Üretken Yapay Zeka ile ilgili heyecan gerçek. Bu karmaşık, fütüristik görünümlü kelimenin aslında ne anlama geldiğini ve aynı zamanda gerçekte nasıl çalıştığını merak ediyor olabilirsiniz.
(Benim gibi) bu konuda hiçbir şey bilmeyenler için, cihazların yeni olası içerikler oluşturmak için görüntü, ses, metin, video ve hatta kod gibi mevcut içerikleri kullanmasını sağlayan denetimsiz ve yarı denetimli makine öğrenimi algoritmalarını ifade eder. Ana fikir, veriler sayesinde gerçek gibi görünecek orijinal eserler üretmektir.
Hala kafanız karışık mı? Daha iyi anlamanız için size basit bir örnek vereyim: Bir Üretken Yapay Zeka platformunda (artık meşhur olan Dall-E-2) içerik üretmeyi denemeye karar verdim ve ´limonlar´ ve ´müşteri desteği´ yazdım, birkaç saniye bekledim ve işte kulaklık takan limonların veya telefona cevap veren limonların üretilmiş resimleri ve videoları arasında geziniyorum. Daha önce hiç böyle bir şey görmemiştim!
Ancak, göründüğü kadar basit değildir.
Üretken yapay zeka algoritmaları, görevleri yerine getirmek için muazzam miktarda eğitim verisine ihtiyaç duyar, çünkü zaten bildiği içeriği birleştirir ve bu da öncelikle şu yolla gerçekleştirilir: veri açıklama. Bu, özellikle denetimli veya denetimsiz makine öğrenimi kullanan yapay zeka sistemleri için kullanılabilir hale getirmek üzere verilerin etiketlenmesine yönelik temel bir süreci ifade eder. Başka bir deyişle, veri açıklama, yapay zekayı makine öğrenimi yoluyla eğitir, her tür içeriği içeren büyük miktarda veri kümesini kırpar, kategorize eder ve etiketler: görüntüler, videolar, sesler, metinler…
Veri etiketleyiciler olmadan yapay zeka var olamazdı.
Benim de söylemek istediğim şey, yapay vicdanın olmadığıdır (henüz?). Üretken yapay zeka bir sanat eserini güzel olduğunu bildiği ya da renkleri güzel olduğu için yaratmıyor, hayır, sadece anladığı verilere dayanarak içerik yaratıyor ve böylece bu kavramlar arasında bağlantılar kuruyor. Ve tüm bunlar açıklama sayesinde mümkündür.
Ancak burada riskler ortaya çıkıyor.
‘Nehirde yüzen somon balığını’ hiç duydunuz mu? Ya da belki sosyal medya platformlarında sağdaki resme rastlamışsınızdır’
Bu resimde hiç şüphesiz nehirde ‘yüzen’ bir somon balığını gözlemleyebilirsiniz. Ancak, bu zavallı somon balığının durumu Üretken Yapay Zeka tarafından net bir şekilde anlaşılamamıştır. Böylece nehirde yüzen sashimi görünümlü bir somon balığı görebilirsiniz.
Peki, üretken yapay zekaya gerçekten güvenmeli miyiz? Güvenilir olabilir mi?
Burada yine kaliteli açıklamanın önemi ortaya çıkıyor. Yüzeysel açıklama yapmak ve Üretken YZ’nin gelişmesini ve daha verimli hale gelmesini beklemek yeterli değildir. Hayır, kaliteli açıklama kaliteli Üretken YZ’yi besler, sonuç olarak daha fazla veri açıklaması ile ‘somon olayı’ veya daha da kötüsü önlenebilir.
Aslında, sinir ağları inanılmaz derecede önemli şeyler yapma gücüne sahiptir.
Bir ordunun kamufle edilmiş tanklar ile düz ormanları ayırt etmek için sinir ağlarını kullandığı örneği ele alalım. Sorun, tankların fotoğraflarının bulutlu günlerde, orman fotoğraflarının ise güneşli günlerde çekilmiş olmasıydı. Sinir ağı artık tankların varlığı yerine güneşli ve bulutlu günleri ayırt edebiliyordu. İkisini ayırt etmenin yanlış yolunu öğrenmişti.
