Key Takeaways
Mekânsal Zekâ: Dr. Fei-Fei Li, yapay zekânın bir sonraki sınırı olarak mekânsal zekânın önemini vurguluyor.
Dünya Modelleri: Dünya modelleri, metne odaklanan dil modellerinin aksine fiziksel ortamların bir sonraki durumlarını tahmin eder.
Veri Zorlukları: Mekânsal verileri edinmek zor ve bu veriler kıt; bu durum mekânsal yapay zekâ geliştirilmesinin önünde önemli bir engel oluşturuyor.
Kademeli Kullanıma Sunum: Mekânsal yapay zekânın ortaya çıkışı, dil yapay zekâsından farklı olarak muhtemelen kademeli ve alana özgü olacak.
Hazırlanmanın Aciliyeti: Kuruluşların, olası sorunlardan kaçınmak için mekânsal yapay zekânın etkilerine er ya da geç değil, şimdiden hazırlanmaya başlaması gerekiyor.
Son üç yılda bilgi işini yeniden şekillendiren yapay zekâ araçlarının ortak bir sınırlaması var: Tamamen dil alanında var oluyorlar.
Okuyor, yazıyor, özetliyor ve üretiyorlar. Yapamadıkları şey ise fiziksel dünyayı, bir depo zemininin geometrisini, cerrahi bir prosedürün mekânsal mantığını veya bir üretim hattının üç boyutlu dinamiklerini anlamak.
Dr. Fei-Fei Li kariyerini bu boşluğa odakladı.
Dün HumanX'te konuşan Stanford bilgisayar bilimcisi ve World Labs'in kurucu ortağı, makinelerin üç boyutlu uzayda algılama, akıl yürütme ve eyleme geçme becerisi olan mekânsal zekânın, yapay zekâ gelişimindeki bir sonraki önemli sınırı temsil ettiğini savundu. Bunun dil modellerinin yerine geçmediğini özellikle belirtti. Bunun tamamen farklı bir problem kategorisi olduğunu söyledi.
İnsan zekâsı yalnızca dilsel değildir. Gündelik hayatımızda ve işimizde yaptığımız her şeyi düşünün. Her şey 3B dünyayı, uzayı, hareketleri ve etkileşimi içerir.
Son iki yılını büyük dil modelleri etrafında iş akışlarını yeniden düzenlemeye harcayan iş liderleri için Li'nin argümanı yararlı bir yeniden değerlendirme fırsatı sunuyor. Yapay zekâ ile metin üretiminden elde edilen verimlilik kazanımları gerçek; ancak bunlar, ister insan ister makine zekâsının gerçekte yaptığı şeylerin dar bir bölümünü temsil ediyor.
Daha zor ve sonuçları daha önemli olan işler; ortamlarda fiziksel olarak gezinmek, mekânsal verileri yorumlamak ve dünyayı tanımlamak yerine onun içinde faaliyet göstermek hâlâ büyük ölçüde çözülememiş durumda.
Dünya Modelleri Ne Yapar?
Li, dil modelleri ile "dünya modelleri" olarak adlandırdığı şeyler arasında net bir ayrım yapıyor.
Bir dil modeli bir dizideki sonraki belirteci tahmin ederken, bir dünya modeli fiziksel bir ortamın sonraki durumunu tahmin eder. Saatte 120 mil hızla gelen bir servisi karşılayan tenis oyuncusu, ikincisine daha yakın bir şey yapar: Topun ve vücudun mevcut durumunu okur ve milisaniyeler içinde bir sonraki adımın ne olacağını hesaplar.
"Durum tahmini veya durum üretimi, mekânsal zekânın temelidir."
Şirketinin Marble adlı modeli video veya düz görüntüler değil, gerçek üç boyutlu dünyalar üretir; bunlar içinde gezinilebilen, değiştirilebilen ve sonraki uygulamalar için eğitim ortamı olarak kullanılabilen kalıcı 3B ortamlardır.
Yönün nereye gittiğini anlamaya çalışan liderler için aktardığı yakın vadeli uygulamalar öğretici nitelikte.
Robotik eğitimi bunlardan biri: Laboratuvarlar, fiziksel robotları eğitmek için üretilmiş 3B ortamları sentetik veri olarak şimdiden kullanıyor; böylece maliyetli ve yavaş gerçek dünya verisi toplama süreçlerine olan bağımlılık azalıyor. Radyoloji de bir diğer alan. Görüntüleme verilerinden durum teşhisi koymak temelde mekânsal bir problemdir. Bir akciğer nodülü üç boyutta var olur; yalnızca iki boyutlu görüntüleri işleyen bir yapay zekâ eksik bilgiyle çalışır.
