top of page
Yazarın fotoğrafıWhy Funny?

YAPAY ZEKA GELİŞİMİNDEKİ SON NOKTALAR NELERDİR?

Modern dar yapay zeka, uzmanlıkları dahilinde belirli görevleri yerine getirmekle sınırlı olsa da, bu sistemler bazen insanüstü performans gösterebilir, hatta bazı durumlarda üstün yaratıcılık sergileyebilir, çoğu zaman özünde insan olarak kabul edilen bir özellik.

Kesin bir liste oluşturmak için çok fazla gelişme oldu, ancak bazı önemli noktalar şunları içeriyor:

· 2009'da Google, sürücüsüz Toyota Prius'un her biri 100 millik 10'dan fazla yolculuğu tamamlayarak toplumu sürücüsüz araçlara doğru bir yola sokabileceğini gösterdi.

· 2011 yılında, IBM Watson bilgisayar sistemi, ABD bilgi yarışması Jeopardy! , şovun ürettiği en iyi iki oyuncuyu yendi. Gösteriyi kazanmak için Watson, insan tarafından sorulan soruları yanıtlamak için işlenen geniş veri havuzlarında doğal dil işlemeyi ve analitiği kullandı, genellikle bir saniyeden de çok kısa bir sürede.

· 2012'de başka bir atılım, yapay zeka'nın daha önce herhangi bir makine için çok karmaşık olduğu düşünülen çok sayıda yeni görevin üstesinden gelme potansiyelini müjdeledi. O yıl, AlexNet sistemi ImageNet Büyük Ölçekli Görsel Tanıma Yarışmasında kararlı bir şekilde zafer kazandı. AlexNet'in doğruluğu, görüntü tanıma yarışmasında rakip sistemlere kıyasla hata oranını yarıya indirecek kadardı.


AlexNet'in performansı, sinir ağlarına dayalı öğrenme sistemlerinin gücünü gösterdi; makine öğrenimi için onlarca yıldır var olan bir model, ancak mimarideki iyileştirmeler ve Moore Yasası ile mümkün kılınan paralel işlem gücündeki sıçramalar sayesinde sonunda potansiyelini fark eden bir model. Makine öğrenimi sistemlerinin bilgisayarla görüş gerçekleştirmedeki hüneri, Google'ın bir internet favorisini tanımak için bir sistemi, kedi eğitmesiyle o yıl manşetlere çıktı.

Makine öğrenimi sistemlerinin etkinliğinin halkın dikkatini çeken bir sonraki gösterimi, Google DeepMind AlphaGo yapay zeka'nın, karmaşıklığı on yıllardır bilgisayarları şaşkına çeviren eski bir Çin oyunu olan Go'da bir insan büyük usta üzerindeki 2016 zaferiydi. Go, Satrançta yaklaşık 20 hamleye kıyasla, tur başına yaklaşık 200 hamleye sahiptir. Bir Go oyunu boyunca, hesaplama açısından çok maliyetli olan en iyi oyunu belirlemek için her birini önceden araştıran pek çok olası hamle vardır. Bunun yerine AlphaGo, 30 milyon Go oyununda insan uzmanların oynadığı hamleleri alarak ve onları derin öğrenme sinir ağlarına girerek oyunu nasıl oynayacağı konusunda eğitildi.

Bu derin öğrenme ağlarını eğitmek çok uzun zaman alabilir ve sistem en iyi sonucu elde etmek için yavaş yavaş modelini iyileştirdiği için çok büyük miktarda verinin alınmasını ve yinelenmesini gerektirir.


Ancak, daha yakın zamanda Google, kendisine karşı "tamamen rastgele" oyunlar oynayan ve daha sonra ondan öğrenen bir sistem olan AlphaGo Zero ile eğitim sürecini iyileştirdi. Google DeepMind CEO'su Demis Hassabis, AlphaGo Zero'nun satranç ve shogi oyunlarında ustalaşmış yeni bir sürümünü de tanıttı.

