90 Saniye'de anlatıyoruz: Geçmişten günümüze üretimsel yapay zeka

Kısa içerik formatımız 90 Saniye'de geçtiğimiz hafta "Üretimsel yapay zeka nedir?" sorusunu yanıtlamıştık. Bu bölümde geçmişten günümüze üretimsel yapay zekanın gelişimini birlikte inceliyoruz.

Hikayemiz, 20. yüzyılın başlarında Markov Modelleri ile başlıyor. Andrei Markov tarafından geliştirilen bu olasılıksal modeller, verilerin olasılıklara dayalı gelecek olayları tahmin etmesine imkan tanıdı ve veri dizilerinin üretilmesine temel oluşturdu.

1948 yılında Claude Shannon'ın bilgi teorisi alanındaki çalışmaları, bir sistemdeki belirsizliği veya rastlantısallığı ölçen entropi kavramını ortaya koydu. Bu kavram, öngörülemeyen ve yaratıcı içerik üretmenin doğasını anlamak için çok önemliydi.

1986 yılında geliştirilen Kısıtlı Boltzmann Makineleri (Restricted Boltzmann Machines - RBMs) ise Derin İnanç Ağları (DBN'ler) ve Üretken Çekişmeli Ağlar’ın temelini oluştururken, üretken görevler için gözetimsiz öğrenmenin (unsupervised learning) potansiyelini gösterdi. 

@webrazzi

90 Saniye'de anlatıyoruz: Geçmişten günümüze üretimsel yapay zeka Hikayemiz, 20. yüzyılın başlarında Markov Modelleri ile başlıyor. Andrei Markov tarafından geliştirilen bu olasılıksal modeller, verilerin olasılıklara dayalı gelecek olayları tahmin etmesine imkan tanıdı ve veri dizilerinin üretilmesine temel oluşturdu. #webrazzi #90saniye #üretimselyapayzeka #yapayzeka

♬ orijinal ses - Webrazzi

Sırasıyla 2013 ve 2014 yıllarında hayatımıza giren Varyasyonel Otomatik Kodlayıcılar (Variational Autoencoders - VAEs) ve Çekişmeli üretici ağlar (Generative Adversarial Networks - GANs) yapay zeka alanında devrim yaratarak, gerçekçi görüntü ve içerik üretimine imkan tanıdı. Diederik P. Kingma ve Max Welling tarafından tanıtılan Varyasyonel Otomatik Kodlayıcılar, derin öğrenme tekniklerini varyasyonel çıkarım ile birleştirdi. Ian Goodfellow ve ekibi tarafından önerilen Çekişmeli üretici ağlar ise bir üretici (generator) ve bir ayrıştırıcı (discriminator) olmak üzere iki sinir ağından oluşurken, görüntü, metin ve müzik gibi çıktılar üretmek için kullanılmıştır.

2017'de Vaswani ve arkadaşları tarafından tanıtılan dönüştürücüler (Transformers), GPT (Generative Pre-trained Transformer) ve BERT (Bidirectional Encoder Representations from Transformers) gibi daha iyi dil üretim modellerinin ortaya çıkmasını sağladı. Böylece dil üretimini ve doğal dil işleme alanını şekillendirdi.

2019'da, OpenAI tarafından geliştirilen GPT-3, 175 milyar parametresiyle benzersiz dil üretimi sergileyerek, sohbet robotları ve içerik oluşturma konusunda ilham verdi. GPT-3 ve GPT-4 tabanlı ChatGPT ise kısa sürede kullanıcıların yüksek ilgisiyle karşılaştı. Bunun yanı sıra CLIP ve VQ-VAE-2 gibi modeller ise görsel ve dil bilgisini birleştirerek metinsel komutlarla görüntü üretmeyi mümkün kılıyor.

Yapay zekanın yanı sıra önceki bölümlerimizde sizlerle Web3 alanında pek çok bilgi paylaştık. Web3 hakkında daha fazla bilgi edinmek için "Web3 Nedir?" , "Web3 Sözlüğü", "Web3'e nereden başlamalı?", "Akıllı sözleşmeler nasıl çalışır?" , "AR, VR ve metaverse nedir?", "NFT nedir?", Tokenomics'in temel kavramları ve DAO nedir ve nasıl çalışır? başlıklı bölümleri inceleyebilirsiniz.