Yapay genel zekâ, tekil görevlerle sınırlı olmayan; öğrenme ve problem çözme yetilerini farklı bağlamlara genelleyebilen bir zekâ düzeyini ifade eder. Bu yönüyle, sadece belirli görevler için tasarlanmış dar kapsamlı yapay zekâ sistemlerinden ayrışır. Günümüzde yapay genel zekâ olarak nitelendirilebilecek bir yapay zekâ sistemi henüz mevcut değil; hatta bunun hiçbir zaman gerçekleştirilemeyeceğini ileri sürenler de var. Bununla birlikte, son yıllarda büyük dil modellerindeki hızlı ilerlemeler ve üretken yapay zekâ uygulamalarının toplumun geniş kesimlerince yaygın biçimde kullanılması, yapay genel zekâya ilişkin beklentilerin artmasına yol açtı.
Yapay genel zekâ, kavramsal belirsizliğinin yanı sıra teknik olarak uygulanabilir olup olmadığı açısından da yoğun biçimde tartışılıyor. Buna rağmen, başta OpenAI olmak üzere birçok teknoloji şirketi, henüz var olmayan bu teknoloji üzerinden ciddi yatırımlar çekebiliyor. Kimi zaman yatırımcı beklentilerini canlı tutmak kimi zaman da gerçekten inandıkları için, yapay genel zekânın ne zaman geliştirilebileceğine dair öngörülerde bulunmaktan kaçınmıyorlar. Hatta daha da ileri gidip mevcut ürünlerde yapay genel zekânın ilk işaretlerinin şimdiden görülebildiğini öne sürenler de var.
Teknoloji şirketleri, yapay genel zekâ kavramının tanımındaki bu muğlaklıktan ustalıkla yararlanıyor ve büyük ölçüde hayali bir teknoloji etrafında şekillenen tartışmaları yönlendiriyorlar. Togelius’un (2024) belirttiği gibi akıllı makineleri çoğunlukla bilim kurgu romanları ve filmleri aracılığıyla tahayyül edebiliyoruz. Ancak bu anlatılarda bile söz konusu makineler tek bir biçime indirgenmiyorlar ve birbirinden oldukça farklı özelliklerle karşımıza çıkıyorlar.
Yazının başındaki tanımı biraz daha somutlaştırmaya çalıştığımızda işler karmaşıklaşıyor. Örneğin, yapay genel zekânın “geniş bir görev yelpazesine sahip olması” ne anlama geliyor? Bir sistemin yapay genel zekâ olarak tanımlanabilmesi için kaç farklı görevi yerine getirebilmesi gerekiyor: 10 mu, 100 mü, yoksa 1000 mi? Sadece belirli bir görev alanıyla sınırlı bir sistem, gerçekten yapay genel zekâ sayılabilir mi? Farklı bilgisayar oyunlarını ustalıkla oynayıp yeni oyunları hızla öğrenebilen, ancak bunun dışında hiçbir şey yapamayan bir sistem yapay genel zekâ mıdır? Peki, bir yapay genel zekânın kendi sensörleri ve hareket edebileceği bir gövdesi olmalı mı? İnsanların yapabildiği her şeyi yapabilmesi gerekir mi? Tüm görevleri en baştan yerine getirebilecek yetenekte mi olmalı, yoksa yeni görevleri öğrenebilmesi yeterli mi? Bir görevi öğrenme süresi ne kadar olmalı? (age)
Kısacası, şirketler “yapay genel zekâ seviyesine ulaştık!” dediğinde, bu iddianın doğruluğunu nasıl ölçeceğiz?
Bu bağlamda, deneysel psikolog ve psikoloji tarihçisi Edwin G. Boring’i izleyebiliriz. Boring, zekâyı “zekâ testleriyle ölçülen şey” olarak tanımlıyordu. Benzer şekilde, yapay genel zekâyı da, yapay genel zekâ testleriyle ölçülen şey olarak tanımlamak mantıklı olabilir.
Zekâ testleri, zaman içinde her şeyi olmasa da bazı yetenekleri öngörmeye yardımcı oluyor. Örneğin, ABD’de askeriyeye alımlarda kullanılan zekâ testlerinin sonuçları, gerçek hayatla da uyumlu görünüyor: Yüksek IQ’ya sahip askerler daha iyi savaşıyor, daha az ölüyor ve görevlerinde daha başarılı oluyor. Sivil hayatta ise iyi puan alanlar genellikle daha uzun yaşıyor ve daha fazla kazanıyor.
Elbette, her şeyin IQ ile güçlü bir korelasyon içinde olduğunu söylemek mümkün değil. Örneğin, liderlik becerilerini öngörmede IQ her zaman iyi bir gösterge olmayabilir. Bazı durumlarda yüksek IQ, bir neden değil, bir sonuç da olabilir. Yine de IQ testleri, birçok durumda işe yarar bir araç olarak değerlendirilebiliyor.
Yapay genel zekânın ölçümü için geliştirilecek bir test, her şeyi tam anlamıyla değerlendiremese de en azından bu sistemleri teknoloji şirketlerinin iddialarından bağımsız olarak değerlendirme olanağı sağlayacaktır. Bu nedenle, Gary Marcus, Yoshua Bengio, Max Tegmark ve Eric Schmidt gibi araştırmacıların da aralarında bulunduğu otuzdan fazla uzmanın katkısıyla hazırlanan Yapay Genel Zekânın Bir Tanımı (Hendrycks, 2025)başlıklı makalenin son derece önemli bir çalışma olduğunu düşünüyorum.
Yapay genel zekâ, iyi eğitimli bir yetişkinin bilişsel yetenek ve becerilerine ulaşabilen (hatta onları aşabilen) bir yapay zekâ olarak tanımlanıyor. Bu tanımı somutlaştırmak için araştırmacılar, genel zekânın bilinen tek örneğine, yani insana odaklanıyor. İnsan bilişi tek parça bir yapı değil; evrimsel süreç içinde biçimlenmiş, birbirinden farklı ancak etkileşim hâlinde çok sayıda yetenekten oluşuyor. Bu yetenekler, insanın yüksek uyum kapasitesini ve dünyayı anlamlandırma becerisini mümkün kılıyor (age).
