Yapay zekâ son birkaç yılda büyük bir potansiyelinin olduğunu ve umut verici vaatlerini bizlere gösterdi. Ancak yaşadığımız bu zorlu yılda beklenmedik gelişmeler normalde yıllar sürecek inovasyonu birkaç aya sığdıran hızlı bir dijital dönüşümü zorunlu hale getirdi. Bu karmaşa şirketlerin Yapay Zekâ dâhil olmak üzere tüm yeni teknolojileri göz açıp kapayıncaya kadar dönüştürmesine ve benimsemesine neden oldu.
Yapay zekâ uzmanları bu eğilimin yavaşlamayacağını aksine daha da hızlanacağını tahmin ediyor. Yapay zekâ alanında çalışan uzman insanlar, 2021 ve sonrasında önemli ölçüde genişleme ve gelişme yaşanacağını tahmin ediyor. Forbes dergisi şirketlerin yapay zekâ, makine öğrenimi ve otomasyon ile deneyler yapabildiği önceki yıllarla karşılaştırıldığında, 2020’nin en önemli yıl olduğunu kanıtladı.
ThinkML sitesi, 2020’de yapay zekâdan büyük ölçüde yararlanan birçok benzersiz platform, araştırma ve aracın hızlandırılmış dağıtımına tanık olurken, 2021’in çok daha fazlasını sunmasını bekliyor ve yapay zekâ uygulamalarının altın yılı olarak adlandırılıyor.
Sonuç olarak 2021, dijital çağda oluşumu anlamak, verimlilik ve maliyet etkinliği sağlayan birçok yapay zekâ uygulamasının piyasaya sürülmesiyle oluşan yapay zekâ büyümesi ile anılacak. Hayatımızın tüm yönlerine nüfuz etmeye devam edecek olsa da, bu alanlar 2021’de yapay zekânın en büyük etkiye sahip olacağı tahmin edilen alanlardır.
Aşağıdaki menüye tıklayarak 2021 Yılı Yapay Zekâ Tahminleri hakkındaki tüm detaylara hızlıca ulaşabilirsiniz.
İÇİNDEKİLER:
- Hiper Otomasyon
- AIOps – Yapay Zekâ Mühendisliği
- Yapay Zekâ ve Nesnelerin Internetinin AIoT’ye Yakınsaması
- Yapay Zekâ Sisteminin Toplam Maliyeti
- Edge AI
- Yapay Zekâ Teknolojileri Hakkındaki Sorular
- Açıklanabilir Yapay Zeka
- Birleşik Öğrenme
- Yapay Zekâ Yeteneği Savaşı ve Büyüyen Yapay Zekâ Bölünmesi
- GPT-3’ün haricinde NLP’de ki büyük ilerleme
- Denetimsiz öğrenme için minimum miktarda açıklamalı veri
- Yapay Zeka Hizmetleri
Hiper Otomasyon
Hiper otomasyon, Gartner 2021 için En İyi Stratejik Teknoloji Trendleri’ndeki yerini aldı. Bunun arkasındaki fikir, bir organizasyonda otomatikleştirilebilecek her şeyin o teknolojiye sahip olması gerektiğidir. İşletmeler yapay zekâya güvenerek çok iş yapmak ve internet teknolojisi sürecini otomatikleştirmeyi hedefleyecektir. Esas olarak pahalı ve kapsamlı sorunlar yaratan, modernize edilmemiş eski iş süreçleri tarafından yönlendirilir. Fakat pandemi süreci CRN ile ilgili olarak “dijital süreç otomasyonu” ve “akıllı süreç otomasyonu” olarak da bilinen hiper otomasyon uygulamasını hızlandırdı.
Yapay zekâ çözümleri, gerçek zamanlı güncellemeler sağlayan iş süreci ve işleyen stratejileri yeniden tanımlamaya yardımcı olurken bu süreci akıllı teknolojilerine ve dijital iş gücüne katkı sağlayacaktır.
