2024, üretken yapay zekâ dalgasıyla başladı

Yapay zekâ topluluğu neredeyse her gün manşetlere çıkıyor. 2024’ün ilk birkaç ayı heyecan verici ve yeni yapay zekâ yenilikleriyle doluydu. Güçlü yeni büyük dil modellerinden insan beynine yerleştirilen implantlara kadar 2024 harika bir yıl olmaya aday.

Yapay zekânın sektörleri dönüştürdüğünü, bilgilere erişimi kolaylaştırdığını ve hatta zihinlerimizi makinelerle birleştirme yolunda ilk adımları attığını görüyoruz. 2024’ün ilk çeyreğine dönüp yalnızca birkaç ay içinde yapay zekâ alanında kaydedilen ilerlemeye yakından bakalım.

Büyük dil modelleri gündemde#

Büyük dil modelleri (LLMs), büyük miktarda metin verisine dayanarak insan dilini anlamak, oluşturmak ve işlemek üzere tasarlanmıştır ve 2024’ün ilk çeyreğinde ön plana çıkmıştır. Birçok büyük teknoloji şirketi, her biri kendine özgü yeteneklere sahip kendi büyük dil modellerini yayımladı. Bu eğilim, GPT-3 gibi önceki büyük dil modellerinin olağanüstü başarısından ilham aldı. İşte 2024’ün başlarında yayımlanan en dikkat çekici büyük dil modellerinden bazıları.

Anthropic’in Claude 3’ü#

Anthropic, 14 Mart 2024’te Claude 3’ü yayımladı. Claude 3 modeli, farklı pazar ve amaçlara yönelik Opus, Sonnet ve Haiku olmak üzere üç sürümden oluşur. En hızlı model olan Haiku, hızlı ve temel yanıtlar için optimize edilmiştir. Sonnet, hızı zekâyla dengeler ve kurumsal uygulamaları hedefler. En gelişmiş sürüm olan Opus, benzersiz bir zekâ ve akıl yürütme yeteneği sunar; karmaşık görevler ve en iyi kıyaslama sonuçlarına ulaşmak için idealdir.

Claude 3, birçok gelişmiş özellik ve iyileştirme sunar:

• Geliştirilmiş Çok Dilli Konuşmalar: İspanyolca, Japonca ve Fransızca dâhil olmak üzere çeşitli dillerde iyileştirilmiş yetenekler.
• Gelişmiş Görüntü Yetenekleri: Çeşitli görsel biçimleri işleyebilir.
• Daha Az Ret: Daha az gereksiz retle daha iyi bir bağlam kavrayışı sergiler ve daha anlayışlı davranır.
• Genişletilmiş Bağlam Penceresi: 200K’lık bir bağlam penceresi sunar; ancak müşteri ihtiyaçlarına bağlı olarak 1 milyonun üzerindeki belirteçlerden oluşan girdileri işleyebilir.

Şekil 1. Claude 3, önceki sürümlere kıyasla bağlamı daha iyi kavrar.

Databricks’in DBRX’i#

Databricks DBRX, Databricks’in 27 Mart 2024’te yayımladığı açık, genel amaçlı bir büyük dil modelidir. DBRX; dil anlama, programlama ve matematik dâhil çeşitli kıyaslamalarda çok başarılıdır. Benzer modellerden yaklaşık %40 daha küçük olmasına rağmen yerleşik diğer modelleri geride bırakır.

Şekil 2. DBRX’i diğer modellerle karşılaştırma.

DBRX, ince taneli uzman karışımı (MoE) mimarisiyle sonraki belirteç tahmini kullanılarak eğitildi; bu nedenle eğitim ve çıkarım performansında önemli iyileşmeler görebiliyoruz. Mimarisi, modelin çeşitli uzmanlaşmış alt modellerden (“uzmanlardan”) yararlanarak bir dizideki sonraki sözcüğü daha doğru tahmin etmesini sağlar. Bu alt modeller, farklı bilgi veya görev türlerini ele alma konusunda başarılıdır.

Google’ın Gemini 1.5’i#

Google, çok miktarda metin, video ve ses verisini analiz edebilen, hesaplama açısından verimli ve çok modlu bir yapay zekâ modeli olan Gemini 1.5’i 15 Şubat 2024’te tanıttı. En yeni model; performans, verimlilik ve yetenekler açısından daha gelişmiş. Gemini 1.5’in öne çıkan özelliklerinden biri, uzun bağlamı anlama konusunda kaydettiği büyük ilerleme. Model, 1 milyon tokene kadar veriyi tutarlı biçimde işleyebiliyor. Gemini 1.5’in yetenekleri, yeni bir MoE tabanlı mimari sayesinde de mümkün oluyor.

Şekil 3. Popüler LLM’lerin bağlam uzunluklarının karşılaştırması

Gemini 1.5’in en ilgi çekici özelliklerinden bazıları şunlar:

• Gelişmiş Veri İşleme: Büyük PDF’lerin, kod depolarının veya uzun videoların istem olarak doğrudan yüklenmesine olanak tanır. Model, farklı kiplerde akıl yürütebilir ve metin çıktısı üretebilir.
• Birden Fazla Dosya Yükleme ve Sorgulama: Geliştiriciler artık birden fazla dosya yükleyip soru sorabilir.
• Farklı Görevlerde Kullanılabilir: Çeşitli görevlerde ölçeklenebilir olacak şekilde optimize edilmiştir ve matematik, fen, akıl yürütme, çok dillilik, video anlama ve kod gibi alanlarda iyileştirmeler sunar.