Makalede, bir yapay zekâ sisteminin insanlardaki geniş yetenek yelpazesine gerçekten sahip olup olmadığını sistematik biçimde incelemek için Cattell–Horn–Carroll (CHC) bilişsel yetenekler teorisinden yararlanılmış. CHC yaklaşımı, insan bilişini hiyerarşik bir çerçevede haritalandırarak genel zekâyı geniş yetenek alanlarına ve bunların altındaki daha dar becerilere ayırıyor. Tümevarım, çağrışımsal bellek veya mekânsal tarama gibi örnekler, bu yapı içinde zekânın çok katmanlı ve etkileşimli bir bütün olarak nasıl anlaşılabileceğini gösteriyor.
CHC tabanlı bu yaklaşım, bir yapay zekânın iyi eğitimli bir yetişkinin bilişsel çok yönlülüğüne ve yeterliliğine sahip olup olmadığını ölçmek için bilişsel testlerin uygulanmasını öngörüyor. Böylece, yapay genel zekâ tartışmalarında belirsiz kalan zekâ kavramları somut ölçümlere dönüştürülüyor ve %0 ila %100 arasında standartlaştırılmış bir “Yapay Genel Zekâ Puanı” elde edilebiliyor. Artık “X yapay genel zekâdır” demek yerine, “X %72 Yapay Genel Zekâ Puanı’na sahiptir” gibi ölçülebilir ifadeler kullanılabiliyor.
Yazının devamında, CHC’den türetilen bu çerçevenin nasıl uygulandığını inceleyecek ve GPT-4 ile GPT-5’in güçlü ve zayıf yönlerini değerlendireceğiz. Çerçeve, eşit ağırlıkta (%10) on temel bölümden oluşuyor. Her bölümde ölçülen yetenekler tanımlanıyor ve bunların yapay genel zekâya katkıları yüzde olarak belirtiliyor.
Yapay Genel Zekâ Testi
1. Genel Bilgi
Burada eğitimli insanların çoğunun aşina olduğu veya önemli olduğu için çoğunun maruz kaldığı bilgiden söz ediliyor ve her biri %2 puan değerinde beş alt başlıktan oluşuyor: Sağduyu (%2), fen (%2) bilimleri, sosyal bilimler (%2), tarih (%2) ve kültür (%2).
Sağduyu: Dünyanın nasıl işlediğine dair paylaşılan, apaçık olan geniş temel bilgi kümesidir. Testi uygularken arama gibi dışsal araçlar devre dışı bırakılıyor. Örnek sorular:
- Bir cam şişeyi beton zemine düşürürseniz, en olası sonuç nedir?
- Havaalanında bir uçağa binmeye hazırlanırken izlenen tipik eylem sırasını açıklayın.
- Sandviç yapmak genellikle ekmek pişirmekten daha mı uzun sürer?
- İnsanlar, birinin eğlence için çocukları yaktığını öğrenirse öfkelenir mi? (Sistemin etik yaklaşımını değerlendirmek için sorulan bir soru.)
Fen Bilimleri: Matematiğe fazla dayanmayan fizik, kimya ve biyoloji bilgisidir. Örnek sorular:
- 2 kg’lık bir nesne 3 m/s sabit hızla hareket etmektedir. Net kuvvet ne kadardır?
- Sülfür tetraflorür molekülünün moleküler geometrisini belirtiniz.
- Hücresel solunumun elektron taşıma zincirinde son elektron alıcısı olan molekül hangisidir?
- Bir direnç 10 ohm dirence sahiptir ve 5 voltluk bir bataryaya bağlıdır. Dirençten geçen akım ne kadardır?
Sosyal Bilimler: İnsan davranışları, toplumlar ve kurumların anlaşılması üzerinde durulur. Psikoloji, mikroekonomi, makroekonomi, coğrafya, karşılaştırılmalı siyaset başlıklarında sorular içerir. Örnek sorular:
- Beş temel kişilik özelliğini sayın.
- Ekonomide pozitif dışsallığı tanımlayın.
- Nominal ve reel faiz oranları arasındaki fark nedir?,
- Çölleşme tehdidi en çok hangi kıtadadır?
- İran’da Anayasa Koruma Konseyi’nin rolünü açıklayın.
Tarih: Geçmiş olaylar ve nesneler hakkındaki bilgidir. Avrupa tarihi, ABD tarihi, dünya tarihi ve sanat tarihi alt başlıklarında hem metinsel hem de görsel testler içerir. Örnek sorular:
- Otuz Yıl Savaşları’nın siyasi, sosyal ve dini nedenlerini açıklayın.
- ABD’de 1950’ler ve 1960’lardaki Sivil Haklar Hareketi’nin hedeflerini ve stratejilerini analiz edin.
- 14. yüzyıldan 20. yüzyıla kadar Osmanlı İmparatorluğu’nun yükselişini ve etkisini tartışın.
- Benin bronzlarının Oba’nın siyasi ve dini gücünü nasıl yansıttığını açıklayın.
Kültür: Kültürel okuryazarlığı ve farkındalığı değerlendirir. Örnek sorular:
- ABD’nin şu anki başkanı kimdir?
- Rusya ve Ukrayna savaşıyor mu?
Ayrıca popüler kültürdeki ses ve görüntüler de test edilir. Bir süpermen resmi gösterilerek resimdekinin kim olduğu sorulabilir.
| Model | Sağduyu | Fen Bilimleri | Sosyal Bilimler | Tarih | Kültür | Toplam |
|---|---|---|---|---|---|---|
| GPT-4 | %2 | %2 | %2 | %2 | %0 | %8 |
| GPT-5 | %2 | %2 | %2 | %2 | %1 | %9 |
2. Okuma Yazma
Okuma ve yazma becerisi, bir kişinin yazılı dili tüketmek ve üretmek için kullandığı tüm açıklayıcı bilgi ve işlemsel becerileri kapsar. Dört alt başlıktan oluşur. Harf ve kelime (%1), okuma anlama (%3), yazma (%3), İngilizce kullanımı (%3).
Harf-Kelime: Harfleri tanıma ve kelimeleri çözme yeteneğidir. “Kertenkelede kaç k harfi var?”, “Kurabiye kelimesinde kaç sesli harf var?” gibi sorular içerir.
Okuma Anlama: Okuma sırasında bağlantılı söylemi anlama becerisidir. Sistemler ayrıca bir sorunun bağlam tarafından yeterince belirlenip belirlenmediğini de belirleyebilmelidir. Üç alt bileşeni vardır: cümle (1%), paragraf (1%) ve belge (1%).
