AR-GE 250


YAPAY ZEKÂ NEDEN ŞİMDİ “MODA” OLDU?

Turkishtime Dergi

Boğaziçi Üniversitesi Öğretim Üyesi Ahmet Rasim Çağın :"Yapay zekâ artık geleceğe ait bir kavram değil; günlük hayatımızın ve iş operasyonlarımızın ayrılmaz bir parçası."

Yapay zekâ neden şimdi, hiç olmadığı kadar gelişiyor? Bunun cevabı, veri, bilgi işlem gücü, algoritmalar ve maliyetlerin uygun hale gelmesindeki ilerlemelerde yatıyor. Bu bölüm, bu temel sürücüleri inceleyerek, yapay zekânın bugün güçlü ve erişilebilir bir teknolojiye nasıl dönüştüğünü açıklıyor. Yaklaşık 25 yıl önce, yapay zekâ ve makine öğrenimi hakkında pek fazla konuşulmazdı. Veri analisti veya en iyi ihtimalle şirket içi veri analizi yapan mühendis / matematikçi / istatistikçiler olarak işe alınırdı. Zamanla, elde olan verilerdeki artış (Veri patlaması; son yirmi yılda günlük üretilen veri 180 katına çıkmıştır), bilgi işlem gücü ilerlemeleri ve algoritma geliştirmeleriyle birlikte basit veri analizinden veri bilimine olan değişimi 4 başlık altında toplayabiliriz.

  1. Veri Patlaması

Yapay zekânın temel unsurlarından biri veridir. Yapay zekâ, verilerden öğrenir ve her saniye üretilen devasa miktardaki yapılandırılmış (örneğin: tablo verileri) ve yapılandırılmamış (örneğin: metin) verilerden faydalanır.

 Veri Kaynakları: E-ticaret, sosyal medya platformları ve IoT (Nesnelerin İnterneti) cihazlarının yükselişi, veri üretiminde büyük bir patlamaya yol açtı. Her çevrimiçi işlem, sosyal medya etkileşimi veya IoT sensör okuması, günümüzde devasa veri havuzlarına katkıda bulunur.

Bazı örnekler:

  • Amazon gibi platformlar, alışveriş deneyimlerini kişiselleştirmek için e-ticaret verileri toplar.
  •  Twitter (Şimdiki adı ile X) ve Facebook gibi sosyal medya platformları, hedefli reklamcılık için kullanıcı davranışlarını analiz eder.
  •  IoT / Nesnelerin İnterneti sensörleri, ev sıcaklıklarından endüstriyel makine performansına kadar her şeyi izleyip veri olarak kaydeder.
  • Çekilen fotoğraf ve videolar da veri olarak değerlendirilir.
  • Bilgi İşlem Gücündeki İlerlemeler

Yapay zekânın hesaplama talepleri, kullanılabilir veri miktarı ve algoritmaların karmaşıklığıyla paralel olarak artmıştır. Neyse ki, donanım ve bulut teknolojilerindeki gelişmeler bu zorlukların üstesinden gelmiştir.

Donanım Yenilikleri:

  • GPU’lar (Grafik İşleme Birimleri) ve TPU’lar (Tensör İşleme Birimleri) gibi özel çipler, yapay zekâ işlemlerini devrimleştirerek daha hızlı model eğitimi ve yürütme imkanı sağlar. 3
  • ASIC’ler (Uygulamaya Özel Entegre Devreler), belirli yapay zekâ görevleri için yüksek performans sunarak niş uygulamalarda kullanılır.

