Yapay zeka kadar hızlı hareket eden bir sektöre ayak uydurmak zorlu bir iştir. Yani 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 hafta AI’da OpenAI, muhtemelen gelecek birçok geliştirici konferansının ilkini düzenledi. Açılış konuşması sırasında şirket, diğerlerinin yanı sıra GPT-4’ün geliştirilmiş bir sürümü, yeni metinden konuşmaya modelleri ve görüntü oluşturma DALL-E 3 için bir API dahil olmak üzere bir dizi yeni ürünü tanıttı.
Ancak şüphesiz en önemli duyuru GPT’lerdi.
OpenAI’nin GPT’leri, geliştiricilere OpenAI modelleri tarafından desteklenen kendi konuşmaya dayalı yapay zeka sistemlerini oluşturmaları ve bunları GPT Mağazası adı verilen OpenAI tarafından barındırılan bir pazarda yayınlamaları için bir yol sağlar. OpenAI CEO’su Sam Altman konferansta sahnede yaptığı konuşmada, yakında geliştiricilerin GPT’lerden kaç kişinin kullandığına bağlı olarak para bile kazanabileceklerini söyledi.
Altman, “İnsanlara daha iyi araçlar verirseniz harika şeyler yapacaklarına inanıyoruz” dedi. “Bir GPT oluşturabilirsiniz… ve sonra bunu başkalarının kullanması için yayınlayabilirsiniz. Talimatları, genişletilmiş bilgileri ve eylemleri birleştirdikleri için size daha fazla yardımcı olabilirler.”
OpenAI’nin yapay zeka model sağlayıcısından platforma geçişi elbette ilginç oldu, ancak tamamen beklenmedik bir durum da değil. Startup, Mart ayında üçüncü tarafları OpenAI’nin model ekosistemine ilk kez getiren yapay zeka destekli sohbet robotu ChatGPT için eklentilerin lansmanıyla hedeflerini dile getirdi.
Ancak bu yazarı hazırlıksız yakalayan şey, OpenAI’nin GPT oluşturma ve araçları ticarileştirme sürecinin genişliği ve derinliğiydi.
OpenAI konferansına bizzat katılan meslektaşım Devin Coldewey bana GPT deneyiminin demolarda “biraz aksaklık” olduğunu ancak aşağı yukarı reklamı yapıldığı gibi çalıştığını söyledi. GPT’ler kodlama deneyimi gerektirmez ve geliştiricinin istediği kadar basit veya karmaşık olabilir. Örneğin, bir GPT bir yemek kitabı koleksiyonu üzerinde eğitilerek belirli bir tarifin malzemeleriyle ilgili soruları yanıtlayabilir. Veya bir GPT, geliştiricilerin stillerini kontrol edebilmeleri veya en iyi uygulamalara uygun olarak kod oluşturabilmeleri için bir şirketin özel kod tabanlarını alabilir.
GPT’ler, en azından OpenAI model ailesini kullanan uygulamalar için üretken yapay zeka uygulaması oluşturmayı etkili bir şekilde demokratikleştirir. Ve eğer OpenAI’nin rakipleri olsaydım – en azından Big Tech’in desteği olmayan rakipler – bir tepki toplamak için mecazi savaş odasına doğru yarışırdım.
GPT, iş modelleri esasen müşteriler için GPT’ler oluşturmaya odaklanan danışmanlık şirketlerini yok edebilir. Geliştirici yeteneğine sahip müşteriler için ise model sağlayıcılar şunları yapabilir: yapma Bir sağlayıcının API’lerini mevcut uygulamalara ve hizmetlere entegre etme zorunluluğunun karmaşıklığı göz önüne alındığında, her türlü uygulama oluşturma aracını daha az çekici hale getirin.
Bu iyi bir şey mi? Mutlaka tartışmıyorum – ve tekel potansiyeli konusunda endişeliyim. Ancak OpenAI’nin ilk hamle avantajı var ve bunu iyi ya da kötü yönde kullanıyor.
