Güçlü bir yapay zeka yolunda, yapay zeka araştırması önemli bir dönüm noktasına ulaştı: Yeni bir mimari, birçok görevin tek bir sinir ağında paralel olarak işlenmesine olanak sağlıyor.
Yapay zekanın ilerlemesini değerlendirmek söz konusu olduğunda, insanlar oldukça çeşitli görüşlere sahip. Bazı insanlar, yapay zekanın ses girişi ve yarı otonom sürüş gibi uygulamalar ile günlük hayatımıza girdiğini veya lojistik ve endüstride üretkenliği artırdığını savunuyor. Diğerleri içinse, değişimin hızı çok yavaş ve bazıları gerçekten zeki makinelerin varlığından bile şüphe duyabilir.
Bu eleştirilerin hiçbiri, bir şüphe gölgesi olmadan tamamen reddedilemez. Şimdiye kadar, evde ve Endüstri 4.0’da sözde daha zayıf yapay zeka kullanıldı. Bu makineler, bireysel görevlerle ve hatta bunların parçalarıyla iyi bir şekilde başa çıkıyor. İstatiksel yöntemler, örüntü tanıma ve mümkün olduğunca iyi yapılandırılmış veriler ile yapılan çok sayıda eğitim; yalnızca uzmanlık alanlarında zayıf yapay zekayı şaşırtıcı en yüksek performansa getirir.
İnsan Gibi Düşünmek
Buna karşılık, daha güçlü yapay zeka, bir insan kadar akıllıca hareket edecek ve bunun için özel bir eğitim almamış olsa bile, farklı alanlardan birçok soruna makul çözümler sunabilir. Böyle bir yapay zeka, verileri daha çok katmanlı bir şekilde yorumlayabilmek ve aktarım becerilerini geliştirebilmek için farklı bir veri anlayışına ihtiyaç duyacaktır. Google tam da burada devreye giriyor. Dünya’nın önde gelen Al Forge’ı, daha geniş tabanlı bir makine zekası elde etmenin yollarını yoğun bir şekilde araştırıyor.
Google’ın Yapay Zeka Bölüm Başkanı Jeff Dean, şu ana kadar sorunu şu şekilde açıklıyor: "Mevcut modelleri yeni görevler öğrenebilecekleri şekilde geliştirmek yerine, her modeli sıfırdan eğitmeliyiz. Yalnızca tek bir konuda uzmanlaşmasını sağlamalıyız.”
İnsan açısından bu, her yeni aktivitenin öğrenilmesinin her zaman sıfırdan başladığı, önceki tüm bilgilerin kaybolduğu anlamına gelir. Yani bu, kalıcı bir amnezi durumu.
Bu nedenle Google, Pathways adlı bir mimari tasarım üzerinde çalışıyor ve bu tasarımın çoklu görevle başa çıkabilmesi gerekiyor: "Tek bir modele binlerce veya milyonlarca şey yapmayı öğretmemize izin veriyor.”
Daha çok yönlü, daha verimli, daha akıllı bir yaklaşım: Şimdiye kadar, yapay sinir ağları yalnızca görevleri birbiri ardına işleyebildi. Google Pathways ile yapay zekanın aynı anda sayısız işi tamamlayabilmesi bekleniyor.
Google Pathways Nedir?
Dean’e göre Pathways, bireysel yapay zeka yeteneklerinden yararlanmayı ve bunları yeni görevlerle başa çıkmak için birleştirmeyi mümkün kılacaktır. Örneğin bir yapay zeka, hava görüntülerine dayalı olarak bir arazinin topografyasını ölçerse, Pathways ile eğitilen bir model, sel risklerini de tahmin edebilir.
Diğer şeylerin yanı sıra, Pathways’in yetenekleri eğitim verileriyle uğraşmanın yeni bir yolundan kaynaklanmakta. Şu anda, yapay zeka sistemleri aynı anda yalnızca bir tür veriyi işliyor. Metni, dili ve resimleri anlayabilirler ancak hepsini aynı anda anlayamazlar.
Pathways ise aynı anda görsel, işitsel ve konuşma anlayışa izin veren çok modlu modelleri mümkün kılar. Google araştırmacısı Dean’a göre sonuç, veriler hakkında daha derin bir anlayış geliştiren ve hata ile önyargıya daha az eğilimli bir makine öğrenimi modeli. Ayrıca Pathways, diğer yapılandırılmış ve yapılandırılmamış verileri veya makine kodunu da çok iyi işleyebilir. Bu da örüntü tanımayı daha da geliştirir.
Google’ın geliştiricilerinin güçlü yapay zekaya giden yolda çözdüğü bir diğer sorun da mevcut yapay sinir ağlarının verimsizliği. Temel olarak, zayıf yapay zeka her zaman kaba kuvvete dayanır: Ne kadar basit olursa olsun, bir görevi çözmek için tüm ağ etkinleştirilir. Araştırmacılara model olan insan beyni, çok daha tutumlu çalışıyor. Her durum için sadece ilgili kısım devreye giriyor, sadece başarılı akıl yürütme için gerekli olan sinapslar ateşlenir. Dean bunu şöyle ifade ediyor:” Beyninizde yüz milyar nöron var ama bu cümleyi anlamak için onların sadece bir kısmına ihtiyacınız var.”
Pathways Doğru Yolları Arıyor
Dean’e göre yollar aynı şekilde çalışabilir. Tek bir model verimlilik için ayarlandığında, yalnızca sinir ağının katmanları boyunca gerçekten ihtiyaç duyulan yollar etkinleştirilir. Uzun vadede bu model, anlamak için dinamik olarak eğitilmiş, eldeki görevler için en uygun ağ dizileri. Bir navigasyon sistemi gibi, sinir ağının karmaşık yolları boyunca bireysel görevleri yönlendirir ve rotayı hatırlar.
Bu “seyrek etkinleştirme” mimarisinin önemli bir avantajı, çoklu görev için kullanılabilen, yani diğer görevleri paralel olarak öğrenmek için kullanılabilen, serbest bırakılmış kapasite. Ek olarak, yapay zeka tüm ağı sürekli olarak yenilemek zorunda değilse, daha hızlı ve çok daha enerji verimli bir şekilde çalışır.
Son Derece Düşük Enerji Tüketimi
Jeff Dean, Pathways’in verimliliği nasıl artırabileceğinin örnekleri olarak iki makine öğrenim sistemi GShard ve Switch Transformer’dan (Şimdiye kadar ki inşa edilen en büyük yapay zeka modellerinden ikisi.) alıntı yapıyor: “Onlar sizin kullanacağınız enerjinin onda birinden daha azını kullanıyorlar. Benzer boyuttaki standart sistemlere dahil eder, ancak aynı hassasiyetle çalışır.”
Google, bazı uygulamalarında Pathways’i zaten kullanıyor. Google’ın ana şirketi Alphabet’in başkanı Sundar Pichai’nin yapay zeka kehaneti, şirketin hırslı ruhunu vurguladığı için, piyasadaki diğer uygulamaların faydalarından ne zaman yararlanacağını göreceğiz: “Yapay zeka, insanlık üzerinde yangın, elektrik ve internetten daha daha derin bir etkiye sahip olacak.”
Bu yazılarımız da ilginizi çekebilir: