Üretken Yapay Zeka sonunda büyük verinin potansiyelini mümkün kılıyor

Bir süredir büyük teknoloji endüstrisinin trendlerini takip edenler şüphesiz "büyük veri" kavramını hatırlayacaktır. Fikir, şirketlerin erişebildikleri çeşitli veri kaynaklarını (geleneksel ofis belgeleri ve e-postalar, iş süreci verileri, satış sonuçları, müşteri veri tabanları, videolar, sohbet kayıtları ve daha fazlası) bir araya getirmeleri ve ardından tüm bu verilerden yararlanarak kuruluşlarını güçlendirecek anlamlı içgörüler elde etmeleriydi. 

Teoride konsept sağlamdı ve beklentiler yüksekti. Çeşitli veri kaynaklarının savunucularına göre güçlü bir anlam karışımı oluşturacak şekilde bir araya getirilmesiyle gizli yararlı bilgi parçacıkları ve beklenmedik birçok içgörü ortaya çıkacaktı. Uygulamada ise sonuçlar ne yazık ki çok farklı oldu. 

Büyük veri için erken zorluklar 

Öncelikle bir şirketin verilerini çeşitli kaynakların anlamlı bir şekilde birleştirilmesine veya karşılaştırılmasına izin verecek bir yapıya oturtmanın çok daha zor olduğu ortaya çıktı. Sadece yapılandırılmış ve yapılandırılmamış verileri bir araya getirme gibi sorunlar yaşanmakla kalmıyor, aynı zamanda verileri yeniden biçimlendirme, içe aktarma, bağlama ve diğer veri düzenleme biçimlerini gerçekleştirme konusunda da zorluklar yaşanıyordu.

Ancak daha da zor olanı erişebildikleri veri depolarında analiz yapmaya çalışmaktı. Bu engin veri yığınından yararlanmak için gereken karmaşık komutları yalnızca ileri veri analitiği araçlarında uzmanlaşmış kişilerin (yani SQL uzmanları) hazırlayabildiği ortaya çıktı. Ne yazık ki bu insanların çoğu büyük verinin vaat ettiği beklenmedik içgörüleri hangi tür sorguların üretebileceğini bilmiyordu. Bu sorulara dair bir anlayışa sahip olan genel iş insanları soruları kolayca üretemediler ve bu nedenle çok fazla çaba iki grup iletişim kurmaya çalışırken kaybolup gitti. 

Üretken yapay zeka ile vaadi hayata geçirmek 

Verilerden örüntüler çıkarma ve fikirler üretme konusunda son derece iyi olan üretken yapay zekanın giderek yaygınlaşan kullanımıyla durum değişmeye başladı. Bir kuruluşun verilerini bir yapay zeka modeline besleyerek (ya özel bir model eğiterek ya da mevcut bir büyük dil modelini (LLM) özelleştirerek) kuruluşlar artık büyük veri sorgularının merkezinde olması amaçlanmış devasa veri deposunu nihayet oluşturabiliyor. Ayrıca bu modellerden yararlanan basit sohbet botu tarzı arayüzler artık organizasyonun her seviyesindeki insanın kolayca kullanabileceği şekilde mevcut. Sonuç olarak büyük verinin orijinal vaadi nihayet hayata geçiyor. Sahada görmeye başladıklarını düşündükleri bir eğilim hakkında bir sezgiye sahip olan genç satış temsilcilerinden belirli temel ölçümleri birleştirerek büyük resmi görmek isteyen en üst düzey yöneticilere kadar kuruluşlardaki insanlar artık üretken yapay zekadan yararlanarak iş hakkında çok çeşitli içgörüler elde edebiliyor. 

Veri depolama için çıkarımlar 

Bunun bir organizasyonun içindeki veri depolama üzerindeki etkileri çok büyüktür. Geçmişte bazı kuruluşlar algılanan sınırlı değerlerinden dolayı belirli veri kaynaklarını çöpe atmış veya çevrimdışı hâle getirmiş olsa da herhangi bir veri kaynağının yeni, öngörülemeyen içgörülerin ve eğilimlerin keşfedilmesine yardımcı olabileceği fikri giderek daha fazla kabul görüyor. Sonuç olarak şirketler ürettikleri tüm verileri saklamakla kalmıyor, aynı zamanda bunların tamamını erişilebilir hâle getiriyor.

