Bir tavşan kadar hızlı dönmeyi başaran bir filin hikayesi. IBM, 2023 yılında Google, Amazon ve Meta gibi zorlu startuplara ve devlere karşı yapay zeka yarışına girdi. Sadece birkaç ay içinde, yeni araçlar ve güçlü dil modelleri kullanarak çeşitli ihtiyaçları karşılayacak WatsonX platformunu tanıttı. IBM, Red Hat ve Z hizmetlerini de içeren bu “en üst düzey” platformu ekleyerek kendi modellerini bile yaratıyor.
Zürih’teki (İsviçre) IBM Araştırma laboratuvarında araştırmacı olan Richard Haas için 2023 olağanüstü bir yıldı. “Big Blue”daki 27 yıllık kariyeri ile lansmanı kötümser dış tahminlere karşı güzel bir intikam olarak görüyor. Ve bu muazzam geminin onbinlerce çalışanını bir araya getirmenin harika bir yolu da IBM’dir. Kuantum gibi yapay zeka da merkezi bir yer tutuyor. Çok uluslu şirketin 150.000 çalışanı gelip bunu kendileri test etmeye davet edildi. Amaç: Teknolojinin ölçeğini mümkün olan en kısa sürede gerçekleştirmek. Ve buna katılın.
01net: Profesyonel hareketlilik ve iş dünyasının uzun ömürlü olmaması, sizi 27 yıl boyunca saflarında tutmayı başaran IBM’i etkilemiş gibi görünmüyor. Pek çok aktörün sizi kaçırmak isteyeceğini düşünüyoruz. Neden hiç ayrılmadın?
Robert Haas: Çok basit: Başka bir yere gittim ama yine de IBM’deydim. Basit tutmak için bunu söylerdim ama doğru. Çok uluslu olmanın avantajı bu, aynı pozisyonda 5 yıldan fazla çalışmadım. Araştırmadan geliştirmeye ve iş stratejisine geçtim. Ve işte araştırmaya geri döndüm. Bu deneyimlerin her biri bana yardımcı oldu. Her değiştiğimde kendimi şirkete daha ilgili hissediyorum. Bunun gibi farklı konumları deneyimlemiş profiller, bu muazzam takımyıldızdaki noktaları birleştirmeye yardımcı oluyor.
Zamanla daha fazla değer katıyoruz. Araştırmadan stratejiye geçerek, sadece araştırma yaparken mümkün olmayan müşteriyle teması günlük hayatıma katmayı başardım. Aynı zamanda araştırma becerilerim onlara karşı daha net olmamı, Ar-Ge tarafında neler olup bittiğini onlara daha basit bir şekilde açıklamamı sağladı; ürünün mevcut durumu ve gelecekteki gelişmeler. Daha sonra araştırmaya geri döndüğümde tüm bunlardan bir şeyler öğrenebildim ve daha iyi bir çalışma yöntemi bulmak için süreçleri değiştirebildim.
Artık araştırmaya geri döndüm ve bu bana çok yakışıyor çünkü kendimi özgürce ifade etmeye devam edebiliyorum. Yürüttüğüm projeler mutlaka yarın IBM’de ürün ortaya çıkaracak projeler olmayacak, bu yüzden daha basit.
01net: Laboratuvarın araştırmacıları, nesiller arası çeşitlilik nedeniyle, özellikle yapay zeka konusunda farklı bakış açılarına sahip mi?
İK: Açıkçası, takımlarımıza doktora öğrencisi olarak katılan yeni kişileri gözlemlediğimde, onlar için araçlar doğal. Bu biraz doğuştandır. Önceki nesiller için bu çaba gerektiriyordu. Ancak IBM bunu gerçekleştirecek, herkesi bilgilendirecek ve konumu ne olursa olsun herkesin yeni yapay zeka araçlarını denemesini sağlayacak zekaya sahipti. Bu yıl hep birlikte hackathon şeklinde bir araya geldik. Aşağı yukarı 150.000 kişiydik. Araştırma, satış, insan kaynakları, iletişim… Herkes yapay zekayı test etmeye davet edildi.
Bu çalıştaylar aracılığıyla şunları yapmaya başladık: hızlı ayarlamave neler başarabileceğimizin farkına vardık. Bazıları değerini çoktan anlamıştı büyük dil modelleri (LLM)beklenenin çok ötesine geçti. Ama bunu bir yerde okumakla deneyimlemek arasında fark var. Yüksek Lisans’ların onlara daha önce hiç eğitim vermediğimiz sorunları çözebileceğini fark ettik. Bu, bugün temel modeller dediğimiz şeyin en büyük özelliklerinden biridir (vakıf modelleri).
01net: Genel halk bir yıl önce ChatGPT’yi fark etti. IBM’de neler olduğunu ne zaman anladınız?
İK: Genel olarak her şey 2023 yılında, bu yılın başlarında Think konferansında duyurduğumuz WatsonX’in entegrasyonuyla gerçekleşti. Araştırma ve geliştirme branşlarımızda yapay zeka elbette yeni değil. Yakın zamanda müşterilerimizle müşteri destek araçları için bir atölye çalışması yaptık ve bu proje üç yıldan fazla bir süre önce başladı. Artık ölçek açısından her şey değişti. Verimlilik açısından daha ileri gitmenin bir yolu var ve ChatGPT patlaması bunu açıkça gösterdi.
