Bir resim, yapay zeka hesaplama gücünün 70 yıldan fazla bir sürede 670 milyon kat geliştiğini ortaya koyuyor. Gelecekte yapay zeka, yetenekleri açısından her açıdan insanları geride bırakacak. Gerçekten heyecan verici olan şey, yapay zeka endüstrisinin henüz embriyonik aşamaya girmiş olması. salgından önceki aşama.
Elektronik bilgisayarlar 1940'lı yıllarda doğmuş ve bilgisayarların ortaya çıkışından sonraki 10 yıl içinde insanlık tarihindeki ilk yapay zeka uygulaması ortaya çıkmıştır.
70 yılı aşkın bir süre sonra, yapay zeka modelleri artık yalnızca şiir yazmakla kalmıyor, aynı zamanda metin yönlendirmelerine dayalı görüntüler üretebiliyor ve hatta insanların bilinmeyen protein yapılarını keşfetmesine yardımcı olabiliyor.
Peki yapay zeka teknolojisinin bu kadar kısa sürede katlanarak büyümesine ne sebep oldu?
"Verilerdeki Dünyamız"dan alınan uzun bir grafik, yapay zeka modellerini bir ölçek olarak eğitmek için kullanılan bilgi işlem gücündeki değişiklikler yoluyla yapay zeka gelişiminin tarihini izliyor.
Büyük, yüksek çözünürlüklü resim:
Şekildeki verilerin kaynağı MIT ve diğer üniversitelerden araştırmacıların yayınladığı bir makaleden gelmektedir.
Kağıt adresi:
Makalenin yanı sıra bu makalenin verilerine dayanarak görsel bir tablo hazırlayan bir araştırma ekibi de bulunmaktadır.İkonlar yakınlaştırılıp uzaklaştırılarak detaylı veriler elde edilebilir.
Formun adresi:
Grafiğin yazarı, esas olarak, işlem sayısını ve GPU süresini hesaplayarak her bir modelin eğitim hesaplama miktarını tahmin eder.Yazar, önemli bir modelin temsilcisi olarak hangi modelin seçileceğine ilişkin olarak esas olarak üç özellik aracılığıyla karar verir:
Önemli önem: Bir sistemin önemli bir tarihsel etkisi vardır, SOTA'yı önemli ölçüde iyileştirir veya 1.000'den fazla alıntı yapılmıştır.
İlgililik: Yazar yalnızca deneysel sonuçları ve temel makine öğrenimi bileşenlerini içeren makalelere yer vermektedir ve makalenin amacı mevcut SOTA'nın geliştirilmesini teşvik etmektir.
Benzersizlik: Aynı sistemi tanımlayan başka bir makale daha etkili ise, o makale yazarın veri kümesinden çıkarılacaktır.
Yapay zeka gelişiminin üç dönemi
1950'lerde Amerikalı matematikçi Claude Shannon, Theseus adında bir robot fareyi labirentte gezinmesi ve onun yollarını hatırlaması için eğitti; bu, yapay öğrenmenin ilk örneğiydi.
Theseus, 40 kayan nokta işlemi (FLOP) üzerine kurulmuştur. FLOP'lar genellikle bilgisayar donanımı bilgi işlem performansının bir ölçüsü olarak kullanılır. FLOP sayısı ne kadar yüksek olursa, bilgi işlem gücü de o kadar yüksek olur ve sistem de o kadar güçlü olur.
Bilgi işlem gücü, mevcut eğitim verileri ve algoritmalar yapay zeka gelişiminin üç ana unsurudur. Yapay zeka gelişiminin ilk on yıllarında, gerekli bilgi işlem gücü Moore Yasasına göre arttı; bilgi işlem gücü yaklaşık 20 ayda ikiye katlandı.
Ancak 2012 yılı görüntü tanıma yapay zekası AlexNet ile derin öğrenme döneminin başlangıcı oldu ve araştırmacılar bilgi işlem ve işlemcilere daha fazla yatırım yaptıkça bu süre iki katına çıkarak altı aya kadar önemli ölçüde kısaldı.
Profesyonel Go oyuncularını mağlup eden bir bilgisayar programı olan AlphaGo'nun 2015 yılında ortaya çıkmasıyla araştırmacılar üçüncü bir çağ keşfettiler: önceki tüm yapay zeka sistemlerinden daha fazla hesaplama talebi olan büyük ölçekli yapay zeka modellerinin çağı.
Yapay Zeka Teknolojisinin Gelecekteki İlerlemesi
Son on yıla baktığımızda, bilgi işlem gücünün o kadar hızlı arttığını görüyoruz ki neredeyse akıllara durgunluk veriyor.