Yapay zekâdan çarpıcı görseller#

2024’ün ilk çeyreğinde, gerçeğe o kadar yakın görseller üretebilen üretken yapay zekâ modelleri ortaya çıktı ki bu modeller sosyal medyanın geleceği ve yapay zekânın gelişimi hakkında tartışmalara yol açtı. Gelin, gündem yaratan modellere göz atalım.

OpenAI’ın Sora’sı#

ChatGPT’nin geliştiricisi OpenAI, 15 Şubat 2024’te Sora adlı son teknoloji bir metinden videoya derin öğrenme modelini duyurdu. Sora, metin biçimindeki kullanıcı istemlerine dayanarak yüksek görsel kalitede, bir dakikaya kadar uzunlukta videolar üretebilen bir metinden videoya modelidir.

Örneğin, aşağıdaki isteme göz at.

“Renkli balıklar ve deniz canlılarıyla dolu, mercan resifinden oluşan, muhteşem şekilde işlenmiş bir kâğıt el işi dünyası.”

Çıktı videodan bir kare de şöyle.

Şekil 4. Sora tarafından oluşturulan videodan bir kare.

Sora’nın mimarisi, doku üretimi için difüzyon modellerini yapısal tutarlılık için Transformer modelleriyle birleştirerek bunu mümkün kılıyor. Şimdiye kadar Sora’ya erişim, riskleri anlamak ve geri bildirim almak amacıyla kırmızı takım üyelerine ve seçilmiş bir grup görsel sanatçıya, tasarımcıya ve film yapımcısına verildi.

Stability AI’ın Stable Diffusion 3’ü#

Stability AI, metinden görsel oluşturma modeli olan Stable Diffusion 3’ün 22 Şubat 2024’te kullanıma sunulacağını duyurdu. Model, difüzyon Transformer mimarisini akış eşleştirmeyle birleştiriyor. Henüz teknik bir makale yayımlamadılar ancak dikkat edilmesi gereken birkaç önemli özellik var.

Şekil 5. Şu isteme dayalı çıktı görseli: “Gece vakti bir dağın zirvesinde duran ve karanlık gökyüzüne renkli enerjiden oluşan "Stable Diffusion 3" yazısını kozmik bir büyüyle yansıtan büyücünün destansı anime çizimi” (Kaynak)

Stable Diffusion’ın en yeni modeli; birden fazla özne içeren görseller oluştururken daha iyi performans, görüntü kalitesi ve doğruluk sunuyor. Stable Diffusion 3 ayrıca 800 milyondan 8 milyara kadar parametre içeren çeşitli modeller sunacak. Kullanıcılar ölçeklenebilirlik ve ayrıntı gereksinimlerine göre seçim yapabilecek.

Google’ın Lumiere’i#

Google, 23 Ocak 2024’te metinden videoya difüzyon modeli Lumiere’i kullanıma sundu. Lumiere, kısaca STUNet olarak adlandırılan Space-Time-U-Net mimarisini kullanıyor. Bu mimari, Lumiere’in videodaki nesnelerin nerede olduğunu ve nasıl hareket ettiklerini anlamasına yardımcı oluyor. Böylece akıcı ve gerçekçi videolar oluşturabiliyor.

Şekil 6. “Evde ukulele çalan panda.” istemine dayalı olarak oluşturulan videodan bir kare.

Her videoda 80 kare oluşturabilen Lumiere, yapay zekâ alanında sınırları zorluyor ve video kalitesi için yeni standartlar belirliyor. Lumiere’in bazı özellikleri şöyle:

• Görselden Videoya: Lumiere, bir görsel ve istemden yola çıkarak görselleri videolara dönüştürebilir.
• Stilize Üretim: Lumiere, tek bir referans görsel kullanarak belirli stillerde videolar oluşturabilir.
• Sinemagraflar: Lumiere, dinamik sahneler oluşturmak için bir görselin belirli bölgelerini canlandırabilir; örneğin sahnenin geri kalanı sabit kalırken belirli bir nesneyi hareket ettirebilir.
• Video İçi Boyama: Bir videonun bazı bölümlerini değiştirebilir; örneğin videodaki kişilerin kıyafetlerini veya arka plan ayrıntılarını değiştirebilir.

Gelecek kapıda gibi görünüyor#

2024’ün başlangıcı, bilim kurgu filmlerinden çıkmış gibi görünen birçok yapay zekâ yeniliğini de beraberinde getirdi. Daha önce imkânsız olduğunu düşündüğümüz şeyler artık üzerinde çalışılan projeler arasında. Aşağıdaki keşiflerle gelecek artık o kadar da uzak görünmüyor.