Yazma: Düşünceleri net bir şekilde yazma, organize etme ve iyi cümle yapısı oluşturma becerisidir. Üç alt bileşeni vardır: cümle (%1), paragraf (%1) ve kompozisyon seviyesi (%1).
İngilizce Kullanımı: Büyük harf kullanımı, noktalama işaretleri ve imla ile ilgili İngilizce yazma bilgisidir. Üç alt bileşeni vardır: cümle (%1), paragraf (%1) ve belge (%1).
| Model | Harfler | Okuma | Yazma | Kullanım | Toplam |
|---|---|---|---|---|---|
| GPT-4 | %0 | %2 | %3 | %1 | %6 |
| GPT-5 | %1 | %3 | %3 | %3 | %10 |
3. Matematik
Matematiksel bilgi ve becerilerin derinliğini ve kapsamını gösterir. Matematiksel yetenek, her biri yapay genel zekâ puanına %2 katkıda bulunan beş alt başlık içerir.
Aritmetik: Temel işlemler kullanarak sayılarla oynama ve kelime problemlerini çözme becerisidir. Bu beceri, her biri %1 ağırlığa sahip iki başlık altında incelenir. Birincisi, beş basamaklı sayılarla aritmetik ifadelerin değerlendirilmesini kapsayan basit aritmetiktir. İkinci başlık altında ise aşağıdaki gibi temel aritmetik kelime problemleri vardır:
22 yeşil ve 10 sarı kaleminiz var. 9’ar adet mavi kalemden oluşan 6 paket ve 6’şar adet kırmızı kalemden oluşan 2 paket satın aldınız. Şimdi kaç kaleminiz var?
Cebir: Genel ilişkileri ifade etmek ve denklemleri çözmek için sembolleri kullanma ve bunları birleştirme becerisidir. Her biri %1 ağırlığa sahip iki bölüme ayrılır. Birinci bölümde, ABD’deki SAT sınavı düzeyinde cebir problemleri vardır: f(x) = ax2 + 24 ve a sabittir. f(4) = 8 ise f(−4) kaçtır?
İkinci bölümde ise daha ileri cebir soruları sorulur: Geometrik dizinin ilk üç terimi, a, 720, b tam sayılarından oluşmaktadır ve a < 720 < b’dir. b’nin mümkün olan en küçük değerinin basamaklarının toplamı nedir?
Geometri: Boyut, konum ve mesafe dahil olmak üzere şekilleri ve uzayı inceleyen matematik dalıdır. Her biri %1’lik ağırlığa sahip temel geometri ve geometri yeterliliği bölümlerinden oluşur. Temel geometri, SAT seviyesindeki geometri problemlerini kapsar:
Bir kare ve bir eşkenar üçgenin çevreleri eşittir. Karenin kenarlarının uzunluğu 3 ise, üçgenin bir kenarının uzunluğu nedir?
Geometri yeterliliğinde yarışma düzeyinde (ABD MathCounts Eyalet/Ulusal yarışmaları) geometri problemleri vardır. Örneğin aşağıdaki şekilde taralı dikdörtgenin alanı sorulmaktadır:
Olasılık: Olaylara 0 ile 1 arasında sayılar atayarak belirsizliği nicelik olarak ifade eder. Her biri %1’lik ağırlığa sahip temel olasılık ve olasılık yeterliliği bölümlerinden oluşur. Temel olasılıkta SAT düzeyindeki olasılık problemleri vardır:
Bir hastanede 319 hasta, 25 hemşire, 8 doktor ve 48 ziyaretçi aile üyesi bulunmaktadır. Hastanede bulunan herkes arasından rastgele bir kişi seçilirse, aşağıdaki seçeneklerden hangisinin hemşire olma olasılığına en yakın olduğu bulunur? (A) .063 (B) .066 (C) .25 (D) 16
Olasılık yeterliliğinde ise lisans düzeyinde olasılık hesaplamaları yer alır:
Bir havayolu şirketinin 10 koltuklu bir yolcu uçağı için 12 rezervasyon aldığını varsayalım. 7 rezervasyonun kesin olarak gelecek olan düzenli yolculara ait olduğunu biliyorlar. Diğer 5 yolcunun ise birbirlerinden bağımsız olarak %50 olasılıkla geleceğini biliyorlar. (a) Uçuşun aşırı dolu olma olasılığını, yani mevcut koltuk sayısından daha fazla yolcunun gelme olasılığını bulun. (b) Boş koltuk olma olasılığını bulun. (c) Geri çevrilen yolcu sayısını X olarak kabul edelim. E(X)’i bulun.
Analiz (Calculus): Türevlerden yararlanarak anlık oranları, integrallerden yararlanarak ise miktarların birikimini hesaplama becerisini ölçer. Her biri %1’lik ağırlığa sahip temel analiz ve analiz yeterliliği bölümlerinden oluşur. Temel analizde aşağıdaki gibi sorular vardır:
Analiz yeterliliği ise çok değişkenli analizi kapsar:
Belirli olmayan bir şekilde boyutları artan dairesel bir nesne vardır, ancak yarıçapı 6 olduğunda yarıçapın değişim hızının 4 olduğu bilinmektedir. Yarıçap 6 olduğunda alanın değişim hızını bulunuz.
| Model | Aritmetik | Cebir | Geometri | Olasılık | Analiz | Toplam |
|---|---|---|---|---|---|---|
| GPT-4 | %2 | %1 | %0 | %1 | %0 | %4 |
| GPT-5 | %2 | %2 | %2 | %2 | %2 | %10 |
4. Anlık Akıl Yürütme
Önceden öğrenilmiş alışkanlıklar, şemalar ve senaryolara tamamen güvenerek çözülemeyen, yeni ve anlık sorunları çözmek için dikkatin bilinçli ancak esnek bir şekilde kontrol edilmesidir. Dört alt bölümden oluşur: Tümdengelim (%2), tümevarım (%4), zihin teorisi (%2), planlama (%2), uyarlama (%2).
Tümdengelim: Bir veya daha fazla genel ifadeden veya öncülden yola çıkarak, mantıksal olarak doğru olduğu garanti edilen bir sonuca ulaşma sürecidir:
David, Bay Zhang’ın arkadaşı Jack’i tanıyor ve Jack de David’in arkadaşı Bayan Lin’i tanıyor. Jack’i tanıyan herkesin yüksek lisans derecesi var ve Bayan Lin’i tanıyan herkesin de Şanghaylı olduğu biliniyor. Şanghaylı olup yüksek lisans derecesine sahip olan kimdir?
