İlişkisel Temel Model: Yapay Zekada Devrim, Veri Analizi

Giriş
Günümüz girişimcilik dünyasında yapay zeka (YZ) alanındaki hızlı gelişmeler, işletmelerin veri analizi ve karar verme süreçlerini kökten değiştirme potansiyeline sahip. Özellikle, büyük dil modellerinin (BDM) metin analizi, özetleme ve çıkarım yapma yetenekleri dikkat çekici olsa da, yapılandırılmış verilerden müşteri kaybı tahminleri veya sahtekarlık tespiti gibi yüksek değerli tahmin görevleri için geleneksel makine öğrenimi (MÖ) yöntemlerine olan bağımlılık devam ediyor. Bu makale, Stanford Üniversitesi öğretim üyesi ve Kumo AI’ın kurucu ortağı Jure Leskovec’in önderliğinde geliştirilen ve yapılandırılmış veritabanlarına büyük dil modellerinin “sıfır atış” yeteneklerini getiren yeni bir tür önceden eğitilmiş yapay zeka olan ilişkisel temel modelini (İTM) mercek altına alıyor. İTM’nin, özellikle tahmin yetenekleri açısından, yapay zeka alanında nasıl bir devrim yaratabileceğini ve işletmelerin veri analizi süreçlerini nasıl daha verimli hale getirebileceğini inceleyeceğiz.

Tahmine Dayalı Makine Öğrenimi ve Kısıtlamaları

Geleneksel makine öğrenimi, özellikle tahmin yetenekleri gerektiren iş süreçleri için uzun süredir kullanılmaktadır. Müşteri kaybı tahmini gibi bir görev için, şirketler genellikle veri bilimcilerinden oluşan ekipler kiralamak zorundadır. Bu ekipler, verilerden tahmin sinyalleri oluşturmak için manuel olarak “özellik mühendisliği” yapmak üzere uzun zaman harcarlar. Bu süreç, müşterilerin satın alma geçmişi ve web sitesi tıklamaları gibi farklı tablolardan gelen bilgileri birleştirmeyi ve tek bir, kapsamlı bir eğitim tablosu oluşturmayı içerir. Bu manuel süreç, zaman alıcı ve maliyetlidir, bu da birçok kuruluşun verileriyle esnek olmasını engeller. Ayrıca, mevcut LLM ve bilgi alma destekli üretkenlik sistemleri, temel olarak geriye dönük bir yaklaşımla çalışır ve mevcut bilgiye dayalı soruları yanıtlar. Tahmine dayalı iş görevleri için, şirketler hala klasik makine öğrenimine güvenmektedir ve bu da genellikle pahalı ve zaman alıcı darboğazlar yaratır.

Kumo AI’ın Yenilikçi Yaklaşımı: İlişkisel Derin Öğrenme

Kumo AI, ilişkisel derin öğrenme adı verilen bir yaklaşımla, manuel özellik mühendisliği ihtiyacını ortadan kaldırır. Bu yaklaşımın temelinde iki önemli içgörü yatar. İlk olarak, herhangi bir ilişkisel veritabanını otomatik olarak birbirine bağlı bir grafik olarak temsil eder. Örneğin, veritabanında müşteri bilgilerini kaydetmek için bir “kullanıcılar” tablosu ve müşteri satın alımlarını kaydetmek için bir “siparişler” tablosu varsa, kullanıcılar tablosundaki her satır bir kullanıcı düğümü, siparişler tablosundaki her satır ise bir sipariş düğümü haline gelir. Bu düğümler daha sonra, veritabanının mevcut ilişkileri (örneğin, yabancı anahtarlar) kullanılarak otomatik olarak bağlanır ve manuel bir çaba harcanmadan tüm veri kümesinin zengin bir haritası oluşturulur.

