Akıllı telefonları kullanıcı adına kontrol edebilen yapay zeka ajanları konusunda dikkat çekici yeni bir çalışma yayımlandı. OpenMobile-2 adı verilen açık kaynaklı proje, 110’dan fazla uygulamayı kapsayan eğitim ortamı ve gerçek Android cihazlarda elde ettiği sonuçlarla, açık modellerin kapalı sistemlerle arasındaki farkı önemli ölçüde azaltabileceğini gösteriyor.
Nanjing University, SenseTime ve farklı üniversitelerden araştırmacıların yer aldığı ekip tarafından geliştirilen OpenMobile-2’nin en dikkat çekici bulgusu ise yalnızca daha fazla eğitim verisinin yeterli olmadığı yönünde. Araştırmaya göre bir mobil yapay zeka ajanının kaç farklı uygulama üzerinde eğitim aldığı, toplam veri miktarı kadar hatta bazı durumlarda daha fazla önem taşıyor.
Araştırmacılar aynı eğitim verisi bütçesini koruyup yalnızca uygulama çeşitliliğini artırdığında, daha önce görülmemiş uygulamalardaki başarı oranının yüzde 60,7’den yüzde 67,5’e yükseldiğini raporladı. Eğitim kapsamı bu deneyde 15 uygulamadan 53 uygulamaya kadar genişletildi.
OpenMobile-2 nedir?
OpenMobile-2, telefon ekranını görerek uygulamalar üzerinde işlem yapabilen yapay zeka ajanlarını geliştirmeye yönelik açık bir eğitim ekosistemi olarak tanımlanabilir.
Proje yalnızca eğitilmiş modellerden oluşmuyor. Araştırmacılar aynı zamanda eğitim ortamlarını, örnek görevleri, değerlendirme araçlarını ve eğitim tariflerini de paylaşmayı hedefliyor.
Sistem içerisinde iki temel OpenMobile-2 modeli bulunuyor:
- OpenMobile-2 9B, Qwen3.5-9B tabanlı.
- OpenMobile-2 27B, Qwen3.6-27B tabanlı.
Projenin GitHub deposunda değerlendirme kodları ve eğitim altyapısına ilişkin kaynaklar Apache 2.0 lisansı altında sunuluyor.
Buradaki temel amaç, büyük teknoloji şirketlerinin elindeki kapalı eğitim verilerine ihtiyaç duymadan güçlü mobil ajanların geliştirilebileceğini göstermek.
Araştırmacılar neden gerçek uygulamalar yerine 35 uygulamayı yeniden oluşturdu?
Akıllı telefon ajanlarını doğrudan gerçek uygulamalar üzerinde eğitmek sanıldığı kadar kolay değil.
Örneğin bir alışveriş uygulamasında gerçekleştirilen işlem gerçek bir sipariş oluşturabilir. Bir ulaşım uygulaması ödeme bilgisi veya konum gerektirebilir. Kullanıcı hesapları, oturum açma işlemleri ve uygulamaların sürekli değişen durumları da eğitim sürecini tekrar edilebilir olmaktan çıkarıyor.
OpenMobile-2 ekibi bunun yerine MobileGym++ isimli kontrollü bir ortam geliştirdi.
Bu sistem içerisinde ticari uygulamaları taklit eden 35 işlevsel uygulama yeniden oluşturuldu. Android emülatöründeki diğer uygulamalarla birlikte toplam eğitim ortamı 110’dan fazla uygulamayı kapsıyor.
Simülasyonda Taobao, JD, Meituan ve DiDi gibi Çin’de yaygın kullanılan hizmetleri andıran uygulamaların yanı sıra farklı üretkenlik ve günlük kullanım senaryoları bulunuyor.
Sistem yalnızca basit ekranlardan da oluşmuyor. Uygulamalar arasında veri aktarımı, alışveriş işlemleri, görevler ve kalıcı uygulama durumları gibi daha gerçekçi senaryolar destekleniyor.
Bunun en büyük avantajlarından biri, eğitim tamamlandıktan sonra ortamın otomatik olarak başlangıç durumuna döndürülebilmesi.
Yani bir yapay zeka ajanı aynı görevi defalarca deneyebiliyor ve her deneme karşılaştırılabilir hale geliyor.
Yaklaşık 11.600 yapay zeka telefon kullanım örneği oluşturuldu
OpenMobile-2’nin eğitim veri seti de projenin önemli parçalarından biri.
