Sponsorlu Özellik Yapay Zeka (AI), özellikle ChatGPT gibi üretken AI teknolojilerinin ortaya çıkmasıyla birlikte son zamanlarda iş ve teknoloji manşetlerine hakim oldu. Ancak yapay zeka ve üretken yapay zeka kullanımını başlatan veya genişleten şirketler için aşılması gereken eğitim ve prosedür engellerinin yanı sıra önemli teknolojik zorluklar da var.

Kesinlikle yapay zeka kullanan firmaların sayısı dünya genelinde ve neredeyse tüm sektörlerde artmaya devam ediyor. Göre IBM Küresel Yapay Zeka Benimseme Endeksi 2022 Rapora göre teknolojiye ilgi gelişiyor. Rapor, küresel yapay zeka benimseme oranının 2022'de istikrarlı bir şekilde büyüdüğünü ve şu anda bir önceki yıla göre dört puanlık bir artışla yüzde 35 seviyesinde olduğunu hesaplıyor. Ankete katılanların yüzde 42'si de yapay zekayı nasıl kullanmaya başlayabileceklerini araştırdıklarını söyledi.

İsrail merkezli AT geliştiricisi Deci'nin baş işletme sorumlusu Assaf Katan, "Genel olarak konuşursak, bu yeni bir alan adı ve gerçekten hızlı bir şekilde gelişiyor" diyor. “Kısa vadeli ve uzun vadeli zorlukların bir kombinasyonu var. Kısa vadede bu aslında yolunuzu seçmekle ilgilidir. 'Şirket içi yetenekler geliştirmek, açık kaynaklı modellerle çalışmak ve bunları kendim değiştirmek istiyor muyum? yoksa Open AI gibi bir API üzerinden mi çalışmak isterim? O zaman süper uzman olmama gerek yok, aynı zamanda model performansı üzerindeki kontrol düzeyime ve veri gizliliğini sınırlı tutarken onu özelleştirme yeteneğime de ihtiyacım yok.'"

Bunlar ilk kısa vadeli kararlardır. Daha sonra uzun vadede bakıldığında şirketlerin ölçeklendirme ihtiyacını ve bunu yapmanın maliyetini dikkate alması gerekiyor. “Uzun vadeli baktığımızda bir şirketin üretken bir yapay zeka hizmeti oluşturmak istediğini varsayalım. Bunun verimliliği artırabileceğine, iş akışlarını iyileştirebileceğine ve ölçeklenebileceğine inanıyorlar" diye açıklıyor Katan. "Çözümlerine güç veren modelin kullanımını ölçeklendirmenin sonuçları hakkında düşünmeleri gerekecek. Bu üretken modeller milyarlarca parametreyle çok büyüktür, dolayısıyla çıkarım için ihtiyaç duydukları bilgi işlem gücü çok büyüktür. Ölçeklerseniz yine de maliyetle başa çıkabilmeniz için bunu nasıl inşa edersiniz?

Yapay Zekanın Geliştirilmesi

Üretken yapay zeka ile bu iş yüklerini işlemeye daha uygun olan daha güçlü sunucu donanımının birleşimi, şirketlerin yeni yapay zeka uygulamalarını ve modellerini hızlı bir şekilde tasarlaması, oluşturması ve sunması için yeni fırsatlar açıyor. Aynı IBM araştırmasına göre yapay zeka şirketlere çeşitli şekillerde yardımcı oluyor. Bu, tekrarlanan görevleri otomatikleştirerek işgücü ve yetenek eksikliklerinin giderilmesini içerir; BT, iş ve ağ süreçlerini otomatikleştirerek zamandan tasarruf etme; maliyet tasarrufu; operasyonları daha verimli hale getirmek, BT ve ağ performansını iyileştirmek; ve sonuçta müşterilere daha iyi bir deneyim sunmak.

Katan, somut ticari faydaların çoğunun verimlilik etrafında toplandığını açıklıyor. "Konuştuğumuz bir kuruluşun geniş bir müşteri tabanı var, dolayısıyla çok sayıda müşteri hizmetleri ve müşteri destek çağrısı oluyor" diyor. “Bugün birçok temel problemin çözümünde standart yapay zeka olmayan sohbet robotları kullanıyorlar. Bu çağrıların büyük çoğunluğunu karşılamak için üretken yapay zekayı kullanmayı ve gerisini insan temsilcilerinin halletmesine bırakmayı planlıyorlar.”

Katan, Deci'nin birlikte çalıştığı ve içerik üretmek için yapay zekayı ustaca kullanan başka bir şirketten bahsetti. “Binlerce farklı ürün ve SKU'ları var. Ürün açıklamalarını yazmak için üretken yapay zekayı kullanıyorlar” diye açıklıyor. “Artık bu ürün açıklamaları yalnızca iki satırlık bir metin değil. Ürün açıklamalarını, teknik özellikleri ve özellik bilgilerini içerirler. Bu ürün açıklamalarının yüzde 90'ını yazmak için üretken yapay zeka kullanıyorlar."

