Nice Mutlu Senelere!

Merhaba sevgili okurlarımız, bu yazımda ilginizi çekeceğini ve faydalı bulacağınızı düşündüğüm bir konuya odaklanmak yerine size seslendiğim, bir yıl boyunca işlediğim konulara hızlıca bir dönüş yapacağım. Çünkü Yapay Zeka bu arada hiç hız kesmedi ve sizinle paylaşmak istediğim birçok gelişme var.
Arkadaşım Robot
Robot teknolojisi ve robotların kullanım alanları ile ilgili yazım en yeni yazılarımdan biriydi ama yine de bu kısa sürede inanılmaz heyecan verici gelişmelere şahit olduk. Bu konudaki yazımdan sadece birkaç gün sonra da Vinci Cerrahi Sistemi ile elde edilen inanılmaz bir başarı duyuruldu. John Hopkins ve Stanford Üniversiteleri’ndeki araştırmacılar, taklit ederek öğrenme (imitation learning) adlı pekiştirmeli öğrenme ile benzer yönleri olan bir metot ve yüzlerce saatlik ameliyat videosu kullanarak ameliyatlarda gerçekleştirilen üç önemli görevi da Vinci’ye kendi kendine yapmayı öğrettiler. Dahası, bu sistem hatalarını kendisi düzeltmeyi de öğrendi.
Çin’de Erbai isimli bir robot, önceden planlanmış bir deney kapsamında “diğer robotları eve getirmek” için görevlendirildi. Deney, bir sergi salonunda yapıldı ve “ev” de sergi salonun çıkışı olarak belirlenmişti. Erbai’ye deneyle ilgili sadece genel bir görev verilmiş ve konuşmaların tamamı deney sırasında Erbai’nin içindeki üretken dil modeline bırakılmış. Erbai, robotlarla evleri ve işleri hakkında konuştuktan sonra evleri olmadığını söyleyen 12 tane robotu kendisiyle birlikte “eve” gitmeye ikna etmeyi başardı.
Bilgisayar Sadece Bizi Görmek ve Duymakla Kalmıyor
Köklü bir alan olan bilgisayarlı görü de gelişme hızında asla altta kalmıyor. Özellikle 2012 yılında AlexNet’in geliştirilmesiyle büyük bir ivme kazanan bilgisayarlı görü alanı 10 yıl bile önce pek kimsenin hayal edemeyeceği yerlere geldi. Modeller artık sadece sınıflandırma, cisim ve yüz tanıma gibi görevlerle kabiliyetlerle sınırlı kalmıyor, anlamsal bölütleme (semantic segmentation) ile bir resimdeki her bir pixelin neye ait olduğunu tayin edebiliyor. Üretken modeller inanılmaz gerçekçi resimler hatta videolar yaratabiliyorlar. İşin en güzel yanı ise SOTA(state of the art) teknolojinin akademik araştırmacılar ve şirketler arası rekabet sayesinde sürekli daha iyi yerlere gelmesi ve ücretsiz erişilebilecek servislerin sayısının artması. Luma, Runway, Mistral, Kilng gibi yapay zeka şirketleri görüntü üretme alanına bir çok yeni model kazandırdı.
Yazı ve görüntü işleyen modeller gelişirken, ses işleyen modellerin de eli armut toplamıyor! İşlenmesi gereken veri miktarından dolayı daha çetrefilli olan ses işleme alanında da yakın zamanda birçok gelişme yaşandı. Ses işleme de önce sınıflandırma sonra daha detaylı tanıma aşamalarından geçip ses üreten modeller seviyesine ulaştı. Çok sayıda hizmette ve uygulamada kullanımlarına rastlıyoruz aslında, Alexa, YouTube… Hatta gelecekte sesimiz de şifre, parmak izi ve yüz tanımanın yanında bir güvenlik aracı olarak karşımıza çıkabilir. Nvidia’nın son ses modeli Fugatto, iddialara göre daha önceden var olmayan sesleri bile üretebiliyor.
Ajanlar Her Yerde
Belli bir alanda uzmanlaşmış ya da belli görevlere atanmış yapay zekaların kullanımı git gide yaygınlaşıyor. Bu “ajanların” özelleşmiş çıktı sağlama ve hatta birlikte çalışabilme yetenekleri kullanıcıları hem hayrete düşürüyor hem de sevindiriyor. Ajanlar yaygınlaştıkça hem önde gelen Yapay Zeka şirketleri kendi platformlarında hem de API kullanan başka sağlayıcıların programlarında ajanlar geliştirilebiliyor ve çalıştırılabiliyor. Farklı şirketlerin SOTA modellerini baz alan ajanlar bile bir görevde birlikte kullanılabiliyor.
Stanford Üniversitesi araştırmacıları, farklı bilimsel uzmanlıklara sahip yapay zeka ajanları ve onları yöneten baş araştırmacı ajan ile bir “Sanal Laboratuvar” kurdular. Sanal Laboratuvar, tüm ajanların bilimsel bir gündemi tartıştığı bir dizi ekip toplantısı ve her ajanın belirli görevleri yerine getirdiği bireysel toplantılar aracılığıyla bilimsel araştırma yürütmek üzere tasarlandı. Sanal Laboratuvarın gücünü göstermek için, biyolojiden bilgisayar bilimine kadar çeşitli alanlarda akıl yürütme gerektiren zorlu, açık uçlu bir araştırma problemi olan SARS-CoV-2’nin son varyantlarına “nanobody” bağlayıcıları tasarlamak problemi seçildi. Ajanlar çeşitli metotlar kullanarak yeni hesaplamalı nanobody tasarım hattı oluşturdular. Bu hatla da, ikisi özellikle işlevsel açıdan dikkat çekici toplam 92 yeni nanobody tasarladılar. Bu çalışma, yapay zeka ajanlarının bireysel ve ortak çalışma ile önemli ve zorlu bilimsel araştırmalar dahil birçok konu üzerinde çalışabileceğini kanıtladı.
Hep Tek Taraflı Kalmayacaktı Elbette
Son olarak sizinle bu sene içerisinde gördüğüm en çok hoşuma giden yapay zekalardan birini paylaşmak istiyorum. Yapay zeka kullanan ve kullanmayan dolandırıcılık vakaları yükselişteyken, İngiliz firması Virgin Media O2 Daisy kod adlı bir büyükanne chatbot geliştirdi. Gerçek telefon dolandırıcılığı konuşmalarıyla eğitilen Daisy, dolandırıcıları mükemmel bir hedef bulduklarına inandırıyor. Stereotipik bir büyükanneden beklenecek konuşmalar yürüten ve dolandırıcılara sahte bankacılık bilgileri veren Daisy’nin dolandırıcıları 40 dakikaya kadar hatta tutabilmişliği var. Daisy hem hedef alınan kişileri koruyor hem de dolandırıcıları oyalayarak başka kurbanların peşlerine düşmelerini baltalıyor.
Güncellememi burada noktalıyorum, birinci yaş günümüzü bizimle kutladığınız için teşekkürler. Gelecek sayıda görüşmek üzere.