AIOps – Yapay Zekâ Mühendisliği
Gartner dergisinde ki bir araştırma, yapay zekâ projelerinin yalnızca %53’ünün prototipten tam üretime başarıyla geçtiğini ortaya koyuyor. BT(Bilgi Teknolojisi) liderleri ve başkanları yeni Yapay Zekâ sistemlerini devreye almakta zorlanıyorlar çünkü üretim düzeyinde bir yapay zekâ düzeni oluşturmak ve yönetmek için gerekli araçlara sahip değiller. Bu da sistem sürdürülebilirliğini, ölçeklenebilirliğini ve denetimini sağlamakta sorunlara yol açıyor. Bu nedenle yapay zekâ girişimleri bir yerde rafa kaldırılır ve yatırım getirisi elde edemez.
Yapay zekâ üretimiyle başarılı olmanın, makine öğrenimi veya bilgi grafikleri gibi çok çeşitli yapay zekâ ve karar modellerinin ilerleyişine odaklanan AIOps uygulamasına yönelmenin gerekliliği anlaşılmaya başlandı. Şirketler yapay zekâ yatırımlarının tam değerini sunarken, yapay zekâ modellerinin performansını, ölçeklenebilirliğini, yorumlanabilirliğini ve güvenilirliğini kolaylaştırmanın anahtarının sağlam bir yapay zekâ mühendislik stratejisi olduğunu anlamaya başlıyor. Yapay zekâ mühendisliği – AIOps, üç ayrı temele dayanır – DataOps, ModelOps ve DevOps. Yapay zekânın ön planda olduğu hızlı BT Operasyonları ortamına ayak uyduran AIOps, insanların dikkatlerini otomatikleştirilemeyen sorunları çözmeye odaklayabilmeleri için iş akışına otomasyon ekleyerek üretkenliği artırmayı hedefliyor.
Yapay Zekâ ve Nesnelerin Internetinin AIoT’ye Yakınsaması
Yapay zekâ uzmanları AIoT’nin yeni bir terim olmadığını söylüyor. Yapay zeka ve nesnelerin interneti arasında bir bağlantı olduğunu göreceğiz. Geçmişte nesnelerin interneti akıllı cihazlardan verileri izleyip toplayabiliyordu. Bir denkleme yapay zekânın eklenmesi, AIoT sistemlerinin kapıları kilitlemek, trafiği yeniden yönlendirmek, ev içi hava sıcaklıklarını düşürmek, ışıkları kapatmak vb. gibi insan müdahalesi olmadan eylemler yapmasını, görevleri tamamlamasını ve verilere dayanarak öğrenmesini sağlayacaktır.
Yeni trendler teknoloji endüstrisine hâkim olmaya başladı ve birçok durumunda kullanılabilirler. Araştırmalar, ABD’deki evlerin % 28’inin 2021 yılına kadar akıllı evler haline gelebileceğini gösteriyor. AIoT, verilerin güvenlik, geliştirilmiş sürdürülebilirlik uygulamaları, iyileştirilmiş müşteri deneyimi, gerçek zamanlı teklif optimizasyonu vb. sağlamak için kullanılacağı akıllı binalar, şehirler ve perakende ortamlarında da yerini bulacaktır.
AIoT ayrıca endüstriyel otomasyonun geleceğini yeniden şekillendirecek ve Endüstri 4.0 devrimine öncülük edecek. Forbes raporuna göre, otomotiv, havacılık, finans, sağlık hizmetleri, üretim ve tedarik zinciri dâhil olmak üzere hemen hemen her endüstriyi etkileyecek.
Yapay Zekâ Sisteminin Toplam Maliyeti
Birkaç yıl önce yalnızca Google, Facebook ve Amazon gibi büyük teknoloji şirketleri yapay zekâ tabanlı çözümler geliştirebilirdi. Günümüzde bu teknoloji, şirketlerin büyük çoğunluğu için daha erişilebilir hale geliyor. Çok çeşitli ve uygun fiyatlı makine öğrenim araçları, sistemleri ve kitaplıkları geliştirmenin bir sonucu olarak, yapay zekâ tabanlı çözümlerin ve makine öğrenimi tarafından desteklenen projelerin sayısı katlanarak artıyor.
Yapay zekânın vaatlerinden ve avantajlarından etkilenen işletmeler, iş süreçlerini otomatikleştirmek ve optimize etmek için yapay zekâ teknolojilerini uygulamak istiyorlar. Şirketlerin yakın zamandaki odak noktası, bir yapay zekâ çözümü oluşturmanın ve sürdürmenin toplam maliyetinin ne olacağına doğru kaymaya başladı. Uygun fiyatlı olmasına rağmen, yapay zekâ tabanlı çözümler ucuz olmaktan uzaklaşabiliyor. Çeşitli faktörler ve hususlar genel maliyeti etkiler ve bir yapay zekâ projesine başlamadan önce bunların dikkate alınması gerekir. 2021’de yapay zekânın maliyet sorunu daha da ilgi odağı olacak.
