Öğrenebilen, kendini geliştirebilen, çoklu görev yapabilen ve en önemlisi kendini denetleyebilen yüksek performanslı yapay zekâlar üzerine yapılan çalışmalar tam gaz devam ediyor. Çoklu evren -metaverse- yatırımlarıyla da dikkatleri üzerine çeken Meta Platforms Inc. bu yüksek performanslı yapay zekâ algoritmasını geliştirme konusunda bir ilki başarmak istiyor.
Meta AI Araştırma ekibi etiketlenmiş eğitim verilerine ihtiyaç duymadan konuşma, görüntü ve metinden öğrenen bir sistem oluşturdu.
-Mark Zuckerberg
DATA2VEC
Önceden öğretilmemiş verileri de analiz edebilen ve kendi kendine öğrenebilen daha akıllı bir yapay zekânın oluşturulmasını sağlayacağı söylenen bu algoritmaya DATA2VEC adı veriliyor. Algoritmanın geliştirilmesindeki temel amaç yapay zekânın öğrenme sürecindeki en büyük bariyerlerden birisi olan etiketlenmiş veri sorununu ortadan kaldırmak.
Kendi Kendini Denetlemede 3’ü Bir Arada (Temel Özellik)
Makine öğrenimi, etiketlenmiş veriler üzerinden gerçekleştiği için verilerin işlenmesi maliyetli ve zahmetli bir süreç gerektiriyor. Maliyet ve zahmet bir yana, dünyadaki tüm verilerin etiketlenmesinin imkânsız olduğu faktörü de bulunuyor. Bu sebepten ötürü etiketli görüntüler metin veya ses yoluyla direkt olarak öğretilmek yerine, çevrenin doğrudan gözlemlenerek öğrenilmesi sağlanmaya çalışılıyor. Meta AI data2vec, kendi kendini denetleyerek öğrenmeye dayalı bir sistem ile çalışıyor. Bu sistemde kendini denetleyebilmesinin en büyük katkısı, bahsi geçen etiketlenmemiş bilgilerin -örneğin var olan binlerce farklı dil- etiketlenmeye gerek olmadan öğrenilebilmesi oluyor.
Bu, aslında daha önceden de var olan ve üzerinde çalışmaların sıklıkla yapıldığı bir özellik. Fakat data2vec’in bu noktada fark yaratmasının sebebi; görsel belirteçleri, sözcükleri veya sesleri ayrı ayrı tahmin etmek yerine, tek bir algoritma ile çalışabilmesi oluyor. Bu sayede öğrenim sırasında tek bir özelliğe yani modaliteye bağlılık kalmıyor.
Peki ya bu sistem nasıl çalışıyor?
Bu sistemi basitçe bir öğretmen-öğrenci modeli ile açıklayabiliriz. Bir görüntüden, metinden veya bir konuşmadan hedef temsilleri hesaplayabilmek için bir öğretmen ağı kullanılıyor. Bu temsiller algoritmaya girdi olarak konuluyor ve konulan hedef temsilinin bir kısmı sansürleniyor. Daha sonra öğretmenin ağının sansürlenmiş temsillerini tahmin edebilen bir öğrenci ağı ile süreç tekrarlanıyor. Bu sayede öğrenci modeli, bilgilerin yalnızca bir kısmının görünümüne sahip olmasına rağmen, tam girdi verilerinin temsillerini tahmin edebiliyor ve hesaplayabiliyor.
Farklı modaliteler için oluşturduğu sisteme bakıldığında aslında hepsinin aynı şekilde öğrenim gördüğünü görüyoruz. Böylece data2vec yapay zekâ algoritmasının, tüm bu modalitelere hükmeden tek bir ağ oluşturabileceğini gözlemliyoruz. Bu da onu ayırt etmeden birden fazla veriyi bir arada işleyebilen daha genel bir yapay zekâ yapıyor.
Günlük Hayatımızda Data2Vec
Data2Vec’in ilerde günlük yaşantıya entegre edilebilmesi için AR gözlüklerin kullanımını zenginleştirecek gibi duruyor. Bu proje gerçekleştiğinde, günlük aktivitelerimizi veya işlerimizi yaparken yüksek performanslı yapay zekâ; olası hatalarımızı, eksiklerimizi veya başka türlü önerilerini göstererek bizlere yardımcı olacak. Mark Zuckerberg’in tweetine göre örneğin yemek yaparken bu AR gözlükleri taktığımızda bizlere öğrendiği binlerce tariften videolar izletebiliyor, olası hatalarınızı söyleyebiliyor veya yaptığınız yemeğe malzemeler eklendiğinde nasıl bir tat vereceğini tahmin edebiliyor olacak. Metaverse hayatına da bir hazırlık olarak görebileceğimiz Data2Vec, geleceğin hayatımıza entegre teknolojilerinden biri olacak gibi görünüyor!
