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.