Catastrophic Forgetting: Model Yeni Şey Öğrenirken Eskisini Neden Unutuyor?

Yeni bir SFT serisi, eski yetenekleri sessizce öldürebilir. Bu karakter bozukluğu değil, gradyan geometrisidir. Bu yazı, neden unuttuğunu ve ne yapılabileceğini anlatır.

Aşağıdaki bölümler, Catastrophic Forgetting: Model Yeni Şey Öğrenirken Eskisini Neden Unutuyor sorusunu manşet dilinden çıkarıp mühendislik diline indirger. Amaç “kulağa hoş teknik kelime” yığmak değil; karar verirken hangi varsayımın kırıldığını görmenizi sağlamaktır.

Neden?

Tek paylaşımlı temsil, çok görev. Yeni loss eski minimumu iter.

Özellikle dar ve tekrarlı fine-tune, genel yetenekleri daraltır.

LLM’de “asistan üslubu” kazanıp “kod” kaybetmek yaygın bir regrestur.

Bu mekanizmayı veya yöntemi izole kavram sanmak yaygın bir hatadır. Gerçek sistemlerde catastrophic forgetting, continual learning, replay gibi başlıklar veri boru hattı, kayıp fonksiyonu, serving kısıtları ve eval tasarımıyla birlikte yaşar. Laboratuvar demosu ile üretim KPI’sı arasındaki uçurum çoğu zaman “algoritma bilmiyorduk”tan değil, bu birleşik sistemin tek bir satıra indirgenmesinden doğar.

Çözüm aileleri

Replay (eski veriyi karıştır), regularization (EWC vb.), ayrı adapter/LoRA, model merge dikkatli tasarım.

Eval bataryası olmadan “iyileştik” sanmak tehlikelidir.

Sürekli öğrenme ayrı bir disiplindir; tek seferlik FT değildir.

Ölçüm disiplini olmadan ilerlemek, özellikle bu konuda pahalıdır. Doğru sorular şunlardır: hangi metrik, hangi tutulmuş set, hangi maliyet, hangi hata maliyeti? Sinir ağları paylaşımlı parametre kullanır; yeni görevin gradyanları eski görev için kritik ağırlıkları bozabilir. Bu cümleyi ezberlemek yetmez; sisteminizde karşılığını enstrümante etmeniz gerekir.

Ürün pratiği

Her FT sonrası regresyon seti: genel, alan, güvenlik.

Adapter izolasyonu unutmayı azaltabilir ama birleştirme stratejisi ister.

Catastrophic forgetting’i yok saymak, sessiz kalite kaybıdır.

Son bir uyarı: popüler anlatım bu başlığı ya abartır ya da küçümser. Abartı “sihirli zekâ”; küçümseme “sadece toy örnek”tir. Gerçek, ikisinin arasındadır — ve Dil Modelleri bağlamında rekabet avantajı, abartıyı değil ölçülebilir takası yöneten ekiplerdedir.

Yaygın yanlışlar

Birinci yanlış, tek bir hiperparametre veya tek bir katmanla tüm hikâyeyi açıklamaktır. Catastrophic Forgetting: Model Yeni Şey Öğrenirken Eskisini Neden Unutuyor? sorusu, çoğu zaman bir ailenin parçasıdır; komşu yazılarda fine tuning vs pretraining ve lora nedir neden tam egitim yok ile birlikte okunmalıdır.

İkinci yanlış, demo başarısını üretim garantisi saymaktır. Offline skor yüksek, online KPI düşük olabilir. Üçüncü yanlış, güvenlik ve maliyet kısıtlarını “sonra bakarız” demektir; sonra bakmak genelde en pahalı bakıştır.

Uygulayıcı için kontrol listesi

1. Tanım: Bu yazıdaki ana iddiayı kendi sisteminizde bir cümleyle yeniden yazın — kopyalamayın, somutlaştırın.
2. Metrik: Başarıyı hangi sayı ile bileceksiniz? (doğruluk, gecikme, $, false positive, insan eval)
3. Taban çizgi: Model/yöntem yokken ne oluyor?
4. Hata modu: Bozulursa kim zarar görür, nasıl geri alırsınız?
5. Maliyet: Prefill/decode, eğitim adımı, edge güç veya rater saati — hangisi baskın?
6. Regresyon: Sonraki değişiklik eski yeteneği sessizce öldürür mü?

Bu liste “çerçeve kutusu” değildir; mühendislik borcunu erken görünür kılan soru setidir. Atlanırsa catastrophic forgetting başlığı güzel sunum, kötü sistem üretir.

