OpenAI, Google AI ve Veri Bilimi İçin Anlamı Hakkında En Yeniler

Hem Google AI hem de OpenAI, son teknoloji yapay zeka teknolojileri yayımlama geçmişine sahip. Ancak ChatGPT'nin tanıtımı ile manzara değişti ve Google gibi büyük teknoloji şirketlerinin benzer yapay zeka modellerini piyasaya sürmek için adeta yarıştığı yeni bir dönem başladı.

Bu yazıda, OpenAI ve Google AI'ın yakın dönem gelişmelerini ve gelecekte neler bekleyebileceğimizi ele alacağız. Ayrıca, yapay zekâdaki ilerlemenin veri bilimi alanını nasıl değiştirdiğini ve üretkenliği artırmak için nasıl kullanabileceğimizi de inceleyeceğiz.   

OpenAI

OpenAI API, en gelişmiş üretken modellerine API üzerinden erişmemizi sağlayan bir platformdur. DALLE-2 ile yüksek kaliteli görseller üretebilir, GPT-3 ile metin ve kod üretimi yapabilir, diğer dil odaklı görevler için gömme (embedding) kullanabilirsiniz. Ayrıca sonuçları denetlemenize, hız sınırları koymanıza ve modeli belirli bir veri kümesi üzerinde ince ayar yapmanıza olanak tanır. GPT-3 hakkında daha fazla bilgi için Yeni Başlayanlar için GPT-3 Rehberi blog yazımızı okuyun.

Görsel: Yazar | Kaynak: OpenAI

Bunların hepsi ticari ürünlerdir ve kullandığın kadar öde modelini izlerler; ancak OpenAI zaman zaman şu tür açık kaynaklı araçlar ve modeller de yayımlamıştır:

1. Whisper: Geniş ölçekli zayıf gözetimle eğitilmiş konuşma tanıma modeli.
2. OpenAI Baselines: Pekiştirmeli öğrenme algoritmalarının uygulamaları. 
3. Gym: Pekiştirmeli öğrenme algoritmalarının geliştirilmesi ve değerlendirilmesi için araç seti. 
4. GPT2: “Language Models are Unsupervised Multitask Learners” makalesinin kod ve model uygulaması
5. DALL-E: DALL·E için kullanılan ayrık VAE’nin PyTorch paketi

API'ler, araç setleri ve büyük dil modelleri harika; ancak hiçbiri ChatGPT'nin başarısına yaklaşamadı. 

ChatGPT modeli, InstructGPT'ye (InstructGPT, GPT-3'ün daha iyi bir sürümü) benzer şekilde İnsan Geri Bildiriminden Pekiştirmeli Öğrenme (RLHF) kullanılarak eğitildi; ancak veri toplama aşaması biraz farklıydı. 

Önceki nesil modellerden farkı ne? Sohbet yapay zekâsı takip soruları sorabiliyor, hatalı öncülleri sorgulayabiliyor, hatalarını kabul edebiliyor ve güvenlik önlemlerini ortaya koyabiliyordu.

Yakın zamanda, OpenAI ortağı Microsoft, ChatGPT'nin geliştirilmiş bir sürümünü tanıttı. OpenAI'nin yinelemeli dağıtımı ile ihtiyaçlarımızı anlayan ve bize yardımcı olan yeni bir yapay zekâ dalgasına tanık oluyoruz. 

Yapay zekâya tamamen yeniyseniz, kod yazmadan alınabilecek AI Fundamentals kursunu deneyin. Bu kurs, denetimli ve denetimsiz öğrenme, derin öğrenme ve ötesi gibi makine öğrenmesinin temellerini kapsar. 

GPT-4

ChatGPT'nin yanı sıra, en ileri büyük dil modeli olacak GPT-4'ü bekliyoruz. Greylock podcast'inde OpenAI CEO'su Sam Altman, GPT-4 hakkında biraz bilgi paylaştı. Twitter’daki GPT-4 söylentilerinin yanlış olduğunu, 100 trilyon parametreye sahip olmayacağını ve insanların hayal kırıklığına uğramaya hazır olmaları gerektiğini söyledi. Ayrıca “GPT-4’ü güvenli ve işlevsel olduğunu düşündüğümüzde yayımlayacağız” diye de ekledi. 