Edge AI
Yapay zekâ ve nesnelerin internetinin birleşmesi teknoloji endüstrisini nasıl bozduğundan ve çeşitli alanlarda nasıl etkili olduğunu yukarıda belirtmiştik. Ancak karar verme sürecini daha da hızlandırmak, verileri güvenli bir şekilde analiz etmek, kontrolsüz gecikmeyi önlemek ve ağ bağlantılarını kontrol etmek için sürekli bir ihtiyaç vardır. Bu zorlukları çözmek için yapay zekâ, Edge Computing ile yapay zekâyı tek bir sistemde birleştiren Edge AI’ya başlıyor.
Edge AI, akıllı bir cihaz tarafından yapay zekâ algoritmaları ve uç bilgi işlem kullanarak cihazın yakınındaki sunucuda oluşturulan veri işlemeyi etkinleştirir. Edge AI cihazları, akıllı hoparlörler, akıllı telefonlar, dizüstü bilgisayarlar, robotlar, kendi kendine çalışan arabalar, dronlar, video analizi kullanan gözetleme kameraları vb. için geçerlidir. Bu cihazın avatajı verileri işlemek için internete bağlı olması gerekmiyor ve milisaniyeler içinde gerçek zamanlı olarak görev açısından kritik kararlar alabiliyor olmasıdır.
Yapay Zekâ Teknolojileri Hakkındaki Sorular
2020’deki birkaç olay, yapay zekâ ile ilgili etik sorular açısından bir dalgalanma etkisi yarattı. ABD’nin yıl ortasında ırkçı önyargıya karşı protestoları, yüz tanıma teknolojisinin düzensiz kullanımı hakkındaki tartışmaları arttırdı. Yanıt olarak Microsoft, IBM ve Amazon gibi önde gelen teknoloji şirketleri, yapay zekâ tabanlı yüz tanıma teknolojilerinin polisler tarafından kullanımını sınırlayacaklarını duyurdu. CBS News Gözetim Teknolojisi Gözetim Projesi’nin yönetici direktörü Albert Fox Cahn, “Korunan faaliyetlerde bulunmanın, en temel haklarınızı kullanmanın sizi bir polis veri tabanına götürebileceğini düşünmek son derece ürpertici” dedi.
Yüz tanımanın insan hakları üzerindeki tartışmalı etkisinin yanı sıra, çok sayıda örnek yapay zekâ uygulamaları etik soruları akla getirdi. Büyük dil modellerinin risklerini ortaya koyan bir araştırma makalesinin yayınlanmasıyla ilgili uzun süreli bir anlaşmazlığın ardından Google’ın etik yapay zekâ yardımcı liderlerinden biri olan Timnit Gebru’yu görevden alması buna en büyük örnek oldu. Gebru’nun yazdığı makale de çevresel ve finansal maliyetleri, belgelenmemiş verileri, anlaşılmaz modelleri, araştırma maliyetlerini ve yapay zekâ hakkında yanlış bilgi tehlikelerini özetliyor.
Henüz pek çok etik soru tartışılmamış ve çözülmemiş olsa da, Google örneği Pandora bunun için mesaj kutusunu açtı. 2021 ve sonrasında bunun etkilerini çok iyi gözlemleyeceğiz.
Açıklanabilir Yapay Zeka
Veri bilimcilerin ilgili kişilerden, düzenleyicilerden ve son kullanıcılardan herkes arasında güven oluşturmasına ve modellerini daha iyi anlamasına ve performans konusunda güven sınırları sunmasına yardımcı olur. Bunlar KDNuggets ile ilgilidir.
Bazı uzmanlar modelin açıklanabilirliğinin 2021’de ana akım haline geleceğini umuyor olsa da, diğerleri karşıt görüşü savunmaktadır. Çoğu yapay zeka modeli, açıklanabilirlik üzerine tasarlanmamıştır ve modellerin tasarımcıları dahi nasıl olduğunu açıklayamaz. ABI Research for Digiconasia’nın Baş Analisti Lion Jye Su, yapay zekânın bir sonuca ulaştığını söyledi.
