Yapay zeka üzerine konuşup duruyoruz, ancak kullanılan teknolojileri ayrıştırma, AI modellerini tanıma, gelecek trendlerine daha iyi bir bakış için bugünkü jargondan ve diyalogdan biraz daha fazlasına ihtiyacımız var. Klişeleri bir kenara bırakıp, sinirsel ağlar nasıl çalışır, işlem gücü yeterli mi, yapay zeka kullanmak için ne kadar teknik bilgi gerekiyor gibi soruların yanıtlarını araştırdık...
Yapay zeka, insan zekasının net bir tanımına dayanarak bunu makinelere uygulamak için 1955 yılında akademik hayata giriş yaptı. Günümüze geldiğimizde, yapay zeka teknolojilerini üç katmanda incelemek mümkün. Bugün yapay zeka örneklerinin çoğu derin öğrenme olarak da adlandırılan derin sinirsel ağlar sayesinde ortaya çıkıyor.
Makine nasıl karar veriyor?
Bunlar için makinelerin karar verme mekanizmalarını etkinleştiren algoritmalar kullanılıyor. Bu algoritmalar arasında yapay sinirsel ağlar, Bayezyen çıkarımlar ve evrimsel bilişim yer alıyor. Yapay sinirsel ağlar, katman sayısına ve sinir uçlarının birbirine nasıl bağlandığına bakılarak kategorilere ayrılıyor. Algoritmaları çalıştırmak için ne gerekiyor? İkinci katman, bu algoritmaları çalıştıracak bilişim teknolojilerinden oluşuyor. Bilişim gücünü artıran sistemler, yapay zekanın şu anki etkisini güçlendiriyor ve 2010’ların başından bu yana hayatımızdaki derin öğrenme sistemleri, yapay zekanın görünür etkilerini ortaya çıkartıyor. Temel uygulamalar Belirli alanlarda uygulamaya dökülen algoritmalar ise en üstteki katman ve destekli öğrenme, bilgisayar görüşü, makine görüşü, doğal dil işleme (NLP), tavsiye sistemleri olarak karşımıza çıkıyor.
Yapay zeka için eldeki işlem gücü yeterli değil çipler ise bu soruna çözüm olmayı hedefliyor. Bu çipler, merkezi işlemciye görev optimizasyonunda yardımcı oluyorlar. Bunun sonucunda merkezi işlemci hem kendi görevlerini yapabiliyor. Yeni yapay zeka teknolojileri işlem hızını artırmak ve karmaşık problemlerin üstesinden gelebilmek için bu çiplere ihtiyaç duyuyor. Facebook, Amazon ve Google gibi teknoloji devleri yapay zeka çiplerine yaptıkları yatırımları artırıyorlar. Bu sebeple, yakın zamanda bu çiplerde önemli gelişmeler görmeyi beklemek yanlış olmaz. Yeni nesil veri tabanları da daha hızlı sorgu yapabilme ve kestirimci analitik özelliklerini taşıyacaklar. Sağlık ve otomotiv gibi sektörler ise bu yeni çiplerin başlıca kullanıcıları olacak. Öğrenme verimliliğini artırmada grafik işlemciler kullanılacak Grafik işlemciler (GPU’lar), yapay zeka hızlandırıclı işlemcilerin ticari alanda en yaygın kullanılan örneklerinden birisi. Bir görüntüyü dokulandırmak basit bir işlem gücüne ihtiyaç duyabilir ama geniş bir kapsamda yapıldığında hızla Bilgisayarlar hızlandıkça derin öğrenmenin karmaşık problemleri çözmesi de kolaylaşıyor. Fakat var olan teknolojiyle faydaya ulaşmamız uzun zaman alabilir.
Bilgisayarların merkezi işlem gücü, yapay zekadaki gelişmelerin ilerlemesi için günümüzdeki en önemli darboğaz olabilir. Buradaki değişimin, daha karmaşık problemleri çözebilecek yapay zeka modellerinn önünü açması bekleniyor. Yapay zekaya özel çipler En gelişmiş merkezi işlemci bile bir yapay zeka modelinin verimliliğini tek başına artırmak için yeterli değil. Bilgisayar görüşü, doğal dil işleme ya da konuşma tanıma gibi işlemler için yüksek performanslı işlemcilere ihtiyaç duyuluyor. Yapay zeka destekli yeni nesil çipler ise bu soruna çözüm olmayı hedefliyor.