Görsel: Yazar

GPT-4’ten neler bekleyebilirsiniz?

• Model boyutu GPT-3’ten çok daha büyük olmayacak.
• Yeni parametrizasyon (μP) ile optimize edilmiş büyük modeller.
• Model eğitimi, en düşük kayba ulaşmak için eğitim belirteçlerinin sayısını artırarak, en uygun hesaplama ile yapılacak. 
• Yalnızca metin tabanlı bir model olacak. GPT-4, DALL-E 2 gibi çok kipli olmayacak.
• Hesaplama maliyetlerini azaltmak için seyreklik kullanabilir.
• Tıpkı ChatGPT gibi, niyetimizi takip etme ve değerlerimize uyum sağlama konusunda daha uyumlu olacak.

GPT-1, GPT-2, GPT-3 ve GPT-4 hakkında her şeyi Şimdiye Kadar GPT-4 Hakkında Bildiklerimiz yazımızda öğrenin. 

Güvenli AGI oluşturma

StrictlyVC ile yapılan röportajda Altman, AGI’nin (Genel Yapay Zekâ) geliştirilmesinde ne kadar ilerlediğimize dair bazı noktaları paylaştı. 

Şöyle dedi: “Ne kadar yaklaşırsak, cevaplamak o kadar zorlaşıyor. Çünkü düşündüklerinden çok daha belirsiz ve çok daha kademeli bir geçiş olacağını sanıyorum.”

Ayrıca AGI hakkındaki söylentileri de çürüttü. Röportajda, OpenAI’nin insanlar gibi öğrenebilen bir AGI’ye sahip olmadığını söyledi. 

Görsel: Yazar

OpenAI, güvenli AGI geliştirme yolunda ilerliyor; ancak mükemmel olmaktan uzak. İnsanların bahsettiği AGI, konuşma, metin, görsel ve videoyu anlayabilen çok kipli bir model. ChatGPT, DALLE-2, Whisper, bir video üretim modeli ve diğer pekiştirmeli öğrenme algoritmalarının birleşimi olacak. 

Çok kipli modeller

AGI geliştirmek için OpenAI’nin yalnızca metinden görsele değil, metinden videoya ve sesten videoya/sese kadar çok kipli modellere odaklanması gerekiyor. Bu, doğal ses ve görünüme sahip bir botla konuşabileceğiniz anlamına geliyor. Bu, yapay zekâ ile üretilmiş Twitch yayıncı personası gibi bazı geliştiricilerce şimdiden denendi. Mükemmel değil ama bir başlangıç. 

StrictlyVC programında Sam Altman bir video modeli üzerinde çalıştıklarını açıkladı ve bunun, sese de sahip metinden videoya üretim olacağını, dolayısıyla başka bir karmaşıklık katmanı ekleyeceğini varsayabiliriz. Zaten, stable diffusion modeli ile üretilen karelerin üst üste bindirilmesiyle video üretim teknolojileri mevcut. 

Google AI 

Google AI, Google ekosisteminin belkemiğidir. Google Haritalar, Fotoğraflar, uygulamalar ve Cloud’da kullanılır. Google, yapay zekâ araç ve modelleri geliştirmede ön saflarda yer almıştır. AutoML’den son teknoloji büyük görsel ve dil modellerine kadar çoğu ürün Google Cloud üzerinde sunulmaktadır. 

Ayrıca, doğal dil işleme, konuşma işleme ve bilgisayarlı görü alanlarını dönüştüren çok sayıda araç ve son teknoloji model yayımladı. TensorFlow’dan BERT’e (Bidirectional Encoder Representations from Transformers), Google yapay zekâ ve makine öğrenmesi araştırma ve geliştirmesine yeni bir yön verdi. 