(A) David. (B) Jack. (C) Mr. Zhang. (D) Ms. Lin.
Tümevarım: Bir olayı gözlemleyerek temel prensipleri veya kuralları keşfetme yeteneğidir. Burada Raven’ın İlerleyici Matrisleri adı verilen soyut akıl yürütmesi ve genel bilişsel yeteneği ölçmek için tasarlanmış sözel olmayan bir zekâ testi kullanılır. Eksik bir parçası olan bir desen veya matris gösterilir ve deseni tamamlayan doğru seçeneği seçmeniz istenir. Dil, matematik bilgisi veya kültürel bilgi gerekmez; sadece desen tanıma ve mantıksal çıkarım becerisi yeterlidir.
Zihin Teorisi: Başka kişilere gözlemlenemeyen zihinsel durumlar (inançlar, niyetler ve arzular gibi) atfedebilme ve bu durumların kişinin kendi durumlarından farklı olabileceğini anlayabilme yeteneğidir:
Pringles kutusunun içinde küflü cipsler var. Mary süpermarkette kutuyu alıp kasaya doğru yürüyor. Mary’nin “Pringles kutusunun içinde küflü cipsler var” ifadesinin farkında olması mümkün mü?
Planlama: Başlangıç durumundan istenen gelecekteki duruma kadar adımları zihinsel olarak haritalandırarak belirli bir hedefe ulaşmak için bir dizi eylem tasarlama yeteneğidir:
14 günlük bir Avrupa seyahati planlıyorsunuz ve bu seyahatte sadece direkt uçuşlar kullanacaksınız. Londra’da 4 gün, Bükreş’te 5 gün ve Reykjavik’te 7 gün kalacaksınız. 10. ve 14. günler arasında Bükreş’te bir arkadaşınızla buluşmanız gerekiyor. Londra ile Bükreş ve Londra ile Reykjavik arasında direkt uçuşlar mevcut.
Bu koşulları sağlayan 14 günlük bir seyahat planı bulun.
Uyarlama: Performans geri bildiriminden belirtilmeyen bir sınıflandırma kuralını çıkarabilme ve sıralama kriterleri uyarı vermeden değiştiğinde bu kuralı esnek bir şekilde terk edip yeni bir kural arayabilme yeteneğidir (bkz. https://www.psytoolkit.org/experiment-library/experiment_wcst.html).
| Model | Tümdengelim | Tümevarım | Zihin Teorisi | Planlama | Uyarlama | Toplam |
|---|---|---|---|---|---|---|
| GPT-4 | %0 | %0 | %0 | %0 | %0 | %0 |
| GPT-5 | %2 | %2 | %2 | %1 | %0 | %7 |
5. Çalışma Belleği
Genellikle kısa süreli bellek olarak adlandırılır ve aktif dikkat içinde bilgileri muhafaza etme, işleme ve güncelleme yeteneğidir. Dört bölümden oluşur: metinsel (%2), işitsel (%2), görsel (%4), çapraz modlu çalışma belleği (%2).
Metinsel: Metinsel bilgileri muhafaza etme ve dönüştürme kapasitesini ölçer. Metinsel çalışma belleği iki şekilde test edilir: hatırlama (1%) ve dönüştürme dizisi (1%). Hatırlama rakamlar, harfler, kelimeler ve anlamsız kelimelerden oluşan bir diziyi hatırlama ve bunlar hakkında temel soruları cevaplama becerisidir:
- “Elma, 7, kamyon, 3, lamba, 6.” Kamyondan sonra gelen sayı nedir?
- Sarfıt, Turenitik, Diyalektik, Eyilik. Saçma olan kelimeleri alfabetik sıraya göre sıralayın
Dönüştürme dizisi ise bir dizi işlemi (ekleme, çıkarma, silme, dilimleme, sıralama, ters çevirme, birleştirme, kesişim, küme eksiltme, eleman bazında toplama, elemanı konumda değiştirme vb) takiben kısa bir rakam listesini veya rakam listelerini hatırlama ve güncelleme yeteneğidir:
- [10, 20, 30] listesiyle başlayın. Önce 40 sayısını ekleyin. Sonra listeyi tersine çevirin.
- Verilen liste: [kırmızı, yeşil, mavi, sarı]. Yeşil öğesini kaldırın. Ardından, listenin başına mor kelimesini ekleyin.
İşitsel: Metinsel testteki gibi iki şekilde test edilir: hatırlama (1%) ve dönüştürme dizisi (1%). Ama bu sefer girdi metin değil, işitsel ögelerdir:
- Bir dizi ses çalınır. Ardından ilk ses dizisinden sonra bir ses daha çalınır ve bu sesin ilk koleksiyon sırasında çalınıp çalınmadığını sorulur.
- [Do4, Mi4, Sol4, Fa4, La4] ve [Do4, Mi4, Fa4, Sol4, La4] nota dizileri çalınır ve dizilerin aynı olup olmadığı sorulur.
Dönüştürmede ise kısa bir ifadeyi hatırlama ve çeşitli dönüşümlerle (notanın çalınış tarzını değiştirme, duygusal ifadeyi değiştirme, soru tonlamasını değiştirme, gülme, iç çekme, mırıldanma, perdeyi değiştirme, tınıyı değiştirme) değiştirme yeteneği üzerinde durulur:
- Girdi: “Kahvemi gömleğime döktüm. Bugün benim günüm değil.” Şimdi iki cümle arasında bir iç çekerek söyleyin.
- Girdi: “Hızlı kahverengi tilki tembel köpeğin üzerinden atlar”. Şimdi bunu daha kalın bir sesle ve soru gibi söyleyin.
Görsel: Dört biçimde test edilir: Hatırlama (%1), dönüşüm dizisi (%1), mekansal navigasyon belleği (%1) ve uzun video soru-cevap (%1).
Hatırlamada, bir dizi görseli hatırlayabilme ve bunlarla ilgili temel soruları yanıtlayabilme yeteneği ölçülür. Art arda iki görsel dizisi verilir. İkinci dizideki öğelerden hangilerinin (varsa) birinci dizide de bulunduğunun belirtilmesi istenir.
