RE•WORK Beyaz Kağıt: AI’de İşleme ile İlgili Meydan Okumalar, Başarılar, İlerlemeler ve Başarısızlıklar

RE-WORK, AI ve Derin Öğrenme etkinlikleri konusunda lider bir kuruluş olup, dünya çapında zirve ve atölye çalışmaları düzenlemektedir. Etkinlikler, Derin Öğrenme, Makine Öğrenimi, çeşitli sektörlerdeki AI, Bilgisayarlı Görü, Otonom Araçlar, Sorumlu AI ve daha fazlasını kapsar. Endüstri ve akademiden liderleri bir araya getirirler.

RE•WORK’un en son beyaz kağıdında, ‘AI’de İşleme ile İlgili Meydan Okumalar, Başarılar, İlerlemeler ve Başarısızlıklar’ başlıklı bir çalışma yer almaktadır. Bu çalışmaya katkıda bulunanlar arasında Purdue Üniversitesi, Ryerson Üniversitesi, GSI Teknoloji, COTA Inc., Omdena ve daha fazlası bulunmaktadır.

Beyaz kağıt altı bölüme ayrılmıştır:

• 1. Bölüm: Endüstri ve Kar Amacı Gütmeyen Uygulamalarda Veri Sınırlamaları

• 2. Bölüm: ElasticSearch, ANN ve Bilgisayarlı Hafıza Birleşimi

• 3. Bölüm: Veri Kullanılabilirliğinin Sınırlamaları ve Gelişmeleri

• 4. Bölüm: ML ve AI’de Veri Engelleri

• 5. Bölüm: Kurumsal AI’de İşleme Sınırlamaları – GPT-3 Çözüm Mü?

• 6. Bölüm: 6G Kablosuz İletişim Ağlarında Gelişmeler

İlk bölüm, özel ve kar amacı gütmeyen organizasyonların karşılaştığı en yaygın veri meydan okumalarını ele alır. Ayrıca, veri kullanılabilirliği, maliyet, gizlilik ve etik ile ilgili sınırlamaları detaylandırır. Bu bölüm, metin, video ve coğrafi veri gibi farklı veri türlerinde veri sınırlamalarını gösteren üç özel vaka çalışmasına dayanır.

Birinci bölüm, Omdena’dan Rosano de Oliveira Gomez, MIT’den Harini Suresh ve Omdena’dan Erim Afzal tarafından yazılmıştır.

İkinci bölüm, yaklaşık en yakın komşu (ANN) ile birlikte bellekte hızlandırılmış işleme kullanımına odaklanmaktadır. Bu, Elasticsearch işlemlerinden gerçek zamanlı yanıt sağlar. Elasticsearch, ilk olarak metin arama motoru olarak tasarlanmış olsa da, şimdi veritabanlarına resimler, ağ mimarisi, metin belgeleri ve ürün fişleri gibi belgeler ekleyebilir. Bölüm ayrıca, Associative Processing Unit (APU) gibi yeni teknolojileri de ele almaktadır.

İkinci bölüm, GSI Teknoloji’nin pazarlama müdürü Mark Wright tarafından yazılmıştır.

Üçüncü bölüm, veri kullanılabilirliğinin sınırlamaları ve avantajlarını ele almaktadır. Veri kullanılabilirliği nedir ve ne değildir, veri kullanılabilirliğinin sınırlamaları gibi konuları açıklar. Bölüm, yüksek performanslı veri işleme pipeline’ı ve hibrit bulut gibi çözümler sunar.

Üçüncü bölüm, Purdue Üniversitesi’nden yazılım mühendisi ve ML uygulayıcısı Adebunmi Odefunso tarafından yazılmıştır.

Dördüncü bölüm, ML ve AI’de karşılaşılan çeşitli engellere odaklanmaktadır. Özellikle, yüksek hata oranlarına ve önyargıya sahip yüz tanıma sistemleri gibi sorunlu algoritmalar ve modelleri ele alır. Önyargıyı azaltma ve yorumlanabilirliği artırma yollarını gösterir ve neden büyük ve çeşitli bir veri kümesinin gerekli olduğunu açıklar.

Dördüncü bölüm, COTA Inc.’in strateji direktörü Shivam Mathura tarafından yazılmıştır.

Beşinci bölüm, son AI modeli GPT-3’ü kullanarak Kurumsal AI’de AI’nin sınırlamaları ve potansiyelini keşfetmektedir. Bölümün amacı, “bugünün sınırlamalarının yarının başarıları olacağını” ve sürekli deneysel çalışmalara ihtiyaç duyulduğunu vurgulamaktır.

Beşinci bölüm, Ryerson Üniversitesi’nden bilgisayar bilimi doktorası adayı Shaina Raza tarafından yazılmıştır.

Altıncı bölüm, ortaya çıkan 6G kablosuz iletişim ağlarını ve bu ağların AI, Makine Öğrenimi ve daha fazlasını gerektireceğini ele almaktadır. Bu sistemlerin withoutöncü kapasite ve ağ erişimini sağlayacağını belirtir. Bölümün diğer konuları arasında, AI ve SDN ile Bir Sonraki Nesil Kablosuz Ağlar, DARPA Spektrum İşbirliği Meydan Okuması’ndan İlham ve Akıllı Radyo Algoritmalarının Uygulaması yer almaktadır.

Altıncı bölüm, Florida Uluslararası Üniversitesi’nden Kemal Akkaya, Arjuna Madanayake, Udara De Silva, ve Sravan Pulipati; Northeastern Üniversitesi’nden Josep M. Jornet, Kaushik Chowdhury, Francesco Restuccia, ve Tommaso Melodia; Florida Üniversitesi’nden Soumyajit Mandal ve John Shea; Pi Radyo’dan Aditya Dhananjay; ve Lemurian Labs’den Jay Dawani ve Vassil Dimitrov tarafından yazılmıştır.