Bununla birlikte, hatalar ne olursa olsun, Üretken Yapay Zekanın pazarlama, eğitim, sağlık ve eğlence dahil olmak üzere birçok alanda uygulamaları olduğu tartışılamaz.
Üretken Yapay Zekanın gücü konusunda hala şüpheleriniz mi var? Peki ya size Generative AI’nın artık diyabet hastalarında körlüğü erken aşamada tespit edebileceğini söylesem?
Aslında, şeker hastaları, biri retinopati olmak üzere uzun vadede çeşitli olumsuz etkiler yaşayabilir. Bu, bir hastanın retinasının görme bozukluğu noktasına kadar ilerleyen tutulmasını ifade eder. Üretken yapay zeka tabanlı uygulamalar, her senaryoyu kapsayacak yepyeni veri kümeleri oluşturmadan önce retinopati ile enfekte olmuş hastaların milyonlarca görüntüsünü değerlendirebilir. Bu veri kümeleri, hastaların erken evre retinopatisinin neye benzediğini de gösterecektir. Bu başarıldığında, göz doktorları hastaların diyabetik retinopatisini tamamen ortadan kaldırmasa bile tedavi etmek için önleyici tedbirler alabilecek.
Üretken Yapay Zeka teknolojisi, sağlık hizmetlerinde gözlemlendiği gibi, kendisine sağlanan veriler sayesinde sonuçların büyük bir çoğunluğunu üretebilir. İnsan ve hayvan vücutları, yenilerini oluşturmak için mevcut verilerin kullanılmasını gerektiren çeşitli karmaşıklıklar içerdiğinden, bu işlevsellik sağlık hizmetleri için çok önemlidir.
Artık makine öğrenimi algoritmalarının farklı görevleri yerine getirmek için on binlerce veri kümesine ihtiyaç duyduğunu fark etmiş olabilirsiniz. Ayrıca doğru veri açıklamalarına da ihtiyaç duyar. Örneğin sağlık departmanında hatalarla karşılaşmak ne kadar tehlikeli olurdu?
Görüldüğü gibi üretken yapay zeka, sanat da dahil olmak üzere çeşitli alanlarda kullanılabilmektedir. Sofia Crespo’nun spekülatif, yapay yaşamı “hiç olmamış bir doğa tarihi kitabı” prizmasından inceleyen ve devam etmekte olan “Yapay Doğa Tarihi” (2020) projesi, sanat yaratmak için kullanılan modern YZ’nin ilgi çekici bir örneğidir.
Yazar, yeni biyolojik sınıflandırma setleri gerektiren imgelenmiş özelliklere sahip çarpıtılmış yaratık serileri yarattı. Bu tür bir sanat, sınırsız farkındalığa sahip olduğumuz doğanın sonsuz çeşitliliğiyle oynayabilir.
Sol tarafta, Yapay Doğa Tarihi’nde yapay zeka tarafından üretilen yaratıkların örneklerini bulabilirsiniz.
Bir şarkıcı vefat ettiğinde, hayranları her zaman o yaşasaydı nasıl bir müzik yapılacağı konusunda varsayımlarda bulunur. Hatta bazen, Queen’in ölümünden 31 yıl sonra Freddie Mercury’nin gün yüzüne çıkarılmış vokallerini içeren ‘Face it Alone’ (2022) şarkısında olduğu gibi, bir şarkıcının ölümünden sonra yeni şarkılar ortaya çıkar.
Ya onların seslerini, hangi yıl olursa olsun, gerçek yeni şarkılarla duyabilseydik? Ya Freddy Mercury, Amy Winehouse, Jimi Hendrix, Kurt Cobain, Michael Jackson, Whitney Houston, Prince, Elton John ve daha nicelerini 2022’de hala duyabiliyor olsaydık?
Ya bu gerçekten mümkün olsaydı? Hayır… Ya çoktan olduysa?
