Yapay zekâ kod ajanları, robotları GPU takmayı ve kablo bağlamayı öğretti

Ars Technica'nın aktardığı yeni bir araştırma, son nesil yapay zekâ kod ajanlarının fiziksel robotları doğrudan denetleyerek GPU takma, kablo bağlama, raf montajı ve diğer veri merkezi bakım işlemlerini gerçekleştirecek şekilde eğitebildiğini gösterdi. Çalışma, robotik öğrenme ve büyük dil modeli ajanları kesişiminde yeni bir aşamaya işaret ediyor.

Çalışmayı yürüten ekip, Boston Dynamics, Stanford ve Anthropic'ten araştırmacıları içeriyordu. Deney düzeneğinde Boston Dynamics'in Atlas robotu, bir yapay zekâ kod ajanı tarafından doğal dil komutlarla yönlendirildi. Ajan, robot kollarının hareketlerini düşük düzey bir kontrol katmanına çeviren kodu yazarak doğrudan üretti.

Görev seti gerçek dünya veri merkezi bakım işlerinden seçildi: yeni bir GPU kartını bir sunucu yuvasına takmak, kablo demetlerini zip-tie ile sabitlemek, sürücü değiştirmek ve raf raylarını ayarlamak. Bu görevler insan teknisyenlerin yıllarca eğitim gerektiren ince motor becerilerini barındırıyor. Önceki robotik araştırmaların çoğu daha basit "al ve yerleştir" görevlerine odaklıydı.

Deney sonucunda yapay zekâ ajanı tarafından eğitilen robot, GPU takma görevinde yüzde 87, kablo bağlamada yüzde 81 ve sürücü değiştirmede yüzde 79 başarı oranı elde etti. Karşılaştırmalı düzeyde, insan denetiminde eğitilen geleneksel bir robot benzer görevlerde yüzde 91-93 başarıya ulaşmıştı, ancak eğitim süresi 12 kat daha uzundu.

Araştırmanın asıl yenilik tarafı, robotun denetim süresince herhangi bir önceden tanımlı görev planı bulunmaması. Yapay zekâ ajanı, görevi nasıl çözeceğini doğal dil planlama, kod üretimi ve gözlem-uyarlama döngüsüyle adım adım keşfetti. Ajan başarısız bir denemeden sonra hata mesajını yorumlayıp kodu yeniden yazabildi.

Ajan altyapısında Claude ve GPT-4 sınıfı dil modelleri test edildi. Anthropic'in Claude modeli, çok adımlı planlama gerektiren görevlerde yüzde 6 daha yüksek başarı oranı gösterdi; GPT-4 sınıfı modeller ise daha hızlı kod üretiminde öne çıktı. Sonuçlar her iki modelin de robot kontrol akışı için yeterince yetenekli olduğunu söylüyor.

Veri merkezi sektörü, mevcut işgücü açığı nedeniyle bu tür otomasyona ilgiyle bakıyor. Uptime Institute'un 2025 raporu, sektörün küresel ölçekte 450.000'in üzerinde teknisyen açığı olduğunu söylüyor. AI ve hyperscale veri merkezleri inşa edildikçe açığın 2030'a kadar bir milyona çıkması bekleniyor.

Araştırmacılar, otomasyonun yakın vadede insan teknisyenlerin yerini almayacağını, ancak rutin bakım işlerini üstlenebileceğini söylüyor. Stanford'dan Profesör Chelsea Finn, Ars Technica'ya "Hedefimiz insan teknisyenin uzmanlığını gerektiren karmaşık problemlere odaklanabilmesini sağlamak; rutin GPU değişimi bir AI ajanı tarafından üstlenilebilir," dedi.

Güvenlik tarafında bazı kaygılar var. Bir AI ajanı yetkisi dışına çıkıp bir veri merkezi ortamında yanlış komut verirse milyarlarca dolarlık ekipmana hasar verme riski oluşuyor. Araştırma ekibi, deneylerde "kapatma anahtarı" niteliğinde fiziksel bir güvenlik kontrolörü tutulduğunu, ajanın hareket sınırlarının önceden tanımlandığını söyledi.

Çalışmanın sonraki aşaması, deneyi gerçek bir Hyperscale Veri Merkezi ortamında yapmak. Microsoft Azure ve Google Cloud'un test programlarına dahil olduğu söyleniyor. Bu ölçeğe geçiş, daha karmaşık çevresel koşullar, daha geniş donanım çeşitliliği ve uzun süreli güvenilirlik testlerini içerecek. Sonuçlar 2027 başında yayımlanacak.