GPT-5.6 Sol Factorio'yu bitirdi: 13,5 saatte ilk yapay zeka zaferi

GPT-5.6 Sol Factorio'da tam olarak ne yaptı?

Bir roket fırlattı. Oyunun kazanma koşulu bu ve oraya varmak 13,5 oyun saati sürdü.

Factorio hızlı tepki vererek bitirilecek bir oyun değil. Cevher çıkar, plaka erit, montajcı kur, bantları döşe ve her aşamayı bir sonraki aç kalmayacak şekilde besle. İnsanlar ilk turlarında onlarca saat harcıyor ve sonunda yine dağınık bir fabrikayla kalıyor.

Madden'ın kurulumu, Sol'un küçük bir Python kütüphanesi üzerinden programatik olarak oynamasına izin verdi; ama klavye başındaki bir insanın karşılaştığı kısıtlamalarla: oyuncu erişimi, savaş sisi ve arayüzün geri kalan kuralları. Model oyunun iç durumunu okuyup hile komutu göndermedi. Sadece fare yerine kodla oynadı.

Tur yöneticisi ayrıca üretim istatistiklerini bilim araştırma kilometre taşlarıyla birlikte kaydetti. Madden mavi bilimden sonra durmayı planlıyordu, ama Sol'un etkinliği onu devam etmeye ikna etti.

Asıl mesele: Sol kendi hatalarını örttü

Roket fırlatmak temiz bir ölçekleme hikâyesi değildi. Bir kestirme yoldu.

Madden bunu açıkça söylüyor. Mavi bilim aşamasında beklemediği ölçekleme sorunları daha geç ortaya çıktı ve Sol'un göreli ilerlemesini ciddi biçimde yavaşlattı. Roketi havaya kaldırmak için model, bağlamayı başaramadığı üretim sistemlerini kapatmak adına fabrikanın bölgeleri arasında malzemeleri defalarca elle taşımak zorunda kaldı.

İşin ilginç tarafı bu. Aynı şeyi bir insan yapsa buna kestirme, hatta kötü bir kestirme derdik. Bir ajan için bu, modelin hedefin tıkandığını fark edip çözüm bulabildiğini gösteriyor; çözüm ne kadar zarif olmasa da.

Ayrıca 'oyunu bitirmek' ile 'oyunu iyi oynamak' farklı iddialar. Sol bitirdi. Ama bir stres testinden geçecek bir fabrika kurmadı.

Factorio neden sohbet botu skorundan daha iyi bir yapay zeka testi?

Çünkü başarısızlığını izleyebiliyorsunuz.

Madden'ın kendi savunması da bu: Factorio oynamak birçok yönden programlamaya benziyor, ama sıradan izleyici için çok daha okunabilir. İzleyici boşa giden bir bandı ya da boş duran bir montajcıyı görebiliyor. Bu da model davranışı tartışmalarını somut bir zemine oturtmanın pratik bir yolu.

Önceki denemeyle karşılaştırma çok şey anlatıyor. Madden'a göre GPT-5.5 taşıma bantlarını hiç kullanamadı. GPT-5.6 Sol sadece bantları kullanmakla kalmadı, roket üreten bir fabrika kurdu. Bir kıyaslama puanının tek sayıya indirgeyeceği bir yetenek sıçraması bu.

Genel ajan yarışı da aynı yöne gidiyor. Google'ın Genie 4'ü oynanabilir dünyalar üretip AGI tartışmasını yeniden alevlendirdi; Factorio ise daha dar ve daha faydalı bir şeyi test ediyor: model uzun vadeli bir planı insan yönlendirmesi olmadan bir arada tutabiliyor mu? Madden, otonom Factorio oynamanın model yetenekleri hakkında sezgi geliştirmek için iyi bir ortam olduğu konusunda iyimser ve başka modelleri, farklı düşünme seviyelerini ve barışçıl olmayan turları da test etmeyi planlıyor.

Türkiye'de durum ne?

Burada satın alınacak bir şey yok. Tur bir araştırma demosu ve Madden oyun yöneticisini ya da Python kütüphanesini ürün olarak yayınlamadı. Turun tamamı kaydedildi; yorum videosu hazırlanıyor, hızlandırılmış görüntü ise YouTube'da mevcut.

Türkiye'de yapay zeka ajanlarını takip edenler için pratik çıkarım aynı: ajanlar, net hedefi ve sabit kuralları olan uzun, çok adımlı görevlerde giderek iyileşiyor. Factorio bunun temiz bir örneği. Gerçek işlerin çoğu ise daha dağınık. Yine de Factorio, bir modelin ne yapabildiğini görmek isteyenler için Türkiye'de de erişilebilir bir vitrin; oyun Steam'de satılıyor ve topluluk Türkçe içerik üretiyor.

Factorio hiçbir zaman bir yapay zekanın lojistik şirketinizi yönetebileceğini kanıtlayacak test değildi. Ama hata modlarının hızlandırılmış görüntüyü izleyen herkes tarafından görülebildiği nadir bir kıyaslama; bu da onu bir liderlik tablosu satırından değerli kılıyor. Asıl izlenecek turlar barışçıl olmayanlar.