Google gibi önde gelen Yapay Zekâ tedarikçileri, açıklanabilir yapay zekâ için geliştirme araçları ve çerçeveler sundu. Ancak Lion Jye Su, bu çözümlere bağlı olarak oluşturulan yapay zekânın kitlesel ticarileştirme için yeterince gelişmiş olmadığını belirtiyor.
Birleşik Öğrenme
Makine öğrenimi alanında son birkaç yılda büyük gelişmeler oldu. Bunun bir örneği, 2017’de Google AI tarafından tanıtılan “birleşik öğrenme” adı verilen makine öğreniminin yinelemesidir. Birleşik öğrenme, uç cihazların varsayılan olarak verileri ve gizliliği merkezileştirmeden makine öğrenimini kullanmasını sağlar. Milyarlarca telefon ve nesnelerin interneti cihazıyla üretilen veriler, daha iyi ürünler ve daha akıllı modeller sağlamak için kullanılabilir.
Bu eğitilmiş modeller daha sonra cihazlardan toplandıkları merkezi sunucuya, yani ortalama ağırlıklara gönderilir. Ve daha sonra tek bir birleşmiş ve geliştirilmiş global model cihazlara geri gönderiliyor diyor ODSC – Open Data Science.
Uzmanlar, 2021’de Yapay Zekânın özellikle sağlık hizmetleri, sigorta ve bankacılık hizmetlerinde ölçeklenmesini sağlamak için bir çözüm olarak Farklılaştırılmış Gizlilikle Birleşik Öğrenimin artan gelişimini göreceğimizi öngörüyor.
Yapay Zekâ Yeteneği Savaşı ve Büyüyen Yapay Zekâ Bölünmesi
Yetenek savaşı, son birkaç yılda yoğun bir şekilde artış gösterdi. Yapay zekâ ve makine öğrenimi çözümlerinin şirketler tarafından yaygın bir şekilde benimsendiği düşünüldüğünde, birinci sınıf yapay zekâ yetenekleri arz sıkıntısı çekiyor.
Peter Bendor-Samuel Forbes’te, yeni yıla girerken, isteğe bağlı harcamalar artsa bile çoğu şirketin hala gerileme ve kesintilerle karşı karşıya olduğunu belirtiyor. Yine de pazardaki yetenek kıtlığı nedeniyle ortaya çıkan bir dizi fırsatla karşılaşabilirler. Ayrıca, 2020’de kapasitelerini aşırı derecede azaltan şirketlerin, 2021’de kendilerini önemli derecede yetenek eksikliği içinde bulacaklarını da sözlerine ekliyor.
Bununla birlikte şirketler bu gerçeği anlamaya başlıyor ve pazarda çok ihtiyaç duyulan yetenekleri çekmek için stratejiler tasarlıyorlar.
Manish Bahl’in Cognizant’ta tanımladığı gibi, Yapay Zekâ yeteneğine yönelik savaşa paralel olarak, bilgisayarlara ve internete erişebilenler ile erişemeyenler arasındaki boşluk “yapay zekâ bölünmesi” dir. Yapay Zekâ daha yaygın hale geldikçe ve geliştikçe, kazananların ve kaybedenlerin, yapay zekâ teknolojilerine ne düzeyde erişime sahip olduklarına ve bunları nasıl kullanacaklarına göre belirleneceğini belirtiyor. Yapay zeka bölünmesinin büyüyüp büyümeyeceği, onu altyapı, beceriler, bilgi boşlukları, araştırma kapasiteleri ve veri kullanılabilirliği açısından nasıl kapattığımıza bağlıdır. Ama bir şey kesindir; yapay zekâ ‘dan yararlanamayan şirketler kendilerini ayrımın yanlış tarafında bulacaklar.
GPT-3’ün haricinde NLP’de ki büyük ilerleme
OpenAI geçtiğimiz günlerde, iyi kurulmuş dil modelleri olan GPT-3’e (GPT, Üretken Önceden Eğitilmiş Transformatör anlamına gelir) önemli bir yükseltme sunan bir makale yayınladı.