O dönemde IBM’de her şeyi bu yöne kaydırmanın zamanının geldiğini anlamıştık. Yaptığımız tüm çalışmaları bir araya getirmek ve eylemimizi büyütmek. Neyse ki, dahili olarak çok iyi sonuç verdi. Çünkü düzenlediğimiz hackathon sayesinde insanlar gerçekten yatırım yaptıklarını hissettiler. Bu da analistlerin IBM hakkındaki algılarını değiştirme etkisi yarattı.
01net: Algıları neydi?
İK: Uzun zamandır fil olarak görülüyoruz; dönüşünü yapması uzun zaman alacak devasa bir gemi. Herkes bizden bunu yapabileceğimizi beklemiyordu. Ancak gösterdiğimiz şey şu ki, IBM kendisini çalışır duruma getirdiğinde ve tüm güçlerini belirli bir hedefe yönlendirdiğinde işe yarıyor.
Artık bu analistler şirketin bu konularda takip edilmeyi hak ettiğini söylüyor. Ayrıca kendilerine müşteri için işleri iyi yaptığımızı söylüyorlar. Ürünlerimiz işlerini daha karmaşık hale getirmek yerine basitleştirecektir. Yapay zekanın potansiyelini biliyoruz. Zorluk, ürünlerimizin, açtığımız ve anlamadığımız, anlamadığımız bir bilgi yığını içinde bizi kaybedecek bir Pandora’nın kutusu olarak sunulmamasını sağlamaktır. kontrol değil.
IBM’in diğer şirketlerin aksine büyük skandallara karışmayan bir geçmişi var. Oldukça az sayıda yapay zeka şirketi ağır para cezaları ödedi. Şirketler, risk almadan gelişmelerine olanak tanıyan bir ortağa sahip olmak istiyor. Artık nereye döneceklerini biliyorlar.
01net: Bu, yapay zekanın bugün IBM için bir büyüme motoru olduğu anlamına mı geliyor? Yoksa hala başlangıç aşamasında mısınız?
İK: WatsonX projemizin tüm yapı taşlarının konuşlandırılmasını neredeyse tamamladık. Eksik olan tek şey az önce duyurduğumuz Yönetişim kısmıydı. Müşterilere pek çok model sunduğumuz WatsonX AI’ya ve WatsonX Data’ya katılıyor; böylece müşteriler, AI’ya eklemek istedikleri tüm bilgileri bir araya getirerek modellerin eğitimiyle uyumlu hale getirebiliyor. WatsonX Governance, tüm bu yeni uygulamaların, kullanıcılara risk oluşturmadan en son teknolojiye uygun kurallara uymasını sağlayacak.
Müşterilerimiz arasında talep oldukça mevcut. Ve biz buna cevap veriyoruz. Halihazırda sahip olduğumuz platformlara eklenen bu yeni WatsonX platformunu geliştirdik. Red Hat gibi yıllardır üzerinde çalıştığımız şeyler.
01net: Bugün IBM’de bildiğimiz yapay zeka aynı kalacak mı? Yoksa özellikle genelleştirilmiş yapay zeka alanında daha da ileri gitmeyi mi planlıyorsunuz?
Bunların hepsi büyüyecek. Öncelikle WatsonX tarafında platformun diğer büyük IBM platformları gibi gelişmesi planlanıyor. Bunu Z platformunda yaptıklarımızla karşılaştırmayı seviyorum. Kamuoyu tarafından bilinmiyor ancak dünyada yapılan hemen hemen her kredi kartı işleminin arka planda yürütülmesinden sorumludur. . Büyük bankalar buna güveniyor. Bunlar, yoğun dönemlerde bile Kara Cuma, sorunsuz çalışmaya devam edin. Hiçbir zaman virüslerin saldırısına uğramazlar. Gelecekte WatsonX’in de aynı şöhrete sahip olması gerekiyor.
Burada Zürih laboratuvarlarında sonrası üzerinde çalışıyoruz. Önümüzdeki on yıl içinde genelleştirilmiş yapay zeka (AGI) gibi yapay zeka teknikleriyle bağlantılı yenilikler kullanıma sunulacak. Daha akıllı yapay zeka. Ekiplerimin burada üzerinde çalıştığı kavramlardan biri de sembolik zeka dediğimiz sembolik kısım. Buradaki fikir, öğrenebilmek için sürekli olarak muazzam miktarda veri gerektiren bir sinir ağına bağlı olmamaktır.
Daha anlaşılır olması açısından size bir arabanın sürüş sistemi örneğini vereceğim. Sistemi, sağdan başka bir araba geldiğinde kavşakta duran arabaları gösteren çok sayıda videoyla eğitmek yerine, sistemin sürüş kodunu doğrudan almasını sağlayabilir ve bu kavramı sisteme entegre edebiliriz. Aynı noktaya geleceğiz, ancak klasik sinirsel öğrenmede, ağın anlaması ve doğru cevabı elde etmek amacıyla ağırlıklarını ayarlaması için birkaç kez tekrarlanması gereken olağanüstü miktarda farklı videoya ihtiyacınız var.
Bu nedenle iş, tüm kuralları ve açıklamalarını içeren bu 50 sayfalık modeli özümsemek, ardından bu sembolik zekayı verilere dayalı zekayla birlikte kullanmaktır. Derin Sinir Ağı. Bu şekilde çok daha verimli olacaktır. Özellikle modelin eğitilmeyeceği benzersiz durumlarda. Bir sürüş sisteminde, bir araba yol kenarına düşen bir dur işaretiyle karşılaştığında bu yararlı olabilir. Dediğimiz şeyin daha da ilerisine gidebiliriz. dağıtım genellemesinin dışında : Öğrenme sırasında sağlanan veriler dışında öğrendiklerimizin genelleştirilmesi.
Bir yanıt yazın