Stanford’un 2022 AI Index Raporundan Temel Çıkarımlar

Stanford’un HAI Enstitüsü, insan zihninin derinliğinden ve çeşitliliğinden ilham alan, her adımda topluma olan etik etkisini gözeten, insan odaklı bir yaklaşımla yapay zekâyı araştırmayı amaçlıyor; misyonları, yapay zekâyı insan yeteneklerini ikame etmek yerine güçlendirmek için kullanmak. 

Kurumun akademi ve iş dünyasındaki önde gelen uzmanları tarafından araştırılıp yazılan AI Index raporunun beşinci yıllık baskısı, geçen yıl yapay zekâ alanındaki en son eğilimlerin arkasındaki verileri ortaya koyuyor. Rapor 230 sayfa uzunluğunda. Bu makalede, raporun her bölümünden temel çıkarımları özetliyoruz. 

Hangi ülkelerin yapay zekâda en büyük atılımları yaptığını, dünyada yapay zekâ işleri için en çok öne çıkan konumları, yapay zekâ düzenlemelerinin durumunu ve daha fazlasını öğrenmek için okumaya devam edin.

Birinci Bölüm: Araştırma ve Geliştirme

Bölüm Özeti

Yapay zekâ gözde bir alan; bu yüzden geçen yıl çok çeşitli araştırma ve geliştirme çalışmaları yapıldı. Bu bölüm, akademik kurumlar, kamu kuruluşları ve endüstri genelinde araştırma ve geliştirmeyi niceliksel olarak ölçmeye çalışıyor. 

Rapor, konferans bildirileri, dergi makaleleri, araştırma makaleleri ve patentler gibi kamuya açık kaynaklardan şu veri setini derledi. Ayrıca açık kaynak depolarındaki GitHub yıldızlarına ve hatta konferans katılımlarına bakıyor. Bu da dünyada yapay zekâ Ar-Ge’sinin nasıl ilerlediğine kuşbakışı bir görünüm sağlıyor.  

Öne Çıkanlar

ABD ve Çin, yapay zekâda yoldaş

Yapay zekâ alanında uluslararası iş birliğine bakıldığında, ABD ve Çin 2010’dan 2021’e kadar yapay zekâ yayınlarında en fazla ortak çalışmaya sahip; iki ülke arasındaki siyasi farklılıklara rağmen 2010’dan bu yana iş birlikleri beş kat arttı. İkinci en yakın ortaklık ise Birleşik Krallık ile Çin arasında.

Yayınlarda Çin önde 

En fazla yayın, dergi, konferans ve depo sayısıyla Çin, şu anda yapay zekâ araştırma faaliyetlerinde başı çekiyor. 

Yayınlanan dergiler tüm zamanların en yüksek seviyesinde

2021’de yayımlanan tüm yapay zekâ belgelerinin %51,5’i dergilerde (örn. araştırma makaleleri) yer aldı. Genel eğilim olarak, yapay zekâ dergileri ve depoları tüm zamanların en yüksek seviyesinde. Ancak düzenlenen konferans sayısı 2018’den beri düşüşte.

En hızlı büyüyen çalışma alanları

Desen tanıma ve makine öğrenmesi alanlarındaki yayınlar 2015’ten bu yana iki katından fazla arttı. 2021’de her iki alanda sırasıyla yaklaşık 52.000 ve 40.000 araştırma makalesi yayımlandı. 

Sektörler arası iş birlikleri

2010’dan 2021’e kadar en fazla sektörler arası yapay zekâ yayını, kâr amacı gütmeyen kuruluşlar ile eğitim kurumları tarafından üretildi. Sırada özel sektör ile eğitim kurumları arasındaki iş birliği, onu da hükümet ile eğitim kurumları izliyor. 

Yapay zekâ patentleri rekor seviyede

Yapay zekâdaki gelişmeler hızlandıkça, daha fazla araştırmacı ve bilim insanı çalışmalarını korumak için başvuru yapıyor; patent başvuruları %76,9’luk yıllık bileşik büyüme oranıyla artıyor. 

Yapay zekâ depoları: Araştırmayı paylaşmanın yeni yolu

Hakemlik öncesi araştırmaların arXiv ve SSRN’de yayımlanması, bulgularını paylaşmak isteyen yapay zekâ araştırmacıları arasında popüler bir yöntem haline geldi. Son 12 yılda yapay zekâ deposu yayınlarının sayısı yaklaşık 30 kat arttı.

