İşte Muhtemelen Duymadığınız Suni Zekâ Terimleri
Suni zekâ (YZ) artık hayatımızın her köşesinde. Chatbot’lar, tavsiye sistemleri, görüntü tanıma derken kavramlara alışır olduk. Fakat işin mutfağında, bir çok insanoğlunun hemen hemen duymadığı bir sürü teknik terim dolaşıyor.
Kod yazmıyor olsanız bile bu terimlerle tanışmak sizi bir adım daha öne taşıyacağı benzer biçimde suni zekâyı daha iyi anlamanıza da destek olacak.
İşte bir çok kişinin kulağını pek de çınlatmadığı, yararlı suni zekâ terimleri:
Suni zekâ terimleri:
- Federatif öğrenme
- Yıkım unutma
- Gömme
- Gradyan kaybı
- Pekiştirmeli öğrenme
- Dikkat mekanizması
- Mod çökmesi
- Sıfır atışlı öğrenme
- Birkaç atışlı öğrenme
- Halüsinasyon
- Nöroevrim
- Sürü zekâsı
- Aktarma öğrenme
Federatif öğrenme
Veri gizliliği önemliyse bu terimi bilmek koşul. Federated learning şu demek oluyor ki federatif öğrenme, veriyi merkezde toplamadan cihazlar üstünde öğrenmeyi sağlıyor.
Şu demek oluyor ki veriler cihazda kalıyor, model orada eğitiliyor. Google’ın klavye önerileri bile bunu kullanıyor. Hem kullanıcı verisi korunuyor hem de model gelişiyor.
Yıkım unutma
Bir suni zekâ modeline yeni bir şey öğretmeye çalışırken eskileri unuttuğunu asla duydunuz mu? İşte bu terime “catastrophic forgetting” deniyor. Bilhassa devamlı öğrenen sistemlerde baş belası! Suni zekânın “balık hafızalı” olma hâli de diyebiliriz.
Gömme
Bir kelime, fotoğraf ya da kullanıcı iyi mi sayıya çevrilir? Embedding (gömme/yerleştirme) karmaşık şeyleri makinenin anlayacağı şekilde vektörlere dönüştürüyor.
Mesela, “kedi” ve “köpek” benzer sayılarla temsil ediliyor bundan dolayı anlam olarak yakınlar. İçerik tavsiye sistemlerinin gizli saklı silahı.
Gradyan kaybı
Derin sinir ağlarında eğitim esnasında sık görülen bir problem. Modelin öğrenmesi ihtiyaç duyulan şeyler, katmanlarda “sönümlenerek” aşağıya ulaşmaz şu demek oluyor ki sistem öğrenemez. Bu problem çözülmeseydi, bugün derin öğrenme bu kadar ilerleyemezdi.
Pekiştirmeli öğrenme
“Ödül” temelli öğrenme de diyebiliriz. Suni zekâ bir aksiyon alıyor, sonucuna bakılırsa ödül yada ceza alıyor. Bu döngüyle zaman içinde gerçeği öğreniyor. Oyun oynayan, robot denetim eden suni zekâlar bu yöntemle eğitiliyor. Tam anlamıyla sabır işi.
Dikkat mekanizması
Bir metnin hangi kısmı mühim? Suni zekâ, bu sonucu dikkat mekanizmasıyla veriyor. Bu yapı, modele “Neyi ne kadar dikkate alması icap ettiğini” öğretiyor. ChatGPT benzer biçimde dil modellerinin başarısında büyük rol oynuyor. Dikkatini verdiğin kadar öğreniyorsun, değil mi?
Mod çökmesi
Generative AI (üreten YZ) modellerinde sık rastlanan bir durum. Model devamlı aynı ya da benzer çıktılar üretmeye adım atar. Şu demek oluyor ki çeşitlilik biter, üretim tek düze olur. Bilhassa GAN’lerde (üretken ağlar) baş ağrıtan bir sorun.
Sıfır atışlı öğrenme
Modelin asla görmediği bir görevi çözmesi de diyebiliriz. Evet, asla örnek verilmeden! Bu, genel suni zekâya giden yolda mühim bir adım. Model, eski bilgilerden yola çıkarak yeni bir göreve adapte oluyor. Sıfırdan çözüm üretmek, tam da bu.
Birkaç atışlı öğrenme
Modeli eğitmek için binlerce örnek vermek yerine, birkaç örnekle işi öğrenmesini ister misiniz? İşte few-shot learning tam olarak bu. İnsan benzer biçimde öğrenen suni zekâların temel taşlarından biri. Azca veriyle oldukça iş başarmak burada devreye giriyor.
Halüsinasyon
Dil modellerinin gerçek olmayan fakat kulağa doğru gelen şeyler uydurması bu terimle açıklanıyor. Örnek olarak suni zekâ, olmayan bir kaynak ya da informasyon “uydurabiliyor.” ChatGPT benzer biçimde modellerde sık karşılaşıyoruz. Gerçekçiliğe o denli yakın ki farkı kimi zaman ayırt etmek zor.
Nöroevrim
Sinir ağlarının evrimsel algoritmalarla optimize edilmesi sürecine verilen bir isim. Şu demek oluyor ki suni zekâ modelleri, naturel seleksiyon benzeri bir süreçle geliştiriliyor. Bilhassa klasik öğrenme şekillerinin yetersiz kalmış olduğu durumlarda kullanılıyor.
Sürü zekâsı
Tahmin edebileceğiniz benzer biçimde doğadaki sürü davranışlarından esinlenilmiş şu demek oluyor ki birçok kolay birim, bir araya gelmiş olarak karmaşık problemler çözülüyor. Karıncalar yiyecek bulmada bu yöntemi kullanırken suni zekâ, optimizasyon problemlerinde kullanıyor.
Aktarma öğrenme
Son terimimiz ise geçirme öğrenme. Bir alanda öğrenilen informasyon, başka bir alana aktarılıyor. Bir suni zekâ modeli, kedileri tanımayı öğrendikten sonrasında bu bilgiyi köpekleri tanımak için de kullanabiliyor. Bir taraftan bu yöntemle süre ve kaynak tasarrufu da sağlanıyor.
Siz bu terimlerden kaçını biliyordunuz? Yer vermediğimiz fakat sizin de ekleyecekleriniz var ise yorumlara bekliyoruz.