Gif: LaMDA

2020’de Google Research, bağlamı anlayan ve makul tepkiler vermeyi öğrenen bir sinirsel sohbet modeli olan Meena’yı tanıttı. Ardından, ChatGPT’ye benzeyen LaMDA modelini yayımladı. Dönüştürücüler kullanılarak inşa edilen, ancak diyaloglar üzerinde eğitilen çığır açan bir sohbet teknolojisiydi. 

Her yıl Google’dan yeni bir teknoloji görüyoruz ve gelecekte, AI Bard, dil, görme, üretken mod ve çok kipli modellerle güçlendirilmiş, yapay zekâyı çok amaçlı hale getirecek gelişmiş bir Google arama motoru bekleyebiliriz. 

Google AI Bard

ChatGPT’nin lansmanından sonra, onun bir ‘Google katili’ olduğuna dair söylentiler yayılmaya başladı. Microsoft ve OpenAI arasındaki genişletilmiş ortaklık bu olasılığı güçlendirdi. Microsoft, OpenAI ile zenginleştirilmiş Bing’iyle arama motoru işinde Google’a meydan okumaya hazır. 

Buna karşılık olarak Google, ChatGPT’nin kendi sürümü olan Google AI Bard’ı duyurdu. ChatGPT ve Google Bard karşılaştırmamızı ayrı bir yazıda inceleyin. 

Gif: Bard ve yeni AI özellikleri

Yakın tarihli Google AI güncellemelerinde, Google ve Alphabet CEO’su Sundar Pichai, LaMDA tarafından desteklenen Bard adlı yeni bir deneysel sohbet yapay zekâ hizmetini tanıttı. Google, güvenilir test kullanıcılarına erişim verdiğini ve önümüzdeki haftalarda genel kullanıma açılacağını duyurdu. 

Bard, yüksek kaliteli yanıtlar sağlamak için web’den bilgi kullanır. ChatGPT modelinden farklı olarak Bard, dünyanın bilgisini güç, zekâ ve yaratıcılıkla birleştiren bir hizmettir. Başlangıçta Google, LaMDA’nın hafif bir model sürümüyle yayımlıyor ve zamanla daha güçlü dil modelleri sunacak.

Dil, görme ve üretken modeller

Google Research’ün yakın tarihli raporlarına göre, dil teknolojileri, bilgisayarlı görü ve üretken modellerde ilerlemeler kaydettiler. 

Görsel: Google AI

• Büyük Dil Modelleri: Pathways Language Model (PaLM) ve LaMDA umut verici sonuçlar gösterdi ve gelecekte, sohbet yapay zekâsı ve diğer Doğal Dil İşleme görevlerinde kullanılabilecek daha iyi dil modelleri bekleyebilirsiniz. 
• Bilgisayarlı Görü: MaxViT (Multi-Axis Vision Transformer), Pix2Seq (Nesne Tanıma için Dil Modellemesi Çerçevesi) ve büyük ölçekli hareket karesi enterpolasyonu kullanarak 2D’den 3D’ye görüntülemede gelişmeler.
• Görüntü Üretimi: İleri düzey fotogerçekçi görüntü üretim modelleri: Imagen (difüzyon modeli) ve Parti (otokorelasyonlu dönüştürücü mimarisi). Her ikisi de metin girdisini kullanarak piksel düzeyinde görseller üretir. 
• Video Üretimi: Geçen yıl Google AI, Imagen Video ve Phenaki üzerinde çalıştı. Imagen Video, yüksek çözünürlüklü videolar üretmek için kademeli difüzyon modelleri kullanırken, Phenaki açık uçlu metinsel açıklamalardan değişken uzunlukta videolar üretir. 

Derin Öğrenme (AI) kariyerinize Python ile Deep Learning beceri yolunu alarak başlayın. Bu yol, makine öğrenmesi becerinizi bir üst seviyeye taşıyacak dört kurstan oluşur. 

Çok kipli modeller

Çoğu ML modeli tek bir veri kipine odaklanır (metin sınıflandırma, görüntü bölütleme veya konuşma tanıma). Ancak DALL-E 2 ve Stable Diffusion sayesinde şirketler artık en ileri sonuçlar elde etmek için çok kipli modellere odaklanıyor. 

Google AI, veriyi kipine özgü işleme katmanlarından geçirip dar boğaz (bottleneck) katmanı aracılığıyla farklı kiplerden gelen özellikleri harmanlayarak çok kipli yapıyı başardı. Kipleri birleştirmek, tek kipli görevlerin performansını da artırabilir. 

Gif: Google AI

İşte Google AI’ın çok kipli model geliştirme alanındaki son araştırma çalışmaları: 

• Locked-image Tuning (LiT), mevcut önceden eğitilmiş görüntü modellerine dil anlama yeteneği ekler. 
• PaLI, 100’den fazla dilde görsel soru yanıtlama, görsel açıklama, nesne tespiti ve bunların başka bir dile çevrilmesi, görüntü sınıflandırma ve daha birçok görevi gerçekleştirebilir.  
• VDTTS Görsel Olarak Yönlendirilen Metinden Konuşmaya modelidir; metni ve oyuncunun orijinal video karelerini alır, zamanlama ve duyguyu koruyarak orijinal videoyla eşleşecek konuşma çıktısı üretir. 
• Look and Talk, Google Asistan ile konuşmayı doğal hâle getirmek için hem video hem de sesi girdi olarak kullanan çok kipli bir teknolojidir. Model, kişinin Google Asistan ile konuşup konuşmadığını daha doğru belirlemek için çeşitli görsel ve işitsel ipuçlarını öğrenir.  
• 4D-Net, otonom araçlardan gelen 3B nokta bulutu verilerini diğer algı verileriyle birleştirerek çevreyi ve nesneleri daha iyi anlamayı ve daha iyi kararlar almayı sağlar.

Gelecekte, kullanıcı etkileşimini artırmak ve yeni ürünler geliştirmek için bu modellerin Google ekosistemlerinde benimsendiğini görebiliriz. 

Yapay Zekâ ve Veri Bilimi

Modern yapay zekâ; veri bilimi, algoritmalar ve veri mühendisliği tarafından yönlendirilir. ChatGPT ve LaMDA gibi son teknoloji ürünleri yaratmak için temelden başlamalı, veriyi nasıl işleyeceğimizi anlamalı, çeşitli doğal dil işleme ve pekiştirmeli öğrenme tekniklerini uygulamalı, derin öğrenme algoritmaları ve dönüştürücüleri ve model optimizasyonunu öğrenmeliyiz.

Veri bilimi kariyerinize Python ile Veri Bilimci kariyer yolunu tamamlayarak başlayın. Bu yol, profesyonel bir veri bilimci olmak için gerekli temel becerileri size kazandırır.

Görsel: Yazar

Gelelim kritik soruya: Yapay zekâ veri bilimcilerin, analistlerin veya mühendislerin yerini alacak mı? Basit cevap “HAYIR.” Belki çok uzak bir gelecekte; ama o zaman bile daha yaratıcı ve karar almaya dayalı farklı işlerimiz olacak. Yapay zekâ geliştikçe, biz de gelişeceğiz.

GitHub Copilot, DALL-E 2, ChatGPT ve diğer son teknoloji araçlar bize yardımcı olmak için burada. Amacı bizi daha üretken ve verimli kılmak. 

Tesla ve OpenAI’de Daha Önce Yapay Zekâ Direktörü olan Andrej Karpathy şöyle diyor:

“Copilot kod yazmamı dramatik biçimde hızlandırdı, "manuel kodlamaya" geri dönmeyi hayal etmek zor. Hâlâ kullanmayı öğreniyorum ama şimdiden kodumun yaklaşık %80'ini, yaklaşık %80 doğrulukla yazıyor. Artık gerçekten kod yazmıyorum, istem veriyorum. Ve düzenliyorum.” - Twitter

Bu da gösteriyor ki teknolojiyi anlayan birçok kişi, programlama, mantık, veri analizi ve karar verme konularında kendini geliştirmek için bu araçları kullanacak. 