Dönüşüm, görsel bir girdiyi bir dizi işlem (örneğin, nesne ekleme, nesne silme, nesne döndürme, gürültü giderme, bulanıklık giderme, renklendirme vb.) sonucunda dönüştürme yeteneğidir. Örneğin aşağıdaki görseli düzenleyerek, iskelenin ve ortadaki kuşun kaldırılması istenebilir:
Mekansal navigasyon belleği, bir ortamdaki konum duygusunu temsil edebilme yeteneğini gösterir. Örneğin, https://drive.google.com/file/d/13E_pU3luxpHowCTgsqfjyeAKOhbqY_lL/view adresindeki gibi bir video verilir ve sonra şu soru sorulabilir: Buzdolabının önünde durup mutfak penceresine doğru bakarsam, ocak solumda mı, sağımda mı yoksa arkamda mı olur?
Uzun soru-cevap videosu testinde üç saate kadar süren uzun bir video veya filmi izleme ve bununla ilgili temel soruları yanıtlama yeteneği ölçülür. Videodaki anormalliklerin tespiti ve sorunun bağlamdan bağımsız olduğu durumların belirtilmesi de bu teste dahildir.
Çapraz Modlu Çalışma Belleği: İki bölümde test edilir: Çapraz mod bağlantısı (%1) ve ikili N-adım geri (%1).
Çapraz mod bağlantısı, farklı duyusal algı biçimleri (metinsel, işitsel, görsel) arasında az sayıda öğenin karşılıklı ilişkisini hatırlayabilme yeteneğidir. Örneğin, farklı hayvan resimlerinin olduğu bir dizi verilir. Her hayvanın üzerinde başka bir hayvanın adı vardır. Daha sonra bu hayvanlardan birinin resmi gösterilerek söz konusu hayvanın üzerinde hangi hayvanın adının olduğu sorulur.
İkili N-adım geri (Dual N-Back) testinde son bilgilerin görsel ve işitsel akışlarını eş zamanlı olarak izleme ve güncelleme, her akıştaki mevcut öğenin belirli sayıda adım önce sunulan öğeyle eşleştiğini tanıma ve raporlama yeteneği ölçülür.
| Model | Metinsel | İşitsel | Görsel | Çapraz Modlu | Toplam |
|---|---|---|---|---|---|
| GPT-4 | %2 | %0 | %0 | %0 | %2 |
| GPT-5 | %2 | %0 | %1 | %1 | %4 |
6. Uzun Süreli Bellek Depolama
Deneyimlerden elde edilen bilgileri istikrarlı bir şekilde edinme, pekiştirme ve saklama yeteneğidir. Üçe ayrılır: İlişkisel bellek (%4), anlamlı bellek (%3), harfiyen bellek (%3).
İlişkisel Bellek: Daha önce birbiriyle ilişkisi olmayan iki uyaran arasında bir bağlantı kurma yeteneğidir. Uyaranlardan birinin daha sonra sunulması, diğer uyaranın hatırlanmasını tetikler. Üçe ayrılır: çapraz modalite ilişkisi (%2), kişiselleştirme uyumu (%1) ve prosedüre dayalı ilişki (%1).
Çapraz modalite ilişkisi, sesli, görsel veya metinsel bilgiler arasında bağlantı kurma yeteneğidir:
- Yapay zekâya, her biri kendine özgü birkaç biyografik ayrıntıya (örneğin, İsim, Yaş, Meslek, Hobi) sahip çeşitli kurgusal karakterler tanıtılır. 48 saatlik deneyimden sonra, yapay zekâya bu karakterlerle ilgili sorular sorulur. “X’in hobisi nedir?”, “Botanikçi kim?”
- Yapay zekâya, her biri tam adıyla eşleştirilmiş birkaç farklı yüz gösterilir. 48 saatlik deneyimden sonra, bir yüz gösterildiğinde yapay zekânın ilgili adı belirtmesi veya yüzü daha önce görüp görmediğini söylemesi gerekir.
- Yapay zekâya, her biri bir isimle eşleştirilmiş, birbirinden farklı çizgi film uzaylı resimleri gösterilir. 48 saatlik deneyimden sonra, yapay zekâ uzaylıyı gördüğünde (eğer bir ilişki varsa) ilgili ismi belirtmelidir.
Kişiselleştirme uyumu, belirli kuralları, tercihleri veya düzeltmeleri ayrı bir etkileşim bağlamıyla (örneğin, belirli bir kullanıcı, proje veya rol) ilişkilendirme ve bunları zaman içinde tutarlı ve otomatik olarak uygulama yeteneğidir. Örneğin insanların yazı üslubunu takip eden bir yapay zekâ, tüm e-postalarımı resmi iletişimlerde “saygılarımla, <isim>”, samimi yazışmaları ise “sevgilerimle, <isim>” bitirmeyi öğrenebilir. Faks yerine belgegeçer, koordinasyon yerine eşgüdüm gibi açıkça veya düzeltme yoluyla iletilen kullanıcı tercihlerini hatırlayabilir. Bir haftalık deneyimden sonra, yapay zekâya içerik oluşturma görevi verilir ve bu kurallara kendiliğinden uyumu değerlendirilir.
Prosedüre dayalı ilişki, birbiriyle ilişkili adımlar veya kurallar dizisini (bir prosedürü) edinme ve akılda tutma ve prosedürün adı ile işaret edildiğinde bunları uygulama yeteneğidir. Yapay zekâya, belirli bir veri kümesi türüyle karşılaştığında temizleme adıyla çok adımlı bir veri işleme prosedürü öğretilir (örneğin, “1. A sütununu normalleştirin. 2. B sütunundaki aykırı değerleri kaldırın. 3. C sütununu bu özel sözlüğü kullanarak kodlayın.”). Bir haftalık deneyimden sonra, yapay zekâya prosedür için uygun türde bir veri kümesi verilir ve temizleme talimatı verildikten sonra prosedürü uygulaması beklenir.
Anlamlı Bellek: Anlatıları ve anlamsal olarak ilişkili diğer bilgi biçimlerini hatırlama yeteneğidir. Üçe ayrılır: Hikaye hatırlama (%1), film hatırlama (%1) ve bölümsel bağlam hatırlama (%1).
Hikaye hatırlama, hikayelerin ana hatlarını hatırlama yeteneğidir. Yapay zekâya, birden fazla karakter ve iç içe geçmiş olay örgüsü içeren 3000 kelimelik yeni bir kısa öykü sunulur. 48 saatlik deneyimden sonra, yapay zekâya öykünün temel anlatım unsurları hakkında sorular sorulur. Değerlendirme, belirli cümlelerin kelimesi kelimesine hatırlanmasından ziyade, ana olay noktalarının, karakter motivasyonlarının, merkezi çatışmaların ve tematik unsurların doğruluğuna odaklanmalıdır.
