Makine öğrenimi ve yapay zekayı kullanmaya başlayın

0
büyüt / “Bu bir yemek kitabı mı?!”

Aurich Lawson | Getty Resimleri

Bugün bildiğimiz şekliyle “yapay zeka” en iyi ihtimalle yanlış bir isimdir. AI hiçbir şekilde akıllı değildir, ancak yapaydır. Sektördeki en sıcak konulardan biri olmaya devam ediyor ve akademide yeniden ilgi görüyor. Bu yeni değil – dünya, son 50 yılda yapay zekada bir dizi iniş ve çıkış gördü. Ancak mevcut AI başarılarını farklı kılan şey, modern bilgi işlem donanımının nihayet uzun süredir ortalıkta dolaşan çılgın fikirleri tam olarak uygulayacak kadar güçlü olmasıdır.

1950’ler kadar erken bir tarihte, şimdi yapay zeka dediğimiz şeyin ilk günlerinde, alanın ne olarak adlandırılacağı konusunda bir tartışma vardı. Hem Logic Theory Machine’in hem de General Problem Solver’ın ortak geliştiricisi olan Herbert Simon, alana çok daha iyi huylu “karmaşık bilgi işleme” adının verilmesi gerektiğini savundu. Bu kesinlikle “yapay zeka” ya da makinelerin insanlar gibi düşünebileceği fikrine saygı uyandırmaz.

Bununla birlikte, “karmaşık bilgi işleme”, yapay zekanın gerçekte ne olduğunu çok daha iyi tanımlar: karmaşık veri kümelerini analiz etmek ve yığından sonuçlar çıkarmaya çalışmak. Yapay zekanın bazı modern 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 yer alır. 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 Skynet gibi görünen daha tehditkar “makine öğrenimi”) adını vermemiz önemli değil. Bazı kesinlikle inanılmaz uygulamalar geliştirmek için inanılmaz miktarda iş ve insan zekası harcandı. Örnek olarak, bir insan tarafından yazılan metinden ayırt edilemeyen (ama aynı zamanda komik bir şekilde yanlış gidebilen) metin üretebilen bir derin öğrenme doğal dil modeli olan GPT-3’ü düşünün. İnsan konuşmasını modellemek için 170 milyardan fazla parametre kullanan bir sinir ağı modeli tarafından desteklenmektedir.

GPT-3’ü temel alan Dall-E adlı araç, kullanıcının istediği her harika şeyin görüntüsünü oluşturur. Aracın güncellenmiş 2022 sürümü Dall-E 2 ile, oldukça soyut stilleri ve kavramları “anlayabildiği” için daha da ileri gidebilirsiniz. Örneğin, Dall-E’den “Andy Warhol tarzı at üzerinde bir astronot” hayal etmesini isterseniz, bunun gibi bir dizi görüntü üretir:

büyüt / AI destekli Dall-E tarafından oluşturulan bir görüntü olan “Andy Warhol tarzında at üzerinde bir astronot”.

Dall-E 2, benzer bir görsel bulmak için Google’da arama yapmaz; kendi iç modeline dayalı bir görüntü oluşturur. Bu sadece matematikten oluşan yeni bir görüntü.

AI’nın tüm uygulamaları bunun kadar çığır açıcı değildir. Yapay zeka ve makine öğrenimi hemen hemen her sektörde kullanılmaktadır. Perakendede tavsiye motorlarından petrol ve gaz endüstrisinde boru hattı güvenliğine, sağlık hizmetlerinde teşhis ve hasta mahremiyetine kadar her şeye güç veren makine öğrenimi, birçok sektörde hızla bir zorunluluk haline geliyor. Her şirketin Dall-E gibi araçları sıfırdan oluşturacak kaynakları yoktur, bu nedenle uygun fiyatlı, uygun fiyatlı araç setlerine büyük bir talep vardır. Bu ihtiyacı karşılamanın zorluğu, bilgisayarların ve bilgisayar programlarının hızla bir gelişme haline geldiği işletme bilişiminin ilk günlerine paraleldir. en Teknoloji şirketine ihtiyaç var. Herkesin bir sonraki programlama dilini veya işletim sistemini oluşturması gerekmese de, birçok şirket bu yeni çalışma alanlarının gücünden yararlanmak istiyor ve bunu yapmalarına yardımcı olacak benzer araçlara ihtiyaç duyuyor.