Elon Musk’ın Neuralink’i#

Elon Musk’ın Neuralink’i, kablosuz beyin çipini 29 Ocak 2024’te bir insana başarıyla yerleştirdi. Bu, insan beynini bilgisayarlara bağlama yolunda büyük bir adım. Elon Musk, Neuralink’in “Telepathy” adlı ilk ürününün geliştirilmekte olduğunu paylaştı.

Şekil 7. Neuralink implantı

Amaç, özellikle uzuvlarını kullanma işlevini kaybetmiş kişilerin cihazları düşünceleriyle zahmetsizce kontrol edebilmesini sağlamak. Olası uygulamalar kolaylığın ötesine geçiyor. Elon Musk, felçli bireylerin kolayca iletişim kurabildiği bir gelecek hayal ediyor.

Disney’in HoloTile Zemini#

Walt Disney Imagineering, 18 Ocak 2024’te HoloTile Zemin’i tanıttı. Bu sistem, dünyanın ilk çok kişili, çok yönlü hareket edebilen yürüyüş bandı zemini olarak anılıyor.

Şekil 8. Disney Imagineer Lanny Smoot, en yeni yeniliği HoloTile zemininde poz veriyor.

Sürükleyici bir sanal ve artırılmış gerçeklik deneyimi için telekinezi gibi herhangi bir kişinin veya nesnenin altında hareket edebilir. Üzerindeyken her yönde yürüyebilir ve çarpışmalardan kaçınabilirsin. Disney’in HoloTile Zemini, yaratıcı şekillerde dans etmek ve hareket etmek için tiyatro sahnelerine de kurulabilir.

Apple’ın Vision Pro’su#

Apple’ın merakla beklenen Vision Pro başlığı 2 Şubat 2024’te piyasaya çıktı. Sanal ve artırılmış gerçeklik deneyimini yeniden tanımlamak üzere tasarlanmış çeşitli özellik ve uygulamalara sahip. Vision Pro başlığı; eğlenceyi, üretkenliği ve uzamsal bilişimi bir araya getirerek geniş bir kullanıcı kitlesine hitap ediyor. Apple, üretkenlik araçlarından oyun ve eğlence hizmetlerine kadar 600’den fazla uygulamanın Vision Pro için lansman sırasında optimize edildiğini gururla duyurdu.

Cognition’ın Devin’i#

Cognition, 12 Mart 2024’te Devin adlı bir yazılım mühendisliği asistanı yayımladı. Devin, dünyanın ilk otonom yapay zekâ yazılım mühendisi olma girişimi. Öneriler sunan veya belirli görevleri tamamlayan geleneksel kodlama asistanlarından farklı olarak Devin, ilk fikir aşamasından tamamlanmasına kadar tüm yazılım geliştirme projelerini yürütmek üzere tasarlandı.

Yeni teknolojiler öğrenebilir, eksiksiz uygulamalar geliştirip dağıtabilir, hataları bulup düzeltebilir, kendi modellerini eğitebilir, açık kaynaklı ve üretim ortamındaki kod tabanlarına katkıda bulunabilir, hatta Upwork gibi sitelerde gerçek geliştirme işlerini üstlenebilir.

Şekil 9. Devin’in diğer modellerle karşılaştırması.

Devin, Django ve scikit-learn gibi açık kaynaklı projelerdeki gerçek GitHub sorunlarını çözmeleri için ajanları sınayan zorlu bir kıyaslama testi olan SWE-bench üzerinde değerlendirildi. Önceki en iyi sonuç olan %1,96’ya kıyasla sorunların %13,86’sını baştan sona doğru biçimde çözdü.

Değinmeye değer diğer gelişmeler#

O kadar çok gelişme yaşandı ki bu makalede hepsini ele almak mümkün değil. Ancak değinmeye değer birkaç gelişme daha var.

• NVIDIA’nın 21 Mart 2024’te duyurduğu LATTE3D, metin istemlerinden anında 3D temsiller oluşturan bir metinden 3D’ye yapay zekâ modelidir.
• CEO David Holz’un ipuçlarını verdiği Midjourney’nin yeni metinden videoya oluşturucusu, eğitimine ocak ayında başladı ve yakında kullanıma sunulması bekleniyor.
• Lenovo, yapay zekâ bilgisayarı devrimini ileri taşımak için E Ink Prism teknolojisine sahip ThinkBook 13x’i ve yüksek performanslı yapay zekâ dizüstü bilgisayarlarını 8 Ocak 2024’te piyasaya sürdü.

Yapay zekâ trendlerini bizimle takip et!#

2024’ün başlangıcı, yapay zekâ alanında çığır açan gelişmelere ve birçok önemli teknolojik dönüm noktasına sahne oldu. Ancak yapay zekânın yapabilecekleri daha yeni başlıyor. Yapay zekâdaki en son gelişmeler hakkında daha fazla bilgi edinmek istersen, Ultralytics sana yardımcı olabilir.

Bilgisayarlı görü ve yapay zekâ alanındaki en son katkılarımızı görmek için GitHub depomuza göz at. Yapay zekânın üretim ve sağlık gibi sektörlerde nasıl kullanıldığını görmek için çözümler sayfalarımıza da bakabilirsin.