Üretken Yapay Zeka: Burada Kalacak Ne Var? Neler Değişecek?

NLP'de Kuantum Sıçraması?

Generatif AI, uzun bir icat geçmişine sahiptir ve nispeten yeni olduğu düşünülen çok gelişmiş bir teknolojidir.

Üretken Yapay Zeka nedir?

Şimdiye kadar yapay zeka, öncelikle veri odaklı ve analitik iş akışlarında kullanılıyordu. Yaratıcılığın bir zamanlar yapay zekanın kapsamı dışında olduğu düşünülüyordu. Neyin ne olduğunu analiz etmek yerine yeni bir şey üretmek için geniş bir içerik türü veri kümesi (metin, fotoğraf, ses ve video) üzerinde eğitilmiş modelleri kullanan, gelişmekte olan bir yapay zeka alanı olan yeni üretici yapay zeka dalgası sayesinde bu artık farklı. zaten var. Üretken yapay zeka ile yaratıcılık ve bilgi işinin marjinal maliyeti fiilen ortadan kaldırılır ve bu da olağanüstü yüksek işgücü üretkenliği, ekonomik değer ve piyasa kapitalizasyonu ile sonuçlanır.

Yeni İçerik Oluşturmak İçin Öne Çıkan Eğitim Yöntemleri

Transformers: Çeşitli kelimeler veya diziler arasındaki ilişkileri belirleme ve birbirlerine ne kadar yakın olduklarını bulma yeteneğine sahiptirler.

Üretken Çekişmeli Ağlar: Bu iki algoritma birbiriyle rekabet eder; biri büyük veri kümesinden türetilen olasılıklara dayalı olarak metin veya görüntüler üretir ve diğeri, çıktının gerçek mi yoksa yapay zeka tarafından mı üretildiğini yargılayan ayrımcı yapay zekadır.

Değişken Otomatik Kodlayıcılar: İki sinir ağından oluşan sinir ağı otomatik kodlayıcıları üzerine kuruludurlar: bir kodlayıcı ve bir kod çözücü. Kodlayıcı ağı, verileri temsil etmenin daha verimli yollarını optimize ederken, kod çözücü ağı, orijinal veri setini yeniden oluşturmanın daha verimli yollarını optimize eder.

Difüzyon Ağları: Metin istemlerinden görüntüler oluşturmak için bir yöntem. Bir dizi eğitim görüntüsüne rasgele gürültü ekleyerek ve ardından istenen görüntüyü oluşturmak için gürültünün nasıl kaldırılacağını öğrenerek çalışır .

Ama neden ani bir kalkış?

Veri kullanılabilirliği : Daha fazla veriyle, yapay zeka modelleri doğru ve gerçekçi yeni veriler sağlamak üzere eğitilebilir.

Uygun Fiyatlı Bilgi İşlem Gücü : Bu modeller daha önce yalnızca pahalı donanıma sahip büyük işletmeler tarafından eğitilebiliyordu. Yine de, günümüzde düşük kaliteli bilgisayarlara sahip olanlar bile üretken yapay zeka modellerini eğitebilir.

Algoritmaların Geliştirilmesi İyileşti : Transformers, makine öğrenimindeki son gelişmelerin bir sonucu olarak oluşturulan çok daha gelişmiş üretken yapay zeka modellerinden biridir.

GenAI kime fayda sağlayacak?

Bu derin öğrenme modellerinin yeni fikirler ve içerik oluşturmak için insanlarla birlikte çalışabildiği yazılımdaki bir sonraki gelişme olan "üretken teknoloji" kavramı, insan yaratıcılığında yeni bir çağın kilidini açıyor.

Yüksek düzeyde, potansiyel değer yakalamanın 4 katmanı vardır:

1. Altyapı : Muazzam GenAI bilgisayar modellerine güç verecek donanım ve bulut bilgi işlem platformlarını sağlayan işletmeler.
2. Temel Modeller : Metin, resim, ses ve diğer yaratıcı yaratım biçimleri için muazzam modeller oluşturan işletmeler.
3. FMOps : Bu teknolojilerin yardımıyla geliştiriciler, temel modellerden eksiksiz AI uygulamalarına kolayca geçiş yapabilir.
4. Uygulamalar : Tüketiciler, işletmeler ve hükümetler tarafından yaratıcı görevler için kullanılacak uygulamalar geliştiren büyük ve küçük firmalar.

Yenilikçi sonuçlar sağlamak için GenAI, hesaplama gücünden kapsamlı bir şekilde yararlanır. Karmaşık, pahalı, büyük metin, görsel ve işitsel Temel Modelleri, geniş bir süper bilgisayar bulut altyapısı üzerinde çalıştırılır. Daha fazla süper bilgisayar gücüne olan talep, çip üreticilerinin ağzının suyunu akıtıyor. İhtiyaç duyulan yatırımın büyüklüğü göz önüne alındığında, büyük firmalar tarafından desteklenen veya desteklenenler bu pazarda hakim olacaktır.

GenAI'nin henüz ilk aşamalarında olmasına rağmen, Temel Modellerle ilgili sorunlar şunları göstermeye başlıyor:-

1. GenAI hatalı içerik üretiyor
2. Belirli gruplara karşı önyargı
3. Toksisite (ör. ırkçı, cinsiyetçi veya nefret söylemi)
4. Bu simülasyonlar aynı zamanda halüsinojeniktir. Bu, olgusal olarak yanlış olabilecek sorguları güvenle, anlaşılır ve iyi yapılandırılmış bir şekilde yanıtladıkları anlamına gelir.

İyi finanse edilen girişimlerin BigTech ile aşağıdaki şekillerde para kazanma ve rekabet etme olasılıkları vardır:

1. Özel görevlere odaklanma
2. İngilizce Dışı Dil Eğitimi
3. Uç cihazlara ve şirket içine ekstrapolasyon

1. Kullanılabilirliğe ve müşteri işlemleriyle kapsamlı entegrasyona odaklanan ve kurulduktan sonra kaldırılmasını zorlaştıran.
2. Markasını hızlı bir şekilde kurabilen ve çok sayıda kullanıcı ve müşteri çekebilenler, kategori lideri olmayı başaracaktır.
3. Model Hizalamalarını kullanıcı amacına uygun olarak geliştirme.
4. B2C GenAI tüketici pazarının, hızlı ve yüksek tüketici edinme maliyetleri olan yatay firmalar tarafından kazanılması muhtemeldir.

Tıbbi verileri değerlendirme, daha kesin teşhisler geliştirme ve bireyselleştirilmiş tedavi rejimleri oluşturma konusundaki gelişmiş becerileriyle üretken yapay zeka, sağlık sektöründe devrim yaratma potansiyeline sahiptir.

Bazı kullanım durumları şunlardır: -

İlaç Geliştirme ve Araştırma:- Olası ilaç adaylarını bularak ve bilgisayar simülasyonlarını kullanarak etkinliklerini değerlendirerek, üretici yapay zeka, ilaç keşfi ve geliştirme sürecini hızlandırmaya yardımcı olabilir.

Sentetik Veriler:- Sağlık sektöründeki Korunan Sağlık Bilgileri düzenlemeleri, veri alışverişini kısıtlar. Gerçek verilerle aynı istatistiksel özelliklere sahip olan ancak gerçek hasta verilerinden oluşmayan sentetik verilerin kullanılması, bunu aşmanın bir tekniğidir. AI modelleri bu veriler kullanılarak test edilebilir ve eğitilebilir.

Uzaktan Hasta İzleme:- Yapay zeka tabanlı içgörüler ve iletişim, sağlık hizmetleri giderek daha fazla eve taşınırken insanların kendi sağlıklarını ve esenliklerini kontrol altına almalarını sağlayabilir. Uzaktan hasta izleme ve yapay zeka tarafından oluşturulan mesajlaşma yoluyla, hastalar hastaneden kaçınırken sağlık hizmetleriyle iletişim halinde kalabilecekler.

Kırsal Alanlarda Mevcut Sağlık Senaryosu - Hindistan

Erişim Yok: Nüfusun %70'inin sağlık hizmetlerine erişimi yok çünkü uzmanların %80'i kentsel alanlarda yaşıyor.

Dil ve Coğrafi Engeller: Hindistan'ın geniş ve çeşitli coğrafi konumları, bu tür alanlarda sağlık hizmeti sunumunun uygun şekilde yapılmasını engellemektedir.

Uzmanların isteksizliği: Makul yaşam koşullarının olmaması nedeniyle, sağlık tesislerinin çoğunun yetersiz çalışması, onlara teknik bilgilerini tercüme etme fırsatı vermemektedir.

Küresel uzaktan hasta izleme pazarının, tahmin dönemi boyunca %12,5'lik bir YBBO ile büyüyerek 62 milyar ABD dolarına ulaşması bekleniyor. Geriatrik ve kronik hastalık popülasyonundaki artış, evde hasta takibi için artan bir talebe yol açmıştır. Ayrıca Evde sağlık hizmeti, kronik hastalıkları tedavi etmek için uzun süreli bakıma ihtiyaç duyan hastalar için her zaman hayat kurtarıcı bir seçenek olarak kabul edilmiştir.

Eğitim manzarası nasıl değişecek?

Üretken yapay zeka, öğretmen veya ortak yazar olarak hareket ederek ve ilginç, etkileşimli içerik oluşturarak öğretmenleri müfredat ve pedagojik faaliyetlerinde destekleyebilir. Öğrencilerin ihtiyaçlarına ve ilgi alanlarına göre en etkili eğitimi almalarını sağlamak için Bireyselleştirilmiş Dersler oluşturulabilir. Öğrenme güçlükleri, üretici yapay zekanın yardımıyla giderilebilir. Okuma gibi bir formata konsantre olmak çok zor olduğunda, içeriği öğrencinin öğrenme stiline daha iyi uyan daha anlaşılır formatlara dönüştürebilir.

