Yapay zeka (AI), potansiyel değerinin 3,5 trilyon ila 5,8 trilyon dolar arasında olduğunu tahmin eden tahminlerle, tarihin en büyük pazar fırsatlarından birini yaratmaya hazırlanıyor. Bu pazarın önemli bir kısmını ele geçirmek ekonomileri yeniden tanımlayabilir ve önümüzdeki yıllarda güçlü bir büyüme motoru olarak hareket edebilir. Hindistan için yapay zekadan yararlanmak, 2047 yılına kadar Viksit Bharat vizyonuna ulaşmanın anahtarıdır.
Yapay Zeka (Getty Images/iStockphoto)
Yapay zeka uzun zamandır büyüleyici bir konu olmasına rağmen, aynı zamanda atılımlar ve hayal kırıklıkları döngüleri de yaşandı. Daha yakından bakıldığında çok önemli bir kusur ortaya çıkıyor: Bu atılımlar çok büyük enerji gereksinimleri ve maliyetli, zaman alıcı eğitim süreçleriyle birlikte geliyor. Hiçbir şey değişmezse, tahminler yapay zeka enerji talebinin 2035 yılına kadar küresel enerji üretimini aşabileceğini ve bunun derin ekonomik ve çevresel sonuçlar doğuracağını gösteriyor. Bu, bilgisayar donanımında, bugün sahip olduğumuzdan çok daha fazla enerji verimliliğine sahip olabilecek bir sıçrama gerektirecektir.
Bu sıçrama neden gerekli? Bu, son 60 yılın tüm bilgisayarlarının planı olan eskimiş Von Neumann mimarisine geliyor. Bu modelde hesaplama ve depolamanın ayrılması işlemleri yavaşlatır ve enerji tüketir. Yapay zekada kullanılanlar gibi saniyede milyarlarca hesaplama gerektiren görevler için von Neumann tasarımı büyük bir darboğaz haline geldi. Daha da kötüsü, yapay zeka sistemlerinde ürettiğimiz ve kullandığımız veriler genellikle büyük şirketler tarafından saklanıyor ve bu da gizlilik endişelerini artırıyor.
Çözüm düşündüğümüzden daha yakın olabilir; kendi kafamızda. İnsan beyni iki kg'dan daha hafiftir ve yalnızca 20 watt enerji kullanır. Bilgileri aynı yerde sorunsuz bir şekilde saklayıp işlerken, saniyede milyarlarca işlem gerçekleştirme kapasitesine sahiptir. Bu olağanüstü verimlilik, beynin sinir ağlarını temel alan veri işlemeye yönelik yeni bir yaklaşıma ilham verdi.
Beyinden ilham alan bilgi işlem kavramı yeni değil. 1980'lerde ileri görüşlü Amerikalı mühendis Carver Mead, bilgisayarların geleceğinin temellerini attı. 2010'lu yıllara gelindiğinde Intel ve IBM gibi endüstri devleri beyin benzeri hesaplamaya olan ilgiyi yeniden alevlendirdi. Gelişmiş üretim teknolojilerini kullanan bu şirketler, geleneksel ikili transistörleri ve yazılım kontrollü sistemleri kullanarak beynin öğrenme süreçlerini taklit etmeye çalıştı. Bu kaba kuvvet yaklaşımının başarısız olması şaşırtıcı değildir.
Çıkarılacak ders açıktı: Beynin hesaplama verimliliğine yaklaşmak için, biyolojik nöronlar ve sinapslar gibi öğrenebilen ve uyum sağlayabilen yeni devre elemanlarıyla bilişimi yeniden tasarlamamız gerekiyor. Ayrıca tüm bilgisayar mimarisini yeniden düşünmemiz ve bellek ile işlemenin ayrıldığı Neumann sistemlerinin sınırlarının ötesine geçmemiz gerekiyordu.
Beyinden ilham alan bilgisayarlar geliştirme yarışı sadece beynin işlem gücünü taklit etmekle ilgili değil; bunu beyni bu kadar dikkat çekici kılan aynı enerji verimliliği ve kompaktlıkla yapmakla ilgili. Soru şu: İnsan beyni kadar akıllı ve verimli makineler yapabilir miyiz? Buradaki zorluk, bilgiyi binlerce durumda depolayabilen ve tıpkı beyin gibi kaosun eşiğinde çalışabilen bilgisayar sistemleri yaratmaktır.
Nature'da yayınlanan çığır açıcı bir çalışmada, Dr. Ekip, moleküler bir filmdeki iyonların dansından yararlanarak beynin karmaşık veri işleme yöntemini taklit eden bir sistem yarattı. Filmde titreşen moleküller ve iyonlar çeşitli benzersiz hafıza durumları yaratır. Her hareket belirli bir elektrik sinyaliyle ilişkilendirildi; esasen binlerce hesaplama durumunu yakalayan ve hem enerji verimliliği hem de yerden tasarruf potansiyeli sunan bir bilgisayar.
Buluş burada bitmiyor. Ekip, baş döndürücü bir teknoloji sıçramasıyla, James Webb Teleskobu'ndan NASA'nın ikonik Yaratılış Sütunları görüntüsünü basit bir masa üstü kurulumunda yeniden yaratmak için moleküler platformunu kullandı. Üstelik bu başarıya, geleneksel bir bilgisayarın ihtiyaç duyacağından 4.000 kat daha hızlı ve 460 kat daha az enerji harcayarak ulaştılar.
16.384 analog seviyeye eşdeğer 14 bit hassasiyetle bu çip, alanları yapay zekadan (AI) bilimsel hesaplamaya dönüştürebilir. Büyük Dil Modelleri (LLM'ler) gibi karmaşık yapay zeka modellerini doğrudan dizüstü bilgisayarlar ve akıllı telefonlar gibi kişisel cihazlarda eğittiğinizi hayal edin; bu süreç şu anda büyük sunucu gruplarına ve kişisel verilerin büyük şirketler tarafından istilacı bir şekilde toplanmasına dayanıyor. Bu buluş, yapay zeka işlemlerini bireysel kullanıcılar için erişilebilir hale getirebilir, benzeri görülmemiş bir veri koruması sağlayabilir ve gelişmiş yapay zeka araçlarına erişimi demokratikleştirebilir. Bu, ülkeyi küresel teknolojik ilerlemenin ön saflarında konumlandırma potansiyeliyle, Hindistan'dan ortaya çıkan tartışmasız en çığır açıcı bilgi işlem yeniliklerinden biridir.
Bu makale Plaksha Üniversitesi Düşünce, Dil ve İletişim Merkezi Direktörü Brainerd Prince tarafından yazılmıştır.
Yapay Zeka (Getty Images/iStockphoto)
Yapay zeka uzun zamandır büyüleyici bir konu olmasına rağmen, aynı zamanda atılımlar ve hayal kırıklıkları döngüleri de yaşandı. Daha yakından bakıldığında çok önemli bir kusur ortaya çıkıyor: Bu atılımlar çok büyük enerji gereksinimleri ve maliyetli, zaman alıcı eğitim süreçleriyle birlikte geliyor. Hiçbir şey değişmezse, tahminler yapay zeka enerji talebinin 2035 yılına kadar küresel enerji üretimini aşabileceğini ve bunun derin ekonomik ve çevresel sonuçlar doğuracağını gösteriyor. Bu, bilgisayar donanımında, bugün sahip olduğumuzdan çok daha fazla enerji verimliliğine sahip olabilecek bir sıçrama gerektirecektir.
Bu sıçrama neden gerekli? Bu, son 60 yılın tüm bilgisayarlarının planı olan eskimiş Von Neumann mimarisine geliyor. Bu modelde hesaplama ve depolamanın ayrılması işlemleri yavaşlatır ve enerji tüketir. Yapay zekada kullanılanlar gibi saniyede milyarlarca hesaplama gerektiren görevler için von Neumann tasarımı büyük bir darboğaz haline geldi. Daha da kötüsü, yapay zeka sistemlerinde ürettiğimiz ve kullandığımız veriler genellikle büyük şirketler tarafından saklanıyor ve bu da gizlilik endişelerini artırıyor.
Çözüm düşündüğümüzden daha yakın olabilir; kendi kafamızda. İnsan beyni iki kg'dan daha hafiftir ve yalnızca 20 watt enerji kullanır. Bilgileri aynı yerde sorunsuz bir şekilde saklayıp işlerken, saniyede milyarlarca işlem gerçekleştirme kapasitesine sahiptir. Bu olağanüstü verimlilik, beynin sinir ağlarını temel alan veri işlemeye yönelik yeni bir yaklaşıma ilham verdi.
Beyinden ilham alan bilgi işlem kavramı yeni değil. 1980'lerde ileri görüşlü Amerikalı mühendis Carver Mead, bilgisayarların geleceğinin temellerini attı. 2010'lu yıllara gelindiğinde Intel ve IBM gibi endüstri devleri beyin benzeri hesaplamaya olan ilgiyi yeniden alevlendirdi. Gelişmiş üretim teknolojilerini kullanan bu şirketler, geleneksel ikili transistörleri ve yazılım kontrollü sistemleri kullanarak beynin öğrenme süreçlerini taklit etmeye çalıştı. Bu kaba kuvvet yaklaşımının başarısız olması şaşırtıcı değildir.
Çıkarılacak ders açıktı: Beynin hesaplama verimliliğine yaklaşmak için, biyolojik nöronlar ve sinapslar gibi öğrenebilen ve uyum sağlayabilen yeni devre elemanlarıyla bilişimi yeniden tasarlamamız gerekiyor. Ayrıca tüm bilgisayar mimarisini yeniden düşünmemiz ve bellek ile işlemenin ayrıldığı Neumann sistemlerinin sınırlarının ötesine geçmemiz gerekiyordu.
Beyinden ilham alan bilgisayarlar geliştirme yarışı sadece beynin işlem gücünü taklit etmekle ilgili değil; bunu beyni bu kadar dikkat çekici kılan aynı enerji verimliliği ve kompaktlıkla yapmakla ilgili. Soru şu: İnsan beyni kadar akıllı ve verimli makineler yapabilir miyiz? Buradaki zorluk, bilgiyi binlerce durumda depolayabilen ve tıpkı beyin gibi kaosun eşiğinde çalışabilen bilgisayar sistemleri yaratmaktır.
Nature'da yayınlanan çığır açıcı bir çalışmada, Dr. Ekip, moleküler bir filmdeki iyonların dansından yararlanarak beynin karmaşık veri işleme yöntemini taklit eden bir sistem yarattı. Filmde titreşen moleküller ve iyonlar çeşitli benzersiz hafıza durumları yaratır. Her hareket belirli bir elektrik sinyaliyle ilişkilendirildi; esasen binlerce hesaplama durumunu yakalayan ve hem enerji verimliliği hem de yerden tasarruf potansiyeli sunan bir bilgisayar.
Buluş burada bitmiyor. Ekip, baş döndürücü bir teknoloji sıçramasıyla, James Webb Teleskobu'ndan NASA'nın ikonik Yaratılış Sütunları görüntüsünü basit bir masa üstü kurulumunda yeniden yaratmak için moleküler platformunu kullandı. Üstelik bu başarıya, geleneksel bir bilgisayarın ihtiyaç duyacağından 4.000 kat daha hızlı ve 460 kat daha az enerji harcayarak ulaştılar.
16.384 analog seviyeye eşdeğer 14 bit hassasiyetle bu çip, alanları yapay zekadan (AI) bilimsel hesaplamaya dönüştürebilir. Büyük Dil Modelleri (LLM'ler) gibi karmaşık yapay zeka modellerini doğrudan dizüstü bilgisayarlar ve akıllı telefonlar gibi kişisel cihazlarda eğittiğinizi hayal edin; bu süreç şu anda büyük sunucu gruplarına ve kişisel verilerin büyük şirketler tarafından istilacı bir şekilde toplanmasına dayanıyor. Bu buluş, yapay zeka işlemlerini bireysel kullanıcılar için erişilebilir hale getirebilir, benzeri görülmemiş bir veri koruması sağlayabilir ve gelişmiş yapay zeka araçlarına erişimi demokratikleştirebilir. Bu, ülkeyi küresel teknolojik ilerlemenin ön saflarında konumlandırma potansiyeliyle, Hindistan'dan ortaya çıkan tartışmasız en çığır açıcı bilgi işlem yeniliklerinden biridir.
Bu makale Plaksha Üniversitesi Düşünce, Dil ve İletişim Merkezi Direktörü Brainerd Prince tarafından yazılmıştır.