Yapay zeka, şirketlere ve insanlara birçok fayda sağlıyor. Öğrencilerin ödevlerine yardım edişi ile otomotiv sektöründe güvenlik sistemleri ve araç içi sesli komutlarda kullanılması bunun en basit örnekleri arasında gösterilebilir.
Ayrıca, üretimde kalite izleme ve perakende sektöründe ödeme işlemlerini kolaylaştırma gibi alanlarda da kullanılabilir. Fakat bir süredir AI gelişimi belirli alanlara hapsolmuş gibi duruyor. AMD yöneticilerinden Matt Foley de yapay zekanın gerçek potansiyeline ulaşabilmesi için açık bir çağrıda bulundu.
AMD, yapay zeka gerçeklerini ortaya döktü: Gerçekten faydalı işlerde kullanılmıyor!
Yapay zeka uygulamalarının etkili olabilmesi için veri akışı büyük önem arz ediyor. Kuruluşlar, genelde kendi verilerini kullanarak özelleştirilmiş yapay zeka tabanlı uygulamalar geliştiriyor. Tabii aynı zamanda SaaS çözümlerine dayanan yaklaşımlar da kullanılabilir.
Yapay zeka modellerinin eğitimi ve gelişim süreci için ise donanım ve yazılımın bir ekosistem gibi çalışabilmesi, yani entegrasyonu kritik öneme sahip. Zira model eğitimi için büyük miktarda veri ve optimize edilmiş algoritmalar kullanılıyor.
CIO’ların ise yapay zeka uygulamalarına yatırım yaparken, süreç verimliliği, esneklik ve faydaları ölçme gibi faktörleri göz önünde bulundurmaları gerekiyor. Ancak aynı zamanda, gizlilik yönetişimi düzenlemelerine uyum ve veri güvenliği gibi konulara dikkat etmeliler.
AMD EMEA Saha Uygulama Mühendisliği Direktörü Matt Foley tarafından yapılan açıklama şu şekilde:
“Yapay zeka yıllarca gün yüzüne çıkmayı bekledikten sonra kamuoyunda popüler bir konu haline geldi ve ChatGPT ve DALL-E gibi hizmetlerin sunduğu olanaklar bu konuyu daha popüler bir hale getirdi. Ancak Yapay Zekanın öğrenci ödevlerine yardımcı olmaktan ve tekinsiz sanat eserleri üretmekten çok daha fazlasını sunması gerekiyor.
Bilgisayarla görme, doğal dil işleme ve ürün tavsiye sistemleri gibi uygulamalarla şirketleri güçlendirerek endüstri üzerinde önemli bir etkiye sahip olabilir. CIO’lar artık kurum içi yapay zeka tabanlı uygulamalar geliştirirken bu teknolojiden etkin bir şekilde yararlanmak için hangi yaklaşımı benimseyeceklerine karar vermelidir.
Yapay zeka için potansiyel uygulamalar geniş bir yelpazeye yayılmaya başladı. Otomotiv sektöründe bilgisayarla görme, yoldaki yayaları tanıyan otomatik güvenlik sistemlerini mümkün kılabilir. Doğal dil işleme, araç içi sesli komutları kolaylaştırabilir. Üretimde, bilgisayarlı kontrol ve görüş, kaliteyi izleyerek proaktif bakım önerebilir.
Perakende sektöründe otomatik ürün ve müşteri tanıma yoluyla ödeme işlemleri kolaylaştırılabilir. Finansal hizmetler, dolandırıcılığı önlemek için işlem anormalliklerini tespit edebilir. Tıp şirketleri teşhislerin hızını ve doğruluğunu artırabilir. Her türlü şirket, kurumsal aramalarının zenginliğini ve kalitesini artırarak değerli verilerin daha kolay bulunmasını sağlayabilir.
Makine öğreniminde yaşam döngüsünün eğitim ve çıkarım olmak üzere iki ana aşaması vardır. Eğitim aşaması, büyük miktarda veriyi alır ve kalıpları tanımak ve modeller oluşturmak için yapay zekayı uygular. Bunun için 4. Nesil AMD EPYC işlemciler gibi türünün en iyisi işlemciler ile donatılmış yüksek performanslı bilgi işlem veri merkezi sunucuları ve AMD Instinct gibi veri merkezi hızlandırıcıları kullanılır.
Çıkarım aşaması ise eyleme geçirilebilir bir çıktı üretmek için modelin gerçek dünya verilerine uygulanmasını içerir. Bu aşamada eğitim aşamasına benzer donanımlar kullanılabileceği gibi AMD Versal ve Zynq System-on-Chip (SoC) gibi gömülü cihazlar da kullanılabilir.
Yapay zeka uygulamalarının etkili olabilmesi için zengin verilerden elde edilen kapsamlı modellere ihtiyacı vardır. Bununla birlikte önceden oluşturulmuş araçlar, kamuya açık veya ticari olarak elde edilen, harici veriler üzerinde eğitilmiş modeller sağlama açısından önemli ölçüde ilerlemiştir. Yine de bir kuruluş için en değerli veriler kendi bünyesi içinde yer almaktadır. Bu bazı kurum içi geliştirmeleri ve en uygun maliyetli donanım ve yazılım ekosisteminin kullanılmasını gerektirecektir.
Yapay zeka tabanlı bir uygulama kuruluşun kendi verileriyle özelleştirildiğinde daha net sonuçlar sağlayabilir. Bununla birlikte yapay zeka yaygınlaştıkça kurum içi uygulamaların yanı sıra kamuya açık Hizmet Olarak Yazılım (SaaS) çözümlerine dayanan yaklaşımların bir karışımı, muhtemelen en güçlü sonuçları sağlayacaktır.