İşte son birkaç güne ait diğer AI hikayeleri:
- Samsung üretken yapay zekayı tanıtıyor: OpenAI’nin geliştirme etkinliğinden sadece birkaç gün sonra Samsung, Samsung AI Forum 2023’te kendi üretken AI ailesi Samsung Gauss’u tanıttı. ChatGPT’ye benzer büyük bir dil modeli, kod üreten bir model ve bir görüntü oluşturma olmak üzere üç modelden oluşur. düzenleme modeli — Teknoloji şirketi, Samsung Gauss’un artık Samsung personeli tarafından dahili olarak kullanıldığını ve “yakın gelecekte” genel kullanıcılara sunulacağını söyledi.
- Microsoft, startuplara ücretsiz yapay zeka hesaplama olanağı sunuyor: Microsoft bu hafta, Microsoft for Startups Founders Hub adlı başlangıç programını, üretken modelleri eğitmek ve çalıştırmak için “üst düzey” Nvidia tabanlı GPU sanal makine kümelerine yönelik ücretsiz bir Azure AI altyapı seçeneği içerecek şekilde güncellediğini duyurdu. Y Combinator ve startup kurucularından oluşan topluluk, özel ön izlemede kümelere erişim elde eden ilk kişiler olacak, bunu Microsoft’un girişim fonu M12 ve M12’nin portföyündeki startuplar ve bundan sonra potansiyel olarak diğer startup yatırımcıları ve hızlandırıcıları takip edecek.
- YouTube üretken yapay zeka özelliklerini test ediyor: YouTube yakında yeni üretken yapay zeka özelliklerini denemeye başlayacak. duyuruldu Bu hafta. Ücretli YouTube abonelerine sunulan premium paketin bir parçası olarak kullanıcılar, YouTube içeriği hakkındaki soruları yanıtlamak ve önerilerde bulunmak için yapay zekayı kullanan bir konuşma aracının yanı sıra bir videonun yorumlarındaki konuları özetleyen bir özelliği deneyebilecekler.
- DeepMind’ın robot bilimi başkanıyla bir röportaj: Brian, Google DeepMind’ın robot bilimi başkanı Vincent Vanhoucke ile Google’ın büyük robotik hedefleri hakkında konuştu. Röportajda genel amaçlı robotlar, üretken yapay zeka ve en önemlisi ofis Wi-Fi’si dahil olmak üzere bir dizi konuya değinildi.
- Kai-Fu Lee’nin yapay zeka girişimi modeli ortaya koyuyor: Batı’da en çok satan kitabı “Yapay Zeka Süper Güçleri” ve Çin’de yapay zeka tek boynuzlu atları üzerine iddialarıyla tanınan bilgisayar bilimcisi Kai-Fu Lee, kendi yapay zeka girişimiyle etkileyici bir zemin kazanıyor. 01.AI. Kuruluşundan yedi ay sonra, değeri 1 milyar dolar olan 01.AI, ilk modeli olan açık kaynağı piyasaya sürdü. Yi-34B.
- GitHub, özelleştirilebilir Copilot planının tanıtımını yapıyor: GitHub bu hafta, şirketlerin Copilot çift programlayıcısını dahili kod tabanlarına göre ince ayar yapmalarına olanak tanıyacak bir kurumsal abonelik katmanı planlarını duyurdu. Haber, Microsoft’un sahibi olduğu şirketin Çarşamba günü yıllık GitHub Universe geliştirici konferansında açıkladığı bir dizi dikkate değer bilginin bir parçasını oluşturdu; bunlar arasında yeni bir ortak programı da dahil olmak üzere Copilot’un yakın zamanda açıklanan chatbot benzeri özelliği Copilot Chat’in ne zaman açıklanacağı konusunda daha fazla netlik sağlandı. resmi olarak mevcut olacak.
- Hugging Face’in iki kişilik model ekibi: Yapay zeka girişimi Hugging Face, çok çeşitli veri bilimi barındırma ve geliştirme araçları sunuyor. Ancak bugünlerde şirketin en etkileyici ve yetenekli araçlarından bazıları, Ocak ayında H4 adı verilen iki kişilik bir ekipten geliyor.
