Yapay Zeka dediğimiz bu teknoloji aslında kendi içinde oldukça detaylı. Ortaya ilk çıktığı yıllardan bugüne süren yolculuğunda kendi içinde makine öğrenmesi, yapay sinir ağları, derin öğrenme, doğal dil işleme, görüntü tanıma gibi bir çok alt çalışma dallarına ayrıldı. Bu alt dallar hem kendi kulvarlarında gelişmeler kaydederken diğer yandan da birbirleri ile etkileşerek yeni gelişmelere de vesile oluyorlar. Yapay Zeka’nın en temelindeki konu ise tıpkı bizim zihinlerimizde olduğu gibi bağlantılı ilişkiler kurmak ve bunlardan çeşitli çıkarımlar yapmak ve yaptığı çıkarımlardan da öğrenmek.
Buradan isterseniz OpenAI’yi ve yakın zamanda gerçekleşen gelişmeleri hatırlayalım. OpenAI, 2015 yılında Elon Musk ve Sam Altman tarafından kurulmuş, yapay zekayı (AI) insanlığa fayda sağlayacak şekilde geliştirmeyi amaçlayan, kar amacı gütmeyen bir araştırma şirketi. Kurulduktan sonra metin üreten bir sinir ağı algoritması olan GPT (Generative Pretrained Transformer -Ön İşlemeli Dönüştürücü) serisinde çalışmalara başlamıştı. İlk GPT modeli, Alec Radford, Karthik Narasimhan, Tim Salimans ve Ilya Sutskever’ın yazdığı “Improving Language Understanding by Generative Pre-training (Üretici Ön Eğitimle Dil Anlayışını İyileştirmek) ” başlıklı makalede dile getirmişti.
Yapılan çalışmalar, doğal diller ve bilgisayarlar arasındaki bağlantıyı sağlamayı hedefleyen, dil bilimi, bilgisayar bilimi gibi bölümleri ele alan doğal dil işleme alanı ile ilişkili. Günümüzde doğal dil işlemenin kullanıldığı çok sayıda uygulama var. Bu örneklerin en başında ise sorduğumuz herhangi bir soruyu anlayıp cevaplayabilen, istediğimiz müziği çalan Alexa ve Siri geliyor. Veri bilimi dünyasında ise doğal dil işleme metin sınıflandırma, duygu analizi, metin özetleri gibi farklı görevlerde kullanılıyor.
Open AI’nin 1.5 milyar parametreye dayanan dil modeli GPT 2, 40 GB boyutundaki bir internet metninde bir sonraki kelimeyi tahmin etmek için eğitilmişti. Bu işlemde kullanılan veri kümesi ise 8 milyon web sayfasından oluşuyordu. Çıktı olarak gerçekleştirdikleri ise soru yanıtlama, okuduğunu anlama ve açıklama dahil olmak üzere bazı dil görevlerinde, göreve özgü eğitim veri kümelerini uygulamadan bu görevleri ham metinden anlamaya başlaması olmuştu.
OpenAI, GPT-2 sonrasında 2019 yılında GPT-3 adını verdiği, GPT-2’nin geliştirilmiş üçüncü nesil hâli olan açık kaynaklı ve en hızlı NLP (doğal dil işleme) framework’ünü ortaya çıkardı. GPT 3, otomatik tamamlamayı gerçekleştirmek için tasarlanmış genel bir dil modelidir. 175 milyar parametresi bulunan ve 12 milyon dolara mal olan GPT-3, GPT-2’nin öğrenme kapasitesinin 2 katına sahip. 14 Mayıs 2020’de tanıtılan ve Temmuz 2020 itibarıyla beta aşamasında olan GPT-3, önceden öğretilmiş dil örnekleriyle doğal dil işleme (NLP) sistemini kullanmaktadır. Veri kümesinin %22’si İnternetteki verilerden, %16’sı şimdiye kadar yayımlanmış kitaplardan ve %3’ü Wikipedia’dan gelmektedir. GPT-3, yüz milyarlarca kelimenin yanı sıra CSS, JSX, Python’da kodlama yeteneğine sahiptir.Kategorize edilmemiş internet yazıları üzerine eğitilmiş olan algoritma, herhangi bir başlangıçtan sonra gelecek metinleri tahmin eden, insanların yazdığı metinlere benzer içerik üretmek için derin öğrenmeyi kullanan özbağlanımlı dil modelidir. Open AI istemine erişimi olan kullanıcıların aktarımlarına göre ise metin olarak tanımlanan ifadeleri anlayarak doğrudan tasarıma dökebiliyor. Örneğin, GPT-3 Algoritmasıyla geliştirilmiş bir web sitesi oluşturucusuyla, sadece yapmak istediklerinizi düz metin olarak yazmanız yeterli olabilecek. Çünkü daha önceden yapmış olduğu incelemelerden bunun nasıl yapılabileceğine dair oluşturduğu çıkarımları var.
