Yapay zekâya öğretecek yeni bilgi kalmadı! Erçin Dinçer: 5 yıl içerisinde veri kaynağı kalmayacak
Yapay zekânın eğitilmesi ve sınırlarına ilişkin tartışmalar hakkında önemli açıklamalarda bulunan KOÜ Teknopark Genel Müdürü Erçin Dinçer, “5 yıl içerisinde, yapay zekayı daha fazla geliştirebileceğiniz bir veri kaynağı kalmayacak” diyerek bilgi konusunda ciddi bir darboğaz yaşandığına dikkat çekti.
Nokta TV ekranlarında yayınlanan Melih Can Şenol ile Akademi Noktası programına konuk olan Kocaeli Üniversitesi Teknopark Genel Müdürü Erçin Dinçer, yapay zekâ ile ilgili önemli değerlendirmelerde bulundu. Dinçer, yapay zekâ alanında karşılaşılan en önemli krizin ‘bilgi’ olduğunu söyleyerek, “Şu an yapay zekayı eğitebileceğimiz yeni bir bilgi kalmadı” dedi.
YAPAY ZEKÂ İNSANI AŞABİLECEK Mİ?
Yapay zekânın eğitilmesi süreci ve bu süreçte gelinen aşamadaki zorluklara değinen Dinçer, “Dünyadaki yapay zekâ işlemci gücü yaklaşık her 5 ayda bir ikiye katlanıyor. Yapay zekaların kendilerini eğittikleri bilgi miktarı ise şu an her 8 ayda bir iki katına çıkıyor. Bu eksponansiyel büyüme nedeniyle yapay zekanın insanı geçeceği düşünülüyor ancak bazı darboğazlar yaşanmaya başlandı.
“ŞU AN EKSİK OLAN TEK ŞEY 'BİLGİ'”
Şu an yapay zekayı eğitebileceğimiz yeni bir bilgi kalmadı. Yapay zekâ, insanlığın ürettiği ve okuyabileceği neredeyse her şeyi okudu. Bu çok enteresan bir darboğaz. Bu bilgiyle baktığınızda, muhtemelen birçok kişinin duyduğu bazı olayların nedenlerini daha iyi anlayacaksınız. Örneğin Elon Musk, ücretsiz ve açık bir ansiklopedi olan Wikipedia’yı satın almak için 1 milyar dolarlık bir teklif yaptı. Wikipedia’nın sahibi olan İngiliz akademisyen ise Wikipedia’nın bu amaçla kurulmuş bir vakıf olmadığını belirterek bu teklifi net bir şekilde reddetti. Bunun üzerine Elon Musk, kendi ansiklopedisini oluşturma kararı aldı; çünkü şu an eksik olan tek şey 'bilgi'.
“CİDDİ BİR BİLGİ DARBOĞAZI YAŞANACAĞI ÖNGÖRÜLÜYOR”
Yapay zekayı besleyebileceğiniz yeni veriler bulunmuyor. 2030 yılına kadar ciddi bir bilgi darboğazı yaşanacağı öngörülüyor. Yani beş yıl içerisinde, yapay zekayı daha fazla geliştirebileceğiniz bir veri kaynağı kalmayacak. Buna karşı denenen ilginç bir yöntem var: Yapay zekanın, kendi gelişimi için yapay bilgi üretmesi. Bu yöntem bazı alanlarda işe yarasa da bazılarında yaramıyor.
“ARTIK OPTİMİZASYONA ODAKLANIYORUZ”
Şu anki yeni yapay zekâ modellerinde ise optimizasyona odaklanıyoruz. Örneğin Microsoft, 'Phi-3' adında bir mini model çıkardı. Phi-3, 3,8 milyar parametre ile çalışıyor. Çok ilginçtir ki; Microsoft’un bir sene önceki 'PaLM' modeli 540 milyar parametreliydi. Yeni model ile eski model arasında yaklaşık 150 kat fark var. Buna rağmen 3,8 milyar parametreli küçük model, MMLU testlerinden daha yüksek puanlar alıyor.
“YAPAY ZEKÂNIN BEDENSEL GELİŞİMİNİN DORUK NOKTASINA ULAŞTIĞINI GÖZLEMLİYORUZ”
Artık işin optimizasyon kısmına geçtik. Veriyle besleyerek daha fazla büyütemediğimiz, yani 'daha fazla girdiyle daha iyi sonuç' elde edemediğimiz bir noktadayız. Bu yüzden, 'daha az veriyle aynı kaliteyi nasıl yakalarız?' sorusuna odaklanıyoruz. Bu durum aslında gelişim sürecini özetliyor: Bir çocuk doğar, besledikçe büyür, boyu her sene belli oranda uzar ancak bir yerde bedensel gelişim durur. Gelişim durunca artık boyu değil, kasları geliştirmeye odaklanırsınız. Biz de şu an yapay zekanın bedensel gelişiminin doruk noktasına ulaştığını gözlemliyoruz. Bu aşamadan sonra farklı yetenekleri ve kasları geliştireceğiz ama onların da bir sınırı olacağını biliyoruz” dedi.