Araştırmacılar yaklaşık 11.600 mobil etkileşim örneği oluştururken, pekiştirmeli öğrenme aşaması için 2.000’in üzerinde otomatik doğrulanabilir görev hazırladı.
Bu görevlerin önemli bir avantajı, yapay zekanın başarılı olup olmadığını başka bir dil modelinin yorumlamasına ihtiyaç bırakmadan programatik olarak kontrol edebilmesi.
Örneğin yapay zekadan bir alışveriş sepetine belirli bir ürün eklemesi istenmişse sistem yalnızca ekranda görünen sonuçla yetinmiyor. Uygulamanın gerçek durumunu kontrol ederek işlemin gerçekten gerçekleşip gerçekleşmediğini doğrulayabiliyor.
Eğitim verilerinin hazırlanmasında ise Gemini 3.1 Pro Preview öğretmen model olarak kullanılmış durumda. Başarılı görev yürütmeleri kaydedilerek OpenMobile-2’nin eğitiminde kullanılıyor.
Bu durum projede ilginç bir ayrıntı oluşturuyor: Ortaya çıkan mobil ajanlar açık biçimde yayımlansa da eğitim örneklerinin üretilmesinde Google’ın kapalı Gemini modelinden yararlanılıyor.
OpenMobile-2 gerçek Android telefonlarda 59,6 puana ulaştı
Modelin asıl dikkat çekici taraflarından biri, simülasyon ortamında öğrenilen yeteneklerin gerçek cihazlara aktarılabilmesi.
OpenMobile-2 27B’nin temel aldığı Qwen3.6-27B modeli, AndroidWorld testinde 67,1 puan seviyesindeyken eğitim sonrasında sonuç 79,9’a kadar yükseliyor.
MobileWorld testinde ise 27 milyar parametreli model 50,4 puana ulaşıyor.
Daha küçük OpenMobile-2 9B modelinde de benzer şekilde belirgin bir gelişme görülüyor. AndroidWorld sonucunun temel modeldeki 54,3 seviyesinden 74,0’a kadar yükseldiği bildiriliyor.
Ancak en dikkat çekici sonuç gerçek Android cihazlarını kullanan SPA-Bench değerlendirmesinde ortaya çıkıyor.
27B modelinin temel sürümü burada 31,9 puan alırken, OpenMobile-2 eğitiminin ardından skor 59,6’ya yükseliyor.
Araştırmacılara göre bu sonuç, değerlendirmeye dahil edilen açık modeller arasında en güçlü sonuçlardan biri konumunda. Bununla birlikte kapalı sistemler hâlâ bazı gerçek cihaz testlerinde daha yüksek performans gösterebiliyor; dolayısıyla sonuçları “açık kaynak modeller kapalı modelleri tamamen geçti” şeklinde yorumlamak doğru olmayacaktır.
Daha fazla veri yerine daha fazla uygulama eğitmek neden önemli?
OpenMobile-2 çalışmasının yapay zeka araştırmaları açısından belki de en önemli sonucu burada ortaya çıkıyor.
Araştırmacılar mobil ajanlara verilen eğitim verisinin miktarını sabit tuttu ve yalnızca verilerin kaç farklı uygulamaya dağıtıldığını değiştirdi.
Toplam 2.000 eğitim örneği değişmediği halde daha fazla uygulamaya yayılan eğitim, daha önce görülmemiş uygulamalardaki AndroidWorld başarısını yüzde 60,7’den yüzde 67,5’e çıkardı.
Başka bir ifadeyle bir yapay zeka ajanına aynı uygulamadaki binlerce benzer görevi tekrar tekrar göstermek yerine, farklı tasarımlar ve farklı kullanıcı akışlarıyla karşılaştırmak daha iyi genelleme sağlıyor.
Bu sonuç, gelecekte mobil yapay zeka ajanlarının eğitiminde veri miktarından ziyade veri çeşitliliğinin daha fazla önem kazanabileceğine işaret ediyor.
Yapay zeka uygulamalarda menülere girmek yerine doğrudan komut kullanabiliyor
OpenMobile-2 çalışmasının daha deneysel taraflarından biri de app-native tools, yani uygulamaya özgü araçlar.
Normal bir mobil yapay zeka ajanı ekranda gördüğü düğmelere dokunuyor, kaydırma hareketleri gerçekleştiriyor ve yazı alanlarına metin giriyor.
