2023 Çok Farklı Olacak
*Sürekli olarak, nirengi noktası olarak bahsettiğim milenyum yılı kabul edilen 2000’den zamanımıza geçen 22 yılda teknoloji sektöründe her yeni yıl bir öncekinden iyi oldu. Pandemi bile ülkeleri teknolojik olarak geri götüremedi. Bu yıl öngörülerime göre değişimin tamamlanması için son yıl. 2024 tamamen alışmaya çalışacağımız bir yıl olacak. GPT kullanımı geçilemeyecek bir rekordu.
**Çip krizinde ülkeler çözüm bulmaya çalışırken ABD kendi üretim yerini yaparak gelecek yıl çözüm olacak. Euro7 ve sonrasında Euro8 ile emisyon sıfırlanacak. Özellikle yazılım konusunda ülke olarak gelişmemiz çok yavaş. Otomotiv sanayisi için bakım, yenileme gibi konularda eski araçlara kalacak gibiyiz. ABD işi kökten çözmek için 2 yıllık ciddi bir bütçe ile bu işi çözecek. Çin ise karşı atağını 1 yıl içinde 143 milyar$’lık bütçe ayırarak çözeceğini iddia ediyor. Bu yapılanlar uzun soluklu robot ve yapay zekâ teknolojileri kullanımının artacağına işaret.
***Yapay zekâ (AI) dünyasında GPT-3 olarak bilinen yeni geliştirilen bir teknoloji etrafında büyük bir heyecan var. Basitçe anlatmak istersem, bir dil yapısına insan veya makine diline sahip içerik oluşturmada kendisinden önce gelen her şeyden daha iyi olan bir yapay zekâdır. GPT-3, Elon Musk tarafından ortaklaşa kurulan bir araştırma şirketi olan OpenAI tarafından üretilmiştir ve yapay zekâdaki en önemli ve faydalı gelişmedir. Tam olarak ne yaptığı ve arkasındaki temel mantığı anlamak isteyen teknik bilgisi olmayanlar için onu basit terimlere tanımlayayım. GPT-3, Generative Pre-trained Transformer 3 önceden öğretilmiş elektrikli devre gelir. Yapay zekâ uygulamalarının genel kategorilerine uyması açısından GPT-3, bir dil tahmin modelidir. Bu, tek bir dili alır ve onu kullanıcı için en yararlı aşağıdaki dil olduğunu tahmin ettiği şeye dönüştürmek için tasarlanmış algoritmik bir yapı olduğu anlamına gelir. Bunu, kendisini "ön eğitmek" için kullanılan geniş metin gövdesi üzerinde gerçekleştirdiği eğitim analizi sayesinde yapabilir. Ham durumunda eğitilmemiş diğer algoritmaların aksine OpenAI, GPT-3'ün dillerin nasıl çalıştığını ve yapılandırıldığını anlaması için gerekli olan muazzam miktarda bilgi işlem kaynağını zaten harcamıştır. Cümleler gibi dil yapılarının nasıl oluşturulacağını öğrenmek için semantik analitiği kullanır sadece sözcükleri ve anlamlarını incelemekle kalmaz, aynı zamanda metinde kullanılan diğer sözcüklere bağlı olarak sözcüklerin kullanımının nasıl farklılık gösterdiğine dair bir anlayış da toplar. Aynı zamanda denetimsiz öğrenme olarak adlandırılan bir makine öğrenimi biçimidir çünkü eğitim verileri, denetimli öğrenmede olduğu gibi neyin "doğru" veya "yanlış" yanıt olduğuna dair herhangi bir bilgi içermez. Çıktının kullanıcının ihtiyaç duyduğu şey olma olasılığını hesaplamak için ihtiyaç duyduğu tüm bilgiler eğitim metinlerinden toplanır.
Bu, kelimelerin ve cümlelerin kullanımını inceleyerek, sonra onları parçalara ayırarak ve kendilerini yeniden inşa etmeye çalışarak yapılır. Eğitim verilerindeki tüm metni anlamlı bir dilde düzenlenmiş yüz milyarlarca kelime tarar ve orijinal ifadeyi yeniden oluşturmak için hangi kelimeyi kullanması gerektiğini belirler. Başlangıç olarak, muhtemelen yanlış anlayacaktır potansiyel olarak milyonlarca kez. Ama eninde sonunda doğru kelimeyi bulacaktır. Orijinal girdi verilerini kontrol ederek, doğru çıktıya sahip olduğunu bilecek ve doğru yanıtı sağlayan algoritma sürecine "ağırlık" atanacaktır. Bu, gelecekte hangi yöntemlerin doğru yanıtı verme olasılığının yüksek olduğunu yavaş yavaş "öğrendiği" anlamına gelir.
Bu dinamik sürecin ölçeği, GPT-3'ü şimdiye kadar oluşturulmuş en büyük yapay sinir ağı yapan şeydir. Dil tahmininin dönüştürücü modelleri uzun yıllardır ortalıkta olduğundan, bazı yönlerden yaptığı şeyin o kadar da yeni olmadığı belirtildi. Bununla birlikte, algoritmanın dinamik olarak belleğinde tuttuğu ve her bir sorguyu işlemek için kullandığı ağırlık sayısı 175 milyar, yani Nvidia tarafından üretilen en yakın rakibinden on kat daha fazla.
****Sonuç olarak; Operatör olmaktan öte kendi ihtiyaçlarımız için orijinal ürünler yapmamız gerekiyor. Geçen hafta özellikle profesörlerin yetersizliğine değindiğim gibi herkes kendi durumunu sorgulamalıdır. Marka olmak gözüktüğünden çok daha zordur. Oluşturduğun tarz, genel kitleye hitap ediyorsa sadık kitle elde edilir sonrasında ise büyümeye gelir. Lokal çözümlerin teknolojide iş yapmadığı artık anlaşılmıştır.
