Google’ın AI araştırma laboratuvarı olan Google DeepMind, yapay zeka (AI) model eğitiminde çığır açan bir yöntemi duyurdu. Yeni JEST (Joint Example Selection) eğitim yöntemi, geleneksel yöntemlere göre 13 kat daha fazla performans ve 10 kat daha yüksek enerji verimliliği sağladığını iddia ediyor. Bu yenilik, AI veri merkezlerinin çevresel etkisi üzerindeki tartışmaların yoğunlaştığı bir dönemde büyük ilgi uyandırdı.

JEST Yönteminin Çalışma Prensibi

JEST yöntemi, geleneksel AI eğitim tekniklerinden farklı olarak veri noktalarına odaklanmak yerine, tüm veri gruplarını esas alıyor. Bu yenilikçi yaklaşım, öncelikle veri kalitesini derecelendirmek ve grupları kaliteye göre sıralamak için daha küçük bir AI modeli oluşturuyor. Daha sonra, bu derecelendirme daha büyük, daha düşük kaliteli bir veri kümesiyle karşılaştırılıyor. Küçük JEST modeli, eğitim için en uygun grupları belirliyor ve bu bulgulara dayanarak daha büyük bir model eğitiliyor.

DeepMind araştırmacıları, JEST yönteminin başarısının, “veri seçimi sürecini daha küçük, iyi düzenlenmiş veri kümelerinin dağıtımına yönlendirme yeteneğine” dayandığını belirtiyor. Araştırmacılar, bu yöntemin 13 kata kadar daha az yineleme ve 10 kata kadar daha az hesaplama ile en son teknoloji modellerini geride bıraktığını iddia ediyor.

Yüksek Kaliteli Veri İhtiyacı

JEST yöntemi, tamamen eğitim verilerinin kalitesine dayanıyor. Bu nedenle, başlangıçta en yüksek kaliteli eğitim verilerini düzenlemek için uzman düzeyinde araştırma becerileri gerekiyor. “Giren çöp, çıkan çöp” mantrası, JEST yöntemi için büyük bir önem taşıyor. Bu durum, hobi amaçlı veya amatör AI geliştiricileri için JEST yöntemini uygulamayı zorlaştırıyor.

Çevresel ve Ekonomik Etkiler

JEST yöntemi, yapay zeka teknolojisinin enerji tüketimini önemli ölçüde azaltma potansiyeline sahip. AI iş yüklerinin 2023’te yaklaşık 4,3 GW tükettiği ve bu tüketimin Kıbrıs’ın yıllık güç tüketimine eşdeğer olduğu düşünüldüğünde, JEST’in enerji verimliliği büyük bir önem taşıyor. Teknoloji endüstrisi ve dünya hükümetleri, AI’nın aşırı güç talepleri hakkında tartışmalara başlarken, JEST yöntemi bu tartışmalara yeni bir boyut katıyor.

Gelecekte JEST’in Benimsenmesi

JEST yönteminin AI alanındaki büyük oyuncular tarafından benimsenip benimsenmeyeceği ve nasıl benimseneceği henüz belli değil. GPT-40’ın eğitilmesinin 100 milyon dolara mal olduğu bildiriliyor ve gelecekteki daha büyük modeller milyar dolar sınırına ulaşabilir. Bu durumda, firmalar muhtemelen AI maliyetlerini azaltmanın yollarını arayacaklar.

Bazı uzmanlar, JEST yöntemlerinin mevcut eğitim üretkenlik oranlarını çok daha düşük güç çekişlerinde tutarak AI maliyetlerini azaltacağını ve çevreye yardımcı olacağını umuyor. Ancak, sermaye makinesinin pedalı metale basılı tutması ve JEST yöntemlerini kullanarak hiper hızlı eğitim çıktısı için güç çekişini maksimumda tutması da oldukça olası.