Regresyon bataryası

Her FT sonrası: genel muhakeme, kod, güvenlik, alan görevleri. Otomatik bench + insan örneklem. “Yeni görev skorları arttı” yetmez; eski görevler düşmüş olabilir. Bu, CI’nın model muadilidir.

Replay: eski verinin bir kısmını yeni karışıma eklemek. Oran ayarı sanat ve ölçüm ister. Adapter izolasyonu unutmayı azaltır ama serving karmaşıklığı ekler.

Multi-tenant modeller

Aynı taban, birçok müşteri LoRA’sı: unutma tabanda değil, fişlerdedir. Merge edilirse çatışma geri gelir. Mimari seçim, unutma riskini sistem düzeyinde yönetir.

Derinlemesine bağlama

Unutma paylaşımlı ağırlık çatışmasıdır. Regresyon bataryası olmayan FT, sessiz kalite cinayetidir. Replay ve adapter, bilerek kullanılmalıdır.

Sınırlar, ölçüm ve sahada kırılma noktaları

Catastrophic Forgetting: Model Yeni Şey Öğrenirken Eskisini Neden Unutuyor? başlığını laboratuvar cümlesi olarak bırakmak kolay, üretim sistemine gömmek zordur. Kırılma genelde üç yerde olur. Birincisi dağılım kayması: eğitimde görülen veri ile sahadaki veri aynı aileden görünür ama yeterince kayar; skorlar düşer, özgüvenli yanlışlar artar. İkincisi metrik körlüğü: tek bir offline skor yükselirken gecikme, maliyet, false positive veya kullanıcı güveni bozulur. Üçüncüsü süreç eksikliği: model doğru sinyal üretir ama iş emrine, güvenlik zincirine veya insan onayına bağlanmadığı için rafta kalır.

Bu üç kırılmayı erken görmek için en az şu gözlem seti gerekir: tutulmuş eval, üretim proxy metrikleri, hata maliyeti senaryoları ve geri alma planı. “Daha büyük model / daha düşük loss / daha uzun bağlam” refleksleri bazen doğrudur; çoğu zaman ise yanlış yere gaz basmaktır. catastrophic forgetting neden diliminde de aynı disiplin geçerlidir — kavramı bilmek, sistemi kurmak demek değildir.

Ayrıca komşu bileşenleri unutmayın. Tokenizer, position, attention, kayıp, decoding, cache ve güvenlik katmanı birbirine bağlıdır. Birini “hallettik” deyip diğerini rastgele bırakmak, özellikle ölçekte pahalı sürpriz üretir. İyi ekipler tek manşet mekanizmayı değil, uçtan uca boru hattını sahiplenir.

Ne zaman bu yaklaşımı seçmeli, ne zaman seçmemeli?

Seçmek için işaretler: problem yüksek boyutlu örüntü taşıyor, kural yazmak patlıyor, veri (veya log) var, hata tolere edilebilir veya insan/kural sarmalayıcı mevcut, maliyet/gecikme bütçesi net. Seçmemek için işaretler: sert emniyet fonksiyonu, sıfır hata toleransı ve kanıtlanabilir determinizm şartı, veri yokluğu, tek seferlik ucuz kuralın yetmesi, açıklanabilirlik regülasyonunun kara kutu engellemesi.

Gri alanda hibrit kazandır: öğrenen model skorlar ve önceliklendirir; deterministik sınırlar ve insan onayı devreye girer. Bu cümle endüstriyel AI için olduğu kadar LLM ürünleri için de geçerlidir — tool-use ve RAG da bir tür “dış kural ve dış bellek” sarmalayıcısıdır. Catastrophic Forgetting: Model Yeni Şey Öğrenirken Eskisini Neden Unutuyor? özelinde de soru aynıdır: bu mekanizma hangi riski azaltıyor, hangi yeni riski açıyor, kim onaylıyor?

Sonuç

Unutma paylaşımlı ağırlık çatışmasıdır. Sürekli öğrenme eval, replay ve izolasyon ister.

Daha derin okuma için aynı arşivde attention, eğitim dinamiği, çıkarım ve endüstriyel güvenlik yazıları birbirine bağlanmıştır. Tek haber “yeterli bilgi” değil; sistemin bir dilimini netleştirme aracıdır — ve Catastrophic Forgetting: Model Yeni Şey Öğrenirken Eskisini Neden Unutuyor dilimi, modern yapay zekânın en çok yanlış anlatılan parçalarından biridir.