DOÇ. DR. ADNAN ERTEMEL

Yapay zeka teknolojisi, onlarca yılı öğrenme evresinde geçirdi. Şimdi olgunlaşıyor ve ölçekleniyor. Öyle ki, tahmin edilenden de hızlı biçimde hızlanmaya başladı.

Sentetik verilerden beslenen ve kendi tasarımcılarının bile aklını başından alan, kendi kendini denetleyen bir yapay zeka çağına girdik. Google’a ait teknoloji laboratuvarı DeepMind’deki araştırmacılar, yakın zamanda piyasaya sürülen AlphaTensor sisteminin, algoritmaları bile kendi başına keşfederek ‘insan sezgisi alanını aştığını’ söylüyor. Nature dergisinde ekim ayı başında yayınlanan makalede, DeepMind araştırmacıları, derin pekiştirmeli öğrenme yaklaşımıyla çalışan yapay zekanın matematikte bilim adamlarının 50 yıldır benimsediği matris çarpım algoritmalarından daha hızlı çalışan bir çarpım algoritmasını keşfettiğini ortaya koydu.

Örneğin makina öğrenme mantığında çalışan ve en gelişmiş yapay zeka sistemi olarak gösterilen GPT-3, 175 milyar parameter ile çalışarak, kendi kendine öğrenme yetisi kazanmış durumda. Bu sayede dünyada şu ana kadar kaleme alınmış hemen tüm kitapları ve Wikipedia’daki tüm içeriği hafızasına alan GPT-3, başlangıçta cevaplamasının öngörülmediği soruları bile cevaplamaya başladı.

Yapay zeka teknolojisinin geldiği bu yeni aşamada sıradaki hedef, yapay zekayı farklı sektörlerde ölçekleme safhası… Bunun için de tek eksik, daha fazla miktarda veri setleriyle yapay zekayı beslemek. Bunun için geliştirilen bir yöntem, gerçek olmayan sentetik veri üretmek.

SENTETİK VERİ

Gerçek dünyadaki olaylar aracılığıyla toplanmak yerine algoritmik olarak oluşturulan veri olarak tanımlanan sentetik veri, yazılım geliştirmeyi iyileştirmek,

Ar-Ge’yi hızlandırmak, makina öğrenimi modellerini eğitmek, kendi dahili verilerini ve ürünlerini daha iyi anlamak ve iş süreçlerini iyileştirmek için kullanılır. Sentetik veriler, gerçek veri kümelerinin yerini alabilir ve matematiksel modelleri doğrulamak için kullanılabilir. Sağlık, finans, sigorta, siber güvenlik, üretim, robotik ve otonom araçlar gibi alanlardaki şirketlerin daha hızlı ölçeklenebilmeleri için geliştirmeyi ve pazara sunma süresini hızlandırmak için sentetik verilerin kullanımı büyük avantaj sağlıyor.

İYİ VE KÖTÜ ÖRNEKLER

Yapay zeka, geçmişte tahmin bile edilemeyen biçimde farklı alanlarda sektörlerde ciddi katma değer oluşturmaya başladı. Örneğin, ABD’de kurulan Syrup Tech adlı şirket, derin tedarik zinciri kesintileri, gerçek çok kanallı ağlar ve sürdürülebilirlik odaklı tüketicilerin olduğu bir dünyada, yeni nesil envanter sistemlerine ihtiyaç olduğu fikrinden hareketle, ticarette envanter kararları için yapay zeka destekli bir tahmin yazılımı geliştiriyor.

Platform, dahili (envanter ve satışlar gibi) ve harici verilerin (sosyal medya eğilimleri ve hava durumu tahminleri gibi) birçok farklı veriyi gerçek zamanlı mantıkla analiz ederek hangi ürünlerin ne zaman ne miktarda stoklanacağına karar vermelerini sağlıyor.

Gerçek zamanlı mantıkla olarak daha fazla veriden yararlanarak, satış ve planlama ekiplerine büyük fayda sağlıyor. Platform sayesinde uzun vadede değer zincirindeki her adımda katma değer sağlayarak israfı tamamen ortada kaldırmak hedefleniyor.

Yapay zeka, şüphesiz kötü gelişmelere de yol açabiliyor. Yanlış yüz tanıma, yanlı öğrenen algoritmalar ve yapay zeka destekli deep-fake sistemler, yapay zekanın karanlık yüzüne örnek olarak verilebilir.

Genel olarak incelendiğinde, tüm bu gelişmeler ışığında araştırmacılar, GPT-3 ve Radford gibi yapay zeka modellerindeki son gelişmeleri ‘paradigma değişimi’ olarak adlandırıyor. Birçok uzman, teknolojide tekilliğin (singularity) düşünüldüğü kadar uzak olmayabileceğini söylüyor. Yakın gelecekte yapay zekanın soyut düşünüp düşünemeyeceği, duyguları hissedip hissedemeyeceği veya gerçekten kendinin farkında olup olmayacağı gibi soruların cevabını hep birlikte göreceğiz.

21 Ekim 2022 Cuma