Sentetik veriler… Yapay zeka teknolojisinin bir adım ötesi, makinelerin insan benzeri görevleri gerçekleştirmesini, deneyimlerinden öğrenmesini ve yeni girdilere uyum sağlamasını mümkün kılan sistemlerin gelişimini içerir. Bu, temel insan yetkinliklerinin geliştirilmesi ve bunlara katkı sağlanması amacını taşır. Şirketler, yapay zekayı müşteri hizmetlerinden tedarik zinciri yönetimine kadar çeşitli alanlarda kullanmaktadır. Makine öğrenmesi ve derin öğrenme teknolojileri ile gelişen yapay zeka, konuşmayı, görüntüleri ve verileri tanıma, tahminlerde bulunma gibi işlemleri yerine getirebilmektedir.
Yapay Zeka (AI), iletişimden iş yapış biçimlerimize, alışverişten oynadığımız oyunlara kadar hayatımızın her alanına derinlemesine entegre olmuştur. Öyle ki, Yapay Zeka uygulamaları artık nereye bakarsak bakalım karşımıza çıkmaktadır.
Neredeyse her sektörde somut ticari avantajlar sağlıyor olmamıza rağmen, teknolojinin henüz başlangıç aşamasında olduğumuz da bir gerçek. Bugün kullanımda olan teknolojiler, on yıl sonra muhtemelen bir hesap makinesi kadar basit ve modası geçmiş görünecek. Bilgisayarlar daha da akıllanacak, hızlanacak ve karmaşık karar alma veya yaratıcı düşünme gibi geleneksel olarak insanlara özgü kabul edilen işleri daha fazla üstlenebilecek.
İşte bu makalede, bugün bilim kurgu gibi görünen, ancak düşündüğünüzden çok daha kısa sürede günlük hayatımızın ve gerçekliğin bir parçası olabilecek bazı olasılıkların bir özeti!
Genel (Güçlü) Yapay Zekaya Ulaşmanın Yolu
Günümüzde, çoğu Yapay Zeka (AI) uygulaması "dar" veya "zayıf" olarak sınıflandırılmaktadır. Bu, onların genel olarak veri toplama gibi bazı kriterleri karşıladıkları, ancak genellikle sadece tasarlandıkları belirli bir görevi, örneğin öğrenme yeteneğini, yerine getirebildikleri anlamına gelir.
Gerçekten zeki varlıklar, yani "doğal olarak zeki" olanlar, belirli bir görev için "tasarlanmamış", ancak gerektiğinde çeşitli görevleri yerine getirebilecek şekilde evrimleşmiştir. "Genel Yapay Zeka" arayışı da, benzer şekilde çok yönlü görevleri yerine getirebilen akıllı makineler geliştirmeye yöneliktir.
Günümüzde sahip olduğumuz Yapay Zeka (AI) uygulamalarını geliştirerek daha ileri seviyelere taşımak için derinlemesine düşünmek faydalı olacaktır. Örnek olarak, Amazon'un Alexa'sı ne söylediğimizi anlamak için Yapay Zeka'yı kullanmaktadır. Ayrıca, "akıllı" oluşu; yani talimatlarımızı anladıktan sonra bunları programlanmış bir biçimde yerine getirebilmesi, kullanılan yapay zekanın bir sonucudur.
Yakın gelecekte, Yapay Zeka'nın (AI) daha genel uygulamalara doğru ilerlemesiyle, ev asistanı cihazları daha proaktif bir şekilde "düşünme" yeteneği kazanacak. Doğal Dil İşleme teknolojisi (NLP) geliştikçe, sadece daha akıcı ve aktif konuşmalar yapmakla kalmayacak, aynı zamanda ihtiyaçlarımızı ve davranışlarımızı tahmin ederek buna göre hareket etme yeteneği de artacak.
Bu, alışveriş yapmaktan sipariş vermeye, sağlığımızı anlık ve sürekli olarak izlemekten, gerektiğinde aracımızın bakımını planlamaya ve evimize hırsız girdiğinde polisi aramaya kadar her alanda Yapay Zeka'nın varlığını ifade edebilir.
En önemlisi, tüm bunları, kendisine açıkça söylendiği için değil, belirli bir durumda yapması gereken en iyi şeyin bu olduğunu hesapladığı için yapılacak olması.