Örneğin, karmaşık matematik problemlerini çözebilen bir yapay zeka olan Minerva'yı eğitmek için kullanılan bilgi işlem gücü, on yıl önce AlexNet'i eğitmek için kullanılanın neredeyse 6 milyon katıydı.
Bilgi işlemdeki bu büyüme, mevcut çok sayıda veri seti ve daha iyi algoritmalarla birleştiğinde, yapay zekanın son derece kısa bir sürede çok fazla ilerleme kaydetmesine olanak sağladı. Günümüzde yapay zeka yalnızca insan performans seviyelerine ulaşmakla kalmıyor, hatta birçok alanda insanı geride bırakabiliyor.
Yapay zeka yetenekleri her açıdan insanları aşmaya devam edecek
Yukarıdaki tablodan açıkça görülebileceği gibi, yapay zeka zaten birçok alanda insan performansını aştı ve yakında diğer alanlarda da insan performansını aşacak.
Aşağıdaki şekil, yapay zekanın günlük iş ve yaşamda kullanılan ortak yeteneklerde hangi yılda insan seviyesine ulaştığını veya aştığını göstermektedir.
Bilgi işlem büyümesinin aynı hızda devam edip etmeyeceğini söylemek zor. Büyük ölçekli modeller eğitmek için giderek daha fazla bilgi işlem gücü gerektirir. Bilgi işlem gücü arzı artmaya devam edemezse, bu durum yapay zeka teknolojisinin gelişimini yavaşlatabilir.
Benzer şekilde, yapay zeka modellerini eğitmek için halihazırda mevcut olan tüm verilerin kullanılması, yeni modellerin geliştirilmesini ve uygulanmasını da engelleyebilir.
Ancak 2023 yılında yapay zeka sektörüne, özellikle de büyük dil modelleriyle temsil edilen üretken yapay zekaya büyük miktarda sermaye akacak. Belki daha fazla atılım ortaya çıkacak gibi görünüyor, yapay zeka teknolojisinin gelişimini destekleyen yukarıdaki üç unsur gelecekte daha da optimize edilecek ve geliştirilecek gibi görünüyor.
2023'ün ilk yarısında yapay zeka sektöründeki startupların finansman büyüklüğü 14 milyar ABD dolarına ulaştı; bu, son dört yılda alınan toplam finansmandan bile daha fazla.
Üretken yapay zeka girişimlerinin büyük bir kısmı (%78) hala geliştirmenin çok erken aşamalarında ve üretken yapay zeka girişimlerinin %27'si bile henüz fon toplamadı.
360'tan fazla üretken yapay zeka şirketi var ve bunların %27'si henüz fon toplamadı. Yarısından fazlası erken aşamadaki veya daha önceki projelerdir; bu da tüm üretken yapay zeka endüstrisinin hala çok erken bir aşamada olduğunu göstermektedir.
Büyük dil modelleri geliştirmenin sermaye yoğun doğası nedeniyle, üretken yapay zeka altyapısı kategorisi, 2022'nin 3. çeyreğinden bu yana finansmanın %70'inden fazlasını aldı ve tüm üretken yapay zeka işlem hacminin yalnızca %10'unu oluşturdu. Finansmanın büyük kısmı, yatırımcıların temel modeller ve API'ler, MLOps (makine öğrenimi operasyonları) ve vektör veritabanı teknolojisi gibi yeni ortaya çıkan altyapıya olan ilgisinden geliyor.
Referanslar:
View Original
This page may contain third-party content, which is provided for information purposes only (not representations/warranties) and should not be considered as an endorsement of its views by Gate, nor as financial or professional advice. See Disclaimer for details.
Yapay zeka hesaplama gücü 70 yılda 680 milyon kat arttı ve üç tarihsel aşama, yapay zeka teknolojisinin katlanarak patlamasına tanık oldu
**Kaynak:**Xinzhiyuan
Elektronik bilgisayarlar 1940'lı yıllarda doğmuş ve bilgisayarların ortaya çıkışından sonraki 10 yıl içinde insanlık tarihindeki ilk yapay zeka uygulaması ortaya çıkmıştır.
70 yılı aşkın bir süre sonra, yapay zeka modelleri artık yalnızca şiir yazmakla kalmıyor, aynı zamanda metin yönlendirmelerine dayalı görüntüler üretebiliyor ve hatta insanların bilinmeyen protein yapılarını keşfetmesine yardımcı olabiliyor.
Peki yapay zeka teknolojisinin bu kadar kısa sürede katlanarak büyümesine ne sebep oldu?
"Verilerdeki Dünyamız"dan alınan uzun bir grafik, yapay zeka modellerini bir ölçek olarak eğitmek için kullanılan bilgi işlem gücündeki değişiklikler yoluyla yapay zeka gelişiminin tarihini izliyor.