OpenMobile-2 ise bazı uygulamalarda buna alternatif olarak doğrudan komut çalıştırabiliyor.
Örneğin yapay zekanın bir ürünü sepete eklemek için:
ürünü açması → seçenekleri bulması → “Sepete ekle” düğmesine basması
gerekmeyebiliyor.
Uygulama destekliyorsa ilgili işlemi doğrudan bir araç çağrısıyla gerçekleştirebiliyor.
MobileGym++ içerisinde 50’den fazla uygulamaya yayılan 300’ün üzerinde uygulamaya özgü araç bulunuyor.
Araştırma sonuçları, modellere yalnızca bu araçlara erişim vermenin yeterli olmadığını gösteriyor. Modeller özel olarak araç kullanımı konusunda eğitildiğinde hem görev başarı oranı artıyor hem de görevlerin tamamlanması için gereken işlem sayısı azalıyor.
27B modelinde hibrit eğitim sonrasında görevlerin ortalama yaklaşık 5,8 adım daha kısa, 9B modelinde ise yaklaşık 4,8 adım daha kısa tamamlanabildiği raporlanıyor.
Bu yaklaşım gelecekte telefon ajanları açısından oldukça önemli olabilir. Çünkü yapay zekanın her işlem için insanların kullandığı görsel menüleri takip etmesi yerine, desteklenen görevlerde uygulamanın sunduğu güvenli ve sınırlı komutları kullanması hem daha hızlı hem de daha güvenilir sonuçlar sağlayabilir.
Pekiştirmeli öğrenme her zaman daha iyi sonuç vermedi
OpenMobile-2 araştırmasının dikkat çekici bulgularından biri de reinforcement learning, yani pekiştirmeli öğrenmenin her testte büyük bir gelişme sağlamaması.
Örneğin OpenMobile-2 27B modeli AndroidWorld üzerinde yalnızca denetimli eğitim sonrasında 80,8 seviyesine ulaşırken, pekiştirmeli öğrenme sonrasında skor 79,9 olarak ölçüldü.
Buna karşılık MobileGym++ gibi eğitim ortamına daha yakın testlerde pekiştirmeli öğrenmenin olumlu etkileri görülebiliyor.
Bu da mobil ajanlarda yalnızca daha fazla RL eğitimi uygulamanın otomatik olarak daha iyi genelleme sağlamadığını gösteriyor.
Modelin farklı uygulamalara uyum sağlayabilmesi için eğitim ortamının çeşitliliği yine kritik önem taşıyor.
OpenMobile-2 neden önemli?
Google, Microsoft, Alibaba ve diğer büyük teknoloji şirketleri telefon veya bilgisayar ekranlarını kontrol edebilen yapay zeka ajanları üzerinde yoğun biçimde çalışıyor.
Ancak bu alanda açık kaynak projelerin önemli bir dezavantajı bulunuyor: yüksek kaliteli etkileşim verisi.
Büyük şirketler milyonlarca kullanıcı arayüzü örneği ve özel değerlendirme ortamı oluşturabilirken, açık kaynak araştırmacılar çoğunlukla sınırlı sayıda Android uygulamasıyla çalışmak zorunda kalıyor.
OpenMobile-2 bu sorunu doğrudan daha geniş ve yeniden üretilebilir bir eğitim ortamı oluşturarak çözmeye çalışıyor.
Projenin ortaya koyduğu sonuçlar doğru yönde ölçeklenebilirse gelecekte açık modellerin;
alışveriş yapması, mesaj göndermesi, takvim düzenlemesi, farklı uygulamalar arasında bilgi taşıması veya telefondaki çok aşamalı işlemleri kullanıcı adına gerçekleştirmesi daha yaygın hale gelebilir.
Ancak gerçek uygulamalarda ödeme, kişisel veri, hesap erişimi ve yanlış işlem gibi riskler bulunduğundan bu teknolojilerin geniş çapta kullanıma sunulabilmesi için güvenlik ve izin mekanizmalarının da aynı hızla gelişmesi gerekecek.
Şimdilik OpenMobile-2’nin verdiği en önemli mesaj oldukça net görünüyor: Akıllı telefon kullanan yapay zeka ajanlarını geliştirmek için yalnızca daha fazla veriye değil, daha fazla ve daha çeşitli uygulama deneyimine ihtiyaç var.