Bir kuruluş, şarkıcı-gitarın söz yazımına yaklaşmak için yapay zeka yazılımı kullanarak ‘yeni’ bir Nirvana şarkısı ‘Drowned in the Sun’ yarattı. Şarkının yaratıcıları, Nirvana tribute grubunun solisti Eric Hogan’ın eseri olan vokaller dışında şarkıdaki her şeyin bir bilgisayarın eseri olduğunu kabul ediyor. ‘Lost Tapes of the 27 Club’, 27 yaşında ölen müzisyenlerin makineler tarafından yazılan ve seslendirilen şarkılarını içeren bir proje: Jimi Hendrix, Amy Winehouse, Jim Morrison… Her şarkı, bir makinenin her bir şarkıcının 30 şarkısını analiz etmesinin ve yeni bestelerinin nasıl olacağını tahmin etmek için parçaların vokal melodilerini, gitar rifflerini, akor değişikliklerini, şarkı sözlerini, davul kalıplarını ve daha pek çok şeyi incelemesinin sonucudur.
Aşağıda yapay zeka tarafından yaratılan şarkılardan bazı örnekler yer alıyor
Daha fazla bilgi için bu web sitesini ziyaret edin.
Üretken Yapay Zekanın çeşitli kullanım alanları vardır. Mevcut veri kümelerini kullanarak yepyeni içerikler oluşturabilir ve verilerin değerinin bugünkünden daha da arttığı gelecekte makine öğreniminin önünü açabilir.
Diğerleri ise Üretken Yapay Zeka’daki en büyük fırsatın dil olacağına inanıyor.
Yapay zeka destekli metin üretimi, önümüzdeki yıllarda yapay zeka destekli görüntü üretiminden çok daha fazla değer yaratacaktır. Makinelerin dil üretme -yazma ve konuşma- becerileri, görsel içerik üretme becerilerinden çok daha dönüştürücü olacaktır.
Üretken Yapay Zeka uygulama ortamı, 2022’den 2027’ye kadar beklenen %19,8’lik bir YBBO ile artmaya devam ediyor (Imarc, 2022) ve metin, video, kod, 3D veya diğer tüm içerik türlerini yönetmelerini sağlayan açık kaynaklı araçların ve API’lerin kullanılabilirliği sayesinde Üretken Yapay Zeka geleceğini inşa eden yeni oyuncular sürekli olarak ortaya çıkıyor. Örneğin, konuyla ilgili ayrıntılı bir rapor da yayınlayan Sequoia Capital’in Genel Ortağı Sonya Huang’ın aşağıdaki manzarasında olduğu gibi.
Üretken Yapay Zekanın aslında her türlü içeriği oluşturabileceğini keşfetmiş olabilirsiniz. Ancak yine de ‘gri bölgeleri’ tartışmak önemlidir. Günümüzde insanlar ve makineler, örneğin sanat gibi aynı alanda rekabet etmiyorlar; insanlar, devasa kaplara sahip olan yapay zeka sistemlerine kıyasla, hayatlarının sınırlı deneyimlerini içeren küçük bilinçaltı kaplarına sahipler. YZ sistemleri milyarlarca insanın bilgi ve verilerine sahiptir, bu da bilgi eşitsizliğine yol açmaktadır.
Bu nedenle, üretken bir YZ tarafından yaratılan içeriğin bir insan tarafından yaratılan çalışmadan ayrılabileceğini söylemek kolay olabilir, ancak zorunlu değildir. İnsanlar artık çalışmalarını YZ yardımıyla kısmen üretebiliyor ya da parlatabiliyor, bu da bizi yine ‘gri bölgeye’ götürüyor. İçerik bir insan tarafından mı yoksa bir makine tarafından mı yaratılıyor?
Birçok şirket gri bölgelerle ve yanlış bilgilerle başa çıkmak için kullanılabilecek sistemler tasarlamaya çalışıyor. Amaç, yaratıcıların çalışmalarıyla tanınmasını ve insanların içeriği üretmek için kullanılan kökenleri ve yöntemleri anlayabilmesini sağlamaktır.
Böylece, uygulamaya konulan sistemlerin herkesin her bir dijital içerik parçasının nereden geldiğini ve üretken yapay zekanın dahil olup olmadığını bilmesine izin verdiği ‘Sorumlu Yapay Zeka’ terimi ortaya çıktı.
Üretken YZ ya da diğerlerinin gelişimi ne olursa olsun sanatçılar sanatçı olarak kalacaktır. Makinelerin yaratıcılığımızı ve duygularımızı (umarım) ele geçirmesi için hala uzun bir yol var!
Yapay zeka çözümlerinizi oluşturmak ve eğitmek için verilerinize açıklama ekliyor, etiketliyor, segmentlere ayırıyor ve zenginleştiriyoruz:
