Düşünen modeller zor bulmacada neden pes ediyor?

Apple araştırmacıları “düşünen” yapay zekâ modellerini Hanoi kulesi gibi bulmacalarla sınadı. Zorluk arttıkça modeller önce öne geçti, sonra tamamen çöktü.

Tarayıcınızın sesiyle okunur

Hanoi kulesini çoğumuz bir oyuncakçı vitrininden hatırlarız. Üç çubuk, boy boy diskler. Büyük disk küçüğün üstüne konmayacak, her hamlede tek disk taşınacak. Üç diskle beş dakikalık iş. On diskle bir öğleden sonranızı gömersiniz.

Apple’ın araştırmacıları Haziran 2025’in ilk haftasında bu oyuncağı bir sınav masasına çevirdi. The Illusion of Thinking (Düşünme yanılsaması) adlı makalelerinde, cevap vermeden önce uzun uzun akıl yürüten “düşünen” modelleri dört bulmacayla sınadılar: Hanoi kulesi, dama taşı atlatma, nehirden karşıya geçirme ve blok dizme. Sınava girenler arasında OpenAI’ın o3-mini’si, Anthropic’in Claude 3.7 Sonnet’i ve DeepSeek-R1 de vardı.

“Düşünen model” denince akla bir beyin gelmesin. Bu modeller cevabı yazmadan önce kendi kendine uzun bir taslak karalıyor: soruyu parçalara ayırıyor, ara adımları yazıyor, bazen geri dönüp kendini düzeltiyor. Son bir yılda bu yöntemle matematik ve kod testlerinde ciddi sıçramalar görülmüştü. Apple ekibinin derdi, o sıçramaların gerçek bir akıl yürütmeden mi yoksa test sorularının modellere tanıdık gelmesinden mi kaynaklandığını anlamaktı. Bu yüzden zorluğu tek tek ayarlanabilen, ezberlenmesi zor bulmacalar seçtiler. Hanoi kulesinde zorluğu artırmak kolay: bir disk daha eklersiniz, o kadar.

Sonuçlar üç parça hâlinde geldi. Kolay bulmacalarda sıradan modeller, düşünen modeller kadar iyiydi, hatta bazen daha iyiydi ve bunu daha az emekle yapıyordu. Orta zorlukta düşünen modeller öne geçti; uzun akıl yürütme burada gerçekten işe yaradı. Zorluk biraz daha artınca ise iki tür model de çöktü, doğruluk neredeyse sıfıra indi.

Benim en çok takıldığım ayrıntı başkaydı. Bulmaca zorlaştıkça modeller bir noktadan sonra daha az düşünmeye başladı. Yazabilecekleri bolca alan dururken, işin en çetin yerinde kısa kesiyorlardı. Çözüm yöntemi adım adım önlerine konduğunda bile tablo pek değişmedi.

Kısa süre sonra gelen itiraz

Makale sosyal medyada iki ayrı manşetle dolaştı. Bir taraf “bunlar düşünmüyormuş, ezberliyormuş” diye sevindi. Öbür taraf deney düzeneğine itiraz etti. Open Philanthropy’de çalışan bir araştırmacının kaleme aldığı cevap yazısı, modellerin cevap uzunluğu sınırına takıldığı hâlde başarısız sayıldığını, nehir bulmacalarının bazılarının ise zaten çözümsüz olduğunu öne sürdü. Çıktı sınırına takılmayacakları bir biçimde cevap istendiğinde modellerin 15 diskli Hanoi kulesini çözebildiğini gösteren ön denemeler de paylaştı.

Kim haklı? Açıkçası ikisi de biraz. Bu modeller ne sihirli bir beyin ne de boş bir papağan. Belli bir zorluğa kadar gerçekten iyi iş çıkarıyorlar, o eşiği geçince dağılabiliyorlar ve eşiğin nerede olduğu çoğu zaman işin başında belli olmuyor. Bir esnafın Hanoi kulesiyle işi yok, ama on kalemlik bir maliyet hesabıyla, birbirine bağlı teslim tarihleriyle, maddeleri birbirine atıf yapan bir sözleşmeyle işi var. Bu tür uzun zincirlerde arada hiç kontrol edilmeden teslim alınan cevap, en üstteki diskin yere düştüğünü kimsenin fark etmediği bir kuleye benziyor.

Kaynaklar

Bu not Yapay Zekâ Günlüğü’nün parçasıdır; tarih, anlatılan gelişmenin tarihidir. Not 21 Ekim 2026’da yayımlandı.

Aynı konudan: Modeller