Yapay zeka modelleri ve platformları
MIT’nin Çerçevesi Kaotik Sistemlerin Yapay Zekâ Modellerini Fiziksel Sınırlar İçinde Tutuyor

Öne çıkan noktalarÇerçeve, keyfi olarak uzun tahmin pencereleri boyunca sınırlı yörüngeleri garanti etmek…
Daha fazla göster
- Çerçeve, keyfi olarak uzun tahmin pencereleri boyunca sınırlı yörüngeleri garanti etmek için tasarım gereği sönümlemeyi zorunlu kılar.
- Modüler bir projeksiyon katmanı, modellerin yakalaması gereken kaotik değişimi bastırmadan öğrenilmiş bir enerji kısıtı uygular.
- Gerçekçi hava koşullarındaki performans test edilmemiştir, bu nedenle garantinin uzun vadeli istatistikler üzerindeki etkisi hâlâ belirsizdir.
MIT araştırmacıları, kaotik sistemlere yönelik yapay zekâ modellerinin yörüngelerinin sınırlı kalmasını garanti eden bir makine öğrenimi çerçevesi geliştirdi. Bu çerçeve, uzun süreli çalıştırmalarda fiziksel açıdan imkânsız değerlere sapabilen simülasyon sorununu ele alıyor. MIT çalışmayı 20 Kasım 2026’da duyurdu.
Lisansüstü öğrencisi Sunbochen Tang ile profesörler Navid Azizan ve Themistoklis Sapsis’in araştırması; hava durumu, iklim, türbülans ve diğer doğrusal olmayan süreçlere yönelik modellerle ilgili. Proceedings of the National Academy of Sciences dergisinde yayımlanan makaleleri 12 Ekim 2026’da çevrim içi yayımlandı ve derginin 20 Ekim 2026 tarihli sayısında yer aldı.
Kaotik sistemler başlangıç koşullarına son derece duyarlıdır; bu nedenle çok küçük farklılıklar bile sonuçları büyük ölçüde değiştirebilir. Bir sinir ağı kısa bir süre boyunca verilerle örtüşebilir, ancak çalıştırılmaya devam edildiğinde yine de başarısız olabilir: Gerçek sistem sınırlı kalmasına rağmen küçük hatalar birikerek simülasyon değerlerinin sınırsız biçimde büyümesine yol açabilir. Bu durum, dağıtıcı kaotik sistemleri modellemenin temel amaçlarından biri olan uzun dönemli istatistik tahminlerini geçersiz kılabilir.
Dolayısıyla garanti, gelecekte çok uzak bir zaman için nokta nokta doğru tahminler yapmaktan ziyade uzun vadede sınırlı kalan davranışla ilgilidir. Amaç, sistemi kaotik yapan karmaşık değişkenliği bastırmadan uzun dönemli geçerli istatistikleri korumaktır. Azizan’ın ifadesiyle: “Kaos, her şeyin olabileceği anlamına gelmez. Bu sistemler çoğu zaman sınırlı kalır; modelleri de öyle olmalıdır.”
Kesin Kısıt Nasıl Çalışıyor?
Çerçeve, sistemin nasıl evrileceğini tahmin eden bir dinamik emülatörünü ve enerji benzeri bir gösterimi eş zamanlı olarak öğrenir. Bu gösterim, bir izdüşüm katmanının içine cebirsel bir sönüm kısıtı yerleştirmek için kullanılır; katman da modelin öngördüğü evrimi ayarlar. Öğrenilmiş bir sınırın dışında enerji benzeri niceliğin azalması gerekir; böylece yörüngeler sınırlı bölgeye çekilirken bu bölgenin içinde kaotik davranışa izin verilir.
Makalede, bu yapının tasarım gereği sönümü zorunlu kıldığı ve istenildiği kadar uzun tahmin aralıkları için yörüngelerin sınırlı kalacağına dair biçimsel garantiler sağladığı belirtiliyor. Öğrenilmiş enerji sınırı, karmaşık geometrisi doğrudan tanımlanmasını zorlaştıran sistemin tuhaf çekicisi için dış sınır tahmini de sunuyor.
Tang, eğitim sırasında uygulanan hafif cezaların veya teşviklerin, kullanıma alınmış bir model yeni girdilerle karşılaştığında etkisini sürdürmeyebileceğini; bu nedenle tahminlerin sınırsız kalmasının hâlâ mümkün olduğunu söyledi. Keyfî üst sınırlar çıktıları belirlenen bir aralıkta tutabilir, ancak modelin verilerden öğrenmesi gereken karmaşık özellikleri temsil etme becerisini de kısıtlayabilir. İzdüşüm katmanı modülerdir ve belirli bir model türüne bağlı değildir; bu sayede farklı sinir ağı mimarileriyle çalışabilir.
Gösterimler ve İlgili Araştırmalar
MIT’nin bildirdiğine göre yaklaşım, ders kitaplarında yer alan sistemlerden karmaşık çok boyutlu örneklere kadar uzanan testlerde gerçek sonuçları yakından izlerken geleneksel yöntemler imkânsız tahminlere yöneldi. Yayımlanan gösterimler arasında Lorenz 96 ve Kuramoto–Sivashinsky denkleminin indirgenmiş dereceli bir modeli yer alıyor. Yöntem, bu örneklerde değişmez istatistikleri koruyan ve uzun tahmin ufuklarında sınırlı kalan tahminler üretti.
Andrea Goertzen, Tang ve Azizan’ın ilgili Enerji Kısıtlı Operatör makalesi 7 Haziran 2026’da yayımlandı. Makalede kapalı formda bir ikinci dereceden izdüşüm katmanı tanıtıldı ve Kuramoto–Sivashinsky ile Navier–Stokes denklemlerinin yönettiği sistemler için değişmez istatistikleri yakalayan, uzun tahmin ufuklarında kararlı tahminler elde edildiği bildirildi. Her iki makale de uzun dönemli istatistiklerin anlamlı biçimde değerlendirilmesini engelleyen sınırsız büyümeye sahip tahminleri ele almak için kontrol kuramına dayalı enerji koşullarından yararlanıyor.
Erişim ve Sıradaki Sınama
Algoritmalar ve bilgisayar kodu GitHub’a yüklendi; makaleye ve açık kaynaklı koda çevrim içi erişilebiliyor. Araştırmacılar, başka ekiplerin modüler katmanı temel alarak daha büyük ve karmaşık sorunlarda sınamasını umuyor.
Ekip, giderek büyüyen sistemleri ve gerçekçi hava koşullarını modelleyen veri odaklı modelleri sınamayı planlıyor. Bu nedenle gerçekçi hava koşullarındaki performans hâlâ yanıtlanmamış bir araştırma sorusu: Çalışmanın şu anki temel katkısı, simülasyonların kontrolden çıkarak büyümesine biçimsel bir sınır getirmek; sıradaki sınamalar ise bu garantinin modellerin uzun dönemli istatistiklerini ne ölçüde kullanışlı kıldığını ortaya koymalı.












