Bu yazı Yapay Zeka uygulamalarının üretim şirketlerine entegrasyonu hakkında başlangıç seviyesinde bilgi paylaşmayı amaçlıyor. Okumalarımda bazı kavramların karıştırıldığını fark ettim. Bu sebeple kavramlar üzerinde durarak yazıma devam edeceğim.
Özellikle OpenAI’ın ChatGPT’si ile sıradan kullanıcılarında ulaşabileceği bir hizmete dönüşen yapay zeka sanal kahramanları ve bunlar üzerinden türetilen farklı çözümler sunan girişimler ile ABD borsalarında son yılların en çarpıcı hisse performanslarından birine imza atan NVIDIA yapay zeka çipleri ile gündemi sarsarken, elbette “Yapay Zeka” son yılların en popüler konu başlıklarından biri oldu.
Öncelikle Endüstri 3.0 ile Endüstri 4.0 arasındaki temel farka değinmek lazım sanıyorum:
Endüstri 3.0, sanayi devrimi sonrasında belli basit işleri seri üretim ile yapmanın üzerine PLC’ler, Elektronik Kartlar, Mikro işlemciler ile bilgisayarla kontrol edilebilen ve özellikle çoğu insanın yapabileceği işleri yerine getirebilen makinelerin devreye girmesi ile sonuçlandı. Bilişim ve teknolojik gelişimlerle hızla yaygınlaştı.
Endüstri 4.0’da ise artık nesnelerin interneti çözümleri ile makineler kendileri arasında veri paylaşımı yapabiliyor bu sayede yalnızca programlanmış işler yapmak yerine, kendi kendine öğrenen ve karar veren akıllı sistemlerle donanmış üretim hatları ve/veya çözümlerle devam etti. Karanlık fabrikalar, insansız depolar bunlara örnek verebiliriz.
Aslına bakarsanız gündelik yaşamımızda evimizde kullanılan termostatlarlar güzel bir Endüstri 4.0 örneği sayılabilir. Daha sınırlıdır, verilerin değerlendirilmesi yine belirlenen şartlar doğrultusunda gerçekleşir. Oda sıcaklığını sürekli ölçer önceden belirlediğimiz aralıkta olup olmadığına bakar, sonra başka bir mekatronik cihaz olan vanaya haber verir aç yada kapa veyahut kombi/kazan çalıştır kapat diyebilir.
Bir de şöyle düşünün bu senaryoyu. Ankara’da yalnız yaşıyorsunuz. Kolunuzda akıllı bir saat var. Vücut sıcaklığınızı, kalp atışınızı ölçüyor. Aynı zamanda telefonunuzda o gün kaç adım attığınız hesaplanmış. Normalin çok üzerinde hareket etmişsiniz. Aynı zamanda o gün öğün kaçırmışsınız ve son bir haftadır dengesiz beslendiğinizi telefonunuzun ilgili uygulamasına eklediğiniz yemek ve porsyonlarla kayıt altına aldınız.
Bir gece önce de yalnızca en sevdiğiniz diziyi izlemek üzere çok geç saatte yattınız. Birkaç saat ancak uyudunuz. Bunları yaşarken güvenilir haber sitelerinde ve sağlık bakanlığı web sayfalarında Ankara’da ağır bir grip salgını uyarısı yapılmış. Burada kritik nokta kendi kendine öğrenebilen ve kendi kararlarını alan makineler veya sistemler.
Yapay Zeka burada devreye giriyor. Yukarıda yazdığım ve uzatabileceğim onlarca koşulu ve E-Devlet üzerindeki sağlık verilerinizi de inceleyerek bir karar veriyor. Bir gün önceden farklı olarak termostatı 21 Derece değilde, siz eve gelmeden 22 dereceye ayarlıyor. Buzdolabınızda yeterince son dönemde tüketmediğiniz sağlıklı besinlerin eksik olduğunu görüyor ve popüler uygulamalar üzerinden biri ile sizin canlı konumunuza bakarak, siz eve gelmeden yemek sipariş veriyor.
Eve geldiğinizde sesli yanıt servisi ile siparişlerin verildiğini ve sağlığınız ile ilgili endişelerini dile getiriyor. Akşam yatıyorsunuz ve gece 02:00 gibi vücut sıcaklığınızın 40,5 dereceye kadar çıktığını tespit ediyor. Yalnız olduğunuzu bildiği içinde en yakınlarınızdan birini arıyor. Ulaşamazsa acil yardım talep ediyor.
Buradaki koşulda elbette bahsettiğim yapay zeka örneğinde, algoritma üzerinde bir model tasarlanmıştır. Bu modeli pazarlayan bir şirket ilgili uygulamalar üzerinden verileri toplayarak kendi modelini eğitmiştir. Verileri yorumlamak ve sonrasında karar vermek konusunda başlangıçta %60-70 başarı elde eden model zamanla yeni verilerle, daha tutarlı akıllı cevaplar vermeye başlar. Zaten son kullanıcıya gelene kadar büyük ölçüde test edilmiştir.
