Yapay Zekâ Ajanları, Ortak Bir Sözlük Olmadan Bir Milyon Etkileşimle Paylaşılan Bir Kelime Dağarcığı Oluşturuyor

9 dakikalık okuma
AI Agents Build Shared Vocabularies Through a Million Exchanges, Without a Common Dictionary

Bir milyon etkileşim, uydurulmuş kelimeleri ortak anlamlara dönüştürüyor

Boş kelime dağarcıklarıyla işe başlayan on yapay zekâ ajanı, Belçika'daki Vrije Universiteit Brussel (VUB) ve Namur Üniversitesi araştırmacılarının deneylerinde bir milyon etkileşimin ardından nesneleri birbirleri için yüzde 99,76'ya varan başarıyla tanımayı öğrendi. Kelimeleri ve anlamları, insanlar tarafından yazılmış bir sözlükten değil, tekrarlanan etkileşimlerden doğdu.

İçindekiler
  1. Bir milyon etkileşim, uydurulmuş kelimeleri ortak anlamlara dönüştürüyor
  2. Bir kelime nasıl işe yarar hâle geliyor?
  3. Ajanlar anlamı nasıl temsil ediyor?
  4. Ortak kelime dağarcıkları ne kadar işe yaradı?
  5. Farklı sensörler de uzlaşmayı mümkün kılabilir
  6. Girdiler ortadan kalkınca değişen kelime dağarcığı
  7. Daha büyük gruplar daha fazla etkileşim gerektiriyor
  8. İnsanlar bir kelimenin neyi ifade ettiğini inceleyebiliyor
  9. Yayın, iş birliği ve olası kullanım alanları
  10. Öne Çıkan Noktalar

Araştırmacılar yöntemlerini, şaraptaki kimyasal ölçümlerden NASA'nın ötegezegen verilerine, kuş ve insan yüzü fotoğraflarına kadar uzanan 37 açık veri kümesinde sınadı. Öne çıkarılan yedi veri kümesinde test etkileşimlerindeki başarı yüzde 95,77 ile yüzde 99,76 arasında değişti.

Temel başarı, nesnelere nasıl atıfta bulunulacağı konusunda uzlaşma sağlamaktı. Her ajan, uydurulmuş kelimeler ile gözlemlenen özellikler arasındaki kendi eşleştirmelerini tuttu. Geri bildirim sayesinde bu bireysel eşleştirmeler, üyeler çevrelerini farklı biçimlerde algılasa bile grubun iletişim kurmasına yetecek ölçüde uyumlu hâle geldi.

Araştırma makalesi, Emergent Communication in Continuous Worlds: Self-Organisation of Conceptually Grounded Vocabularies at Scale başlığıyla bilgisayar simülasyonunda yürütülen deneyleri anlatıyor. Ajanlar, nesne ve görüntülerin sayısal temsilleriyle çalıştı. Araştırmacılar bu yaklaşımın olası kullanım alanları arasında robotları, otonom araçları ve endüstriyel sensörleri sayıyor.

Bir kelime nasıl işe yarar hâle geliyor?

Her etkileşimde iki ajan yer alıyor. Biri konuşmacı, diğeri dinleyici oluyor; etkileşimler sürdükçe roller yeniden belirleniyor. İkisi de birkaç varlığın bulunduğu bir sahneyle karşılaşıyor, ancak hangi varlığın hedef olduğu yalnızca konuşmacıya bildiriliyor.

Konuşmacı, dinleyicinin hedefi seçmesine yardımcı olacak bir kelime seçmek zorunda. Kelime dağarcığında uygun bir kelime yoksa yeni bir kelime uyduruyor. Makalede, etiketin kendisinin önceden belirlenmiş bir anlam taşımaması için "demoxu" gibi, üç heceden oluşan rastgele diziler kullanılıyor.