Veri bilimciler yapay zekâyı nasıl kullanabilir?

1. Kullanıcı mahremiyetini korurken gerçek hayata dayalı veri üretme.
2. Zarif ve verimli kod yazma.
3. Ürün prototipleme.
4. İstemler kullanarak daha iyi veri analizi yapma. 
5. Doğal dille karmaşık SQL sorguları üretme. 
6. Teknik olmayan paydaşlar için daha iyi raporlar oluşturma.
7. Açıklamasıyla birlikte karmaşık istatistiksel analizler yürütme.
8. Yeni programlama dilleri, beceriler, çerçeveler ve kavramlar öğrenme. 
9. En son teknoloji ML çözümleri kurmak için yapay zekâ odaklı AutoML ve model optimizasyon araçlarını kullanma.
10. Zaman kazandıran ve hataları önleyen otomasyon betikleri oluşturma. 

Yapay Zekâda Yeni Bir İlerleme Çağı

Microsoft, OpenAI iş birliğiyle, ChatGPT’yi yeni Bing arama motoruna entegre etti ve buna web için yardımcı pilot adını verdi. Bu duyuruyla birlikte teknoloji üstünlüğünü elde etmek için yeni bir yarış başladı.

Microsoft, ChatGPT ve diğer GPT modellerini ekosistemine entegre etmeyi planlıyor. Bu, her şeyi değiştirecek; çünkü kullanıcıların uygulamadan çıkmasına bile gerek kalmayacak. Sadece bir botla sohbet ederek arama yapabilecek, içerik ekleyip düzenleyebilecek ve fikir üretebilecekler. 

Bing Copilot Demosu

Paris etkinliğinde Google, Bard adlı ChatGPT sürümünü tanıttı. Hafif bir LaMDA tarafından destekleniyor. Bard, Microsoft’un web için yardımcı pilotuna oldukça benziyor; Google’ın arama motoruna entegre ve benzer özellikler sunuyor. 

Yapay zekâdaki ilerlemenin olumsuz yanları

• GPT gibi büyük dil modelleri gelecekte dezenformasyon kampanyaları için kullanılabilir - openai.com. Hem fiziksel hem de duygusal zarara yol açma potansiyeli var.
• Yapay zekâ ile üretilen içerik SEO açısından optimize edilmiş ve tespiti zor. Öğrenciler ve profesyoneller, kavramı öğrenmeden veya anlamadan özgün işler üretmek için kullanıyor. Eğitimle ilgili risk ve fırsatlar hakkında daha fazla bilgi için OpenAI API dokümantasyonunu okuyun.
• Telif hakkı sorunları gerçek. Bu modeller çevrimiçi metinler üzerinde eğitildi ve bazısı korunan içerik. Yapay zekâdaki ilerlemeyi gerekçe göstererek başkasının eserini alamazsınız. 
• Bazen yapay zekâ olgusal olarak yanlış yanıtlar üretiyor. Bu modeller kolluk kuvvetlerinde uygulanırsa gelecekte büyük sorunlara yol açabilir. 

Bu sorunlar zamanla çözülecek ve yapay zekânın kullanımını düzenleyen yeni mevzuatlar göreceğiz. Okullar ve büyük içerik platformları şimdiden yapay zekâ ile üretilen içerik politikaları uygulamaya başladı. 

Peki biz ne yapabiliriz? Bu yeni teknolojileri öğrenmeye başlayabilir ve onları etik biçimde kullanabiliriz. Yapay zekâ öğrenmeye, Python ile Makine Öğrenimi Bilimcisi kariyer yoluna kaydolarak başlayabilirsiniz. Bu yol, bir yapay zekâ mühendisi olarak iş bulmak için gerekli temel makine öğrenimi becerilerini öğretir.