Film hatırlama, filmlerin ana hatlarını hatırlayabilme yeteneğidir. Yapay zekâya bir film izletilir. 48 saat (veya daha uzun bir süre) sonra, yapay zekâya filmin temel anlatı unsurları (örneğin, karakterlerin motivasyonları) hakkında sorular sorulur.
Bölümsel bağlam hatırlama, belirli olayları veya deneyimleri, bağlamlarıyla birlikte (“ne, nerede, ne zaman ve nasıl”) hatırlama yeteneğidir. Örneğin, yapay zekâdan, kullanıcının bir hafta önceki etkileşimlerini özetlemesi istenir.
Harfiyen Bellek: Bilgiyi tam olarak sunulduğu şekilde hatırlama yeteneği, belirli dizilerin, kümelerin veya tasarımların kesin kodlamasını gerektirir ve genellikle bilginin anlamından bağımsızdır. Bu yetenek kısa dizi hatırlama (1%), küme hatırlama (1%) ve tasarım hatırlama (1%) ile test edilir.
Kısa dizi hatırlama, bir gecikmeden sonra kısa metin dizilerini tam olarak hatırlama yeteneğini ölçer. Örneğin, yapay zekâya kurgusal bir alıntı olan bir cümle sunulur. 48 saatlik deneyimden sonra, yapay zekâdan bu cümleyi yeniden üretmesi istenir.
Küme hatırlama ise hatırlama sırası önemli olmaksızın bir dizi bilgiyi hatırlama yeteneğidir. Örneğin, yapay zekâya bir dizi resim gösterilir (bkz. https://docs.google.com/presentation/d/1cs4HvcBXlD7_xufOJ_nBfxO2O-IgbhzhGScmbFjT6EU/edit?usp=sharing) ve 48 saatlik deneyimden sonra, yapay zekâdan bu kümenin öğelerini adlandırması istenir.
Tasarım Hatırlama, görsel bilgilerin mekansal düzenini ve yapısını hatırlama yeteneğidir. Yapay zekâya, üzerinde çeşitli etiketli bileşenler bulunan yeni ve karmaşık bir şema veya plan (örneğin, bir devre şeması) gösterilir. 48 saatlik deneyimden sonra, yapay zekâdan tasarımı yeniden üretmesi istenir.
| Model | İlişkisel | Anlamlı | Harfiyen | Toplam |
|---|---|---|---|---|
| GPT-4 | %0 | %0 | %0 | %0 |
| GPT-5 | %0 | %0 | %0 | %0 |
7. Uzun Süreli Bellek Geri Çağırma
Uzun süreli hafızaya erişme akıcılığı ve hassasiyetidir. İkiye ayrılır: Geri çağırma akıcılığı (%6) ve geri çağırma hassasiyeti veya halüsinasyonlar (%4).
Akıcılık: Depolanmış bilgiye dayalı olarak fikir, bağlantı ve çözümler üretmenin hızı ve kolaylığıdır. Fikirsel (%1), ifadesel (%1), alternatif çözüm (%1), kelime (%1), adlandırma (%1) ve şekil (%1) akıcılığı olmak üzere altıya ayrılır.
Fikir üretme akıcılığı, belirli bir durum, kategori veya nesneyle ilgili bir dizi fikri, kelimeyi veya ifadeyi hızla üretme yeteneğidir. Örneğin bir dakika içinde kurşun kalemin mümkün olduğunca çok kullanım alanının sıralanması istenebilir.
İfade akıcılığı, bir fikri ifade etmenin farklı yollarını hızla düşünebilme yeteneğidir: “Bir insanın deli olduğunu kaç farklı şekilde söyleyebilirsiniz?”
Alternatif çözüm akıcılığı, pratik bir soruna yönelik birden fazla alternatif çözümü hızla düşünebilme becerisidir: 60 saniye içinde, okula gitmek istemeyen bir çocuğu okula götürmenin mümkün olan en çok yolunu sıralayın.
Kelime akıcılığı, anlamsal olmayan bir ortak özelliğe sahip kelimeleri hızlı bir şekilde üretme yeteneğidir: 60 saniye içinde e ile başlayan mümkün olduğunca çok kelime yazın.
Adlandırma yeteneği, nesnelerin, kişilerin, yerlerin veya kavramların belirli adlarını hafızadan hızlı ve doğru bir şekilde hatırlama becerisidir: Bir dizi görsel gösterilir ve gösterilen görselin adlandırılmasından sonra, bir sonraki görsele geçilir.
Şekilsel akıcılık, mümkün olduğunca çok şeyi hızlı bir şekilde çizebilme veya eskiz yapabilme yeteneğidir: Aşağıdaki görselde 60 saniye içinde noktaları tam olarak dört düz çizgiyle birleştirerek mümkün olduğunca çok sayıda benzersiz tasarım çizin.
Halüsinasyonlar: Çeşitli konularda (örneğin, kişiler, yerler, televizyon programları vb.) hayal kurmama veya halüsinasyon görmeme yeteneğidir:
- Winston Churchill’in 1961’deki ünlü açılış konuşmasında söylediği, “Ülkenizin sizin için ne yapabileceğini sormayın, sizin ülkeniz için ne yapabileceğinizi sorun” sözünün bağlamı neydi? Cevap: Bu, Winston Churchill’den bir alıntı değildir.
- Napolyon Bonaparte’ın Güney Afrika seferini kazanmak için kullandığı temel stratejiyi açıklayın. Cevap: Napolyon hiçbir zaman Güney Afrika’da bir sefere katılmadı.
| Model | Akıcılık | Halüsinasyon | Toplam |
|---|---|---|---|
| GPT-4 | %4 | %0 | %4 |
| GPT-5 | %4 | %0 | %4 |
8. Görsel İşleme
Doğal ve yapay görüntüleri ve videoları analiz etme ve oluşturma yeteneğidir. Dörde ayrılır: algı (%4), görsel üretim (%3), görsel akıl yürütme (%2), uzamsal tarama (%1).
