Yapay zeka kadar hızlı hareket eden bir sektöre ayak uydurmak zorlu bir iştir. Bir yapay zeka bunu sizin için yapana kadar, kendi başımıza ele almadığımız dikkate değer araştırma ve deneylerin yanı sıra, makine öğrenimi dünyasındaki son hikayelerin kullanışlı bir özetini burada bulabilirsiniz.
Bu arada — TechCrunch yakında bir AI bülteni yayınlamayı planlıyor. Bizi izlemeye devam edin.
Bu hafta yapay zeka alanında, aralarında New York Daily News, Chicago Tribune ve Orlando Sentinel’in de bulunduğu yatırım devi Alden Global Capital’in sahip olduğu sekiz önde gelen ABD gazetesi, şirketlerin üretken yapay zeka teknolojisini kullanmasıyla ilgili telif hakkı ihlali nedeniyle OpenAI ve Microsoft’a dava açtı. OpenAI’ye karşı devam eden davasında New York Times gibi onlar da OpenAI ve Microsoft’u GPT-4 gibi üretken modeller oluşturmak ve ticarileştirmek için izinsiz veya tazminatsız fikri mülkiyetlerini kazımakla suçluyorlar.
Frank Pine, “Yayınlarımızda bilgi toplamak ve haberleri raporlamak için milyarlarca dolar harcadık ve OpenAI ve Microsoft’un, bizim pahasına kendi işlerini kurmak için çalışmalarımızı çalmak gibi büyük teknoloji taktiklerini genişletmelerine izin veremeyiz” dedi. Alden’in gazetelerini denetleyen genel yayın yönetmeni bir açıklamada şunları söyledi.
OpenAI’nin yayıncılarla olan mevcut ortaklıkları ve iş modelinin tamamını adil kullanım argümanına dayandırma konusundaki isteksizliği göz önüne alındığında, davanın bir uzlaşma ve lisans anlaşmasıyla sonuçlanması muhtemel görünüyor. Peki ya çalışmaları ücretsiz olarak model eğitimine sürüklenen diğer içerik oluşturucular ne olacak?
Görünüşe göre OpenAI bunu düşünüyor.
OpenAI’nin Superalignment ekibinden bir bilim adamı olan Boaz Barak’ın ortak yazarı olduğu yakın zamanda yayınlanan bir araştırma makalesi, telif hakkı sahiplerine “AI tarafından oluşturulan içeriğin oluşturulmasına yaptıkları katkılarla orantılı olarak” tazminat ödenmesi için bir çerçeve önermektedir. Nasıl? İşbirlikçi oyun teorisi yoluyla.
Çerçeve, Shapley değeri olarak bilinen bir oyun teorisi kavramını kullanarak, bir eğitim veri setindeki içeriğin (örneğin metin, resimler veya diğer bazı veriler) bir modelin ürettiği şeyi ne ölçüde etkilediğini değerlendirir. Daha sonra bu değerlendirmeye göre içerik sahiplerinin “haklı payını” (yani tazminatı) belirler.
Diyelim ki dört sanatçının sanat eserleri kullanılarak eğitilmiş, görüntü üreten bir modeliniz var: John, Jacob, Jack ve Jebediah. Ondan Jack’in tarzında bir çiçek çizmesini istiyorsun. Çerçeveyle, her sanatçının eserinin, modelin ürettiği sanat üzerindeki etkisini ve dolayısıyla her birinin alması gereken tazminatı belirleyebilirsiniz.
Ancak çerçevenin bir dezavantajı var; hesaplama açısından pahalı. Araştırmacıların geçici çözümleri, kesin hesaplamalar yerine tazminat tahminlerine dayanıyor. Bu içerik oluşturucuları tatmin eder mi? Çok emin değilim. Eğer OpenAI bir gün bunu uygulamaya koyarsa bunu kesinlikle öğreneceğiz.