Dinleyici, kelimeyi kendi kayıtlı kavramlarıyla karşılaştırıp bir varlık seçiyor. Seçimin doğru olup olmadığı konusunda her iki ajana da geri bildirim veriliyor. Başarısızlık durumunda hedef dinleyiciye gösteriliyor ve böylece anlayışını gözden geçirmesine yarayacak bilgi sağlanıyor.

Reklam

Araştırmacılar kelime uydurma, kavramları temsil etme ve sonuçlardan öğrenme süreçlerini belirleyen yöntemleri sağladı. Belirli kelime dağarcığı ve bu dağarcığa bağlanan kategoriler ise etkileşim sırasında ortaya çıktı. Başarılı etkileşimler yararlı eşleştirmeleri güçlendirirken sonraki deneyimler kelimelere bağlı kavramları güncelliyor.

Namur Üniversitesi profesörü ve makalenin ortak yazarlarından Katrien Beuls, yerel etkileşimlerin bir nüfus genelinde nasıl uzlaşma sağladığını üniversitenin duyurusunda şöyle anlattı:

Büyüleyici olan, kuralları dayatan merkezi bir bilgisayarın bulunmaması. Her seferinde iki ajanın yerel düzeyde birbiriyle iletişim kurmasına imkân veriyoruz. Küresel bir uzlaşma, yalnızca bu bireysel etkileşimler ve güncellemeler sayesinde, tüm nüfusta kendiliğinden ortaya çıkıyor.

Ajanlar anlamı nasıl temsil ediyor?

Her varlık, özelliklerini tanımlayan değerler listesinden oluşan bir özellik vektörü olarak ajana ulaşıyor. Örneğin bir şarap örneği, kimyasal ölçümlerle temsil edilebiliyor. Bir görüntü ise görüntü işleme sistemi tarafından çıkarılan sayısal özelliklerle ifade edilebiliyor.

Bir kelime, kavramsal bir prototipe bağlanıyor: hangi tür gözlemlere uygulanabileceğini açıklayan matematiksel bir tanıma. Prototip, tipik değerleri, bu değerlerin ne kadar değiştiğini ve hangi özelliklerin en önemli olduğunu kaydediyor. Böylece ajan, yeni karşılaştığı bir varlığın bilinen bir kelimeye ne ölçüde uyduğunu değerlendirebiliyor.

Bağlam da önemli. Konuşmacı, kavramı sahnedeki diğer varlıklara kıyasla hedefe daha iyi uyan bir kelime arıyor. Dolayısıyla yararlı bir kelime, her nesneye kalıcı bir etiket yapıştırmaktan ziyade onu yakınındaki seçeneklerden ayırt etmeye yardımcı oluyor.

Ajanlar bu temsilleri kendi içlerinde tutuyor. Birbirlerinin iç ayarlarına ya da merkezi bir bilgi tabanına erişimleri yok. Sözcükleri birbiriyle uyumlu seçimlere yol gösterirken bireysel temsilleri kendi gözlemlerine bağlı kaldığı için ortak iletişim gelişiyor.

Araştırmacılar, görüntü veri kümeleri için mevcut bir görüntü kodlayıcısı olan DINOv2'den 384 boyutlu özellikler kullandı. Görüntü kodlayıcı, bir görüntüyü başka yazılımların işleyebileceği sayısal bir tanıma dönüştürüyor. Kelime dağarcığının öğrenilmesi de bu tanımlar üzerinden yürütüldü.

Ortak kelime dağarcıkları ne kadar işe yaradı?

Standart deneylerde 10 ajandan oluşan gruplar bir milyon etkileşim boyunca eğitildi. Araştırmacılar daha sonra, eğitimden ayrı tutulan varlıkların da yer aldığı 100 bin test etkileşiminde iletişimi değerlendirdi ve sonuçların ortalamasını 10 bağımsız çalışma üzerinden aldı.