Bu trendin en önemli destekleyicilerinden biri de klasik, geleneksel manyetik sabit disklerdir. Seagate Mozaic^TM gibi teknolojik gelişmeler sayesinde artık bir sabit diskin tek bir tablasına 3 TB veri sığdırmak mümkün. Bunu bir kurumsal veri merkezinde veya ortak yerleşim alanında raf tipi bir depolama sistemine ölçeklendirmek 19 inç genişliğinde ve 73 inç yüksekliğinde (42U) tek bir raf alanında 32 PB'ye kadar depolama anlamına gelir. Bu tür depolama kapasitelerinin etkinleştirilmesiyle kuruluşlar çok miktarda veriyi çok verimli bir şekilde depolayabilir, çok sayıda düşük kapasiteli diski daha küçük, daha enerji tasarruflu sistemler olacak şekilde birleştirebilir ve daha fazla büyüme için bolca alana sahip olmalarını sağlayabilir.

Daha geniş bir açıdan bakıldığında bu tür yüksek kapasiteli sabit diskler genel depolama mimarisine güzel bir şekilde uyum sağlar. Kuruluşlar, üretken yapay zeka modellerinin en son sürümlerini ve belleğe erişim hızının kapasite taleplerinden daha önemli olduğu diğer uygulamaları depolamak için yüksek hızlı SSD'leri kullanmaya devam edecekler. Benzer şekilde diğer SSD türleri de muhtemelen yapay zeka sohbet robotları, hızlı sorgu depolama ve diğer orta düzeyde talep gerektiren uygulamalar için kullanılacaktır. Ancak yüksek kapasiteli sabit diskler bu özelleştirilmiş yapay zeka modellerine veri sağlayan kaynakların çoğunun genel amaçlı veri depolaması için uygulamaya çok iyi uyum sağlayan optimum bir özellik seti sağlar. 

Şirket içi yapay zeka altyapısının oluşturulmasında yeniden canlanma

Bir diğer kritik faktör ise bu veri depolama cihazlarının konumudur. Çoğu kuruluş maliyet ve güvenlik nedenlerinden dolayı verilerinin çoğunu bulutta değil, kendi güvenlik duvarlarının arkasında saklıyor. Bu durum özellikle yeni model eğitimi ve özelleştirme araçlarıyla yapay zeka modellerine daha kolay entegre edilebilen, daha az erişilen veri kaynakları için geçerlidir. Kuruluşlar kendi yapay zeka modellerini oluşturmaya başladıkça bu modellerin bazılarını eğitmek, özelleştirmek ve barındırmak için kendi şirket içi yapay zeka altyapılarını oluşturma konusunda büyük bir artış yaşandı. Dell, HPE, Lenovo ve Cisco gibi şirketler işletme kullanımına yönelik GPU donanımlı sunuculara olan talepte büyük artışlar görüyor ve Nvidia bir süredir kurumsal yapay zeka fabrikalarının yükselişinden bahsediyor. Sonuç olarak bunun gerektirdiği tüm hesaplama, ağ ve depolama kaynaklarıyla birlikte kurumsal veri merkezlerinin kurulmasına yönelik ilgi yeniden canlandı. 

Tüm bu donanım unsurlarının yerine oturmasıyla birlikte üretken yapay zeka modellerinin ve araçlarının hızla genişleyen yetenekleri ve artan kullanımıyla başlangıçta bize vaat edilen anlamlı içgörüleri içeren büyük veri vizyonunun potansiyeli nihayet ortaya çıktı. Her ne kadar her bir çaba sihirli "aha" anlarına yol açmayacak olsa da üretken yapay zeka kullanımının en şaşırtıcı ve faydalı sonuçlarından birinin, yani veri analizinin gerçek demokratikleşmesinin, şimdiden burada olduğu ve etkisini göstermeye başladığı şimdiden açık. 

Büyük veri vizyonunuzu hayata geçirmek mi istiyorsunuz? Nasıl olduğunu öğrenmek için bir uzmanla görüşün.