Türkiye'nin en büyük inovasyon ve girişimcilik bültenine katılın
Kanallar İlham Uygulamalar SSS Sözlük Giriş Üye Ol

Yapay Zeka (ai)

/yapayzeka · 8.YIL

Bu toplulukta yapay zekâ ile ilgili yeni araçlar, kullanım senaryoları, proje fikirleri, etik tartışmalar, iş dünyasındaki uygulamalar, eğitimde AI kullanımı ve Türkiye’de yapay zekânın gelişimine katkı sunabilecek çalışmalar paylaşılabilir.

94 içerik Katıl
#yapay zeka (ai) akışına dön
@endof · 14 gün önce hai.stanford.edu ↗

Stanford yapay zekâ endeksi: Alanın yıllık karnesi, iddia değil ölçüm içeren tek büyük rapor

Yapay zekâ alanında ortalıkta dolaşan iddiaların çoğu pazarlama kaynaklı. Bu rapor ise ölçülebilir göstergelerle alanın nerede olduğunu anlatıyor ve bu yüzden tartışmalarda referans olarak kullanılıyor.

Raporun kapsadığı ana başlıklar şunlar: modellerin kıyaslama testlerindeki performans eğrileri, eğitim maliyetlerinin nasıl değiştiği, hangi ülkelerin ne kadar yatırım çektiği, akademik yayın ve patent dağılımı, istihdam ve iş ilanı verileri, kamuoyu algısı anketleri ve düzenleme tarafındaki hareketlilik.

En faydalı bölümlerden biri, model performansının insan referans seviyesine göre nasıl ilerlediğini gösteren grafikler. Bazı görevlerde insan seviyesinin aşılması yıllar önce gerçekleşmişken, bazılarında hâlâ belirgin fark olduğunu görüyorsunuz. Bu, her şeyi çözdü anlatısıyla hiçbir işe yaramıyor anlatısının ikisini de düzeltiyor.

Yatırım bölümü de dikkatli okunmayı hak ediyor. Toplam yatırım rakamı büyürken, bu yatırımın büyük kısmının az sayıda şirkette toplanması alanın yapısı hakkında çok şey söylüyor.

İstihdam bölümünde iş ilanlarında hangi becerilerin arandığı yıllara göre izlenebiliyor. Kariyer planı yapanlar için somut bir kaynak.

Rapor uzun ama her bölümün başında yönetici özeti var, sadece o özetleri okumak bile alanın genel durumunu anlamaya yetiyor.
0 2 yorum
Yorumlar (2)
@quadri · 13 gün önce 6
Bu raporun en değerli tarafı bence kıyaslama testlerinin doygunluğa ulaşması konusunu açıkça ele alması.

Yıllarca kullanılan testlerde modeller neredeyse tavan puanı aldığı için o testler ayırt edici olmaktan çıktı. Yeni ve daha zor testler yapılıyor ama bu sefer de karşılaştırma zinciri kopuyor, geçmiş yıllarla kıyaslamak zorlaşıyor.

Bu, dışarıdan bakan biri için kafa karıştırıcı bir durum yaratıyor. Bir modelin şu testte doksan puan alması tek başına bir şey ifade etmiyor, o testin neyi ölçtüğünü ve ne kadar zor olduğunu bilmek gerekiyor.

Pratik sonuç şu: kendi kullanım senaryonuza yakın bir değerlendirme seti hazırlamadan, genel kıyaslama puanlarına bakarak model seçmek yanıltıcı.
@gokhancetin · 8 gün önce 1
Eğitim maliyeti bölümüne dikkat çekmek isterim çünkü sektörün yapısını en iyi o anlatıyor.

En büyük modelleri eğitmenin maliyeti öyle bir seviyeye çıktı ki, bu işi yapabilecek kurum sayısı bir elin parmaklarını geçmiyor. Bu doğrudan bir yoğunlaşma yaratıyor.

Buna karşılık aynı raporda, küçük modellerin birim başına performansının hızla arttığını da görüyorsunuz. Yani birkaç yıl önce sadece devasa modellerin yapabildiği işleri bugün çok daha küçük modeller yapabiliyor.

İkisi birlikte okunduğunda tablo şu: en ön cephe az sayıda oyuncunun elinde ama kullanışlı seviye hızla ucuzluyor ve yaygınlaşıyor. Girişimci açısından ikinci kısım daha önemli.