İşte son birkaç güne ait diğer AI hikayeleri:
Microsoft yüz tanıma yasağını yeniden doğruladı: Microsoft’un OpenAI teknolojisine yönelik tam olarak yönetilen paketi olan Azure OpenAI Hizmeti için hizmet şartlarına eklenen dil, entegrasyonların ABD’de yüz tanıma için “polis departmanları tarafından veya polis departmanları için” kullanılmasını daha açık bir şekilde yasaklıyor
Yapay zekaya özgü girişimlerin doğası: Yapay zeka girişimleri, tipik hizmet olarak yazılım şirketinizden farklı zorluklarla karşı karşıyadır. Geçen hafta Boston’daki TechCrunch Early Stage etkinliğinde Glasswing Ventures’ın kurucusu ve yönetici ortağı Rudina Seseri’nin mesajı buydu; Ron’un tüm hikayesi var. Anthropic bir iş planı başlatıyor: AI girişimi Anthropic, yeni bir iOS uygulamasının yanı sıra işletmelere yönelik yeni bir ücretli plan başlatıyor. Kurumsal plan olan Ekip, müşterilere Anthropic’in Claude 3 üretken yapay zeka modelleri ailesinin yanı sıra ek yönetici ve kullanıcı yönetimi kontrollerine daha yüksek öncelikli erişim sağlar.
CodeWhisperer artık yok: Amazon CodeWhisperer artık Q GeliştiricisiAmazon’un iş odaklı üretken yapay zeka sohbet robotlarından oluşan Q ailesinin bir parçası. AWS aracılığıyla sunulan Q Developer, tıpkı CodeWhisperer’ın yaptığı gibi, geliştiricilerin günlük çalışmaları sırasında gerçekleştirdiği hata ayıklama ve uygulamalara yükseltme gibi bazı görevlerde yardımcı olur.
Sam’s Club’tan çıkmanız yeterli: Walmart’ın sahibi olduğu Sam’s Club, “çıkış teknolojisini” hızlandırmak için yapay zekaya yöneldiğini söylüyor. Mağaza personelinden, mağazadan ayrılırken üyelerin satın aldıkları ürünleri faturalarıyla karşılaştırarak kontrol etmelerini istemek yerine, kasada veya Scan & Go mobil uygulaması aracılığıyla ödeme yapan Sam’s Club müşterileri, artık satın aldıkları ürünleri tekrar kontrol etmeden belirli mağaza konumlarından çıkabiliyor. .
Balık hasadı, otomatik: Balık hasadı doğası gereği karmaşık bir iştir. Shinkei Devin, balıkları daha insani ve güvenilir bir şekilde sevk eden otomatik bir sistemle bunu geliştirmeye çalıştığını ve bunun tamamen farklı bir deniz ürünleri ekonomisi yaratabileceğini bildirdi.
Yelp’in yapay zeka asistanı: Yelp, bu hafta tüketicilere yönelik, OpenAI modelleri tarafından desteklenen, görevleri için (aydınlatma armatürleri kurmak, dış mekan alanlarını iyileştirmek vb.) ilgili işletmelerle bağlantı kurmalarına yardımcı olan yeni bir yapay zeka destekli sohbet robotu duyurdu. Şirket, yapay zeka asistanını iOS uygulamasında “Projeler” sekmesi altında kullanıma sunuyor ve bu yılın sonuna doğru Android’e de genişlemeyi planlıyor.
Daha fazla makine öğrenimi
Resim Kredisi: ABD Enerji Bakanlığı
Görünüşe göre bu kış Argonne Ulusal Laboratuvarı’nda yüz yapay zeka ve enerji sektörü uzmanını hızla gelişen teknolojinin ülkenin altyapısına ve bu alandaki Ar-Ge’ye nasıl yardımcı olabileceği hakkında konuşmak üzere bir araya getirdikleri zaman büyük bir parti varmış gibi görünüyor. Ortaya çıkan rapor, aşağı yukarı bu kalabalıktan bekleyeceğiniz türden: çok fazla pasta var ama yine de bilgilendirici.
Nükleer enerjiye, şebekeye, karbon yönetimine, enerji depolamaya ve materyallere bakıldığında, bu buluşmadan ortaya çıkan temalar öncelikle araştırmacıların yüksek güçlü bilgi işlem araçlarına ve kaynaklarına erişime ihtiyaç duyması; ikincisi, simülasyonların ve tahminlerin (ilk şeyin mümkün kıldıkları dahil) zayıf noktalarını tespit etmeyi öğrenmek; üçüncüsü, birden fazla kaynaktan ve birçok formattaki verileri entegre edebilen ve erişilebilir hale getirebilen yapay zeka araçlarına duyulan ihtiyaç. Sektörde tüm bu olayların çeşitli şekillerde gerçekleştiğini gördük, dolayısıyla bu büyük bir sürpriz değil, ancak birkaç bilim adamı bir makale yayınlamadan federal düzeyde hiçbir şey yapılmıyor, bu yüzden bunların kayıtlara geçmesi iyi.
