NVIDIA CEO’su Jensen Huang, yapay zeka sistemlerinin halüsinasyon sorunlarının çözümünün birkaç yıl alacağını ve bu sürecin daha fazla hesaplama gücü gerektireceğini belirtti. Halüsinasyon, yapay zeka modellerinin gerçekte olmayan bilgilere veya hatalı sonuçlara ulaşması anlamına geliyor. Jensen, bu problemin çözüm gerektiren karmaşık bir mesele olduğunu ve gelecekteki gelişmelerin daha fazla işlem gücü ile mümkün olabileceğini vurguladı. Bu tür sorunların üstesinden gelmek için hem donanımda hem de yazılımda önemli ilerlemeler yapılması gerektiği ifade ediliyor.

“`html

Nvidia CEO’su Jensen Huang’ın Açıklamaları

Nvidia’nın CEO’su Jensen Huang, son zamanlarda yaptığı açıklamada endüstrinin yapay zeka yanılsaması sorununu, yani bir yapay zekanın bilgi eksikliklerini doldurmak için yanlış bilgiler üretmesini, çözmesinin birkaç yıl süreceğini belirtti. Huang, ayrıca karısını nasıl etkilediğini ve 30 yaşına kadar CEO olacağına dair verdiği sözü de paylaştı. Huang, bu konuları ve son 10 yılda artan hesaplama ihtiyaçlarını Hong Kong Bilim ve Teknoloji Üniversitesi‘nde gerçekleştirdiği bir röportajda ele aldı.

Yapay Zeka Hesaplama Gereksinimlerinin Artışı

Röportajda yapılan bir soru üzerine, AI hesaplama gücüne olan talebin her yıl dört kat arttığı söylendi. Huang, “10 yıl içinde bu devasa bir sayı, aslında bir milyon,” ifadesini kullandı. Bu nedenle Nvidia’nın hisse senetlerinin 300 kat arttığını belirten Huang, “Hesaplama ihtiyaçları bir milyon kat daha fazla, dolayısıyla hisse senedinin bu kadar pahalı olmaması gerektiği anlaşılabilir.” şeklinde konuştu.

Yapay Zeka Geliştirme Süreçleri

Huang, yapay zekanın günümüzde nasıl geliştirildiğini açıklayarak, bu sürecin üç temel alanı olduğunu söyledi. İlk alan ön eğitim; burada AI tüm verileri alarak bilgi edinir. Huang, bunu “üniversiteye gitmek” ile kıyasladı ve bunun önemli bir kilometre taşı olduğunu ancak yeterli olmadığını vurguladı. İkinci aşama ise sonrası eğitim; burada AI belirli bir beceri konusunda derinlemesine çalışıyor ve birçok teknik kullanıyor. Bu teknikler arasında insan geri bildirimli pekiştirme öğrenmesi, AI geri bildirimli pekiştirme öğrenmesi ve sanal veri üretimi gibi yöntemler yer alıyor.

Üçüncü aşama ise Test Zamanı Ölçekleme adını verdiği kısım; burada AI, bir problemi adım adım çözebilmek için düşündüğünü ifade ediyor. Huang, “Daha fazla düşündüğünüzde, belki de aldığınız yanıtın kalitesi artar,” dedi.

AI’ye Güven Sorunları

Tüm bu gelişmelere rağmen, Huang bugünün AI’larının verdiği cevaplara kesin olarak güvenilemeyeceğini belirtti. “Bugün elimizde bulunan yanıtlar en iyi olanlar ancak, gelecekte aldığınız cevabın güvenilir olduğunu bilmeliyiz” ifadelerini kullandı. Ayrıca güvenilirlik seviyesine ulaşmanın birkaç yıl daha alacağını ve bu süreçte hesaplama gücünü artırmaya devam etmemiz gerektiğini vurguladı.

Nvidia’nın Sağladığı Yenilikler

Huang, Nvidia’nın AI için yaptığı katkılara değinerek, “Hesaplama maliyetlerini bir milyon kat düşürmeyi başardık,” dedi. “Bir şeyin maliyeti bir milyon kat düşerse, alışkanlıklarınız temelden değişir… Bu, Nvidia’nın sağladığı en büyük katkıdır; verileri öğrenmek için bir makine kullanmak o kadar kolay hale geldi ki, araştırmacılar bunu düşünmekte bile tereddüt etmezler. Bu yüzden makine öğrenimi büyük bir patlama yaşadı.”

Nvidia’nın AI GPU’larının hala pahalı olduğu da belirtilince, Huang “Eğer Nvidia olmasaydı, bu bir milyon kat daha pahalı olurdu. Son 10 yıldır %1000 indirim yaptım, nerdeyse bedava!” dedi.

Jensen Huang’ın Eşine Verdiği Söz

Röportajın bir diğer ilginç bölümünde, Huang’ın eşi Lori ile ilgili bir anısına değinildi. 17 yaşındayken tanıştığı Lori’ye “30 yaşımda bir CEO olacağım” sözünü verdiğini belirten Huang, bunun bir “pickup line” olduğunu söyledi. Huang, “O zaman henüz 20 yaşındaydım ve CEO olacağımı bilmiyordum ama yine de evlendik,” dedi.

“`

Exit mobile version