Popüler açık kaynak yapay zekâ kütüphaneleri

Rapor, son yedi yılda popüler açık kaynak yapay zekâ kütüphanelerinin toplam GitHub yıldız sayılarını karşılaştırdı. Tensorflow en fazla GitHub yıldızına sahip; onu OpenCV, Keras, ve Pytorch izliyor. 40 bin yıldızın altında kalan diğer popüler kütüphaneler arasında faceswap, 100-Days-Of-ML-Code ve AiLearning yer alıyor. 

İkinci Bölüm: Teknik Performans

Bölüm Özeti

Bu bölüm; bilgisayarla görme, doğal dil işleme, ses, tavsiye sistemleri, pekiştirmeli öğrenme, donanım ve robotik alanlarındaki çeşitli modellerin ilerlemesini izler. Bölüm, bu modellerin performansını, 10 yıllık bir dönem boyunca yaygın olarak kullanılan model kıyasları ve profesyonel anketlerle niceliksel olarak ölçmeye çalışır. Raporda kullanılan bazı kıyaslar aşağıda yer alıyor:

Öne Çıkanlar

Büyük veri başarının anahtarı

Büyük eğitim veri setleri, yüksek doğruluğa sahip başarılı bir model kurmanın anahtarıdır. Milyonlarca parametreli, son teknoloji neredeyse tüm modeller büyük veri setlerinde özel olarak eğitilerek üstün sonuçlar elde ediyor. Bu noktada, ellerinde çok fazla veri bulunduran büyük teknoloji şirketleri avantajlı.

Uygun maliyetli yapay zekâ

Yılların yeniliği karşılığını verdi; artık sıradan bir kullanıcı bile büyük ölçekli modelleri kolaylıkla karşılayabiliyor. 2018’den bu yana bir görüntü sınıflandırıcıyı eğitme maliyeti %63,6 azaldı. Ayrıca, modelleri eğitme süresi %95 iyileşti. Eğitim sürelerindeki ilerleme, maliyet düşüşünün bir nedeni. Adanmış bulut hizmetleri, verimli açık kaynak paketleri ve yetenek havuzunun genişlemesi gibi diğer etkenler de maliyetleri aşağı çekiyor.

Ucuz robot kollar

AI Index ekibinin geliştirdiği bir ankete göre, robot kolların fiyatlarında belirgin bir düşüş trendi var. 2017’de bir robot kolun medyan fiyatı 42.000 ABD dolarıyken, 2021’de bu maliyet neredeyse %50 azalarak 22.600 ABD dolarına düştü. 

Tıbbi görüntülemeye odak

Rapor, bilgisayarla görme araştırmalarının tıbbi görüntüleme gibi daha kullanım senaryosu odaklı uygulamalara yöneldiğini belirtiyor. Veri setlerinden, Kvasir-SEG tıbbi görüntüleme veri seti ve CVC-ClinicDB kullanılarak yapılan araştırmalarda anlamlı bir artış olduğu görülüyor—2020’de bu veri setini kullanan yalnızca üç makale varken, 2021’de 25 ilgili yayın vardı.

Yapay zekânın hâlâ dil becerileri eksik

SuperGlue ve Squad gibi modeller okuduğunu anlama gibi nispeten basit görevlerde insanı geride bırakmış olsa da, abdüktif doğal dil çıkarımı (aNLI) gibi daha karmaşık dil görevlerinde yapay zekâ modelleri hâlâ insan seviyesinden uzak.

Genel pekiştirmeli öğrenmede ilerleme

Son 10 yılda yapay zekâ, satranç oynamak gibi dar pekiştirmeli öğrenme görevlerinde yetkin hale geldi. Ancak 2021’de, OpenAI tarafından 2019’da yayımlanan ve bir yapay zekânın genellenebilir beceriler öğrenme yeteneğini test eden bir pekiştirmeli öğrenme ortamı olan Procgen gibi daha genel pekiştirmeli öğrenme görevlerinde önemli bir iyileşme eğilimi görüldü.