Ve yapay zeka yeni kilometre taşlarını geçmeye devam ediyor: OpenAI tarafından eğitilen bir sistem, çevrim içi çok oyunculu oyun Dota 2'nin bire bir maçlarında dünyanın en iyi oyuncularını mağlup etti.


Aynı yıl, OpenAI, iş birliği yapmak ve hedeflerine daha etkili bir şekilde ulaşmak için kendi dillerini icat eden yapay zeka robotlarını yarattı, ardından Facebook eğitim robotlarını müzakere etmek ve yalan söylemek için takip etti.


2020, bir yapay zeka sisteminin, aklınıza gelebilecek hemen hemen her konuda bir insan gibi yazma ve konuşma yeteneğini kazandığı yıl oldu.


Generative Pre-trained Transformer 3 veya kısaca GPT-3 olarak bilinen söz konusu sistem, açık ağda bulunan milyarlarca İngilizce makale üzerinde eğitilmiş bir sinir ağıdır.

Kar amacı gütmeyen kuruluş OpenAI tarafından test için kullanıma sunulduktan kısa bir süre sonra, internet, GPT-3'ün kendisine beslenen hemen hemen her konuda makaleler üretme yeteneğiyle dolup taştı, ilk bakışta genellikle zor olan makaleler. Bir insan tarafından yazılanlardan ayırt edilir. Benzer şekilde, çok çeşitli konulardaki soruları ikna edici bir şekilde yanıtlama ve hatta acemi bir JavaScript kodlayıcıyı geçme yeteneğiyle diğer alanlarda da etkileyici sonuçlar elde edildi.


Ancak, GPT-3 tarafından oluşturulan birçok makalenin gerçeğe benzer bir havası olsa da, daha ileri testler, oluşturulan cümlelerin genellikle başarılı olmadığı, yüzeysel olarak makul ancak kafa karıştırıcı ifadeler ve bazen de tamamen saçma sapan ifadeler sunduğunu tespit etti.


Gelecekteki hizmetlerin temeli olarak modelin doğal dil anlayışını kullanmaya hâlâ büyük ilgi var. Öyle ki OpenAI beta API üzerinden yazılımına yapı geliştiricilerin seçmek için kullanılabilir. Ayrıca, Microsoft'un Azure bulut platformu aracılığıyla sunulan bilgiler gelecekteki hizmetlere dahil edilecektir.


Belki de yapay zekanın potansiyelinin en çarpıcı örneği, Google'ın dikkat tabanlı sinir ağı AlphaFold 2'nin bazılarının Nobel Kimya Ödülü'ne layık gördüğü bir sonucu gösterdiği 2020'nin sonlarında geldi.

Sistemin, amino asitler olarak bilinen bir proteinin yapı taşlarına bakma ve proteinin 3D yapısını türetme yeteneği, hastalıkların anlaşılma ve ilaçların geliştirilme hızını derinden etkileyebilir. Protein Yapısı Tahmininin Kritik Değerlendirmesi yarışmasında AlphaFold 2, proteinlerin inandırıcı bir şekilde modellenmesi için altın standart olan kristalografiye rakip bir doğrulukla bir proteinin 3D yapısını belirledi.


Sonuç vermesi aylar süren kristalografiden farklı olarak AlphaFold 2, proteinleri saatler içinde modelleyebilir. İnsan biyolojisi ve hastalıklarında bu kadar önemli bir rol oynayan proteinlerin 3D yapısıyla, bu tür bir hızlanma, enzimlerin biyoteknolojide kullanıldığı diğer alanlardaki potansiyel uygulamalar bir yana, tıp bilimi için bir dönüm noktası olarak müjdelendi.



İlgili Yazılar

Hepsini Gör

Comments

Rated 0 out of 5 stars.
No ratings yet

Add a rating
bottom of page