Daha Fazla Kendi Kendine Rehberlik Edilen Terapi Seçeneğine İhtiyaç Var

Dünya Sağlık Örgütü (WHO), 17 Haziran 2022'de yayınlanan büyük bir çalışmada, dünya çapında her sekiz kişiden birinin zihinsel bir duruma sahip olduğunu öngördü ve ruh sağlığında reform yapmak için hızlı eylem çağrısında bulundu. Çocuklukta otizm ve bilişsel bozukluğu, ergenlikte depresyon, anksiyete, madde kullanımı, psikoz ve yaşlılıkta demans izlemektedir. Toplamda, dünyadaki tüm hastalıkların %15'i ruh sağlığı bozukluklarıdır.

Dünya Sağlık Örgütü'nün (WHO) araştırmasına göre Hindistan, dünya çapında akıl hastalığı olan en fazla sayıda insandan birine sahip. Pandemiden önce, tüm gençlerin %14'ü, dünya çapında yaklaşık bir milyar insanı oluşturan bir akıl hastalığıyla yaşıyordu. Covid-19 pandemisi bu oranın son iki yılda yükselmesine neden oldu. Salgının daha ilk yılında, hepsi zaten yaygın olan duygusal stres, kaygı ve depresyon gibi bozuklukların yaygınlığı %25'ten fazla arttı.

DSÖ araştırması, "ülkelerin ortalama olarak ruh sağlığına sağlık bütçelerinin %2'sinden azını harcadığını" ortaya koydu. Bu nedenle, ruh sağlığı tedavisine ihtiyaç duyan insanların yalnızca küçük bir kısmı verimli, uygun fiyatlı ve yüksek kaliteli bakıma erişebilir. Dünya Sağlık Örgütü, 2012 ile 2030 yılları arasında ülkedeki kötü ruh sağlığının maliyetinin 1,03 trilyon doları aşacağını tahmin ediyor.

Şu anda, bu seansların maliyeti 1000-1500 Rs arasındadır . Bu nedenle, iyileşme yolunda ilerlemek için gereken 10-20 seans, ortalama bir kişi için ulaşılamaz.

Bu nedenle, kendi kendine rehberli terapi seçeneklerine acil bir ihtiyaç vardır. Küresel olarak Noom's NoomMood , TalkSpace , Lasting ve Youper gibi kendi kendine yönlendirilen BDT Terapisi sağlayan oyuncular var ama bunların çoğu orta dereceli zihinsel sağlık sorunları için çözümler sunuyor. Woebot gibi sohbet robotları, Bilişsel Davranışçı Terapi'den (CBT) yararlanıyor, böylece kullanıcılar kendi kendilerinin terapisti oluyorlar.

Hindistan'da da Mind Alcov , Mindpeers , WySa , MindHouse , YourDost , AumHum , Work In Progress , Open Mics , Mom's Belief , United We Care , Emotionally.in ve Lissun gibi oyuncular kendi kendine rehberli terapi seçenekleri sunmaya çalışıyor. .

2021'den 2030'a kadar öngörülen %3,5'lik YBBO ile, küresel ruh sağlığı pazarının 2020'deki tahmini değeri olan 383,31 milyon dolardan 2030'a kadar 537,97 milyon dolara yükselmesi bekleniyor.

Akıl Sağlığı Sektöründe Üretken Yapay Zekaya Hazır mıyız - Halüsinasyonlar, Bilgilendirilmiş Rıza…

Şu anda, akıl sağlığı sohbet robotları kural tabanlı yapay zeka kullanıyor. Bunlar genellikle, etiketli veri kümelerinden üretilen sınıflandırıcıların dikkatli bir şekilde uygulanmasıyla bir karar ağacına veya Bilgi Grafiklerine benzer. Diyaloğun ana "şekli" hekimlerin sorunları nasıl ele aldığına bağlı olduğundan, bunlar özellikle doktorların bir etkileşim sırasında kararlarda nasıl ilerleyebileceğini taklit etmek için yaratılmıştır.

Öte yandan, LLM tabanlı modeller doğası gereği üretkendir ve halüsinasyon eğilimleri halkın güvenini sarsabilir. Bu nedenle, aşağıdaki sorunlar ortaya çıkar: -

1. Hastaların iletişimlerinde (örn. tonlama, tonlama, prozodi) sergiledikleri fiziksel, cinsel veya duygusal taciz veya krizlerin (intihar eğilimi, cinayet eğilimleri, mani veya habis katatoni gibi) ince belirtilerine karşı o kadar anlayışlı veya duyarlı olmayabilirler. , akıcılık ve sözlü olmayanlar).
2. Üretken yapay zeka doğru bir klinik asistan olmak istiyorsa, üretken yapay zekanın LLM'sini (yalnızca ChatGPT gibi geniş internet bilgileri yerine) klinik veriler üzerinde eğitmek gerekli olacaktır. Bu tür bir eğitim, önceki notlara erişimi ve büyük miktarda verinin toplanmasını, işlenmesini ve saklanmasını gerektirecek ve bu da oldukça hassas materyallerin yanlış şekilde ele alınması tehlikesini önemli ölçüde artıracaktır.

Herhangi bir geri bildiriminiz varsa, [email protected] adresinden veya bana LinkedIn üzerinden dm yoluyla ulaşmaktan çekinmeyin .