2022 yılının sonlarında hayatımıza giren üretken yapay zekâ çözümleri canlı açık kaynak ortamından çok modlu modellere kadar çeşitlilik gösteriyor. Kısa sürede büyük gelişim gösteren üretken yapay zekâ teknolojisi, kurumların yapay zekâ geliştirme ve dağıtma stratejisini de derinden etkiliyor. Bu nedenle 2024’te yapay zekâ ve makine öğrenimi alanında pek çok yeni trendin ortaya çıkması bekleniyor.

Çok modlu yapay zekâ

Çok modlu yapay zekâ teknolojisi metin, görüntü ve ses gibi birden fazla girdi türünü kapsayacak şekilde geleneksel tek modlu veri işlemenin ötesine geçiyor. Bu teknoloji insanın çeşitli duyusal bilgileri işleme yeteneğini taklit etme yönünde çok önemli bir adım olarak değerlendiriliyor.

Çok modlu yapay zekâ sadece metin tabanlı değil görüntü ve ses gibi içerik türlerini de değerlendirmeye alarak sonuç üretebiliyor. Örneğin buzdolabının içinin bir fotoğrafını çekip çok modlu yapay zekaya veren bir kullanıcı, fotoğraftaki malzemeleri kullanarak yapay zekânın bir yemek tarifi önermesini isteyebiliyor. Böylece yapay zekâ görseldeki besin maddelerini tanıyor ve bu doğrultuda bir tarif öneriyor.

Çok modlu yapay zekânın gerçek dünyadaki uygulamaları çeşitlilik gösteriyor. Örneğin sağlık hizmetlerinde çok modlu modeller, teşhis doğruluğunu artırmak için tıbbi görüntüleri hasta geçmişi ve genetik bilgiler ışığında analiz ediyor. İş fonksiyonu düzeyinde çok modlu modeller, temel tasarım ve kodlama yeteneklerini, bu alanlarda herhangi bir geçmişi olmayan kişilere yönelterek çalışanların daha üretken olmasını sağlıyor.

Agent AI (Ajan/vekil yapay zekâ)

Bilgisayar bilimcisi Peter Norvig yakın tarihli bir yazısında "2023 yılı yapay zekâ ile sohbet edebilme yılıydı. 2024'te ise yapay zekânın sizin için işleri halletme yeteneğini göreceğiz” diyor. Bu noktada ajan ya da vekil yapay zekâ olarak Türkçeye çevrilebilecek Agent AI uygulamaları öne çıkıyor. Reaktif yapay zekâdan proaktife doğru değişimi ifade eden ajan yapay zekâ özerklik, proaktiflik ve bağımsız hareket etme yeteneği sergileyen gelişmiş sistemler olarak değerlendiriliyor. Kullanıcı girdilerine yanıt veren ve önceden belirlenmiş programlamayı takip eden geleneksel yapay zekâ sistemlerinin aksine ajan yapay zekâlar çevrelerini anlayacak, hedefler belirleyecek ve doğrudan insan müdahalesi olmadan bu hedeflere ulaşmak için harekete geçecek şekilde tasarlanıyor.

Örneğin çevresel izlemede bir yapay zekâ ajanı veri toplamak, kalıpları analiz etmek ve orman yangınının erken işaretleri gibi tehlikelere yanıt olarak önleyici eylemleri başlatmak üzere eğitilebiliyor. Benzer şekilde bir finansal yapay zekâ ajanı değişen piyasa koşullarına gerçek zamanlı olarak tepki veren uyarlanabilir stratejiler kullanarak bir yatırım portföyünü aktif olarak yönetebiliyor.

Açık kaynak yapay zekâ

Büyük dil modelleri ve diğer güçlü üretken yapay zekâ sistemlerini oluşturmak çok büyük miktarda bilgi işlem süreci, veri ve bütçe gerektiriyor. Buna karşın açık kaynak modelinin kullanılması geliştiricilerin başkalarının çalışmalarından yararlanarak maliyetleri düşürmesine ve yapay zekâ erişimini genişletmesine olanak tanıyor. Açık kaynaklı yapay zekâ genel olarak ücretsiz olarak halka açık sunuluyor. İşletmelerin ve araştırmacıların mevcut koda katkıda bulunmasına ve mevcut kod üzerinde geliştirme yapmasına fırsat sunan bu yaklaşım hızla daha popüler hale geliyor. Geçtiğimiz yılın başında açık kaynaklı üretken yapay zekâ modellerinin sayısı sınırlıyken 2023 yılı boyunca pek çok açık kaynak çözümü piyasaya sürüldü. Bu modeller küçük ve az kaynağa sahip işletmelerin gelişmiş yapay zekâ modellerinden destek almasını sağlıyor ve 2024 yılında yapay zekâ ortamının dinamiklerini değiştirebilme potansiyeli vadediyor.

