Yılın başında, kişisel ve profesyonel gelişimimi yönlendirmek için Hedefler ve Anahtar Sonuçlar (OKR'ler) belirledim. Bir araştırma projesine katkıda bulunarak, veri bilimi alanında bir stajyere mentorluk ve eğitim vererek, 28 kitap okuyarak bilgimi genişleterek ve İngilizce yeterliliğimi kanıtlamak için EFSET sınav puanımı 15 puan artırarak OKR'lerim için çalıştım. Ayrıca, birden fazla kursta en yüksek puanlarla bir uzmanlığı tamamlayarak Üretim İçin Makine Öğrenimi (MLOps) konusundaki uzmanlığımı derinleştirdim.
Bu başarıların takdiri olarak Galaksiya, yapay zekadaki son gelişmelere dair paha biçilmez içgörüler sağlayan prestijli bir etkinlik olan ECAI konferansına katılma fırsatıyla beni onurlandırdı. Konferans, zamanda geriye gitmişim gibi hissettiren nefes kesici Santiago de Compostela şehrinde düzenlendi. Arnavut kaldırımlı sokaklarında ve ortaçağ mimarisinde yürürken, sanki aniden 14. yüzyıla ışınlanmışım ve bir tarih kitabının sayfalarında yürüyormuşum gibi hissettim. Şehrin güzelliği ve zengin mirası bu deneyimi daha da unutulmaz kıldı. Bu blogda, yolculuğumu ve konferanstan aldığım önemli dersleri paylaşacağım.
27. Avrupa Yapay Zeka Konferansı (ECAI)
ECAI, 19-24 Ekim 2024 tarihleri arasında düzenlendi ve küresel yapay zeka araştırma topluluğundan 1,600'den fazla delegeyi bir araya getirdi.
Konferans, teknik bildiri sunumları, atölye çalışmaları, eğitimler, davetli konuşmalar ve özel oturumlar da dahil olmak üzere kapsamlı bir program içeriyordu. Bu blogda, etkinlik sırasında katıldığım sunumların ve eğitimlerin bir özetini sunacağım. Tüm makaleler [1] 'de yayınlanmıştır.
Anahtar Temalar
A. Etik ve Adalet
Yapay Zeka Sistemlerinde Hesap Verebilirlik: Genel amaçlı yapay zeka ile ilişkili risklerin ele alınması ve güvenli ve etik bir şekilde kullanılmasını sağlayacak mekanizmaların oluşturulması.
Yapay Zekanın Kötüye Kullanımı: Özellikle sosyal medya gibi hassas alanlarda yapay zekanın kötüye kullanımı gibi etik ikilemlerle mücadele.
Adalet ve Kapsayıcılık: Yapay zekâ destekli karar alma sistemlerinde adil ve orantılı temsilin savunulması.
Yapay Zekada Açıklanabilirlik: Paydaşların kararların nasıl alındığını anlamalarını sağlayarak güven ve anlayışı geliştirmek için yapay zeka sistemlerinin şeffaf ve yorumlanabilir olmasını sağlamak.
B. Sürdürülebilirlik
Yapay Zekanın Çevresel Etkisi: Makine öğrenimi süreçlerinin artan karbon ayak izini kabul etmek ve sürdürülebilir uygulamaları teşvik etmek.
Verimli Kaynak Kullanımı: Çevreye verilen zararı azaltmak için kaynak israfını en aza indirmeye ve yapay zeka sistemlerinin verimliliğini artırmaya odaklanmıştır.
C. Aktif Öğrenme ve Optimizasyonun Geliştirilmesi
Aktif Öğrenme: Hedefli sorgular ve karşı örnekler kullanarak kendini geliştirebilen, daha akıllı algoritmalar geliştirme ve böylece model verimliliğini artırma.
Optimizasyon: Klasik yapay zeka planlama sistemlerinin performansını iyileştirmek, onları daha etkili ve güvenilir hale getirmek için yapılan çalışmalar.
D. Süreçlerde ve Sistemlerde AI Uygulamaları
Bildirimsel Süreçler: İş akışı otomasyonunu iyileştirmek için süreç madenciliği, temsili ve sentezini optimize etmek amacıyla yapay zekanın kullanımı.
Çoklu Ajan İşbirliği: Özellikle karmaşık, çok amaçlı senaryoların ele alınmasında çoklu ajan sistemlerinin zorluklarını ve fırsatlarını keşfetmek.