GPT-3’ün iki sınırlaması vardır. İlki, sınırlı kaynak penceresidir. Yaklaşık 500-1000 kelime uzunluğundaki bu pencerenin ötesini göremez. Olasılık kaybı kullanılarak eğitilen tüm otomatik dil modellerinin paylaştığı ikinci sınırlama, serbest biçimli tamamlamalar oluştururken sonunda tekrarlayan anlamsız sözler döngülerine girme eğiliminde olmalarıdır.
Bununla birlikte, NLP alanında yapılandırılmamış verilerle (metin, ses, video) tahminler yapma konusunda bir atılım oldu. 2021 ve sonrasında daha zor hale geleceği beklenen bir trend. Son zamanlarda Google, Peltarion Araştırma Başkanı Anders Arpteg’in son AIAW Podcast bölümünde açıkladığı çok dilli bir transformatör modeli olan MT5 modelini piyasaya sürdü. MT5 modeli, son teknoloji performansıyla aynı anda yüzlerce dil için metin kullanımına olanak sağlıyor. Modelin metin sınıflandırması, soru cevaplama ve metin benzerliğinin yanı sıra yapabileceği şey, GPT-3 gibi metin üretebilmesidir. Ancak bunun tersine, şirketler MT5 modelini kendi verileriyle eğitebilir ve uygun kullanım durumları için çalışmasını sağlayabiliyor ki bu GPT-3 ile mümkün değildir.
Denetimsiz öğrenme için minimum miktarda açıklamalı veri
Anders Arpteg, makine öğrenimindeki diğer bir dönüm noktasının, denetimsiz öğrenmede açıklamalı veri miktarını en aza indirmeye ve ilerleme sağlamak için binlerce veya milyonlarca veri noktasına olan ihtiyacı ortadan kaldırmaya odaklandığını belirtti.
Veri açıklama maliyetini düşürmenin başka bir yöntemi, algoritmanın hangi örneklerin açıklamaya değer olduğunu önerdiği ve kullanıcının yalnızca seçilen örneklere açıklama eklediği aktif öğrenmedir. Yalnızca minimum miktarda veriye açıklama eklenirse, her şirket, verilere açıklama eklemenin yavaş ve maliyetli yollarından kaçınarak bu teknikleri kullanmaya başlayabilir. Anders, bu atılımın 2021’de NLP tekniklerinin daha geniş çapta benimsenmesini sağlayacak.
Yapay Zeka Hizmetleri
Yapay Zekâ yeteneklerine olan talep her geçen gün artıyor. Bununla beraber yetenek azaldıkça veri bilimcileri yapay zekâ hizmeti sunan şirketleri açmaya karar veriyor.
Yapay zekâ hizmetleri, SaaS iş modelini ve yapay zekâ hizmetlerini birleştirerek yapay zekâyı ağır bir fiyat etiketi olmadan kitlelere ulaştırmaya yardımcı olur. Forbes, 2020’de daha büyük bir ölçekte yükselişe geçtiğini gördü ve 2021’e kadar hızlanması bekleniyor. Forbes katılımcısı Daniel Newman, bunun yalnızca yapay zekanın süreçlere verimlilik ve optimizasyon getirmesinden değil, esas olarak dijital dönüşümün geleceğinin en son teknolojilerin demokratikleşmesine bağlı olmasından kaynaklanıyor.
Newman’ın belirttiği bir hizmet olarak yapay zekânın yaygınlaşmasının nedenlerinden bazıları, yapay zekâ talebinin artması, yapay zekâyı optimize etmek için gereken ekosistemin büyümesi, şirketlerin hızla yetişmesi ve KOBİ’lerin gelişmiş altyapıya minimum maliyetle ihtiyaç duymasıdır.
Bir hizmet olarak yapay zekânın en önemli avantajı, yapay zekâ uzmanlarının eksikliği ve pazarda giderek artan rekabet durumunda, şirketlerin yapay zekanın gücünü, onu yönetmek için uzmanlık satın almak zorunda kalmadan kullanmalarına olanak vermesidir.
Serra Nur Salim
Bunlar da ilginizi çekebilir
Yapay Zekâ, Gözünü Güneş’e Dikiyor
Yapay Zekâ 10 Farklı Şekilde Bu Şaşırtıcı Yetenekleri Gösterdi!
Robotlar ve Yapay Zeka Neden Bizi Ürkütüyor?
Çevrimiçi Eğitim İçin Açık Kaynaklı ve Düşük Maliyetli Bir Robotik Kol Geliştirildi
Yorumlar 5