Tüm bu çalışmalara baktığımızda yapay zekanın giderek tecrübelendiğini görüyoruz. Bu sayede de tahmin yapma gücü artıyor. Örneğin bir yemeği ilk kez yapmanız ile 30-40 defa yaptıktan sonrasındaki yaklaşımınızı düşünün. Artık bazı malzemeleri ölçe tarta koymazsınız. Buna rağmen göz kararı koyduğunuz miktarlar tahmin gücünüzün gelişmesi sebebiyle tutarlı olur. Bir diğer örneği de küçük bir çocuk için vereyim. Çocukla ne kadar iletişim kurulur, konuşulur hatta hikaye okunursa çocuğun konuşması, kurduğu cümleler ve ifade kabiliyeti o derece de güçlü olacaktır. Benzer durum yapay zeka içinde geçerli. Yapay zekanın tüm kaynağı da internetteki veriler. İnternet üzerindeki yazılı ve görsel tüm verilerden kendine bir pay çıkarıyor yani ilişkilendirmeler yapıyor. Böylece kendini geliştiriyor.
GELECEĞİMİZE VE YARATICILIĞA ETKİLERİ
Her ne kadar olumsuz kullanılabileceğine dair görüşler olsa da bu çalışmaların sağlayacağı pozitif kazanımlara odaklanmak daha umut verici diye düşünüyorum. Bu çalışmaların sonuçlarını kullanarak iyileştirilecek ve geliştirilecek sistemlerin insanların çalışmalarına destek olacak şekilde desteklenmesini tanımlayan “artırılmış zeka” konusu burada önem kazanıyor. Aslında bu kavram, dijital dünya için hep konuşulan ‘makine ve insan işbirliği’ ni içeriyor. Artırılmış zeka, yapay zekanın insanları atıl bırakması yerine, çeşitli görevleri gerçekleştirmeleri esnasında yapay zekadan sağlanacak katkılara ve bizim çalışmalarımızı destekleyici yönüne odaklanan bir yaklaşım. Bu amaçla geliştirilen sistemler ile çalışanların ve işletmelerin performansını, verimliliğini artırmaya yönelik katkı sağlamak amaçlıyor, özellikle de artırılmış yaratıcılık anlamıda.
İngilizce Augmented intelligence (AI), intelligence augmentation (IA) ve cognitive augmentation kelimelerini kapsayan bu kavram, Gartner’ın sözlüğünde, İnsan ve yapay zekanın, “insan odaklı” bir işbirliği sayesinde öğrenme, karar verme ve yeni deneyimler edinmeyi sağlayacak şekilde bilişsel performansın genişletilmesi olarak açıklanıyor. Aynı zamanda Gartner Hype Cycle, yani gelişim aşamasındaki teknolojiler 2019 grafiğinde de artırılmış zekaya iki ila beş yıl arasında gelişim gösterecek bir başlık olarak yer verilmişti. Bu grafiğin 2020 versiyonunda ise AI Augmented Development (Yapay Zeka ile Artırılmış Gelişim) olarak yer alıyor.
Oxon Industry Analysis firmasının yayınladığı “Global Augmented Intelligence Market Analysis to 2027″ raporuda yer alan CognitiveScale, Cosmo Tech, IBM Corporation, Microsoft Corporation, MondoBrain Inc., Qlik Technologies, Inc. ve SAP SE gibi yapay zeka çalışmalarında öncü firmaların da kendilerini bu alanda konumlandırmaya başladıklarını gösteriyor. Raporda “küresel artırılmış zeka pazarı” olarak tanımlanan bu alan, kendi içindeki yapay zeka çalışmalarının yer aldığı makine öğrenmesi, doğal dil işleme, uzamsal navigasyon, görüntü işleme ve makine görüşü gibi alt kategorilere ayrılıyor.
Yine ilaveten Gartner’ın tahminlerine göre 2021 yılında yapay zekanın artırılmış zeka anlamında kullanımıyla küresel bazda gerçekleşecek iş katma değeri 2,9 trilyon dolar olurken çalışanların verimliliğine sağlanacak katkıysa 6,2 milyar saat olacak.
Bu noktadan baktığımızda GPT-3’ün gelecekteki potansiyel kullanım alanlarının kavramsal düzeyde sohbet etme, dil tercümesi, e-posta yanıtlama, bazı programlama görevlerini yerine getirme, tıbbi teşhislerle yardımcı olma olarak sıralayabilirim. İlaveten işin yaratıcılık boyutunda da önemli faydalar sağlayabilir. Örneğin tekstil ve moda sektöründe yapılan araştırmalar, bir tasarımcının günlük çalışma zamanının üçte birinin farklı katalogları, koleksiyonları incelemek ve araştırma yapmakla geçtiği tespit edilmiş. Bu durum yaratıcılık için gereken zamanın büyük bölümünü çalıyor ve tasarımcı zamanının az bir kısmını yaratıcılığa ayırabiliyor. Oysa bir moda tasarımcısının ve ya bir mimari tasarımcının GPT 3 denemelerinde olduğu gibi zihinlerinde oluşturdukları bir tasarımı bilgisayara yazılı aktardıklarında sistemin ona bir tasarım sunduğunu, tasarımcıların bunun üzerinde yapacakları düzenlemeler ile ilerlediklerini düşünün. Bu durumun sonucunda da ne insanın ne de makinenin tek başına hayal bile edemeyeceği derecede çok yaratıcı işlerin ortaya çıkması sağlanabilir.
Ecehan Ersöz
Teknoloji ve Marka Danışmanı