Şirketlerin entegrasyonunda ise sorun şurada başlıyor. Yapay zeka algoritmalarını yazmak ve bunları eğitmek çok ciddi emek ile para gerektiriyor. Elbette yapay zeka uygulamalarını şirketlerine adapte etmek isteyen küçük ya da orta ölçekli şirketlerin bunu yapması kaba tabirle imkansız. Bu sebeple Microsoft, Google ve Amazon gibi şirketler bu alanda yaptıkları çalışmaları belli bir ücret karşılığında, kendi geliştirdikleri algoritmayı kullanımıza sunuyor.
Örneğin, fabrikanızda üretilen bir cıvata var ve her çıkan cıvata hat sonunda hızlı kamera sistemleri ile tek tek fotoğraflanarak; yüzey kusurlarına göre sınıflayıp bir ayıraç yardımı ile kusurlu ve kusursuz olarak iki ayrı kutuya ayrılıyor diyelim. Buna yapay zekayı nasıl adapte edersiniz?
Yukarıda belirttiğim global şirketler size otomasyon tarafında çözüm olarak ilgili algortimasını sunuyor. Sizde kendi ekibiniz ile verileri sınıflandırıp, bu algoritma üzerinde çalışan bir model kurguluyorsunuz. Başlıyorsunuz yapay zekaya tüm ihtimalleri öğretmeye. Alınan verilerin nasıl değerlendirebileceğini öğretmeye başlıyorsunuz. Burada ne kadar çok veri ile beslerseniz, o kadar çok detaylı kararlar verebilir. Modelin kurulmasında tıpkı ERP kurulum sürecinde olduğu gibi adım adım aşağıdaki adımlar izlenir:
- Yapay zeka uygulamasının hedef ve kapsamının belirlenmesi,
- Model için verileri toplayacak ve değerlendirecek bir ekibin kurulması,
- İlgili model için şirket içinde ya da dışarıdan alınacak hizmet ile Yapaz Zeka modeli geliştirmesi konusunda tecrübeli yazılımcı ekip üye yada üyelerinin belirlenmesi,
- Verilerin toplanma ve kayıt altına alınması yönteminin belirlenmesi,
- Modelin çalışacağı şirket için yada ilgili şirketler üzerinden online bulut hizmet alınması gibi seçenekler üzerinde karar verilmesi,
Olarak kabaca sıralayabiliriz. En temel konu burada verinin toplanması ve değerlendirilmesi, Model için belli formatlara indirgenmesi konusu. En kritik olan sorun bu. Dünya çapında veri mühendisliği, Big Data vb. konulara bu denli son yıllarda ciddi eğilinmesi tam da bu sebepten. İkinci konu en önemli konu, modeli tasarlayacak yazılımcı yada danışman firma. Bu konuda ne yazık ki henüz yeterince uzman yetişmiş durumda değil. Ciddi emekler harcanabilir ve karşılığı alınamayabilir.
Ayrıca henüz netleşmemiş bazı konu başlıkları var. Yukarı verdiğim örnekteki gibi, cıvata yüzey hatalarından operatörden tutunda, hammaddenin üretim sürecine kadar değerlendirmeleri yaparak uygunsuz olarak ayrılan ürünler için reçeteler sunabilecek bu modelin geliştirilmesi bunu uygulayacak şirkete ait olsa da esasen üzerinde çalıştığı algoritmayı da geliştirmiş oluyor. Hem bu modeli kullanmak için ödeme yaparken hem de algoritmayı üzerine para ödeyerek eğitmiş oluyorsunuz.
Bu 3 firma için ne kadar güzel değil mi? Peki ya rakiplerinize sizin modelinizin benzerini sunarlar ise? Modeli sunmasalar bile sizin modeliniz sayesinde daha da gelişen algoritma sayesinde rakibinizin daha hızlı model kurgulamasını isteyesiniz ki? Bugünlerde yapılan yatırımlar çok başlangıç seviyesinde olan bu teknolojinin gelişime katkı sağlamaktan çok da öteye geçmeyecektir kanaatindeyim.
Daron Acemoğlu’nun da dediği gibi:
“Araştırmalar halen mevcut olan üretken yapay zekâ araçlarının ortalama yüzde 27 işgücü maliyeti tasarrufu ve yüzde 14,4 genel maliyet tasarrufu sağladığını ortaya koyuyor. Bu daha büyük rakamları elde etmek istiyorsanız, ya mikro düzeyde üretkenlik kazanımlarını artırmanız ya da ekonomide çok daha fazla görevin etkileneceğini varsaymanız gerekir. Ancak her iki senaryo da makul görünmüyor.
Yüzde 27’nin çok üzerindeki işgücü maliyeti tasarrufları sadece mevcut çalışmaların sunduğu aralığın dışında kalmakla kalmıyor; aynı zamanda daha da umut verici diğer teknolojilerin gözlemlenen etkileriyle de örtüşmüyor. Örneğin, endüstriyel robotlar bazı imalat sektörlerini dönüştürmüş ve işgücü maliyetlerini yaklaşık yüzde 30 oranında azaltmış görünüyor.
Aşağıda orjinal makaleyi bırakıyorum. Ayrıca Türkçe bir değerlendirmeyi de aşağıda paylaşıyorum.
Teknolojiyi de takipte kalmaya devam…