AutoNAC verimli derin öğrenmeyi mümkün kılar

Deci derin öğrenme platformu, Otomatik Sinir Mimarisi İnşaatı (AutoNAC) teknolojisi tarafından desteklenmektedir. Katan, "Teklifimiz iki ana bileşenden oluşuyor" diye açıklıyor. "Biri, teknolojimizin belirli bir kullanım durumuna, üzerinde çalıştıkları donanıma göre optimize edilmiş ve belirli KPI'ları karşılayacak şekilde ayarlanmış verimli sinir ağı mimarileri oluşturmanıza yardımcı olduğu sinir ağıdır."

AutoNAC, doğruluk, düşük gecikme ve yüksek verim arasında denge kuran, farklı görevler ve veriler için özel olarak tasarlanmış en uygun mimariyi belirlemek amacıyla on milyarlarca farklı potansiyel mimariden oluşan bir arama alanı içinde çok amaçlı bir arama gerçekleştirir. özellikler, performans hedefleri ve belirli donanım. Deci'nin AutoNAC'ı, diğerleri arasında YOLO-NAS, DeciLM 6B, DeciDiffusion gibi dünyanın en verimli bilgisayarlı görüntü ve üretken modellerinden bazılarını üretti.

AutoNAC motoru aynı zamanda pek çok yapay zeka modelinde olduğu gibi modeli önceden eğitmek zorunda kalmadan üreteceği mimarinin doğruluğunu ve performans düzeyini de tahmin edebiliyor. Nihai sonucun, eskisinden çok daha hızlı ve daha ucuz bir şekilde geliştirilen, otomatik olarak derlenen bir yapay zeka modeli olduğunu ekliyor Katan: "Paradan tasarruf ediyorsunuz ve daha yüksek verim sağlıyorsunuz, bu da daha iyi bir kullanıcı deneyimi anlamına geliyor".

Diğer bileşen Deci çıkarım aracı Infery'dir. "Infery, sinir ağının belirli donanımlarda mümkün olduğunca verimli çalışmasını sağlamak için çalışma zamanı performansını daha da optimize ediyor" diye devam ediyor. "Farklı kullanım senaryolarına göre optimize edilmiş güçlü çıkarım araçlarımız var. Üretken yapay zeka için, bu büyük modeller için optimize edilmiş özel bir çıkarım aracı geliştiriyoruz çünkü bunlar küçük modellerden farklı davranıyor." 

Karmaşık, yinelemeli süreçleriyle ayırt edilen üretken yapay zeka modelleri, nesne algılama gibi görevlerde kullanılan geleneksel statik modellerden farklıdır. Geleneksel optimizasyon araçları yetersiz kalıyor ve bu dinamik mimariler için özel araçlar gerekiyor.

Günümüzde yapay zeka ekipleri, modelleri manuel olarak tasarlamaya çalışırken, sonsuz deneme yanılma yinelemeleriyle modellerini geliştirmek ve optimize etmek için aylarca ve kaynak harcıyor, ancak modellerin yalnızca %30'u üretime geçiyor. Deci platformu model geliştirme ve optimizasyonu kolaylaştırarak belirsizliği ortadan kaldırır ve üretimde başarıyı garanti eder. Deci sayesinde yapay zeka ekibi üretime aylar yerine günler içinde ulaşabiliyor.

Yapay zeka iş başında

Deci bilgisayar görüşü ve üretken yapay zeka platformu, Lenovo ThinkSystem sunucularıyla eşleştirilerek imalat, perakende ve hatta tarım da dahil olmak üzere bir dizi endüstri dalında başarıyla kullanılıyor. Katan şöyle açıklıyor: "Deci iki ana pazarda yer alıyor: bilgisayar görüşü ve üretken yapay zeka." 

Bilgisayarla görme uygulamaları, üretim ve otomotiv tesislerinde, örneğin kusurlu ürünleri tespit etmek amacıyla görsel denetimler için kullanılır. Tarımda Deci'nin, hayvanların sağlığını, büyüklüğünü ve büyümesini izlemek için bilgisayarlı görüş kameraları kullanan müşterileri var. Perakende satışta otomatik ödeme için bilgisayar görüşü kullanılır. "Tüm bunlar, analiz yapmak ve kararlar almak için eski güzel bilgisayar görüşü tabanlı yapay zekayı kullanmaktır" diye ekliyor.

Üretken yapay zeka tarafında Deci, herhangi bir sektörde bulunan işlevlere hizmet eden çeşitli pazarlardaki müşteriler tarafından kullanılıyor. "Her yerde müşteri hizmetleri var" diyor. "Sonra finansal hizmetlerde kredi analizi yapmak gibi daha spesifik kullanım durumları var. Satış ve pazarlama ekipleri, özel satış teklifleri oluşturmak için müşteri verilerini kullanıyor. Ayrıca özel pazarlama da yapıyorlar; ve sadece içerik değil. Özelleştirilmiş pazarlama paketleri oluşturmak için metinden görsele dönüştürme ve görselleri birleştirme gibi araçları kullanan görsel bir bileşen bile var."  