Anormallik Tespiti: Hataları, sahtekarlığı veya sistem arızalarını gösterebilecek verilerdeki olağandışı kalıpları veya sapmaları belirlemek için yapay zekadan yararlanma. Bu, karar verme süreçlerini iyileştirmek ve sistem bütünlüğünü korumak için gerçek zamanlı izleme ve tahmine dayalı analizleri içerir.
E. Genel Amaçlı Yapay Zeka
Yapay Genel Zekanın Tanımlanması, Değerlendirilmesi ve İyileştirilmesi: Çeşitli görevlerde çalışabilen yapay zeka için sınırlamaların belirlenmesine ve standartlaştırılmış çözümler önerilmesine yönelik artan odaklanma.
Anahtar Yöntemler
A. Büyük Dil Modelleri
B. Güçlendirmeli Öğrenme
C. Çoklu Ajan Sistemleri
D. Bilgisayarla Görme
Konferanstan Önemli Noktalar
1. Etik ve Adalet
Davranışsal Bir Bakış Açısıyla Yapay Zeka Etiğini Uygulama [2] atölyesi, yapay zeka sistemlerini insan değerleriyle nasıl uyumlu hale getirebileceğimizi araştırdı ve adalet, önyargı azaltma ve şeffaflığı vurguladı. Geleneksel doğruluk ölçütlerinin ötesine geçmenin ve sağlık hizmetlerinde hasta merkezli ölçütler gibi gerçek dünya zorluklarını yansıtan değerlendirme yöntemlerini benimsemenin gerekliliğini vurguladı. Atölye ayrıca, veri sızıntısını önlemenin ve güvenilirliği sağlamak için sağlam çok merkezli değerlendirme süreçlerini uygulamanın önemini de ele aldı.
Diğer önemli katkılardan biri de Etik Yapay Zeka Yönetişimi: Güvenilir Yapay Zekayı Değerlendirme Yöntemleri [3] başlıklı çalışmaydı ve bu çalışma, yapay zeka değerlendirme yöntemlerini kavramsal, manuel, yarı otomatik ve otomatik yaklaşımlar olarak sınıflandırdı. Makale, otomatik araçların önyargı ve açıklanabilirlik sorunlarını verimli bir şekilde tespit edebilmesine rağmen, incelikli etik karar verme için insan gözetiminin esas olduğunu savundu. Standartlaşma eksikliği ve güvenilirlik değerlendirmelerindeki tutarsızlıklar gibi zorluklar da ele alındı ve birleşik değerlendirme çerçevelerine duyulan ihtiyaç vurgulandı.
Ek olarak, PEACE (Nefret İfadeleriyle Mücadele İçin Açıklamalar ve Analiz Sağlama) [1] makalesi, geleneksel modellerin sıklıkla gözden kaçırdığı ince ve gizli nefret söylemini tespit etmek için tasarlanmış bir web aracı tanıttı. Görselleştirme araçlarını ve açıklanabilir yapay zeka tekniklerini entegre ederek, PEACE, içerik moderatörlerinin çevrimiçi platformlarda hem açık hem de örtük nefret söylemini daha iyi anlamalarına ve ele almalarına yardımcı olur.
2. Sürdürülebilirlik
Daha Fazla (Yeterli) Daha İyidir: Az Sayıda Örnekle Yasadışı Atık Depolama Alanı Bölümlemesine Doğru [1], minimum etiketli veriyle hava görüntülerinde yasadışı atık alanlarını tespit etme zorluğunu ele aldı. Önerilen yaklaşım, kapsamlı manuel etiketleme ihtiyacını en aza indirirken tespit doğruluğunu artırmak için az sayıda örnekle öğrenme tekniklerinden ve sentetik veri üretiminden yararlandı. Bu araştırma, yapay zekanın gerçek dünyadaki çevresel sorunları verimli bir şekilde ele almak için nasıl kullanılabileceğinin altını çizdi.
Sıfır Atık Makine Öğrenimi [1] başlıklı bir diğer önemli makale, yapay zeka model optimizasyonuna sürdürülebilirlik odaklı bir yaklaşım getirdi. Yazarlar, model verimliliğini artırmak için hesaplamaların ve bilginin yeniden kullanımına odaklanan, döngüsel ekonomi prensiplerinden ilham alan bir çerçeve önerdiler. Temel teknikler arasında koşullu hesaplama, sürekli öğrenme ve kaynak geri dönüşümü yer alıyordu ve bu sayede yapay zeka sistemlerinin performanstan ödün vermeden kaynak verimli kalması sağlanıyordu.
