Stanford Üniversitesi araştırmacıları, kod yazan yapay zeka modellerinin performansını insan görsel dikkatini taklit ederek artıran devrim niteliğinde bir teknik geliştirdiler. EyeMulator adı verilen bu sistem, programcıların kod okurken göz hareketlerini takip ederek elde edilen verileri yapay zeka eğitiminde kullanıyor.
Geleneksel kod yapay zeka modelleri, sadece girdi-çıktı arasındaki istatistiksel korelasyonlara dayalı öğrenme gerçekleştirirken, insan geliştiriciler kodun anlamsal olarak önemli bölümlerine sezgisel olarak odaklanıyorlar. EyeMulator bu farkı kapatmak için tasarlandı.
Sistem, göz takibi verilerinden elde edilen tarama yollarını analiz ederek, hangi kod parçalarının insan dikkatini çektiğini belirliyor. Bu bilgiler daha sonra yapay zeka modelinin öğrenme sürecinde kayıp fonksiyonuna ekleniyor, böylece model insan odağını taklit etmeyi öğreniyor.
StarCoder, Llama-3.2 ve DeepSeek-Coder gibi farklı modeller üzerinde yapılan testler, EyeMulator'un kod çevirisi görevlerinde 30 CodeBLEU puanından fazla, kod özetleme görevlerinde ise 22 BERTScore puanına kadar performans artışı sağladığını gösteriyor.
Bu çalışma, yapay zekanın insan benzeri dikkat mekanizmalarını benimseyerek daha etkili kod üretebileceğini kanıtlayan önemli bir adım olarak değerlendiriliyor.