətcə, süni intellekt nəticələrinin keyfiyyətini əhəmiyyətli dərəcədə yaxşılaşdırmaq şansımız var.”

O, həmçinin riyazi mühakimə və hətta hüquqi məntiqdə də tətbiqləri görür , bu da obyektiv rəy yaratmaq üçün kifayət qədər aydın qaydaları olan istənilən sahədə tətbiqləri nəzərdə tutur. “Əgər süni intellekt agentindən bir teoremin sübutunu təqdim etməsini istəsəniz, bunun səhv olduğunu demək olduqca asan olmalıdır və budur səbəbi və yenidən cəhd etməsi.”

Tədqiqat, həmçinin nəsli kəsilməkdə olan və az resurslu insan dilləri üçün də mənalı nəticələrə səbəb ola bilər. Krişnamachari-nin keçmiş doktorantura tələbəsi Cared Coleman, çox məhdud yazılı məlumatlara malik yerli Amerika dili olan Owens Valley Paiute üzərində işləyir və süni intellektinin minimal təlimlə tərcüməyə kömək edə biləcəyini araşdırır ki, bu da Li-nin İdris ilə qarşılaşdığı eyni əsas problemi əks etdirir.

Bir problem həll olundu, biri də həll olunmalı

Li artıq bundan sonra nə olacağını düşünür. Mövcud sistem, əslində, bir həll yoluna qəddarcasına yol tapır, bir şey işə yarayana qədər çalışır və uğursuz olur, amma öyrəndiklərini problemdən problemə saxlamır. O, modelin hər dəfə sıfırdan başlamaqdansa, hər problemlə daha ağıllı davranmasını istəyir.

Krişnamaçari üçün daha böyük mənzərə süni intellektin nəyə çevrilməsi ilə bağlıdır. “Bütün bunların dəliliklərindən biri də özümüzün edə bilmədiyimiz bir işi yerinə yetirmək üçün süni intellekt alətinin əldə edilməsidir”, – deyə o bildirib. “Biz müəyyən mənada bizdən daha güclü alətlər yaradırıq.”

Bu, onu narahat etmir, onu həyəcanlandırır. O inanır ki, süni intellekt əvvəllər əlçatmaz hesab etdiyimiz ideyaları həyata keçirməyə imkan verəcək, bizi çətin işlərdən azad edəcək və ilk növbədə yaxşı ideyalara sahib olmaq məsuliyyətini geri qaytaracaq.

Axı hər şey ofisdə iki nəfərin Google-da axtarış aparması və bir az dəli bir şey sınasalar nə olacağını düşünməsi ilə başladı.

Nəşr detalları

Minda Li və digərləri, Kompilyatorla İdarə Edilən Nəticə Zamanı Adaptasiyası: İdrisdə GPT-5 Proqramlaşdırma Performansının Təkmilləşdirilməsi, arXiv (2026). DOI: 10.48550/arxiv.2602.11481

Jurnal məlumatı: arXiv 

Əsas anlayışlar

Böyük dil modelləriMaşın öyrənmə metodologiyalarıCənubi Kaliforniya Universiteti tərəfindən təmin edilir