- Mozilla bir AI sohbet robotu yayınladı: Bu yılın başlarında Mozilla, sahte ve yanıltıcı ürün incelemelerini belirlemek için yapay zeka ve makine öğreniminden yararlanan bir girişim olan Fakespot’u satın aldı. Şimdi Mozilla, ilk büyük dil modelini piyasaya sürüyor. Fakespot Sohbet, Ürünlerle ilgili soruları yanıtlayarak ve hatta ürün araştırmasında yararlı olabilecek sorular önererek tüketicilere çevrimiçi alışveriş yaparken yardımcı olan bir yapay zeka aracısı.
Daha fazla makine öğrenimi
Önceki birçok örneği inceledikten sonra, birçok disiplinde makine öğrenimi modellerinin karmaşık veri yapıları için nasıl gerçekten iyi kısa vadeli tahminler yapabildiğini gördük. Örneğin yaklaşan depremler için uyarı süresini uzatabilir ve insanlara korunmaları için ekstra 20-30 saniye süre tanıyabilir. Ve Google, hava durumu modellerini tahmin etme konusunda da yetenekli olduğunu gösterdi.
MetNet’in verileri makine öğrenimi tabanlı tahminlerine nasıl entegre ettiğini gösteren gönderiden birkaçı anlaşıldı. Resim Kredisi: Google
MetNet-3, yağış, sıcaklık, rüzgar ve bulut örtüsü gibi çeşitli değişkenlere bakan ve neyin muhtemel olacağına dair şaşırtıcı derecede yüksek çözünürlüklü (zamansal ve mekansal) tahminler üreten bir dizi fizik tabanlı hava durumu modelinin en sonuncusudur. sonra gel. Bu tür tahminlerin çoğu, bazı zamanlar doğru olan ancak diğer zamanlarda doğru olmayan veya verileri başka kaynaklarla birleştirilerek daha doğru hale getirilebilen oldukça eski modellere dayanmaktadır; MetNet-3’ün yaptığı da budur. Detaylara çok fazla girmeyeceğim ama konuyla ilgili gerçekten ilginç bir yazı yayınladılar Geçen haftaki bu video, modern hava durumu tahmin motorlarının nasıl çalıştığına dair harika bir fikir veriyor.
Diğer son derece spesifik bilim haberlerinde, Kansas Üniversitesi’nden araştırmacılar kimya ile ilgili dergi makaleleri için yapay zeka tarafından oluşturulan metinler için bir dedektör. Elbette çoğu insan için faydalı değil, ancak OpenAI ve diğerleri dedektör modellerinde frene bastıktan sonra, en azından daha sınırlı bir şeyin mümkün olduğunu göstermek faydalı olacaktır. Ortak yazar Heather Desaire, “Metin analizi alanının çoğu, her şey üzerinde çalışacak gerçekten genel bir algılayıcı istiyor” dedi. “Gerçekten doğruluğun peşindeydik.”
Modelleri, American Chemical Society dergisindeki makaleler üzerinde eğitildi ve sadece başlıktan ve sadece özetten giriş bölümleri yazmayı öğrendi. Daha sonra ChatGPT-3.5 ile yazılan girişleri neredeyse mükemmel bir doğrulukla tanımlamayı başardı. Açıkçası bu son derece dar bir kullanım durumu, ancak ekip bunu oldukça hızlı ve kolay bir şekilde ayarlayabildiklerini belirtiyor; bu da farklı bilimler, dergiler ve diller için bir dedektör kurulabileceği anlamına geliyor.
Henüz üniversiteye giriş sınavları için bir tane yok, ancak yapay zeka yakında bu sürecin diğer tarafında yer alabilir, kimin gireceğine karar vermek yerine kabul görevlilerinin ham elmasları tanımlamasına yardımcı olabilir. Colorado Üniversitesi ve UPenn’den araştırmacılar, bir makine öğrenimi modelinin şunları yapabildiğini gösterdi: Öğrenci makalelerinde ilgi ve nitelikleri belirten pasajları başarılı bir şekilde tespit edinliderlik veya “toplum yanlısı amaç” gibi.
