GEN-1.5: Robota yeni bir işi tek gösterimle öğretmek

GPT-3 neyi değiştirmişti?

Bir dil modeline prompt’un içinde birkaç örnek verirsin: “Romeo ve Juliet’i kim yazdı? Shakespeare.” Sonra yeni bir soru sorarsın, model kalıbı yakalayıp devam eder. Modelin ağırlıkları hiç değişmez, yani eğitim yoktur. Buna bağlam içi öğrenme (in-context learning) deniyor. Tek örnekle olursa one-shot, birkaç örnekle few-shot. Bu yetenek 2020’de GPT-3 ile geniş ölçekte ortaya çıktı. Hikâyesini Turing’den GPT-3’e 10 makale yazımızda anlattık.

Önemi şuydu: Her yeni iş için ayrı bir model eğitmek gerekmiyordu. Bir prompt yazmak yetiyordu. “Prompt engineering” buradan doğdu.

Robotlarda neden zor?

Robota yeni bir iş öğretmek bugün genelde o iş için veri toplayıp modeli yeniden eğitmek demek. Generalist’e göre önceki robot modelleri yeni bir görev için on binlerce, bazen çok daha fazla eğitim adımı istiyordu. Gösterimden öğrenme fikri çok eski. Şirket bunu 1954’teki Unimate patentine ve MIT’nin 1970’teki Copy Demo’suna kadar götürüyor. Ama şimdiye kadarki örnekler belirli nesnelerle, görev türleriyle ya da sensörlerle sınırlı kaldı.

GEN-1.5 ne yapıyor?

Generalist AI, 19 Ağustos 2026’da GEN-1.5’i duyurdu. Model kamera görüntüsünü (30 saniyelik hafızayla), diğer sensörleri, dil komutlarını ve robotun kendi eklemlerinin konumunu alıyor. Saniyede 100 kez hareket komutu üretiyor.

Şirketin “physical prompting” (fiziksel prompt) dediği şey şu: Modelin bağlamına 3–12 saniyelik tek bir gösterim konuyor. Gösterim, görüntü ve hareket verisinden oluşuyor. Bunu elde tutulan bir tutucuyla bir insan kaydedebiliyor ya da robotun kendi denemesi olabiliyor. Model, eğitim adımı olmadan işi hemen yapmaya başlıyor.

Şirkete göre:

• Fermuar açmak, kavanoz kapağı çevirmek, cüzdandan para almak gibi 10 görevde tek gösterimle ortalama %59 başarı.
• Görev başına 5 dakikalık veriyle (yaklaşık 50 gösterim) sadece 10 eğitim adımında %83.
• İki ayrı işin gösterimi birlikte verilince model ikisini tek bir akışta birleştiriyor, aradaki geçiş hareketlerini kendi buluyor.
• Simülasyonda kaydedilmiş bir gösterim gerçek robota prompt olarak verilebiliyor. Ön eğitimde hiç simülasyon verisi olmamasına rağmen.
• Bazı durumlarda kendi eliyle iş gösteren bir insanı, robotun kameralarından izleyip taklit edebiliyor.

Generalist bunları özel olarak eğitmediğini söylüyor: Mimaride bir değişiklik ya da “hızlı öğrenmeyi öğreten” ek bir eğitim döngüsü yok. Yetenekler; ev, depo ve fabrikalarda toplanan büyük fiziksel etkileşim verisiyle sekiz aydan uzun süren ön eğitimden kendiliğinden çıkmış. Nedenini şirket de tam bilmiyor, dil modellerindeki benzer bulgulara dayanan tahminler sunuyor.

Temkinli oku

• Bütün rakamlar şirketin kendi blog yazısından. Hakemli bir makale ya da bağımsız bir değerlendirme yok. Model açık değil, dışarıdan denenemiyor.
• Görevler kısa ve basit. %59, her on denemenin dördünde başarısızlık demek. Generalist de bağlamdan öğrenilen becerilerin ince ayarlı modellere göre daha kırılgan olduğunu kabul ediyor.
• Videonun “GPT-3 anı” benzetmesi şirketin kendi çerçevesiyle aynı. GPT-3’ün etkisi, milyonlarca kişinin onu kullanabilmesinden geldi. Robotlarda bu henüz yok.

Yine de yön önemli. Bir robotu programlamak yerine ona işi göstermek, robotu uzmanların değil herkesin aracı yapabilir.

Düşün

• Bir işi robota anlatmak mı daha kolay, göstermek mi? Hangi işlerde hangisi?
• Kendi rakamlarını kendisi açıklayan bir şirketin iddialarına ne zaman güvenirsin?

Kendi cümlelerimizle yazılmış bir özettir, çeviri değildir. Tüm kaynaklar yukarıda.