Reklam

Öne çıkarılan yedi sonuç, hem yöntemin başarısını hem de görevler arasındaki farklılıkları gösteriyor:

  • Görsel nesne özelliklerini içeren CLEVR veri kümesi: iletişim başarısı yüzde 99,76.
  • Şarap analizi verileri: yüzde 99,76.
  • Ötegezegen verileri: yüzde 99,67.
  • Mantar verileri: yüzde 98,10.
  • MS COCO görüntü verileri: yüzde 95,77.
  • CelebA yüz görüntüleri: yüzde 96,66.
  • Kuş görüntüleri: yüzde 95,88.

Bu yüzdeler, dinleyicinin hedeflenen varlığı ne sıklıkla seçtiğini ölçüyor. Şarap ve CLEVR görevlerinde yüzde 99,76 başarı, her 10 bin test etkileşiminde yaklaşık 24 başarısız etkileşime karşılık geliyor. MS COCO'da yüzde 95,77 ise her 10 binde yaklaşık 423 başarısız etkileşim demek.

Bu sonuçlar arasındaki fark 3,99 yüzde puanı. Öne çıkarılan görevlerde iletişim büyük ölçüde başarılı olsa da doğal görüntü veri kümelerinde şarap ve ötegezegen görevlerine kıyasla daha fazla hata görüldü.

Ekip ayrıca kelime dağarcığının büyüklüğünü ve ajanların kelimeleri ne kadar tutarlı kullandığını ölçen uzlaşma düzeyini de değerlendirdi. Bu ölçümler sürecin farklı yönlerine odaklanıyor: nüfusun hem işe yarar bir etiket kümesine hem de hedefleri güvenilir biçimde belirlemeye yetecek ölçüde ortak bir kelime kullanımı anlayışına ihtiyacı var.

Farklı sensörler de uzlaşmayı mümkün kılabilir

Makineler dünyayı nadiren tamamen aynı biçimde gözlemler. Sensörlerin kalibrasyon ayarları farklı olabilir, ölçümlerde gürültü bulunabilir ve bir cihaz başka bir cihazın algılayamadığı özellikleri yakalayabilir. Araştırmada bu koşullardaki farklılıklar da sınandı.

VUB'de yapay zekâ profesörü ve makalenin ortak yazarlarından Paul Van Eecke, motivasyonu insanların kırmızı bir arabayı tanımlaması örneğiyle açıkladı. Gözleri renkleri biraz farklı algılasa da insanlar aynı tanımı anlayabiliyor. Ortak kelime, bu bireysel algıların üzerinde yer alıyor.

Deneylerde bu fikir, yapay ajanların gözlemleri değiştirilerek uygulandı. Kalibrasyon farklılıklarını andıran sayısal sapmalar, gözlemlenen değerlerdeki gürültü ve üyelerinin kullanabildiği özellik kümeleri farklı olan nüfuslar deneye dâhil edildi.

CLEVR deneylerinde yüksek gürültü koşullarında iletişim başarısı yüzde 87,67 oldu. Kullanılabilir sensörler arasındaki farkların daha büyük olduğu bir koşulda ise başarı yüzde 83,47'ye ulaştı. Yöntem bu koşullarda da kayda değer bir eşgüdüm yeteneğini korudu; ancak doğruluk standart CLEVR deneyine göre daha düşüktü.

Reklam

Makale, algısal yapıları farklı olan nüfusları heteromorfik olarak tanımlıyor. Basitçe söylemek gerekirse üyeler farklı türde ya da miktarda bilgi alıyor. Görevleri, her üyenin erişebildiği gözlemlerden yararlanarak bu farklılıklara rağmen uyumlu atıflar geliştirmek.

Girdiler ortadan kalkınca değişen kelime dağarcığı

Araştırmacılar öğrenme sırasında bilginin aniden kaybolduğu bir durumu da sınadı. Deneylerden birinde, sensör okumalarını temsil eden girdilerin yarısı sürecin ortasında kaldırıldı. Bu değişikliğin ardından iletişim başarısı yüzde 93,82 oldu.