Özelleştirilmiş kurumsal üretken yapay zekâ modelleri

Midjourney ve ChatGPT gibi büyük ve genel amaçlı araçlar, üretken yapay zekâyı keşfeden tüketiciler arasında yoğun ilgi görüyor. Ancak iş amaçlı kullanım durumları için daha küçük ve dar amaçlı modeller spesifik gereksinimleri karşılayabilmeleri nedeniyle daha büyük önem taşıyor.

Sıfırdan yeni bir model oluşturmak bir olasılık olsa da yoğun kaynak gerektirdiğinden dolayı bu birçok işletmenin kolay ulaşamayacağı bir seçenek olarak görülüyor. Özelleştirilmiş üretken yapay zekâ oluşturmak için çoğu kurum mevcut yapay zekâ modellerini değiştirmeyi seçiyor. Böylece sıfırdan yeni bir model oluşturmaya kıyasla daha uygun maliyetli bir çözüme ulaşılıyor. 

Kullanıma hazır bir kamu aracı kullanmak yerine özelleştirilmiş bir model oluşturmak, işletmelere verileri üzerinde daha fazla kontrol sağladığı için gizliliği ve güvenliği de artırıyor. Özelleştirilmiş üretken yapay zekâ modelleri özel pazarlara ve kullanıcı ihtiyaçlarına hitap edebilme yetenekleriyle de ön plana çıkıyor. Müşteri desteğinden tedarik zinciri yönetimine ve belge incelemesine kadar hemen hemen her senaryo için özel üretken yapay zekâ araçları kullanılabiliyor. 

Yapay zekâ ve makine öğrenimi gereksinimi

Yapay zekâ ve makine öğrenimi yeteneklerine yönelik artan ihtiyacın 2024 ve sonrasında da devam edeceği öngörülüyor. Özellikle yapay zekâ ve makine öğrenimi iş operasyonlarına daha fazla entegre hale geldikçe teori ile pratik arasındaki boşluğu doldurabilecek profesyonellere olan ihtiyaç da artıyor. Yapay zekâ sistemlerini gerçek dünya ortamlarında dağıtma, izleme ve sürdürme becerisini gerektiren bu disiplin genellikle makine öğrenimi operasyonlarının kısaltması olan MLOps olarak ifade ediliyor.

Gölge yapay zekâ

Yapay zekânın bir işletme içinde BT departmanının açık onayı veya gözetimi olmadan kullanılması olarak tanımlanan gölge yapay zekâya olan eğilim, bu teknoloji daha erişilebilir hale geldikçe artış gösteriyor. Gölge yapay zekâ, genellikle çalışanların bir soruna hızlı çözümlere ihtiyaç duyması veya yeni teknolojiyi resmi kanalların izin verdiğinden daha hızlı keşfetmesi gerektiğinde ortaya çıkıyor. 

Gelişen teknolojileri kullanmanın yollarını araştırmak, proaktif ve yenilikçi bir ruhu ortaya koysa da son kullanıcılar genellikle güvenlik, veri gizliliği ve uyumlulukla ilgili yeterli bilgiye sahip olmadığından bu durum büyük riskleri de beraberinde getiriyor. Örneğin bir kullanıcı hassas bilgilerin üçüncü taraflara ifşa olacağının farkına varmadan ticari sırları kamuya açık bir geniş dil modeline aktarabiliyor.

Yapay zekâ gerçeklik kontrolü

Üretken yapay zekâyla ilgili ilk heyecan azalmaya başladıkça işletmeler bu teknolojinin çıktı kalitesi, güvenlik, etik kaygıları, mevcut sistemler ve iş akışlarıyla entegrasyon zorlukları gibi sınırlamalarıyla karşı karşıya kalıyor. Yapay zekâyı bir iş ortamında uygulamak ve ölçeklendirmek için veri kalitesinin sağlanması, modellerin eğitimi ve üretimde yapay zekâ sistemlerinin bakımı gibi görevlerin üstesinden gelmek gerekiyor. Dolayısıyla işletmelerin yapay zekâdan en iyi biçimde yararlanmak için beklentilerini daha gerçekçi bir seviyeye çekmeleri gerekiyor.