Buradaki kilit nokta, eğitim ve çıkarım için kullanılan yığınlar arasında tutarlı erişime sahip olmaktır. AMD Unified Inference Frontend (UIF) kendi başında Tensor Flow, PyTorch, WinML ve Open Neural Network Exchange (ONNX) gibi endüstri standardı yapay çerçevelerine önemli bir olanak sağlar.
Bunlar da AMD EPYC CPU yığını, ROCm yazılım güdümlü AMD Instinct GPU yığını ya da AMD Versal veya Zynq uyarlanabilir SoC’lere sahip gömülü bir yığın için Vitis Yapay Zeka Platformu ile sorunsuz bir şekilde entegre edilebiliyor.
CIO’lar yapay zeka uygulamalarına yatırım yapmak için bir strateji geliştirirken, yeterli getiri elde etmek için şirketin parasını etkili bir şekilde harcadıklarından emin olmalıdırlar. Süreç verimliliği iyileştirmeleri, üretkenlik ve BT altyapısının esnekliği, faydaları ölçmenin merkezinde yer alır. CIO’lar, çözümleri için hızlı bir şekilde uygulanabilecek en iyi mimariyi seçmelidir. Bu nedenle, aralarından seçim yapabilecekleri çok çeşitli yapay zeka yığınlarına sahip olmak çok önemlidir.
CIO’ların ayrıca, sorumlu inovasyon için güvenli bir şekilde yönetildiğinden ve ayrıca gizlilik yönetişimi düzenlemelerine ve NIST gibi çerçevelere uygun olduğundan emin olmak için uygulama yaşam döngüsü boyunca bir etki değerlendirmesi yapmaları gerekecektir.
Bunun nedeni, yapay zeka modellerinin büyük olasılıkla hassas veya tescilli verilerden veya her ikisinden türetilecek olması ve gizliliğinin değerli Fikri Mülkiyet olarak korunması gerekliliğidir. Tüm bu faktörlerin maliyet etkileri, CIO’ların faydaların açık, uzun süreli olduğu ve üretkenlikte temel iyileştirmeler sağladığı alanlara yatırım yapması gerektiği anlamına gelir.
Bununla birlikte, yapay zeka modellerinin altında yatan algoritmaların oluşturulması hem zaman alıcı hem de maliyetlidir. Giderek daha büyük veri kümelerinin mevcudiyetine ve çok çeşitli kullanım durumları üzerinde çalışabilen yapay zeka mimarlarına bağlıdırlar.
Bu, tutarlı bir birleşik platformun gerekli olmasının bir başka nedenidir. Modeller için parametrelerin boyutu sadece on yıl içinde binlerden yüz milyarlara çıktı, bu da miktar olarak şaşırtıcı bir artış anlamına geliyor. Bu kadar çok parametreye sahip bir modelin eğitilmesi, yeterince büyük miktarda veri ve özenli bir veri yönetimi gerektirir.
Ayrıca, sonuçları çarpıtabilecek veri yanlılığına karşı korunmak da çok önemlidir. Bu, kamuya açık veri kümeleri üzerinde eğitilen genel yapay zeka uygulamalarına yönelik düzenli bir eleştiri haline gelmiştir. Bu önyargıyı düzeltmek önemli ölçüde iyileştirme gerektirir. Tüm bunlar, model eğitiminin zaman aldığı ve masraflı olduğu anlamına gelir.
Yapay zeka tabanlı bir kurumsal uygulama yatırım stratejisinin belirlenmesinde kilit karar vericiler yönetici ekipler olacaktır. Yapay Zekaya nerede ihtiyaç duyulduğunu düşünmeli, kullanım durumlarının envanterini çıkarmalı, risk seviyelerini kategorize etmeli ve ardından mevcut Yapay Zeka çözümlerinin gerekliliğinin ne kadar olgun olduğunu değerlendirmelidirler.
Her iki durumda da AMD UIF gibi esnek bir mevcut platform ve AMD ZenDNN ve ROCm HIP derleyicisi gibi optimize edilmiş kütüphanelerden yararlanmak çeviklik sağlar. Böylece denenmiş ve test edilmiş kodun faydaları, yatırım seviyelerine uyacak şekilde doğru platformda işletmeye özgü özelleştirme ile birleştirilebilir.
Yapay zeka hala erken benimsenme aşamasındadır ve halihazırda birçok nesil iniş ve çıkışlar yaşamıştır. Ancak bugünün Yapay Zekası, son derece büyük modeller ve büyük veri setleriyle beslenen bir döngünün başlangıcı olmayı vaat ediyor. İster kurum içinde geliştirilen uygulamalar, ister sektör tarafından sağlanan uygulama çerçeveleri olsun, Yapay Zeka tabanlı çözümler için bu “büyük veri” aşaması artık net bir büyüme aşamasındadır.
İş dünyasında yapay zekanın daha fazla benimsenmesi daha iyi uygulamalara yol açtıkça, bu da daha iyi çerçevelerin geliştirileceği ve iş süreçlerinin verimliliğinin artacağı anlamına geliyor. Bu iyileştirmeler ve faydalar, uygulama geliştirmeyi daha da hızlandıracak, faydaları artıracak ve benimseme maliyetini azaltacaktır. Bir kuruluş için faydalar maliyetlerden daha ağır bastığı anda, yapay zeka destekli uygulamalar her CIO’nun gündeminde olmalıdır.“
{{user}} {{datetime}}
{{text}}