Etkileşimlerin sürmesi, koşullar değiştikçe ajanlara kavramlarını gözden geçirme fırsatı veriyor. Birkaç özellikle ilişkilendirilmiş bir kelime, bu özelliklerden bazıları ortadan kalkıp geriye kalan gözlemler daha önemli hâle geldiğinde farklı bir biçimde yararlı olabilir.

Makale, çevresel değişikliklere uyum sağlandığını da bildiriyor. Bu nedenle sürekli öğrenme yaklaşımın merkezinde yer alıyor: nüfus, kullanımla bir uzlaşma geliştiriyor ve gözlemleri değiştikçe bunu uyarlamayı sürdürüyor.

Gelecekteki bir makine sistemi için bu yetenek, ekipman yıprandığında ya da çalışma koşulları değiştiğinde önem taşıyabilir. Deneylerde doğrudan gösterilen sonuç, ajanların simüle edilmiş görevler içinde kelime dağarcıklarını uyarlayabilmesi.

Daha büyük gruplar daha fazla etkileşim gerektiriyor

Araştırmada 2, 10, 25, 50 ve 100 ajanlı nüfuslar incelendi. Etkileşimler hâlâ bireysel çiftler arasında gerçekleştiğinden, nüfusun genişlemesi her yararlı kelimenin daha fazla üyeye yayılması gerektiği anlamına geliyor.

100 ajanın yer aldığı CLEVR deneylerinde iletişim başarısı, bir milyon etkileşimin ardından yüzde 92,69'a ulaştı. Eğitimin 10 milyon etkileşime çıkarılmasıyla başarı yüzde 99,16'ya yükseldi; bu, 6,47 yüzde puanlık artış demek.

Etkileşim bütçesi, bu zorluğun boyutunu açıklamaya yardımcı oluyor. Katılımın eşit dağıldığı varsayılırsa, iki ajanın yer aldığı bir milyon etkileşim 10 kişilik bir grupta ajan başına ortalama 200 bin katılım sağlıyor. Aynı sayıda etkileşim, 100 kişilik bir grupta ajan başına ortalama 20 bin katılım anlamına geliyor.

Reklam

On milyon etkileşim, 100 kişilik bir nüfusta her üyeye düşen ortalama katılım sayısını yeniden 200 bine çıkarıyor. Bireysel karşılaşmalar rastgele seçiliyor; ancak bu karşılaştırma, daha büyük gruplarda uzlaşmaların yayılması için neden çok daha büyük bir toplam öğrenme bütçesi gerekebileceğini gösteriyor.

İnsanlar bir kelimenin neyi ifade ettiğini inceleyebiliyor

Araştırmacılar, tasarımlarının bir avantajı olarak yorumlanabilirliği gösteriyor. Bir kelime, değerleri ve özellik ağırlıkları incelenebilen bir prototipe karşılık geliyor. Araştırmacılar, bir kavramın oluşmasına hangi gözlemlerin katkıda bulunduğunu ve kullanım sırasında temsilinin nasıl değiştiğini izleyebiliyor.

Adlandırılmış kimyasal ölçümler içeren bir veri kümesinde inceleme, bir kelimeyi bu ölçümlerin belirli aralıklarıyla ilişkilendirebiliyor. Görüntü verilerinde ise kavram, görüntü kodlayıcının ürettiği özelliklere bağlanıyor. Dolayısıyla kavramın anlamını açıklamak, bu sayısal görüntü temsillerini anlamayı da gerektiriyor.

VUB Yapay Zekâ Laboratuvarı'nda doktora araştırmacısı ve makalenin ortak yazarlarından Jérôme Botoko Ekila, ajanların kendi algıları çevresinde kavramlar oluşturmasına imkân vermenin amacını şöyle anlattı:

Veriler insanlar için anlaşılmaz olsa bile sensörleri aracılığıyla algıladıklarıyla tam olarak örtüşen etkili kavramlar oluşturuyorlar.

