2026'da yapay zeka abartıdan pragmatizme geçecek | Rebecca Bellan & Ram Iyer, TechCrunch Eğer 2025 yapay zekanın bir vibe kontrolü yaptığı yıl ise, 2026 teknolojinin pratik hale geldiği yıl olacak. Odak şimdiden giderek daha büyük dil modelleri oluşturmaktan uzaklaşıp yapay zekanın kullanılabilir hale getirilmesi için daha zorlu çalışmalara kayıyor. Pratikte, bu daha küçük modellerin uygun yerlere yerleştirilmesini, zekayı fiziksel cihazlara entegre etmeyi ve insan iş akışlarına temiz entegre olan sistemler tasarlamayı içerir. TechCrunch'ın konuştuğu uzmanlar, 2026'yı bir geçiş yılı olarak görüyor; bu yıl kaba kuvvet ölçeklendirmeden yeni mimariler araştırmasına, gösterişli demolardan hedefli dağıtımlara ve özerklik vaat eden ajanlardan insanların çalışma şeklini gerçekten artıran ajanlara evriyor. Parti bitmedi ama sektör ayılmaya başladı. Ölçeklendirme yasaları yeterli olmaz 2012 yılında Alex Krizhevsky, Ilya Sutskever ve Geoffrey Hinton'un ImageNet makalesi, yapay zeka sistemlerinin milyonlarca örneğe bakarak resimlerdeki nesneleri tanımayı nasıl "öğrenebileceğini" gösterdi. Bu yaklaşım hesaplama açısından pahalıydı ama GPU'larla mümkün oldu. Sonuç ne oldu? Farklı görevler için yeni mimariler icat etmeye çalışan bilim insanları olarak on yıl süren yoğun yapay zeka araştırmaları. Bu, 2020 civarında OpenAI'nin GPT-3'ü başlatmasıyla doruğa ulaştı; bu model, modeli 100 kat büyütmenin kodlama ve akıl yürütme gibi yetenekleri açık bir eğitim gerektirmeden nasıl açtığını gösterdi. Bu, yapay zeka ajanı platformu Workera'nın CEO'su ve kurucusu Kian Katanforoosh'un "ölçeklendirme çağı" olarak adlandırdığı döneme geçişi işaret etti: daha fazla hesaplama, daha fazla veri ve daha büyük transformator modellerinin yapay zekadaki bir sonraki büyük atılımı başlatacağına inancıyla tanımlanan bir dönem. Bugün, birçok araştırmacı yapay zeka endüstrisinin ölçeklendirme yasalarının sınırlarını tükenmeye başladığını ve yeniden araştırma çağına geçeceğini düşünüyor. Meta'nın eski baş yapay zeka bilim insanı Yann LeCun, uzun süredir ölçeklendirmeye aşırı bağımlılığa karşı çıkıyor ve daha iyi mimariler geliştirme ihtiyacını vurguluyor. Ve Sutskever, yakın zamanda verdiği bir röportajda mevcut modellerin durgunlaştığını ve ön eğitim sonuçlarının düzleştiğini, bunun da yeni fikirlere ihtiyaç olduğunu gösterdiğini söyledi. "Bence önümüzdeki beş yıl içinde büyük ihtimalle transformatörler üzerinde önemli bir gelişme olan daha iyi bir mimari bulacağız," dedi Katanforoosh. "Ve eğer yapmazsak, modellerde çok fazla gelişme bekleyemeyiz." Bazen az daha fazladır Büyük dil modelleri bilgiyi genelleştirmede çok iyidir, ancak birçok uzman, kurumsal yapay zeka benimsemesinin bir sonraki dalgasının daha küçük, daha çevik dil modelleri tarafından yönlendirileceğini ve bu modellerin alan spesifik çözümler için ince ayarlanabileceğini söylüyor. AT&T'nin baş veri sorumlusu Andy Markus, TechCrunch'a "İnce ayarlanmış SLM'ler" büyük trend olacak ve olgun yapay zeka işletmeleri tarafından kullanılacak temel bir ürün haline gelecek; çünkü maliyet ve performans avantajları, kutudan çıkmış LLM'lere göre kullanımı artıracak." "Zaten işletmelerin SLM'lere giderek daha fazla güvendiğini gördük çünkü doğru şekilde ayarlanırsa, kurumsal iş uygulamaları için daha büyük, genel modellerle doğruluk açısından eşleşiyorlar ve maliyet ile hız açısından mükemmeller." Bu argümanı daha önce Fransız açık ağırlıklı yapay zeka girişimi Mistral'dan görmüştük: Küçük modellerin, ince ayar sonrası birkaç benchmark'ta aslında büyük modellerden daha iyi performans gösterdiğini savunuyor. "SLM'lerin verimliliği, maliyet etkinliği ve uyum yeteneği, hassasiyetin ön planda olduğu özel uygulamalar için ideal kılıyor," dedi Austin merkezli kurumsal yapay zeka şirketi ABBYY'den yapay zeka stratejisti Jon Knisley. ...