2024, üretken yapay zekâ dalgasıyla başladı

Yapay zekâ topluluğu neredeyse her gün manşetlere çıkıyor gibi görünüyor. 2024’ün ilk birkaç ayı heyecan verici geçti ve yeni yapay zekâ yenilikleriyle doluydu. Güçlü yeni büyük dil modellerinden insan beyni implantlarına kadar 2024, yapay zekâ için önemli bir yıl olacak gibi görünüyor.

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 miktarda metin verisine dayanarak insan dilini anlamak, üretmek ve dönüştürmek üzere tasarlanan büyük dil modelleri (LLM), 2024’ün ilk çeyreğinde ön plana çıktı. Birçok büyük teknoloji şirketi, her biri kendine özgü yeteneklere sahip kendi LLM’lerini piyasaya sürdü. GPT-3 gibi önceki LLM’lerin başarısı bu eğilime ilham verdi. İşte 2024’ün başlarında piyasaya sürülen en dikkat çekici LLM’lerden bazıları.

Anthropic’in Claude 3’ü#

Anthropic, Claude 3'ü 4 Mart 2024'te yayımladı. Claude 3 modeli, farklı pazarlara ve amaçlara yönelik Opus, Sonnet ve Haiku adlı üç sürümden oluşuyor. En hızlı model olan Haiku, hızlı ve temel yanıtlar için optimize edilmiştir. Sonnet, hız ile zekâ arasında denge kurar ve kurumsal uygulamaları hedefler. En yetenekli sürüm olan Opus, karmaşık akıl yürütme görevleri için tasarlandı ve piyasaya sürüldüğünde birçok kıyaslamada öne çıktı.

Claude 3 model kartını ele aldığımız yazıda belirtildiği gibi Claude 3, çeşitli özellikler ve iyileştirmeler sunuyor:

• 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 piyasaya sürdüğü açık kaynaklı, genel amaçlı bir LLM’dir. DBRX; dil anlama, programlama ve matematik dahil çeşitli kıyaslama testlerinde iyi performans gösterir. Benzer modellerden yaklaşık %40 daha küçük olmasına rağmen yerleşik diğer modellerden daha başarılıdır.

Şekil 2. DBRX’i diğer modellerle karşılaştırma.

DBRX, eğitim ve çıkarım verimliliğini önemli ölçüde artıran, uzmanların ince taneli karışımı (MoE) mimarisiyle sonraki belirteç tahmini kullanılarak eğitildi. Mimarisi, çeşitli uzmanlaşmış alt modellere (“uzmanlara”) danışarak modelin 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, kapsamlı metin, video ve ses verilerini analiz edebilen, hesaplama açısından verimli 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 gelişmiştir. Gemini 1.5’in temel özelliklerinden biri uzun bağlamı anlama konusundaki çığır açan başarısıdır. Model, 1 milyona kadar belirteci tutarlı biçimde işleyebilir. Gemini 1.5’in yetenekleri yeni bir MoE tabanlı mimariden de kaynaklanır.

Şekil 3. Popüler LLM’lerin bağlam uzunluklarının karşılaştırması

İşte Gemini 1.5’in en ilgi çekici özelliklerinden bazıları:

• 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, sosyal medyanın geleceği ve yapay zekânın ilerleyişi hakkında tartışmalara yol açacak kadar gerçekçi görseller oluşturabilen üretken yapay zekâ modelleri ortaya çıktı. İşte gündeme yön veren modeller.

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 görüntü üretme modeli olan Stable Diffusion 3’ün gelişini 22 Şubat 2024’te duyurdu. Model, difüzyon Transformer mimarisini akış eşleştirmeyle birleştiriyor. Henüz teknik bir makale yayımlamadılar ancak dikkat edilmesi gereken birkaç temel 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 araştırmacıları 23 Ocak 2024'te bir metinden videoya difüzyon modeli olan Lumiere'i tanıttı. Lumiere, kısaca STUNet olarak adlandırılan Space-Time-U-Net mimarisini kullanır. Bu mimari, Lumiere'nin bir videodaki nesnelerin nerede olduğunu ve nasıl hareket ettiğini anlamasına yardımcı olur. Böylece akıcı ve gerçekçi videolar oluşturabilir.

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

Lumiere, video başına 80 kare oluşturabilmesiyle yapay zekâ video kalitesinde dikkate değer bir ilerlemeye işaret ediyor. Lumiere’in özelliklerinden bazıları şunlardır:

• 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#

18 Ocak 2024’te Walt Disney Imagineering, HoloTile Floor’u tanıttı. Bu sistem, dünyanın ilk çok kişili, çok yönlü koşu bandı zemini olarak adlandırıldı.

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 asistanını piyasaya sürdü. Devin, otonom bir yapay zekâ yazılım mühendisi olma yolundaki dünyanın ilk girişimidir. Öneriler sunan veya belirli görevleri tamamlayan geleneksel kodlama asistanlarından farklı olarak Devin, ilk fikir aşamasından tamamlanmasına kadar tüm yazılım geliştirme projelerini yürütecek şekilde tasarlanmıştır.

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#

Son zamanlarda o kadar çok şey oldu ki bu makalede her şeyi ele almak mümkün değil; ancak birkaç önemli değinmeye daha yer verelim.

• 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 başında yapay zekâ alanında önemli ilerlemeler ve birçok teknolojik dönüm noktası yaşandı. Ancak yapay zekânın yapabilecekleri için bu daha başlangıç. Yapay zekâdaki en son gelişmeler hakkında daha fazla bilgi edinmek istiyorsan Ultralytics sana yardımcı olur.

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.