Sürdürülebilirlik bağlamlarında çoklu ajan ve çoklu hedefli karar verme süreçlerinin yönetimine ilişkin daha geniş zorluk, Dünya Çok Amaçlı Çoklu Ajan Sistemidir: Şimdi Ne Olacak? [1] adlı çalışmada incelenmiştir. Bu çalışma, yapay zekanın çevresel sürdürülebilirliği ekonomik hedeflerle dengelemek gibi çelişkili öncelikleri nasıl ele alabileceğini incelemiştir. Araştırma, yapay zeka sistemlerine açıklanabilirlik ve şeffaflık entegre ederek, büyük ölçekli karar verme uygulamalarında güveni ve benimsenmeyi artırmayı amaçlamıştır.
3. Aktif Öğrenme ve Optimizasyonun Geliştirilmesi
Deneme Yanılmanın Ötesinde: Otomatik Takviyeli Öğrenme Üzerine Bir Eğitim [4] adlı eğitim , takviyeli öğrenme (RL) süreçlerinin otomasyonuna dair bilgiler sunmuştur. AutoRL yöntemleri, hiperparametre ayarlama ve algoritma seçimi gibi geleneksel olarak manuel olan görevleri kolaylaştırmayı ve RL'yi gerçek dünya uygulamalarına daha erişilebilir ve uyarlanabilir hale getirmeyi amaçlamaktadır. Eğitim ayrıca hiperparametrelerin model duyarlılığı ve performansı üzerindeki etkisini de ele alarak otomatik optimizasyon tekniklerinin önemini vurgulamıştır.
İlgili bir çalışma olan Çok Amaçlı Otomatik Makine Öğrenimi için Hiperparametre Önem Analizi [1] , model doğruluğu ve hesaplama maliyeti gibi rekabet eden hedefleri dengelemede hiperparametre ayarlamasının rolünü araştırdı. Yazarlar, hangi hiperparametrelerin en önemli etkiye sahip olduğunu belirlemek için yeni analiz teknikleri sunarak, çok amaçlı yapay zeka modellerini optimize etmek için değerli bilgiler sağladılar.
Ek olarak, En Uygun Olanın Hayatta Kalması: Çevresel Değişimler İçin Politikaların Evrimsel Uyarlaması [1], takviyeli öğrenmeye evrimsel temelli bir yaklaşım getirdi. Çalışma, yapay zeka modellerinin kapsamlı yeniden eğitim gerektirmeden değişen ortamlara uyum sağlamasını sağlayan bir teknik olan Evrimsel Sağlam Politika Optimizasyonu (ERPO) önerdi. Bu araştırma, robotik ve finansal modelleme gibi dinamik ve öngörülemeyen ortamlarda yapay zeka sistemlerinin çalışması gereken uygulamalar için önemli sonuçlar doğurmaktadır.
4. Süreçlerde ve Sistemlerde Yapay Zeka Uygulamaları
[1] numaralı makalede , Endüstriyel Anomali Tespiti için Bellek Uyarlamalı ve Mekansal Olarak Uzmanlaşmış Model Toplulukları başlıklı makale , endüstriyel sistemlerdeki anomalileri tespit etmek için birden fazla uzmanlaşmış modeli dinamik olarak entegre eden bir çerçeve sunmuştur. Bellek uyarlamasını mekansal uzmanlaşmayla birleştirerek, bu çerçeve yapay zekanın çeşitli ve gelişen veri dağılımlarını ele alma yeteneğini geliştirir. Bu yaklaşım, geleneksel statik modellerin kavram kayması ve değişen operasyonel koşullarla mücadele ettiği endüstriyel uygulamalarda oldukça etkili olduğunu kanıtlamıştır.
İlgili bir diğer çalışma olan Denetimsiz Anomali Tespiti için Kaskad Bellek [1] , denetimsiz modellerde aşırı genelleme sorununu ele almıştır. Mevcut birçok anomali tespit yöntemi, normal ve anormal veriler arasında ayrım yapmakta zorlanmakta ve bu da yüksek yanlış pozitif oranlarına yol açmaktadır. Önerilen kaskad bellek mimarisi, normal kalıplara odaklanmayı iyileştirirken, sistemin anomalileri daha etkili bir şekilde izole etmesine olanak tanır. Yöntem, özellikle karmaşık gerçek dünya senaryolarında olmak üzere, çeşitli kıyaslama veri kümelerinde en iyi performansı göstermiştir.
