CEDAR: Yapay Zeka Ajanlari Sistemi Dinamikleri Tasarliyor

Sakana AI, karmasik sistemlerin hedef odakli tasarimi icin yeni bir yontem olan CEDAR‘i (Agent-Orchestrated Tree Search) tanitti. Yapay zeka ajanlarinin geri bildirim yapilari uzerinde arama yaparak sistem dinamiklerini otomatik olarak tasarlamasini saglayan bu yontem, ALIFE 2026 konferansinda bir konusma olarak kabul edildi.

CEDAR Nedir?

CEDAR (Agent-Orchestrated Tree Search), buyuk dil modellerini (LLM) kullanarak karmasik sistemlerin davranissal hedeflere yonelik tasarimini otomatiklestiren ozerk bir yontem. Geleneksel yaklasimlardan farkli olarak, sabit bir sistem yapisinda parametre ayarlama yerine, geri bildirim yapisinin kendisini arama alanina dahil ediyor.

Karmasik sistemler — populyasyon dinamiklerinden biyolojiye, ekonomi politikalarindan stratejik karar almaya kadar genis bir yelpazede — dogrusal olmayan, geri bildirim odakli etkilesimler araciligiyla ortaya cikan davranislari modelliyor. Bu sistemlerin ongorulebilirligi ve hedef yonlendirmeli tasarimi, yapay yasam alaninda uzun suredir cozulemeyen bir problem.

MCTS ve LLM Ajanlari Nasil Calisiyor?

CEDAR’in temel yeniligi, LLM destekli Monte Carlo Agac Arama‘yi (MCTS) karmasik sistemlerle derinlemesine eslestirmesi:

• LLM Judge (Hakem): Her teklif edilen sistem yapisini degerlendirir, ortaya cikan davranisi belirlenen hedeflerle kiyaslar ve bir fitness skoru uretir.
• LLM Editor (Editoer): Mevcut yapilarin varyantlarini önerir. Evrimsel hesaplamadaki “olustur-degerlendir” dongusune benzer sekilde calisir.

Sistemler, alana ozgu temel ogelerle birlikte calistirilabilir bir Python alt kumesi olarak temsil ediliyor. Bu, LLM’lerin sistem dinamiklerini dogrudan degistirmesine olanak taniyor.

Neden Onemli?

Mevcut sistem dinamikleri modelleme araclar — DYNAMO, STELLA gibi — ozel modelleme dilleri gerektiriyor ve is akislari oldukca emek yogun. Bu da benimsenmeyi zorilastiriyor ve zamaninda karar almayi engelliyor.

CEDAR, bu donguyu tamamen otomatiklestirerek hem insan emegini azaltiyor hem de mevcut yaklasimlarla elde edilmesi zor olan yetenekleri mumkun kiliyor. Cozum cesitliligini korurken hedef yonlendirmeli kesif saglamasi, yontemin en guclu yanlarindan biri.

Ayrica LLM tabanli yorumlanabilirlik sayesinde, hangi yapusal degisikliklerin ortaya cikan davranisi yonlendirdigi seffaf sekilde ortaya konabiliyor.

ALIFE 2026’daki Yeri

CEDAR, ALIFE 2026 (Artificial Life Conference) konferansinda Talk kategorisinde kabul edildi. Yapay yasam ve karmasik sistemler arastirmalari icin onemli bir gelisme olan bu calisma, Sakana AI arastirmacisi Yingtao Tian tarafindan sunuldu.

AI Ajanlarinin Yeni Gorevi: Sistem Tasarimi

CEDAR’in ortaya koydugu vizyon, AI ajanlarinin kod yazmanin otesinde muhendislik tasarim sureclerine de entegre edilebilecegi yonunde. Geri bildirim yapisinin kesfi, parametre optimizasyonu kadar — belki de daha fazla — kritik bir alan.

Yapay zeka ajanlarinin “sadece kod yazmasi” doneminden “dogrudan sistem tasarlamasi” donemine gecis, AI muhendisliginin evriminde yeni bir sayfa olabilir.

Kaynak: DAIR.AI (@dair_ai) – X | arXiv:2608.06871