Makine öğrenimi ve yapay zekaya nasıl başlanır?

Bugün bildiğimiz şekliyle “Yapay Zeka”, en iyi ihtimalle bir yanlış isimdir. AI hiçbir şekilde akıllı değildir, ancak yapaydır. Endüstrideki en sıcak konulardan biri olmaya devam ediyor ve akademiye yeniden ilgi duyuyor. Bu yeni değil – dünya, son 50 yılda bir dizi AI zirvesi ve vadisinden geçti. Ancak mevcut AI başarı telaşını farklı kılan şey, modern bilgi işlem donanımının nihayet uzun süredir ortalıkta dolaşan bazı çılgın fikirleri tam olarak uygulayacak kadar güçlü olmasıdır.

1950’lerde, şimdi yapay zeka dediğimiz şeyin ilk günlerinde, alana ne ad verileceği konusunda bir tartışma vardı. Herbert Simon, her ikisinin de ortak geliştiricisi mantık teorisi makinesi ve Genel Problem Çözücü, alanın “karmaşık bilgi işleme”nin çok daha adi bir ismine sahip olması gerektiğini savundu. Bu kesinlikle “yapay zeka”nın yarattığı hayranlık uyandırmıyor ve makinelerin insanlar gibi düşünebileceği fikrini iletmiyor.

Bununla birlikte, “karmaşık bilgi işleme”, yapay zekanın gerçekte ne olduğunun çok daha iyi bir açıklamasıdır: karmaşık veri kümelerini ayrıştırmak ve yığından çıkarımlar yapmaya çalışmak. Bazı modern AI örnekleri arasında konuşma tanıma (Siri veya Alexa gibi sanal asistanlar şeklinde) ve bir fotoğrafta ne olduğunu belirleyen veya daha sonra ne satın alınacağını veya izleneceğini öneren sistemler bulunur. Bu örneklerin hiçbiri insan zekasıyla karşılaştırılamaz, ancak yeterli bilgi işleme ile dikkate değer şeyler yapabileceğimizi gösteriyorlar.

Bu alana “karmaşık bilgi işleme” veya “yapay zeka” (veya daha da kötü bir şekilde Skynet gibi görünen “makine öğrenimi”) olarak atıfta bulunmamızın önemi yoktur. Muazzam miktarda iş ve insan zekası, kesinlikle inanılmaz uygulamalar oluşturmak için harcandı. Örnek olarak, şuna bakın GPT-3, bir kişi tarafından yazılan metinden ayırt edilemeyen metinler üretebilen (ancak aynı zamanda komik bir şekilde yanlış gidebilen) doğal diller için bir derin öğrenme modeli. İnsan dilini modellemek için 170 milyardan fazla parametre kullanan bir sinir ağı modeli tarafından desteklenmektedir.

GPT-3’ün üzerine inşa edilen araç, Dall-E, Bu, kullanıcının istediği herhangi bir fantastik şeyin görüntüsünü üretecektir. Aracın güncellenmiş 2022 versiyonu, Dall-E 2, oldukça soyut olan stilleri ve kavramları “anlayabildiği” için daha da ileri gitmenizi sağlar. Örneğin, Dall-E’den “Andy Warhol tarzında ata binen bir astronot” canlandırmasını istemek, bunun gibi bir dizi görüntü üretecektir:

Dall-E 2, benzer bir görsel bulmak için Google araması yapmaz; kendi iç modeline göre bir resim oluşturur. Bu, matematikten başka bir şey olmadan oluşturulmuş yeni bir görüntü.

AI’nın tüm uygulamaları bunlar kadar çığır açıcı değildir. Yapay zeka ve makine öğrenimi neredeyse her sektörde kullanım alanı buluyor. Perakende sektöründeki öneri motorlarından petrol ve gaz endüstrisinde boru hattı güvenliğine ve sağlık sektöründe teşhis ve hasta mahremiyetine kadar her şeye güç veren makine öğrenimi hızla birçok sektörde olmazsa olmaz hale geliyor. Her şirketin Dall-E gibi araçları sıfırdan oluşturacak kaynakları yoktur, bu nedenle uygun fiyatlı, ulaşılabilir araç setlerine çok fazla talep vardır. Bu talebi karşılamanın zorluğu, bilgisayarların ve bilgisayar programlarının hızlı bir şekilde kullanılmaya başlandığı ilk iş bilgisayarlarının günleriyle paralellik göstermektedir. en teknoloji işletmelerine ihtiyaç duyulmaktadır. Herkesin bir sonraki programlama dilini veya işletim sistemini geliştirmesi gerekmese de, birçok şirket bu yeni çalışma alanlarının gücünden yararlanmak istiyor ve onlara yardımcı olacak benzer araçlara ihtiyaçları var.