Şekildeki verilerin kaynağı MIT ve diğer üniversitelerden araştırmacıların yayınladığı bir makaleden gelmektedir.
Makalenin yanı sıra bu makalenin verilerine dayanarak görsel bir tablo hazırlayan bir araştırma ekibi de bulunmaktadır.İkonlar yakınlaştırılıp uzaklaştırılarak detaylı veriler elde edilebilir.
Grafiğin yazarı, esas olarak, işlem sayısını ve GPU süresini hesaplayarak her bir modelin eğitim hesaplama miktarını tahmin eder.Yazar, önemli bir modelin temsilcisi olarak hangi modelin seçileceğine ilişkin olarak esas olarak üç özellik aracılığıyla karar verir:
Önemli önem: Bir sistemin önemli bir tarihsel etkisi vardır, SOTA'yı önemli ölçüde iyileştirir veya 1.000'den fazla alıntı yapılmıştır.
İlgililik: Yazar yalnızca deneysel sonuçları ve temel makine öğrenimi bileşenlerini içeren makalelere yer vermektedir ve makalenin amacı mevcut SOTA'nın geliştirilmesini teşvik etmektir.
Benzersizlik: Aynı sistemi tanımlayan başka bir makale daha etkili ise, o makale yazarın veri kümesinden çıkarılacaktır.
Yapay zeka gelişiminin üç dönemi
1950'lerde Amerikalı matematikçi Claude Shannon, Theseus adında bir robot fareyi labirentte gezinmesi ve onun yollarını hatırlaması için eğitti; bu, yapay öğrenmenin ilk örneğiydi.
Theseus, 40 kayan nokta işlemi (FLOP) üzerine kurulmuştur. FLOP'lar genellikle bilgisayar donanımı bilgi işlem performansının bir ölçüsü olarak kullanılır. FLOP sayısı ne kadar yüksek olursa, bilgi işlem gücü de o kadar yüksek olur ve sistem de o kadar güçlü olur.
Bilgi işlem gücü, mevcut eğitim verileri ve algoritmalar yapay zeka gelişiminin üç ana unsurudur. Yapay zeka gelişiminin ilk on yıllarında, gerekli bilgi işlem gücü Moore Yasasına göre arttı; bilgi işlem gücü yaklaşık 20 ayda ikiye katlandı.
Profesyonel Go oyuncularını mağlup eden bir bilgisayar programı olan AlphaGo'nun 2015 yılında ortaya çıkmasıyla araştırmacılar üçüncü bir çağ keşfettiler: önceki tüm yapay zeka sistemlerinden daha fazla hesaplama talebi olan büyük ölçekli yapay zeka modellerinin çağı.
Yapay Zeka Teknolojisinin Gelecekteki İlerlemesi
Son on yıla baktığımızda, bilgi işlem gücünün o kadar hızlı arttığını görüyoruz ki neredeyse akıllara durgunluk veriyor.
Örneğin, karmaşık matematik problemlerini çözebilen bir yapay zeka olan Minerva'yı eğitmek için kullanılan bilgi işlem gücü, on yıl önce AlexNet'i eğitmek için kullanılanın neredeyse 6 milyon katıydı.
Yapay zeka yetenekleri her açıdan insanları aşmaya devam edecek
Aşağıdaki şekil, yapay zekanın günlük iş ve yaşamda kullanılan ortak yeteneklerde hangi yılda insan seviyesine ulaştığını veya aştığını göstermektedir.
Bilgi işlem büyümesinin aynı hızda devam edip etmeyeceğini söylemek zor. Büyük ölçekli modeller eğitmek için giderek daha fazla bilgi işlem gücü gerektirir. Bilgi işlem gücü arzı artmaya devam edemezse, bu durum yapay zeka teknolojisinin gelişimini yavaşlatabilir.
Benzer şekilde, yapay zeka modellerini eğitmek için halihazırda mevcut olan tüm verilerin kullanılması, yeni modellerin geliştirilmesini ve uygulanmasını da engelleyebilir.
Ancak 2023 yılında yapay zeka sektörüne, özellikle de büyük dil modelleriyle temsil edilen üretken yapay zekaya büyük miktarda sermaye akacak. Belki daha fazla atılım ortaya çıkacak gibi görünüyor, yapay zeka teknolojisinin gelişimini destekleyen yukarıdaki üç unsur gelecekte daha da optimize edilecek ve geliştirilecek gibi görünüyor.
2023'ün ilk yarısında yapay zeka sektöründeki startupların finansman büyüklüğü 14 milyar ABD dolarına ulaştı; bu, son dört yılda alınan toplam finansmandan bile daha fazla.
Referanslar: