Ben henüz çocukken, Oriol Viniller (Sabadell, 1983) ona şu konularda sorular sormayı severdi: matematik La Mola dağına tırmanırken babasına. Gençken video oyunları oynamak için internet kafelere giderdim StarCraft ve filme hayran kaldı 2001: Bir Uzay Macerası. Bu tutkunun onun için bir kapı olacağını bilmiyordu. Google. Bugün 42 yaşında, derin öğrenme konusunda tanınmış bir küresel otoritedir (derin öğrenme), en ileri tekniklerden biri yapay zeka.
Bu Katalan matematikçi ve bilgisayar mühendisi, 2016'dan beri araştırmadan sorumlu başkan yardımcısıdır. Google DeepMindünlü laboratuvarı yapay zeka Kaliforniyalı teknoloji devinden. Buradan teknik gelişime liderlik ediyor. İkizler burcurakibi SohbetGPT ve şu anda dil modeli var olan en güçlü. Araştırmasının etkisi şüphe götürmez: kendi alanında dünyada en çok alıntı yapılan beşinci bilim insanıdır.
Vinyals, bu Çarşamba günü doktor olarak yemin etmeden önce EL PERIÓDICO'ya gidiyor fahri neden Katalonya Politeknik Üniversitesi (UPC) tarafından mezun olunan okul Berkeley'deki Kaliforniya Üniversitesi'nde doktorasını almadan önce çift diplomayı tamamladı ve oradan Silikon Vadisi.
Geçen hafta en güçlü yapay zeka modeliniz olan Gemini 3'ü piyasaya sürdünüz ve hatta Sam Altman bile şirket içinde Google'ın ilerleyişinin OpenAI'de “bazı geçici ekonomik engeller yaratabileceğini” kabul etti. Bu nasıl bir sıçramayı gerektiriyor?
Temel formül pek değişmiyor. Modelin internetteki tüm verileri ve bunların korelasyonlarını anlamasını sağladığımız aşama olan ön eğitimde mimarideki değişiklikler sayesinde önemli bir atılım gerçekleştirdik. Ve bu en önemli kısımdır. Ayrıca, kullanıcılara sağlayacağı kullanıma (örneğin chatbot görevi görecek şekilde) uyarlandığı sonraki eğitimde de çok şey geliştirdik.
Peki hala hangi konuda başarısız oluyor?
O eğitim sonrası Gelişmeye en çok açık olan alandır. Özellikle oyun oynamak için oluşturduğumuz sistemlerle karşılaştırırsak keşfedecek daha çok şeyimiz var. Büyük dil modelleri (LLM) ile performansı artırmak, bir oyunu kazanmakla ilgili değil, Gemini'nin sorunuza verdiği yanıtın iyi olup olmadığını belirlemekle ilgilidir ve bu çok daha zordur.
DeepSeek, ChatGPT ve Google Gemini 'uygulamaları' / Andrey Rudakov / Bloomberg
Giderek daha güçlü modeller piyasaya sürüyorsunuz. Yapay zeka, eğitilecek iyi verilerde bir darboğaz varsa ölçeklenmeye devam edebilir mi?
Boyutu artırmak yardımcı olsa da yapay zekanın gittikçe büyüyeceğini düşünmemeliyiz. Modeli Google'ın yaptığı gibi milyonlarca kişinin kullanımına sunarsanız çok büyük olmasını istemezsiniz çünkü o zaman kullanıcılara ucuz fiyatlarla pazarlayamazsınız. Bunu ölçeklendirmenin yollarından biri, her kelimeyi üretirken daha az enerji harcayacak şekilde bilimsel yenilikler yapmaktır. Zaten internetteki kalite verilerinin neredeyse tamamını kullandığımız doğrudur. Ancak yine de her modeli bir öncekinden daha iyi hale getirmenin yollarını buluyoruz.
Zaten internetteki kalite verilerinin neredeyse tamamını kullanıyoruz
Yapay zeka tarafından oluşturulan verilere sahip eğitim modelleri bir seçenek midir?
Evet, araştırdığımız bir konu ve bazı açılardan iyi sonuçlar vermesi de güzel bir fikir. Ancak diğer modellerin hatalarını da yayabilir ve bu sorunludur çünkü gelecekteki yapay zekaları daha da kötüleştirebilir.
Rapor Yapay Zekanın Durumu 2025 enerjinin de başka bir darboğaz olduğu konusunda uyarıyor.
Enerji maliyeti çok yüksek ama iyi bir değişiklik çünkü bu, teknolojinin herkese ulaşması anlamına geliyor. Bu olağanüstü bir maliyet değil çünkü giderek daha verimli mikroişlemciler var. Yapay zeka yaratmak isteyen şirketler aynı zamanda ekonomik sürdürülebilirliğe sahip olmakla da ilgileniyor ve enerji maliyetini azaltacak yollara yatırım yapıyor. Ve teknoloji sayesinde giderek daha da düşecek.

ABD'de Columbia Nehri'nin yanındaki Google veri merkezi /warewater
Fakat belirtildiği gibi Jevons paradoksuDaha yüksek verimliliğe sahip teknolojilerin kullanıma sunulması, daha fazla toplam enerji tüketimine yol açabilir.
Evet, bu doğru. Otoyola bir şerit eklediğinizde oraya daha fazla araba gidiyor. Ama bu iyi bir sorun, insanların sizin teknolojinizi kullanmak istediği anlamına geliyor. Ölçeklenebilirlik açısından zaten yapay zekayı Google arama kadar kullanan kişi var. Enerji talebi artabilir ancak veri merkezlerimizin CO2 nötr olmasını planladık. Şimdi, eğer talep çok çok büyükse, Google'ın önümüzdeki yıllardaki bilgi işlem artışını biraz hafife almış olması mümkün. Aynı zamanda bu enerji ihtiyacına cevap verecek ilerleme de olabilir. İyimser olmak için birçok neden var ama her zaman tetikte olun.
Enerji talebi çok çok büyükse, Google'ın önümüzdeki yıllardaki bilgi işlem artışını biraz hafife almış olması mümkündür.
Ramón López de Mántarasİspanya'da yapay zekanın öncülerinden biri, bana sözde halüsinasyonların, yani hataların üretken yapay zekanın “doğal” bir sorunu olduğunu açıkladı. Bunların tedavisi yok mu?
Bu, belki de modellerin internetten alınan verilerle eğitilmesinin doğasında olan bir sorundur. Hiçbir zaman mükemmel bir şekilde çözülemeyebilir, ancak her yapay zeka neslini nasıl geliştireceğimizi biliyoruz. %100 mükemmel olacak mı? İmkansız. Ancak hataları en aza indirebiliriz. İyileştirilecek çok yer var ve bu durum İspanyolca veya Katalanca'dan sonra önce İngilizce olarak düzeltilecek.
DeepMind'da şu sistemleri yaratmayı başardınız: deneyimlerinden öğreniyorlar StarCraft gibi oyunlarda insanlardan daha iyi performans göstermek veya Gitmek. Bu, dünyayı anlayan bir yapay zekaya yansıtılabilir mi?
Daha zordur çünkü dünya daha karmaşıktır. Bir masa oyununu kazanıp kazanmadığınızı değerlendirmek kolaydır, ancak çok farklı kullanıcılara sonsuz sayıda konuda yardım etmek istediğinizde bu çok daha karmaşıktır. Kazanmak gibi belirli bir görevi sipariş etmek kolaydır, ancak kullanıcının istediğini yapmak (şiir yazmak, bir kitabı özetlemek, bir şeyler çizmek) o kadar kolay değildir. Teknik zorluk, her Yüksek Lisans Diplomasının nasıl değerlendirileceğini bilmekte ve aynı zamanda her görevin matematiksel olarak tanımlanmasında yatmaktadır.
Google DeepMind CEO'su Demis Hassabis, yapay zekanın “hissetmeyi öğrendiğini” ve bunun mümkün olabileceğini garanti ediyor İnsan bilişine uymak veya onu aşmak 2030'dan önce. Buna dair ne gibi kanıtlar var?
Modeller, insanların nasıl iletişim kurduğundan öğrenen olasılıksal simülasyonlardır, dolayısıyla yaptıkları şey onların hissettiklerini, duyguları olduğunu simüle etmektir. Bazıları dil konusunda o kadar gelişmiştir ki, tamamen insan olmasalar da belirli bir kişiliği görebilirsiniz. Bu simülasyon, teknolojiyi daha insani bir şekilde ve daha az makine gibi anlamamıza yardımcı olur. Yapay zeka ile yüksek düzeyde duygusal bir bağ kurmanın önemli olacağını düşünüyorum. Bu eser iletişimi daha ideal hale getiriyorsa, onu daha çok seviyoruz ve günlük sorunları çözmemize yardımcı oluyorsa, o zaman memnuniyetle karşılanacaktır. Ve belki de modelin yazdığı sözcüklerin yüzeyinin altında bir şey olup olmadığını hiçbir zaman bilemeyeceğiz.
Modeller, insanların nasıl iletişim kurduğundan öğrenen olasılıksal simülasyonlardır, dolayısıyla yaptıkları şey, duyguları olduğunu simüle etmektir.
Anlama ve simülasyon arasındaki çizgiyi nerede çiziyorsunuz?
Bu çok zor. İnsan beyninin nasıl çalıştığını hâlâ tam olarak anlayamadık, dolayısıyla yeni bir sistemin maliyeti çok yüksek olacak. Bu heyecan verici bir soru. Bugün bu duygular açıkça simüle ediliyor.
Kara kutu olan sistemler geliştiriyorsunuz. Cevap verdikleri şeye neden cevap verdiklerini bilmiyor musun?
Sistem başarısız olduğunda bunun nedenini anlamaya çalışabilirsiniz. Örneğin, eğlenceli bir şey şu ki, kelimede kaç tane R bulunduğunu belirlerken bir hata yaparsanız, şunu biliyoruz: çilek Bunun nedeni internetin bu hatalarla dolu olması ve modelin internetten alınan verilerle eğitilmesinin doğru cevabı vermeyen yanlış bir sinyal oluşturması olabilir. Ancak modele bakıp ondan ne istendiğini ve neye yanıt verdiğini haritaya koyarsak, zihnimizin işleyişinde de olduğu gibi, çok daha az netlik olur. Yüzyıllarca süren çalışmalardan sonra beynimizi pek iyi anlamıyoruz ve bu yeni sistemleri de iyi anlamıyoruz.

Google DeepMind'dan Demis Hassabis ve John M. Jumper, Nobel Kimya Ödülü'nü kazandı / Toby Melville / Reuters
Bu hafta sonu, sektördeki ticari kariyere ivme kazandıran ChatGPT'nin lansmanından bu yana üç yıl geçti. Hayatınız nasıl değişti?
2013 yılında Google'a başladığımdan beri birçok aşamadan geçtim. İlk zamanlarda her şey çok akademikti, araştırmak, yayınlamak evraklar ve başkalarına bu teknolojinin iyi bir şey olduğunu gösterin. 2016 yılında DeepMind'a katıldığımda araştırma zaten biraz daha büyüktü. ChatGPT çok ana akım; Liderliğini yaptığı projelerde yeni bir kullanıcı kaynağı yaratarak yeni yatırımların kapısını araladı. Artık daha fazla yoğunluk var ve daha odaklanmış durumdayız. (AI) modeli, Google'ın şu anda dağıttığı ürünlerin motorudur. Yani projede yer alan hepimiz elimizden gelenin en iyisini yapıyoruz. Hatta Sergei (Brin, Google'ın kurucu ortağı) her gün ofise geliyor ve Sundar (Pichai, CEO) ekiple saatlerce sohbet ederek vakit geçiriyor.
ChatGPT'den bu yana daha fazla yoğunluk var. Sergei Brin (Google'ın kurucu ortağı) bile her gün ofise geliyor.
Yapay zeka hakkında bilgisi olmayan birine konumunuzu nasıl açıklarsınız?
Uzun lafın kısası, yapay zeka modelleri geliştiren ekibin hangi fikirlerin araştırılacağına öncelik vermesine yardımcı oluyorum.
Sektör, yapay zekayı sizin için her şeyi yapan bir 'aracıya' dönüştürmek konusunda ısrar ediyor. Hangi vizyona ulaşmak istiyorsunuz?
Fiziksel dünyada robot teknolojisi var ve her zaman önümüzdeki beş yıl içinde buna benzer bir şey yaratacakmış gibi görünüyor ve bu hiçbir zaman gerçekleşmeyecek. Dijital ortamda tanıttığımız model, bir toplantı planlamak veya bir gezi düzenlemek gibi inanılmaz şeyler yapmak için internete ve bilgisayarınıza erişebilir. Üzerinde çalıştığımız kullanılabilirlik ve güvenlik konularının ötesinde, bu 'ajanların' önümüzdeki yıllarda popüler olacağına inanıyorum. Bu zaten bilimde (ben de) uygulanıyor ve otomasyon bilim adamlarının sayısını artırabilir ve yapay zeka, süper malzemeler veya füzyon enerjisi gibi niş alanlarda büyük sıçramalara yol açabilir.
DeepMind'ın büyük başarısı Alfa Katlamakazanan Nobel Kimya Ödülü. Bilim yapay zeka için en verimli alan mıdır?
Yapay zekayı bilime uygulamamız yönünde bir önyargı var çünkü onu yaratanlar bilim insanlarıyız. Ancak yüksek etkili alanlarda da birçok fırsat var.
Okumaya devam etmek için abone olun

Bir yanıt yazın