İkinci olarak, Kumo AI, BDM’lerin arkasındaki motor olan transformer mimarisini, bu grafik temsilinden doğrudan öğrenmek için genelleştirir. Transformer’lar, farklı belirteçlerin birbirleriyle ilişkisine göre önemini tartarak belirteç dizilerini anlamada mükemmeldir. Kumo’nun İTM’si, aynı dikkat mekanizmasını grafiğe uygular ve çoklu tablolardaki karmaşık desenleri ve ilişkileri eş zamanlı olarak öğrenmesini sağlar. Bu yaklaşım, makine öğrenimi mühendislerinin bir nesneyi tespit etmek için kenarlar ve şekiller gibi özellikleri manuel olarak tasarlaması gereken 2000’lerin başındaki bilgisayar görüşünün evrimine benzer. Yeni mimariler (örneğin, evrişimsel sinir ağları (ESN)) ise ham pikselleri alabilir ve ilgili özellikleri otomatik olarak öğrenebilir. Benzer şekilde, İTM ham veritabanı tablolarını alır ve ağın, manuel çaba harcamadan en tahmin edici sinyalleri kendi kendine keşfetmesini sağlar.

Sonuç ve Gelecek

Kumo AI’ın ilişkisel temel modeli (İTM), yapay zeka alanında önemli bir değişimi temsil ediyor. Bu teknoloji, işletmelerin verilerden daha hızlı ve daha verimli bir şekilde karar almasını sağlayarak, veri analizine erişimi demokratikleştiriyor. İTM, önceden eğitilmiş bir model olarak, yeni bir veritabanında tahmin görevlerini anında, “sıfır atış” olarak bilinen bir yetenekle gerçekleştirebilir. Bu, veri bilimcilerinin haftalarca çalışmasıyla elde edilebilecek sonuçları saniyeler içinde sağlayabilir. Bu yaklaşım, özellikle yapay zeka destekli ajanların geliştirilmesi için büyük önem taşır. Bir ajanın bir işletmede anlamlı görevler gerçekleştirmesi için, sadece dili işlemekten daha fazlasını yapması, şirketin özel verilerine dayalı akıllı kararlar alması gerekir. İTM, bu ajanlar için tahmin motoru olarak hizmet edebilir. Örneğin, bir müşteri hizmetleri ajanı, bir müşterinin ayrılma olasılığını veya potansiyel gelecekteki değerini belirlemek için İTM’ye sorgu gönderebilir, ardından bir BDM kullanarak buna göre konuşmasını ve tekliflerini uyarlayabilir.

Kumo AI’nın çalışmaları, kurumsal yapay zekanın iki tamamlayıcı alana ayrıldığı bir geleceğe işaret ediyor: yapılandırılmamış metinlerde geriye dönük bilgileri işlemek için BDM’ler ve yapılandırılmış veriler üzerinde tahmine dayalı tahmin için İTM’ler. Özellik mühendisliği darboğazını ortadan kaldıran İTM, daha fazla işletmenin eline güçlü makine öğrenimi araçları verme vaadiyle, verilerden karara geçiş süresini ve maliyetini önemli ölçüde azaltıyor. Şirket, İTM’nin herkese açık bir demosunu yayınladı ve önümüzdeki haftalarda kullanıcıların kendi verilerini bağlamasına izin veren bir sürüm başlatmayı planlıyor. Maksimum doğruluk gerektiren kuruluşlar için, Kumo AI ayrıca özel veri kümelerinde performansı daha da artırmak için bir ince ayar hizmeti sunacak. Bu gelişmeler, yapay zeka alanında, özellikle işletmelerin veri analizi ve karar verme süreçlerinde önemli bir dönüm noktasını temsil ediyor ve bu alandaki profesyoneller için yeni fırsatlar sunuyor. Bu teknolojinin benimsenmesiyle, veri analistleri, veri bilimcileri ve yapay zeka mühendisleri için daha fazla istihdam olanağı yaratılması ve bu pozisyonlar için ortalama maaşların da artması bekleniyor. Örneğin, ABD’de bir veri bilimcisi için ortalama maaş 100.000 doların üzerinde seyrederken, yapay zeka mühendisleri için bu rakam 150.000 doları aşabiliyor.