Üçüncü Bölüm: Teknik Yapay Zekâ Etiği

Bölüm Özeti

Şüphesiz, yapay zekâ son birkaç yılda işletmelere büyük değer kattı. Ancak bu makine öğrenmesi modelleri üretimde kullanılmaya başladıkça, yapay zekâdaki önyargının en önemli eksik yönlerinden bazıları ortaya çıktı. Pek çok durumda, yapay zekâ modelleri eğitim için belirli toplumsal önyargılar içeren gerçek dünya verilerini kullanır. Kusurlu verilerle kurulan bir makine öğrenmesi modeli, bu önyargıları daha da pekiştirir.

Bu bölüm, doğal dil ve bilgisayarla görme gibi ilgili alanlar için kapsamlı kıyaslar sunarak önyargıyı ortadan kaldırmadaki ilerlemeyi niceliksel olarak ölçmeye çalışıyor. Kullanılan kıyaslardan bazıları aşağıda bulunabilir:

Öne Çıkanlar

Yapay zekâ etiği ana akıma giriyor

Yapay zekâ modellerinin adilliği üzerine araştırmalar katlanarak arttı—2014’ten bu yana yayın sayısı yıldan yıla %71 büyüdü. Çeşitli ticari modellerin sonuçlarındaki önyargılar, bu modellerin kredi kartı skorlama gibi gerçek dünya uygulamalarında belirli alt gruplara karşı haksız ayrımcılık yapmasına yol açtı. Bu nedenle, akademik araştırmacılar ve ticari şirketlerin adil makine öğrenmesi modellerine odaklanmasına ciddi bir ilgi doğdu.

Büyük dil modelleri önyargılı

GPT-3 gibi yüz milyarlarca parametreye sahip devasa, son teknoloji dil modelleri, dil tabanlı görevlerde oldukça başarılı hale geldi. Bu modellerin ardındaki teknik yenilik, dikkat mekanizmalı dönüştürücülerin çift yönlü eğitiminin uygulanmasıdır. Ancak yeni veriler, bu büyük modellerin geniş kapsamlı eğitim verilerinden önyargıları daha fazla devralmaya yatkın olduğunu gösteriyor.

Çok modlu modeller daha önyargılı olmaya eğilimli

Büyük dil modellerine benzer şekilde, DALL·E 2 gibi çok modlu dil-görü modelleri, hem metin hem de görseli tek bir veri akışı olarak büyük ölçekte eğitme sayesinde çok çeşitli beceriler sergiliyor. Bu da yalnızca metin istemlerinden üretilen üst düzey fotogerçekçi görselleri değil, aynı zamanda toplumsal kalıp yargıları ve önyargıları yansıtan çıktıları da beraberinde getiriyor.

Dördüncü Bölüm: Ekonomi ve Eğitim

Bölüm Özeti

Bu bölüm, yapay zekânın hem ekonomi hem de eğitim üzerindeki etkisini inceler. Rapor, Linkedin, Computing Research Association, McKinsey, Netbase Quid ve EMSI Burning Glass’tan kamuya açık veriler topladı. Ayrıca işe alım, işgücü talebi ve beceri yaygınlığı dahil olmak üzere yapay zekânın işler üzerindeki etkisine de bakıyor.

Öne Çıkanlar

Yapay zekâ yatırımlarda önde

2021’de yapay zekâ girişimleri 93,5 milyar dolar topladı; bu, 2020’de toplanan tutarın iki katı. Ancak yeni fonlanan yapay zekâ girişimlerinin sayısı 2019’da 1051 iken 2021’de 746 şirkete geriledi. 2021’de 500 milyon dolar ve üzeri 15 yatırım turu gerçekleşti.

ABD, yapay zekâ inovasyonuna oynuyor

Amerika Birleşik Devletleri, yapay zekâda en büyük özel yatırımlara ve en fazla yeni fonlanan yapay zekâ şirketine sahip; her iki ölçütte de ikinci sıradaki Çin’in yaklaşık iki ve üç katı.

Yatırımlarda bulut öncelikli

Databricks gibi bulut veri yönetimi ve işleme sektöründeki şirketler en fazla özel fonlamayı aldı. Onları sağlık ve fintek izledi.