Kuantum Destekli Bir Gelecek
Bilgi işlem gücü, yapay zekanın itici gücüdür ve son on yılda şahit olduğumuz büyük gelişmeler, büyük oranda artan işlemci gücünün geliştirilmesine bağlıdır. Özellikle son on yılın başlarında grafik işlem birimleri (GPU'lar) üzerine yapılan araştırmalar, bugün çok faydalı olan derin öğrenme teknikleri ve uygulamalarının çoğunun temelini oluşturmuştur.
Kuantum hesaplama, biyolojik ve nöromorfik hesaplama gibi diğer ileri düzey işleme teknolojileriyle birlikte, muhtemelen daha geniş olasılıkların kapılarını aralamamıza olanak tanıyacak.
Kuantum hesaplama, bu makalede açıklanabilecek kadar basit bir konsept olmamakla birlikte, temelde atom altı parçacıkların aynı anda birden fazla durumda bulunabilme gibi tuhaf ve şaşırtıcı özelliklerini kullanarak işler.
Burada daha detaylı bir açıklama mevcut, ancak şu an için kuantum hesaplamanın, teorik olarak günümüzün en hızlı bilgisayarlarından yüz trilyon kat daha hızlı bazı işlemleri gerçekleştirebileceğini belirtmek yeterli olacaktır.
Makine öğrenimi modelleri, sürekli olarak daha akıllı hale gelmek için kaçınılmaz olarak evrimleşmeye devam edecektir. OpenAI tarafından geliştirilen ve günümüzün en gelişmiş "üretken" yapay zeka modellerinden biri olan GPT-3, şu anda bile 175 milyardan fazla parametre içermektedir.
Bu durum, artan oranlarda daha fazla işlem gücü gerektirecektir. Ayrıca, daha yüksek işlem gücü, eğitim için kullanılacak daha büyük miktarda "sentetik" veri üretmemize olanak tanıyacak ve birçok uygulamada algoritmaları beslemek için gerçek veri toplama ihtiyacını azaltacaktır.
İyi bir örnek olarak, kendi kendine sürebilen bir aracın eğitimi için gerekli verileri ele alalım. Algoritmaların, yollarda güvenle seyahat etmeyi öğrenmesi için yüzlerce saatlik sürüş deneyimine ihtiyacı vardır. Artan işlem gücü, daha kesin ve gerçekçi simülasyonlar yaratılmasını sağlar, bu da öğrenmenin büyük bir kısmının simüle edilmiş ortamlarda yapılmasına olanak tanır. Bu, sadece maliyeti düşürmek ve güvenliği artırmakla kalmaz, aynı zamanda binlerce saatlik gerçek sürüş deneyimini çok daha kısa bir sürede simüle etmeye imkan tanır.
Özel akademik araştırmalar dışında, kuantum hesaplamanın hala yararlı bir alternatif olabileceği düşünülürken, nöromorfik hesaplama gibi diğer teknolojilerin giderek daha etkili olacağı görülüyor. Nöromorfik hesaplama, yeni bilgi türlerini işleyebilmek için insan beyninin esnek yeteneklerini taklit etmeyi hedefler.
Intel, yakın zamanda iki milyardan fazla transistör içeren Loihi işlemci çipini duyurdu. Bu çip, on farklı tehlikeli maddeyi sadece kokularını analiz ederek tanıyabilen bir uygulama için kullanılıyor ve bu işlem, eğitimli köpeklerden daha hızlı ve doğru yapılıyor.
Yaratıcı Yapay Zeka
Günümüzde, Yapay Zeka'nın sanat, müzik, şiir ve hatta bilgisayar kodları üretebildiğine şahit oluyoruz. Bu tür gelişmeler, "Üretken" Yapay Zeka'nın (GPT-3 modeli de dahil olmak üzere) sürekli evrimi sayesinde gerçekleşmektedir. Bu terim, Yapay Zeka'nın fonksiyonunun sadece mevcut verileri analiz etmek ve anlamak değil, aynı zamanda yeni veriler yaratmak olduğu durumlar için kullanılır.
Üretken Yapay Zeka (AI) kullanımında, analiz ve anlama sürecin yalnızca başlangıcıdır. Bu süreç, öğrenilen bilgileri alıp incelenen modellerin daha gelişmiş örneklerini yaratmak için kullanır. Günümüzde, en etkileyici sonuçlar genellikle "karşıt" modeller kullanılarak elde ediliyor; yani, bir AI modeli mevcut verilere dayanarak içerik oluştururken, diğeri bu içerikteki hataları bulmak üzere tasarlanmıştır ve bu iki model birbirleriyle etkileşime girer.