Etiketli veri olmadan anomali tespit modellerinin doğrulanması, Denetimsiz Model Doğrulamasına Doğru [1] çalışmasında ele alınmıştır . Bu çalışma, model güvenilirliğini değerlendirmek için korelasyon tabanlı sıralama tekniklerinden yararlanarak, anomali tespit sistemlerini değerlendirmek için "doğru şekilde çeşitli" bir model topluluğunun kullanımını önermiştir. Denetimsiz doğrulamaya yapılandırılmış bir yaklaşım sağlayarak, araştırma yapay zeka destekli anomali tespitini daha sağlam ve ölçeklenebilir hale getirmeye katkıda bulunmuştur.
5. Genel Amaçlı Yapay Zeka
İnsan-Makine Çağında Dil Anlama [5] atölyesi, konuşma yapay zekası ve makine çevirisi gibi uygulamalarda büyük dil modellerinin (LLM'ler) gelişen rolünü inceledi. LLM'ler etkileyici yetenekler sergilemiş olsa da, atölye özellikle derin akıl yürütme ve bağlamsal farkındalık gerektiren bağlamlarda insan dilini gerçekten anlama konusundaki sınırlamalarını vurguladı.
Son olarak, Genel Amaçlı Yapay Zekayı Karakterize Etmeye Yönelik Uyarılar ve Çözümler [1] başlıklı makale, GPAI'nin genelliğini ve yeteneğini ölçmenin daha geniş zorluğunu ele aldı. Yazarlar, çeşitli ve değişen görevlerde yapay zeka performansını değerlendiren uyarlanabilirlik testleri de dahil olmak üzere yeni kıyaslama stratejileri önerdiler. Ayrıca, GPAI'nin kavramsallaştırılmasını iyileştirmek için felsefe ve bilişsel bilimden disiplinlerarası içgörüler savundular ve yapay zeka değerlendirmesinde şeffaflık ve açıklanabilirliğin önemini vurguladılar.
ÖZET
ECAI, etik, sürdürülebilirlik, optimizasyon ve gerçek dünya uygulamaları da dahil olmak üzere AI'nın geleceğini şekillendiren temel temaları araştırdı. Etik ve adalet üzerine tartışmalar, insan değerleriyle uyumlu, şeffaf ve tarafsız AI sistemlerinin önemini vurguladı.
Sürdürülebilirlik çabaları, enerji açısından verimli yöntemler ve sorumlu kaynak kullanımı yoluyla AI'nın çevresel etkisini azaltmaya odaklandı. Aktif öğrenme ve optimizasyondaki gelişmeler, AI sistemlerini otomatikleştirme ve dinamik ortamlara uyarlama tekniklerini vurguladı. Uygulanan AI'da, süreç optimizasyonu ve karar alma yenilikleri, endüstriyel ve toplumsal zorluklar için pratik çözümler sergiledi. Konferans ayrıca genel amaçlı AI'nın karmaşıklıklarını inceleyerek, uyarlanabilirlik, şeffaflık ve disiplinler arası iş birliğine olan ihtiyacı vurguladı. Genel olarak ECAI, acil küresel zorlukları ele almak için etik, verimli ve uyarlanabilir AI sistemlerinin geliştirilmesinin altını çizdi.
Referanslar
[1] ECAI 2024 Bildirileri – 27. Avrupa Yapay Zeka Konferansı (ECAI), 19-24 Ekim 2024, Santiago de Compostela, İspanya. IOS Press. Şuradan erişilebilir: https://ebooks.iospress.nl/volume/ecai-2024-27theuropean-conference-on-artificial-intelligence-1924-october-2024santiago-de-compostela-spain-including-pais-2024
[2] AIEB-ECAI 2024 Çalıştayı – Davranışsal Bir Bakış Açısıyla Yapay Zeka Etiğinin Uygulanması. ECAI 2024. Şuradan erişilebilir: https://aieb-ecai2024.framer.ai/
[3] McCormack, L., & Bendechache, M. (2024) . Etik Yapay Zeka Yönetimi: Güvenilir Yapay Zekayı Değerlendirme Yöntemleri. arXiv. Şuradan erişilebilir: https://arxiv.org/abs/2409.07473
[4] ECAI 2024 AutoRL Eğitimi – Deneme Yanılmanın Ötesinde: Otomatik Takviyeli Öğrenme Üzerine Bir Eğitim. Şurada mevcuttur: Bağlantı
[5] LUHME Çalıştayı, ECAI 2024 – İnsan-Makine Çağında Dil Anlama. Şurada mevcuttur: https://luhme.web.uah.es/