Bulut Bilişim: Bulut teknolojisi, verilerin ve uygulamaların fiziksel bir cihazda (bilgisayar, telefon) saklanmak yerine internet üzerinden erişilebilen uzaktaki sunucularda depolandığı ve işlendiği bir sistemdir. Bu uzaktaki sunucuları (server) sağlayan şirketler genellikle Amazon, Google gibi teknoloji devleridir. Yapay zekâ, büyük veri setlerini eğitim ve tahmin süreçlerinde yoğun bir şekilde kullanır. Bulut bilişim, ölçeklenebilir ve uygun maliyetli depolama çözümleri sunarak büyük miktarda yapılandırılmış ve yapılandırılmamış veriyi toplama, yönetme ve analiz etme işini kolaylaştırır. Ölçeklenebilir ve talebe bağlı bulut kaynaklarının ortaya çıkışı, güçlü yapay zekâ araçlarına erişimi kolaylaştırmıştır. Şirketler artık karmaşık sinir ağlarını çok daha kısa bir sürede eğitebilmektedir.

  • Gelişmiş Algoritmalar

Yapay zekânın yeteneklerindeki sıçrama, büyük ölçüde temel algoritmalarındaki ilerlemelere bağlanabilir. Bu gelişmeler, yapay zekânın doğal dili anlamaktan (örneğin: ChatGPT) karmaşık bilimsel sorunları çözmeye kadar geniş bir yelpazede başarı elde etmesini sağlamıştır.

Atılımı Sağlayan Algoritma Mimarileri:

  • Transformers, Doğal Dil İşleme (NLP) alanında devrim yaratarak OpenAI’ın GPT modelleri gibi araçları güçlendirmiştir.
  • Konvolüsyonel Sinir Ağları (CNN’ler), görüntü tanıma görevlerinde mükemmel performans sergiler.
  • Pekiştirmeli Öğrenme, otonom araçlar gibi dönüm noktası başarılarına ve robotik alanındaki ilerlemelere öncülük etmiştir.

Etkilerin Örnekleri:

  • GPT modelleri, dil anlama yeteneklerini geliştirerek sohbet botları ve içerik üretimini daha etkili hale getirir.
  • AlphaFold, protein yapılarını tahmin etme yeteneğiyle biyolojik araştırmaları ve ilaç keşfini devrimleştirmiştir.
  •  E-Ticaretten hassas tarıma kadar geniş bir yelpazede uygulamalar vardır.
  • Uygunluk ve Erişilebilirlik

Yapay zekânın Ar-Ge faaliyetlerinden çıkıp günümüz iş dünyasının her alanında her ölçekte işletme için erişilebilir bir araca dönüşümü maaliyetlerin uygunluğu ve bu teknolojiye erişilebilirlikle açıklanmaktadır:

Düşük Maliyetler: TensorFlow ve PyTorch gibi açık kaynaklı çerçevelerin varlığı, yapay zekâ projelerine giriş maliyetlerini büyük ölçüde azaltmıştır.

Önceden Eğitilmiş Modeller: Geliştiriciler, önceden eğitilmiş modellerden yararlanarak yapay zekâ uygulamalarını devreye almak için gereken süreyi ve uzmanlığı azaltmaktadır.

Hizmet Olarak Yapay Zekâ Platformları (AI-as-a-Service):

  • AWS AI Services ve Google Cloud AI gibi platformlar, küçük ve orta ölçekli işletmelerin (KOBİ) yapay zekâyı entegre etmesini kolaylaştırmaktadır.
  • İşletmeler, altyapıya değil yeniliklere odaklanarak, yapay zekâ araçlarını minimum başlangıç maliyetiyle kullanabilir.

Yapay zekâ, veri mevcudiyeti, bilgi işlem gücü, algoritmik yenilikler ve uygun maliyetli araçların benzersiz bir uyumuyla desteklenen bir teknolojik devrimdir. Bu faktörler, bu araçları kullanan bireylerin ve her ölçekte işletmenin yapay zekânın potansiyelini kullanarak rekabet avantajı elde etmesini ve operasyonları optimize etmesini sağlamaktadır. İlerlemeler devam ettikçe, yapay zekâyı benimsemeye yönelik engeller daha da azalacak ve bu da daha geniş uygulamalar ve daha büyük toplumsal etkiler için bir yol açacaktır. Yapay zekânın geleceği yalnızca yenilikle ilgili değil; aynı zamanda kapsayıcılık ve dönüşümle de ilgilidir.

Ar-Ge 500 Araştırması