Kusurlar keşfedildiğinde, yaratıcı yapay zeka (üretken olarak adlandırılır) hatalarından öğrenir ve nihayetinde rakibi (ayırt edici olarak bilinir) mevcut verilerden ayırt etmekte zorlanacağı verileri üretme kapasitesine ulaşır.
Bilgisayarların yaratabilmesi başlı başına şaşırtıcı olsa da, ölçülebilir değer, diğer makineleri eğitmek için kullanılabilecek sentetik veriler yaratma yeteneğinde yatmaktadır.
Örneğin, yüz tanıma algoritmaları; kendi kendini süren (otonom) arabaların nasıl sürüleceğini öğrenmek için çok fazla sürüş deneyimine ihtiyaç duyması gibi, bireyleri nasıl tanıyacağını öğrenmek için insanların yüzlerinin resimlerinden oluşan devasa bir kitaplığa erişmeye dayanır.
Bu sentetik veri üretme yeteneği, yapay zekanın manşetleri süsleyen uygulamalarının ötesine geçerek, daha önce görülmemiş işler yapabilen makinelerin olduğu bir döneme bizi taşıyacaktır.
Bunun yerine odağımız, gerçek dünyadaki büyük zorlukları çözmeye yönelik gerçekten değerli ve kullanışlı Yapay Zeka (AI) uygulamalarına kayacak.
Etik ve Hesap Verebilir Yapay Zeka
Bu, kesinlikle son nokta değil, ancak Yapay Zeka'nın (AI) gelişiminde önemli bir yol olabilir. Günümüz yapay zekalarının iç işleyişleri genellikle gizli tutulur. Bazen bu işleyişler, şirket sırları olarak korunan özel algoritmalarla saklanırken, bazen de çoğu insanın anlayamayacağı kadar karmaşık olabilir.
Her iki durumda da, bu ciddi bir sorun yaratıyor; yani, insanların hayatlarını etkileyebilecek önemli kararlar giderek anlamadığımız makinelerin eline bırakılıyor. Bu durum güven üzerinde derin etkilere sahip ve eğer insanlar Yapay Zeka'ya (AI) güvenmiyorlarsa, verilerin doğru sonuçları gösterdiğini açıkça belirtse bile, karar verme sürecine dahil etme fikrine sıcak bakmaları pek mümkün değil.
Yapay zeka potansiyelini hayata geçirecekse, yakın geleceğin akıllı makineleri, şu anda aşina olduğumuz makinelerden daha şeffaf, açıklanabilir ve hesap verebilir olmalıdır.
Yapay Zeka (AI) Ortaklığı'nın, OpenAI ve Birleşik Krallık Hükümeti'nin Alan Turing Enstitüsü gibi kurumların oluşturulmasıyla, bu alanda gerekli adımların atıldığını gösteriyor. Elbette, bazı kişiler Yapay Zeka'nın (AI) kar elde etme potansiyelini görecek ve bu tür organizasyonların sunduğu yönergeleri ve önerileri ihlal etmeye meyilli olabilirler.
Bu yüzden, olası zararları en aza indirgemek amacıyla yasal ve düzenleyici değişikliklerin uygulamaya konulduğunu görmemiz muhtemeldir. Bu tür çözümler, bir arada çalışarak Yapay Zeka'nın (AI) potansiyelini tam olarak gerçekleştirmesine yardımcı olabilir.
Teknoloji trendleri hakkında daha fazla bilgi edinmek isterseniz, yeni kitaplarıma bir göz atabilirsiniz: Tech Trends in Practice: The 25 Technologies That Are Driving The 4th Industrial Revolution and The Intelligence Revolution: Transforming Your Business With AI.
Yazımı okuduğunuz için teşekkür ederim. LinkedIn ve Forbes’ta düzenli olarak yönetim ve teknoloji trendleri hakkında yazılar yazıyorum. Yapay Zeka (AI) hakkında yeni bir kitap kaleme aldım, hakkında daha fazla bilgi edinmek için buraya tıklayabilirsiniz. Gelecekteki yayınlarımı da okumak için ağıma buradan abone olabilirsiniz veya ‘Takip Et’i tıklayabilirsiniz. Ve Ayrıca, Twitter, Facebook, Instagram, Slideshare veya YouTube kanalım aracılığıyla da benimle iletişime geçmekten çekinmeyiniz.
by Bernard Marr
Comentários