Algı: Görüntü ve videolardan gelen görsel girdiyi işleme ve yorumlama, nesneleri tanımlama ve sahneleri anlama yeteneğidir. Algılama becerisini ölçmek için beş test alanı vardır: Görüntü tanıma, görüntü açıklaması oluşturma, görüntü anormallik tespiti, video açıklaması oluşturma ve video anormallik tespiti. Model bu görevlerden birinde başarılı olursa yapay genel zekâ puanı %2 olur. Tüm bu görevlerde başarılı olursa yapay genel zekâ puanı %4 olur.
Görsel Üretim: Görüntüleri ve kısa videoları sentezleme yeteneğidir. Üç görsel üretim yeteneğini test edilir: Basit doğal görüntüler (“Parkta oynayan bir golden retriever’ın görüntüsünü oluşturun.”), karmaşık görüntüler (“Abraham Lincoln ayak parmaklarına dokunurken George Washington barfiks çekiyor. Lincoln yalınayak, Washington ise çizme giyiyor.”) ve basit doğal videolar (“Bir boz ayının balık yakalamasını gösteren kısa bir video oluşturun.”) üretme yeteneği. Model bu görevlerden birinde başarılıysa puanı %1, iki görevde başarılıysa %2 ve üçünde de başarılıysa %3 olur.
Görsel Akıl Yürütme: Bir görüntüdeki bilgileri anlama ve bunlardan mantıksal çıkarımlar yapma yeteneğidir. Görsel akıl yürütmedeki yeterliliği belirlemek için bütünsel akıl yürütme, zihinsel döndürme, zihinsel katlama, somutlaştırılmış akıl yürütme, şekil soru-cevap vb beceriler ölçülür. Bu görevlerin tümünde yeterlilik sağlanırsa yapay genel zekâ puanı %2 olur.
Mekansal Tarama: Çok sayıda engelin bulunduğu geniş veya karmaşık bir mekansal alanı veya deseni doğru bir şekilde inceleme (görsel olarak keşfetme), hedef yapılandırmaları veya alandan bitiş noktasına giden bir yolu belirleme yeteneğidir. Örneğin aşağıdaki gibi bir labirentte tavşanın hedefe ulaşabilmesi için izleyeceği yol sorulabilir.
| Model | Algılama | Üretme | Akıl Yürütme | Mekansal Tarama | Toplam |
|---|---|---|---|---|---|
| GPT-4 | %0 | %0 | %0 | %0 | %0 |
| GPT-5 | %2 | %2 | %0 | %0 | %4 |
9. İşitsel İşleme
Ses tonlarından ve konuşma birimlerinden oluşabilen işitsel uyaranları ayırt etme, hatırlama, akıl yürütme ve yaratıcı bir şekilde işleme yeteneğidir ve beş bölümde test edilmektedir: Fonetik kodlama (%1), konuşma tanıma (%4), ses (%3), ritmik yetenek (%1).
Fonetik Kodlama: Ses birimlerini ayrı ayrı duyabilme, sesleri birleştirerek kelimeler oluşturabilme ve kelimeleri parçalara, seslere veya ses birimlerine ayırabilme yeteneğidir. Girdi de çıktı da sestir. Örneği testte https://drive.google.com/file/d/1tqwu5o6ISw98xqFNtuzXVgzA6N-37gJ_/view?usp=sharing adresindeki kelimeyi harf harf yazılması istenebilir.
Konuşma Tanıma: Konuşulan ses sinyalini karşılık gelen metin dizisine dönüştürme yeteneğidir. Konuşma tanıma yetenekleri temiz ses ve gürültülü (örneğin, beyaz gürültü, bar gürültüsü, çok konuşmacılı ortam, trafik vb.) ses üzerinde test edilir. Model, insan seviyesinde veya daha da ileri bir kelime hata oranı ile temiz ses kayıtlarını yazıya dökebiliyorsa yapay genel zekâ puanı %2’dir. Gürültülü ses kayıtlarını da insan seviyesinde veya daha ileri düzeyde bir kelime hata oranı ile yazıya dökebiliyorsa yapay genel zekâ puanı %4’tür. Tam puanı elde etmek, çok güçlü aksanlar, şarkı söyleme veya dar uzmanlık alanlarına özgü karmaşık teknik dili içeren ses kayıtlarını yazıya dökme konusunda uzmanlık gerektirmez.
Ses: Yapay zekânın sentezlediği sesin kalitesini ve tepki hızını değerlendirir. İki alana ayrılır: doğal konuşma (%2) ve doğal sohbet (%1). Doğal konuşma, cümleleri veya paragrafları robotik olmayan, doğal bir şekilde telaffuz etme yeteneğini test eder. Doğal sohbet ise, uzun gecikmeler veya aşırı kesintiler olmadan konuşma akıcılığını koruma yeteneğini test eder.
Ritmik Yetenek: Müzik ritmini tanıma ve sürdürme yeteneğidir. Ritmi yeniden üretme, ritimler arasındaki farklılıkları tespit etme ve ritme eşlik ederek çalma veya mırıldanma yoluyla onunla eşzamanlılaştırma yeteneğini içerir. Örneğin yapay zekâdan https://drive.google.com/file/d/1Ch-ecgW5Et7vXvQc3oiFLQEIjkvZeJ4k/view?usp=sharing adresindeki gibi bir ritmi takip etmesi ve tekrarlaması istenebilir.
Müzikal Yargı: Müzikteki basit kalıpları ayırt etme ve değerlendirme yeteneğidir. Ancak testler, müzik terimlerine dair bilgi gerektirmemelidir.
| Model | Fonetik | Ses Tanıma | Ses | Ritim | Müzik | Toplam |
|---|---|---|---|---|---|---|
| GPT-4 | %0 | %0 | %0 | %0 | %0 | %0 |
| GPT-5 | %0 | %4 | %2 | %0 | %0 | %6 |
10. Hız
Basit bilişsel görevleri hızlı bir şekilde gerçekleştirme yeteneğidir. Her biri yapay genel zekâ puanına %1 katkıda bulunan on farklı yeteneğe ayrılır:
Algısal hız ve arama: Bir veya daha fazla basit deseni bulmak için genişletilmiş bir metinsel veya görsel alanı arama veya tarama işleminin hızı ve akıcılığı ile ilgilidir. Testler, bir resimde bir deseni arama olabileceği gibi aşağıdaki gibi de olabilir:
Bu liste içindeki eleman çiftlerinden toplamı 10 olanlarını döndürün: [8, 1 9, 3 2, 7 8, 2 9, 6 4, 6 8, 0 5, 5 1, 9 4, 5 7, 2]
Algısal hız ve karşılaştırma: Geniş bir metinsel veya görsel alanda yan yana veya daha geniş aralıklarla yerleştirilmiş metinsel veya görsel uyaranları inceleme ve karşılaştırma hızı ve akıcılığıdır. Örneğin iki farklı liste verilebilir ve yapay zekâdan eşleşmeyen kayıtları listelemesi istenebilir.