Öğrenciler bu şekilde (henüz) bu şekilde puanlandırılmayacaktır ancak bu, binlerce uygulamayı gözden geçirmek zorunda olan ve ara sıra yardımcı olabilecek yöneticilerin araç kutusunda çok ihtiyaç duyulan bir araçtır. Makaleleri gruplandırmak veya hatta daha iyi bir şekilde rastgele hale getirmek için bunun gibi bir analiz katmanını kullanabilirler, böylece kamptan bahsedenlerin hepsi arka arkaya gelmesin. Araştırma, öğrencilerin kullandığı dilin, mezuniyet oranı gibi belirli akademik faktörleri şaşırtıcı bir şekilde tahmin ettiğini ortaya çıkardı. Elbette bunu daha derinlemesine inceleyecekler, ancak makine öğrenimi tabanlı stilometrinin önemini koruyacağı açık.
Yapay zeka araçlarının kendi erişilebilirlik ihtiyaçlarıyla uyumluluğunu test eden Washington Üniversitesi’ndeki bir grup araştırmacının da vurguladığı gibi, yapay zekanın sınırlamalarını gözden kaçırmak işe yaramaz. Deneyimleri, özetleyici sistemlerin ön yargılar veya halüsinasyonlu ayrıntılar eklemesi (bunları kaynak materyali okuyamayan kişiler için uygunsuz hale getirmesi) ve erişilebilirlik içerik kurallarının tutarsız bir şekilde uygulanmasıyla kesinlikle karışıktı.
Ancak aynı zamanda otizm spektrumundaki bir kişi, Slack’te mesaj oluşturmak için bir dil modeli kullanmanın, normal iletişim becerilerine olan güven eksikliğinin üstesinden gelmesine yardımcı olduğunu buldu. Her ne kadar iş arkadaşları mesajları biraz “robotik” bulsa da bu, kullanıcı için net bir faydaydı ve bu da bir başlangıçtı. Bu çalışma hakkında daha fazla bilgiyi burada bulabilirsiniz.
Önceki her iki madde de hassas bir alandaki önyargı ve genel yapay zeka tuhaflıkları gibi çetrefilli konuları gündeme getiriyor; bu nedenle bazı eyaletlerin ve belediyelerin yapay zekanın resmi görevlerde ne için kullanılabileceğine ilişkin kurallar oluşturmaya çalışması şaşırtıcı değil. Örneğin Seattle’da az önce bir dizi “yönetim ilkesini” yayımladı ve bir yapay zeka modelinin resmi amaçlarla kullanılabilmesi için başvurulması veya uygulanması gereken araç kitleri. Hiç şüphe yok ki, bu tür farklı ve belki de çelişkili kural setlerinin yönetimin her düzeyinde uygulamaya konulduğunu göreceğiz.
VR’nin içinde esnek bir hareket algılayıcı görevi gören bir makine öğrenimi modeli, sanal nesnelerle etkileşim kurmanın gerçekten ilginç yolları. “VR kullanmak klavye ve fare kullanmaya benziyorsa onu kullanmanın ne anlamı var?” diye sordu başyazar Per Ola Kristensson. “Sana başka yerde elde edemeyeceğin neredeyse insanüstü güçler vermesi gerekiyor.” İyi bir nokta!
Yukarıdaki videoda tam olarak nasıl çalıştığını görebilirsiniz, düşündüğünüzde bu son derece mantıklıdır. Bilgisayarımı kullanarak bir menüden “kopyala” ve ardından “yapıştır” seçeneğini seçmek istemiyorum fare parmak. Bir elimde bir nesneyi tutmak, sonra diğer elimin avucunu açmak ve bum, bir kopyası olmak istiyorum! O zaman onları kesmek istersem elimi makasa mı çevireceğim? Bu harika!
Resim Kredisi: EPFL
Son olarak, Kes/Yapıştır’dan bahsetmişken, adı şu: İsviçre Üniversitesi EPFL’de yeni bir sergiÖğrencilerin ve profesörlerin 1950’lerden itibaren çizgi roman tarihini ve yapay zekanın bunları nasıl geliştirebileceğini veya yorumlayabileceğini incelediği yer. Açıkçası üretken sanat henüz tam olarak hakimiyet kurmuyor, ancak bazı sanatçıların etik ve telif hakkı konusundaki çelişkilerine rağmen yeni teknolojiyi test etmeye ve tarihi materyallere ilişkin yorumlarını keşfetmeye istekli oldukları açık. Lozan’da olacak kadar şanslıysanız Couper/Coller’a (her yerde bulunan dijital eylemlerin akılda kalıcı yerel versiyonu) göz atın.