Kendi kendine sürüş yapan otomobiller, hâlihazırda piyasadaki en görünür örnektir. Li, Tesla ve Waymo'yu uzmanlaşmış bir alanda işlevsel dünya modelleri oluşturmuş şirketler olarak gösterdi.
"Bu açıdan bakıldığında, bu son derece kritik ancak uzmanlaşmış alanda zaten mekânsal zekâya sahibiz," dedi.
Veri Sorunu
Li, ilerlemenin önündeki temel kısıtlamayı doğrudan ifade etti. İşlem gücü pahalı ama mevcut. Model mimarisi ilerliyor. Zor olan kısım veri.
Dil modelleri, esasen sınırsız eğitim materyalinden yararlandı: İnternette birikmiş metinler, dijitalleştirilmiş kitaplar ve yazıya dökülmüş konuşmalar. Mekânsal verilerin buna eşdeğer bir külliyatı yok. Fiziksel ortamların üç boyutlu temsilleri kıt, üretilmeleri pahalı ve standartlaştırılmaları zor.
"3B dünya verilerinin eksik olduğunu düşünüyorsanız," dedi Li, "robotik verileri daha da eksik."
Bu soyut bir araştırma problemi değil. İster üretim, sağlık, lojistik veya tesis yönetiminde olsun, fiziksel yapay zekâyı entegre etmeyi planlayan her kuruluş için veri altyapısı, ilerleme hızını sınırlayan faktör olacak.
Fiziksel operasyonlarından sensörler, görüntüleme sistemleri veya dijital ikizler aracılığıyla hâlihazırda mekânsal veri toplayan şirketler, henüz tam olarak değerini kavrayamayabilecekleri bir varlık oluşturuyor.
Ufukta Bir ChatGPT Anı Yok
Li'nin vermeyi reddettiği sözlerden biri, tek bir tüketici ürününün yeni bir yapay zekâ yeteneği sınıfını bir gecede geniş kitlelerin farkındalığına taşıdığı ChatGPT'nin piyasaya sürülmesine benzer bir dönüm noktası yaşanacağıydı.
"Sohbet, tüketicilerin son derece yaygın bir davranışı," dedi, "ve tüketicilerin böyle son derece yaygın bir davranışı olduğunda, bir dönüm noktası yaşarsınız."
Uzamsal zekânın aynı şekilde ortaya çıkacağından şüphe ediyor, çünkü bunu temel alacak tek ve basit bir tüketici davranışı olmayabilir. Bir sohbet kutusuna soru yazmanın bariz bir eşdeğeri yok.
Bu, uzamsal yapay zekânın ani ve evrensel olmaktan ziyade alana özgü ve kademeli olarak yaygınlaşacağı anlamına geliyor. Robotik laboratuvarları, tıbbi görüntüleme şirketleri, oyun geliştiricileri ve görsel efekt stüdyoları, bu teknoloji yaygın kurumsal yazılımların yerleşik bir unsuru hâline gelmeden çok önce onunla karşılaşacak.
CHRO'lar ve COO'lar için bu zaman çizelgesi önem taşıyor. Uzamsal yapay zekâ konusunda harekete geçme baskısı, 2023'ün başlarında dil yapay zekâsı konusunda hissedilen baskıyla aynı değil. Ancak hazırlık süresi de göründüğünden daha kısa.
Temel çalışmalar; fiziksel zekânın operasyonlarınızı nerede değiştirebileceğini anlamak, uzamsal veri varlıklarınızın envanterini çıkarmak ve liderlik ekibinizin okuryazarlığını geliştirmek, yeni bir SaaS ürünü edinmekten daha uzun sürer.
Li, içinde bulunulan dönemi bir yakınsama olarak nitelendirdi: Dil için geliştirilen dönüştürücü model mimarileri, yıllardır gelişmekte olan bilgisayarlı görü ve 3B bilgi işlem alanlarındaki ilerlemelerle artık buluşuyor.
"Bu, ilk kez yapay zekâdaki en temel sorunlardan bazılarını gerçekten çözmemiz için bize fırsat sunuyor," dedi.
Bu yakınsamayı izlenmesi gereken başkasına ait bir sorun olarak görmek, birçok kuruluşun ChatGPT piyasaya çıktığında yaptığı hatanın aynısını yapmasına yol açacak. Ellerinde gerçekte olduğundan daha fazla hareket alanı olduğunu varsaydılar.