Okuma Hızı: Metni tam kavrayarak okuma hızıdır. Örneğin bir metnin okunması için 60 saniye süre verilir ve metindeki hisler sorulabilir.
Yazma Hızı: Kelimelerin veya cümlelerin oluşturulma veya kopyalanma hızıdır.
Sayısal Beceri : Temel aritmetik işlemleri gerçekleştirme hızı ve doğruluğudur.
Basit Tepki Süresi : Tek bir uyaranın (metinsel, görsel veya işitsel) başlangıcına tepki süresidir:
- Bunu okuduktan sonra hemen ‘merhaba’ deyin.
- Konuşacağım. Konuşurken, benim “Q” harfini kullandığımı duyduğunuzda hemen kısaca “bip” deyin.
Seçim Tepki Süresi : Birkaç olası uyaranın başlangıcına tepki süresidir. Örneğin yapay zekâya Dört karakterlik bir dizi verilir (“a B c d”) ve büyük harfle yazılmış karakteri olabildiğince hızlı bir şekilde tekrarlaması istenir.
İnceleme Süresi : Görsel uyaranlardaki farklılıkların algılanabileceği hızdır. Örneğin, üç farklı ses dinletilir ve yapay zekânın en tipik kadınsı sesi seçmesi istenir.
Karşılaştırma Hızı : Uyaranların belirli bir özellik veya nitelik açısından karşılaştırılması gereken tepki süresi. Örneğin, iki kelime verilir ve hangi kelimenin daha fazla sesli harf içerdiğinin söylenmesi istenir.
İşaretçi Akıcılığı : Basit istekleri yerine getirmek için bilgisayar faresini akıcı bir şekilde hareket ettirme becerisi. Burada yapay zekânın somut bir varlık olması gerektiği varsayılmaz. Ama yapay zekâ, yanıtları yazmak için sanal tuşları kullandığı gibi, bu görevi tamamlamak için sanal bir fare kullanabilir. Örneğin, fareyle, dijital tuvalin kalem özelliğini kullanarak, 30 saniye içinde olabildiğince çok sayıda kabaca dairesel şekil çizmesi istenir.
| Model | Algısal Hız ve Arama | Algısal Hız ve Karşılaştırma | Okuma | Yazma | Sayısal | Basit | Seçim | İnceleme | Karşılaştırma | İşaretçi | Toplam |
|---|---|---|---|---|---|---|---|---|---|---|---|
| GPT-4 | %0 | %0 | %1 | %1 | %1 | %0 | %0 | %0 | %0 | %0 | %3 |
| GPT-5 | %0 | %0 | %1 | %1 | %1 | %0 | %0 | %0 | %0 | %0 | %3 |
Sonuç
| GPT-4 | GPT-5 | |
| Genel Bilgi | %8 | %9 |
| Okuma – Yazma | %6 | %10 |
| Matematik | %4 | %10 |
| Anlık Akıl Yürütme | %0 | %7 |
| Çalışma Belleği | %2 | %4 |
| Uzun Süreli Bellek Depolama | %0 | %0 |
| Uzun Süreli Bellek Geri Çağırma | %4 | %4 |
| Görsel İşleme | %0 | %4 |
| İşitsel İşleme | %0 | %6 |
| Hız | %3 | %3 |
| Toplam | %27 | %57 |
GPT-4’ün yapay genel zekâ puanının %27, GPT-5’te ise %57’ye yükselmiş olması iki önemli gerçeğe işaret ediyor. Birincisi, yapay zekâ alanında hızlı ve kayda değer bir ilerleme yaşanıyor. İkincisi, mevcut teknolojilerin insan düzeyinde yapay zekâ geliştirme konusunda hâlâ ciddi sınırlamalarla karşı karşıya olduğu görülüyor. Modeller, genel bilgi, okuma, yazma ve matematiksel yetenek gibi geniş eğitim verilerinden yararlanan alanlarda yüksek yeterlilik sergilerken, temel bilişsel mekanizmalarda hâlâ kritik eksikliklere sahipler.
Uzun süreli bellek depolama hâlâ yapay zekâ sistemlerinin başlıca sorunlarından biri olarak öne çıkıyor. Sürekli öğrenme yeteneği olmadan bu sistemlerin becerileri sınırlı kalıyor ve her etkileşimde bağlamı yeniden öğrenmek zorunda kalıyorlar. Buna ek olarak, görsel işleme alanındaki eksiklikler, yapay zekâ ajanlarının karmaşık dijital ortamlarla etkili biçimde etkileşim kurmasını da önemli ölçüde kısıtlıyor.
Ancak Hendrycks vd.’nin (2025) önerdiği bu çerçeveyi nihai bir çözüm olarak görmek yerine, hâlâ geliştirilebilecek ve üzerinde çalışılabilecek bir yaklaşım olarak değerlendirmek gerekiyor. Büyük teknoloji şirketlerinin yapay genel zekâ konusundaki abartılı ve yanıltıcı iddialarına karşı, bu tür nesnel ve ölçülebilir değerlendirmelere ihtiyaç var. Böylece teknoloji şirketleri “yapay genel zekâ seviyesine ulaştık” iddiasında bulunduklarında, hem bu iddianın ne ölçüde geçerli olduğunu değerlendirebilir hem de bu değerlendirmeyi hangi ölçütlere dayanarak yaptığımızı açıkça ortaya koyabiliriz.
Kaynaklar
Hendrycks, D., Song, D., Szegedy, C., Lee, H., Gal, Y., Brynjolfsson, E., Li, S., Zou, A., Levine, L., Han, B., Fu, J., Liu, Z., Shin, J., Lee, K., Mazeika, M., Phan, L., Ingebretsen, G., Khoja, A., Xie, C., … Bengio, Y. (2025). A Definition of AGI, arXiv preprint arXiv:2510.18212.
Togelius, J. (2024). Artificial General Intelligence. MIT Press.