Sayılardaki güç

Yapay zeka sistemlerini ve modellerini kullanıma sunmak isteyen şirketler için bu, göz korkutucu ve karmaşık bir süreç olabilir. Lenovo ve Deci, birlikte çalışarak, Deci AI platformunu ve modellerini Lenovo sunucularında en verimli şekilde çalışacak şekilde yapılandırarak süreci basitleştirmeyi umuyor. Bu, kendi yapay zeka modellerini geliştirmek isteyen şirketler için tek elden alışveriş olanağı sağlıyor.

Bu ortaklığın bir yönü de Deci'nin Lenovo Yapay Zeka Yenilikçileri Programı. Bu, hem Deci'nin derin öğrenme platformunun hem de doğal dil işleme modellerinin Lenovo ThinkSystem sunucularında çalışmasını sağlayarak yardımcı olur. Lenovo AI Innovators programı, Deci'ye Lenovo'nun şirket içi yapay zeka uzmanlığına erişim olanağı tanır ve iş ortaklarına, AutoNAC platformunu çalıştırmaya hazır, önceden yapılandırılmış donanımlar sağlar.

Lenovo AI Innovators programı, ortak şirketlerden oluşan geniş bir ağ ve 180 ülkeye küresel erişim sağlar. Lenovo ayrıca ortak şirketlerin uzmanlık ve kaynakları paylaşması için yapay zeka mükemmeliyet merkezleri de kurdu.

Katan'a göre ortaklığa katkıda bulunan yalnızca Lenovo'nun kapsamı değil. "Bir müşteriye yaklaştığınızda kullanım durumunun ne olduğunu, zamanlamasının ne olduğunu bilmeniz gerekir?" diyor. "Zamanlama önemli. Belki harika bir ürününüz var ama çok erken ya da çok geç kullanıma sunuldu. Lenovo gibi bir şirketle çalıştığımızda, bir çözüm geliştirmek için kullanım amacını ve zamanlamasını daha iyi biliyorlar." 

Örnek olarak Katan, AutoNAC platformu ve Lenovo sunucularının bir araya getirilmesinin nispeten yaygın bir kullanım senaryosuna nasıl uyacağını açıklıyor. "Üretim tesisiniz için görsel bir denetim çözümü oluşturduğunuzu varsayalım" diyor. “Lenovo bilgisayarına ihtiyacı var. Kameralara ihtiyacı var. Veriler vb. için depolamaya ihtiyaç duyar. Bu durumda biz yapay zeka bileşeniyiz.” 

Büyük kardeş devreye giriyor

Lenovo küresel erişim, güvenilirlik ve satış ve destek yeteneklerini getiriyor. Deci temel teknolojisini getiriyor. Katan, "Bizim için onlar ağabey gibiler" diyor. “Gücümüz yapay zeka teknolojisinden geliyor. Yani bu onların erişiminin ve müşterilerinin teknolojimizle birleşimidir. Bu bizim Lenovo'ya verdiğimiz sözdür. Her zaman en iyi ve en güçlü yapay zeka teknolojisini getireceğiz, çalışmaya, odaklanmaya devam edeceğiz ve onu mümkün olduğunca güçlü hale getireceğiz.”

Lenovo ThinkSystems, yapay zeka hesaplamaları gibi ağır bilgi işlem işlevlerini desteklemek için benzersiz bir şekilde eşleştirilmiştir. Katan, "Üretken yapay zekayı kullanmak ve ölçeklenebilecek bir hizmet oluşturmak isteyen bir kuruluşu düşündüğünüzde maliyetler çok büyük oluyor" diye açıklıyor. “Ve bu modeller giderek büyüyor. Model ne kadar büyük olursa, o kadar fazla bilgi işlem gerektirir ve tüketir; dolayısıyla daha az bilgi işlem tüketen modeller oluşturmak, daha az donanım masrafı anlamına gelir."

Deci'nin Lenovo ile ortaklığı nispeten yeni, 2023'ün başlarında başladı ve Katan heyecanla ileriye bakıyor. Katan, "Kendi açımızdan destek matrisimizi genişletmeye devam edeceğiz" diye ekliyor. “Desteklediğimiz kullanım senaryolarının türünü ve kapsamını genişleteceğiz. Lenovo ile ortaklık yakın zamanda başladı, bu nedenle Lenovo çalışanlarının platformumuzu ve değer teklifimizi daha iyi anlamalarına yardımcı olmak için teknoloji doğrulaması yapıyoruz."

Lenovo'nun sponsorluğunda.

• SEO Destekli İçerik ve Halkla İlişkiler Dağıtımı. Bugün Gücünüzü Artırın.
• PlatoData.Network Dikey Üretken Yapay Zeka. Kendine güç ver. Buradan Erişin.
• PlatoAiStream. Web3 Zekası. Bilgi Genişletildi. Buradan Erişin.
• PlatoESG. karbon, temiz teknoloji, Enerji, Çevre, Güneş, Atık Yönetimi. Buradan Erişin.
• PlatoSağlık. Biyoteknoloji ve Klinik Araştırmalar Zekası. Buradan Erişin.
• Kaynak: https://go.theregister.com/feed/www.theregister.com/2023/10/20/automating_generative_ai_development/