İnsan denetimi, bu eşleştirmeler geliştikçe onları incelemeyi gerektirir. Yararlı bir kontrol yöntemi, aynı kelimeyi kullanan iki ajanın girdileri ya da çevreleri değiştikten sonra da hedeflenen varlığı seçip seçmediğine bakmaktır. Araştırmadaki geri bildirim mekanizması, bu ilişkiyi öğrenme sürecinin merkezine koyuyor.

Yayın, iş birliği ve olası kullanım alanları

Çalışmada VUB'den Jérôme Botoko Ekila, Lara Verheyen, Jens Nevens ve Paul Van Eecke ile Namur Üniversitesi'nden Katrien Beuls yer alıyor. Çalışma, WEAVE projesi aracılığıyla Flanders Araştırma Vakfı (FWO) ve Belçika Ulusal Araştırma Fonu (FNRS) tarafından finanse edildi.

VUB'nin yayın kaydında derginin adı Transactions of the Association for Computational Linguistics olarak veriliyor. Kayıtta cilt 14, 2234–2257. sayfalar ve 10.1162/TACL.a.799 DOI numarası yer alıyor. Yayın tarihi Ağustos 2026 olarak listeleniyor.

Yayın ve duyuru şu sırayla gerçekleşti:

  • Nisan 2026: Makale gönderildi.
  • Mayıs 2026: Makale gözden geçirilerek yeniden düzenlendi.
  • Ağustos 2026: Üniversitenin yayın kaydında dergide yayımlanma tarihi yer aldı.
  • 14 Ekim 2026: Üniversitenin duyurusunda bulgular sunuldu.
Reklam

Araştırmacılar, makine algısına uyarlanmış iletişimin olası kullanıcıları arasında otonom araçları, robotları ve endüstriyel sensörleri sayıyor. Lidar ışık kullanarak mesafeyi ölçüyor, sonar ses dalgalarından yararlanıyor, kızılötesi sensörler sıcaklıkla ilişkili ışınımı algılıyor, kimyasal cihazlarsa maddeleri ölçüyor. Ortak bir kelime dağarcığı, makinelerin bu tür girdilerdeki yararlı örüntülere atıfta bulunmasına yardımcı olabilir.

Bir sonraki pratik adım, bu uzlaşmaların fiziksel ekipman, değişen çevre koşulları ve operasyonel gereksinimler altında nasıl işlediğini sınamak olacak. Herhangi bir uygulama takvimi açıklanmadı. Şimdilik sonuç, gürültü, algı farklılıkları ve eksik girdiler altında ölçülebilir performans gösteren; çeşitli veriler arasında ortak atıflar oluşturmak için sınanmış bir yöntem.

Öne Çıkan Noktalar

  • VUB ve Namur Üniversitesi araştırmacıları, 37 açık veri kümesinde kelime dağarcığı oluşumunu sınadı.
  • 10 ajanlı gruplar bir milyon etkileşimle eğitildi ve ardından 100 bin test etkileşimine tabi tutuldu.
  • Öne çıkarılan yedi veri kümesinde başarı yüzde 95,77 ile yüzde 99,76 arasında değişti.
  • Araştırmacılar öğrenme yöntemlerini sağladı; ajanlar ise geri bildirim yoluyla belirli kelimeleri ve bunlara bağlı kavramları geliştirdi.
  • Deneylerde gürültülü gözlemlere, farklı algısal yapılara ve eksik girdilere uyum sınandı.
  • 100 ajanlı bir grup, 10 milyon etkileşimin ardından CLEVR'da yüzde 99,16 başarıya ulaştı.
  • Çalışmada bilgisayar simülasyonları kullanıldı. Robotlar, araçlar ve endüstriyel sensörler olası kullanım alanları olarak öneriliyor.
Bu haberi paylaş

Bunlar da ilginizi çekebilir