Georgia Tech ve Meta, karbon yakalama süreçlerini tasarlayan bilim adamlarının bunu daha kolay yapmasına yardımcı olmayı amaçlayan bir dizi reaksiyon, malzeme ve hesaplamadan oluşan OpenDAC adı verilen yeni ve büyük bir veri tabanıyla bunun bir kısmı üzerinde çalışıyor. Karbon yakalama için umut verici ve popüler bir malzeme türü olan, ancak binlerce varyasyonu olan ve kapsamlı bir şekilde test edilmemiş olan metal-organik çerçevelere odaklanıyor.
Georgia Tech ekibi, Oak Ridge Ulusal Laboratuvarı ve Meta’nın FAIR’i ile bir araya gelerek bu materyaller üzerindeki kuantum kimyası etkileşimlerini simüle etmek için yaklaşık 400 milyon hesaplama saati kullandı; bu, bir üniversitenin kolayca toplayabildiğinden çok daha fazla bir rakam. Umarım bu alanda çalışan iklim araştırmacılarına faydalı olur. Hepsi burada belgelenmiştir.
Tıp alanındaki yapay zeka uygulamaları hakkında çok şey duyuyoruz, ancak bunların çoğu danışmanlık diyebileceğiniz bir rolde, uzmanların başka türlü göremeyecekleri şeyleri fark etmelerine yardımcı oluyor veya bir teknolojinin bulması saatler sürecek kalıpları tespit ediyor. Bunun nedeni kısmen bu makine öğrenimi modellerinin, neyin neye sebep olduğunu veya neye yol açtığını anlamadan istatistikler arasındaki bağlantıları bulmasıdır. Cambridge ve Ludwig-Maximilians-Universität München araştırmacıları bu konu üzerinde çalışıyorlar çünkü temel bağıntılı ilişkileri aşmak tedavi planları oluşturmada son derece yararlı olabilir.
LMU’dan Profesör Stefan Feuerriegel liderliğindeki çalışma, yalnızca korelasyonları değil, nedensel mekanizmaları da tanımlayabilen modeller yapmayı amaçlıyor: “Nedensel yapıyı tanımak ve sorunu doğru şekilde biçimlendirmek için makineye kurallar veriyoruz. Daha sonra makinenin müdahalelerin etkilerini tanımayı öğrenmesi ve tabiri caizse gerçek hayattaki sonuçların bilgisayarlara beslenen verilere nasıl yansıdığını anlaması gerekiyor” dedi. Onlar için henüz erken ve bunun farkındalar ancak çalışmalarının on yıllık önemli bir gelişme döneminin parçası olduğuna inanıyorlar.
Pensilvanya Üniversitesi’nde yüksek lisans öğrencisi Ro Encarnación, son 7-8 yıldır öncülük ettiğini gördüğümüz (özellikle kadınlar ve farklı ırklardan insanlar tarafından) “algoritmik adalet” alanında yeni bir bakış açısı üzerinde çalışıyor. Çalışmaları platformlardan çok kullanıcılara odaklanıyor ve “acil denetim” olarak adlandırdığı şeyi belgeliyor.
Tiktok veya Instagram biraz ırkçı bir filtre veya göz kamaştırıcı bir şey yapan bir görüntü oluşturucu yayınladığında kullanıcılar ne yapar? Elbette şikayet ediyorlar ama aynı zamanda onu kullanmaya devam ediyorlar ve içinde kodlanmış sorunları nasıl atlatacaklarını, hatta daha da kötüleştireceklerini öğreniyorlar. Bu bizim düşündüğümüz anlamda bir “çözüm” olmayabilir, ancak denklemin kullanıcı tarafının çeşitliliğini ve esnekliğini gösteriyor; düşündüğünüz kadar kırılgan veya pasif değiller.