Yapay zekâ işleri için öne çıkan bölgeler

2016’dan 2021’e yapay zekâ iş ilanlarında en yüksek artış Yeni Zelanda, Hong Kong, İrlanda, Lüksemburg ve İsveç’te görüldü. 

ABD içinde yapay zekâ işlerinin dağılımı

Silicon Valley’e ev sahipliği yapan Kaliforniya, iş ilanı sayısında zirvede; ikinci sıradaki Teksas’ın 2,3 katı ilana sahip. Ancak Washington DC, ABD genelindeki toplam iş ilanlarına kıyasla en fazla yapay zekâ iş ilanına sahipti.

Bilgisayar bilimi doktora öğrencileri arasında en popüler uzmanlık: Yapay zekâ

Son on yılda Bilgisayar Bilimleri doktora programları arasında en popüler uzmanlık makine öğrenmesi/yapay zekâ oldu. 2020’de doktora derecesiyle mezun olan her beş BB öğrencisinden biri yapay zekâ alanında uzmanlaştı.

Beşinci Bölüm: Yapay Zekâ Politikası ve Yönetişim

Bölüm Özeti

Bu bölüm, dünya genelinde yapay zekâyı etkileyen yasaları ve düzenlemeleri ayrıntılandırır. Farklı ülkelerin ve bölgelerin, halkın esenliğini merkeze alırken yapay zekâ teknolojisini nasıl konumlandırdığını inceler. Araştırmacılar, dünya çapında politika yapımını inceledi ve yapay zekâdan bahseden teklif edilen ve kabul edilen tasarıları niceliksel olarak değerlendirdi. 

Öne Çıkanlar

Giderek daha fazla ülke yapay zekânın kullanımını düzenliyor

Rapor, 2016’dan 2021’e 25 ülkede kabul edilen, anahtar kelime olarak Yapay Zekâ (Artificial Intelligence) içeren tasarıların sayısını analiz etti. Son iki yılda yapay zekâ ile ilgili kabul edilen yasa sayısında keskin bir artış olduğu görülüyor. İspanya, Birleşik Krallık ve Amerika Birleşik Devletleri, üçer yasa ile en fazla yapay zekâ bağlantılı düzenlemeyi kanunlaştıran ülkeler oldu.

ABD, yapay zekâ ile ilgili tasarı sunumunda önde

ABD yasama kayıtları, yapay zekâyı düzenlemeye yönelik sunulan tasarı sayısında keskin bir artış gösterdi. 2021’de ABD yasama organı 130 tasarı önerdi. Ancak bunların sadece %2’si yasalaştı.

Amerika Birleşik Devletleri’nde eyalet düzeyinde yapay zekâ mevzuatı

ABD’de yapay zekâya ilişkin mevzuat ülke çapında ele alındı; 2012 ile 2021 arasında 50 eyaletin 41’i en az bir yapay zekâyla ilgili tasarı sundu. En çok yapay zekâ tasarısı sunan ilk üç eyalet:

• Massachusetts (40)
• Hawaii (35)
• New Jersey (32)

Demokratlar ve Cumhuriyetçiler: Yapay zekâda ayrışma

ABD’de, eyalet düzeyinde yapay zekâ yasama verileri parti sponsorluklarına göre ayrıştırıldığında, Demokratların yapay zekâya ilişkin yasamayı Cumhuriyetçilerden daha fazla desteklediği görülüyor. Bu fark yıllar içinde daha da açıldı. 2021’de Demokratlar, Cumhuriyetçilerden 39 tasarı daha fazla sponsor oldu.

Küresel yasama oturumlarında yapay zekâ atıfları

AI Index raporu, 2016’dan 2021’e 25 ülkenin sözlü olarak kayda geçen oturumlarını “artificial intelligence” anahtar kelimesiyle analiz etti. Yapay zekâ atıfları son altı yılda 7,7 kat artarak 2021’de toplam 1.323 mention’a ulaştı. 

Yapay zekâyı yakından takip edin

Yapay zekâ alanı sürekli evriliyor ve dünya çapında milyonlarca uzman bunu mümkün kılmak için durmaksızın çalışıyor. Yapay zekâyı ve ilerleyişini yakından takip etmek için aşağıdaki kaynaklara da göz atabilirsiniz.

• DataFramed Podcast’e abone olun
• Haftalık Özet’e abone olun