Yapay zekâ her yerde. Genellikle pek farkına varmadan da olsa yapay zekâ ile zaten pek çok alanda uzun yıllardır karşılaşıyorduk. Üzerinde oldukça uzun zamandır çalışılan bir teknoloji bu. Ancak geçtiğimiz son birkaç yıl içerisinde gösterdiği ciddi gelişim hızı, insanların ağzını açık bırakacak şeyleri kolaylıkla yapabilir hale gelmesi, günlük hayatı oldukça kolaylaştırabilir olması ve kullanımının kolaylığı ile beraber günümüzde popülerliği hiç olmadığı kadar artmış durumda. Bu bağlamda, yapay zekâ ile bağlantılı bazı terimlerin ne olduğu hakkında fikir sahibi olmak faydalı olacaktır diye düşünüyorum. Bu yazı serisinde, bu terimlerin üzerinden teknik detaylarda boğulmadan, olabildiğince sade bir dille geçiyor olacağız.
Transfer Learning
Transfer learning ya da dilimizdeki karşılığı ile aktarım öğrenmesi, bir yapay zekâ modelinin daha önce öğrendiği bilgileri başka bir alanda kullanmasıdır. Örnek olarak görüntü sınıflandırması için kullanılan bir yapay zekâ modeli düşünelim. Bu model, arabaları tanımayı öğrenmek için edindiği bilgiden kamyonları tanımaya çalışırken de yararlanabilir. Bu sayede modelin gösterdiği performans artabilir, eğitim süresi ve maliyet de düşebilir.
Context Window
Context window ya da dilimizdeki karşılığı ile bağlam penceresi, bir yapay zekâ modelinin aynı anda aklında tutabildiği bilgi miktarı olarak düşünülebilir. Yani model ile konuşurken bu konuşmanın ne kadarını hatırlayabileceğini belirler. Bu pencerenin dışına çıkan bilgiler ise adeta unutulmuş gibidir. Daha net anlaşılması açısından bir örnek verelim. Birisiyle sohbet ettiğimizi düşünelim. Eğer bu kişi sohbetin başında konuşulanları hatırlamıyorsa sürekli olarak aynı şeyleri tekrar etmek zorunda kalabiliriz. Yapay zekâda da benzer bir durum vardır. Eğer bağlam penceresi küçükse, konuşmanın başındaki detaylar ilerleyen aşamalarda unutulabilir.
