Türkçe altyazı Turkish subtitles
0:00 Huggingface'da 325.000'den fazla model var ve binlercesi daha ekleniyor. Peki, bu tür AI modellerini neden kullanmayı tercih edebilirsiniz? Öncelikle birkaç şeyi netleştirelim. There are over 325,000 models on Huggingface and thousands more are being added. And why might you choose to use AI models like these? Well, let's start by getting a few things straight. 0:21 Bu videoda bahsettiğimiz modeller, özellikle LLM'ler; yani büyük dil modelleri. Bunlar temel modeller olup yapay zeka, derin öğrenme ve devasa veri setlerini kullanarak metin üretir. Biz generatif yapay zekadan bahsediyoruz ve iki türü var. The models we're talking about in this video, they're specifically LLMs, and that's large language models, which are foundation models that use artificial intelligence, deep learning and massive datasets to generate text. We're talking generative AI. And there are two types of 0:39 Üretken yapay zeka modelleri ikiye ayrılır: tescilli (proprietary) modeller ve açık kaynak (open source) modeller. Tescilli LLM'ler bir şirketin mülkiyetinde olup kullanımını kontrol edebilir. Bir tescilli LLM, nasıl kullanılabileceğini sınırlayan bir lisans içerebilir. generative AI models: There's proprietary models, and there are open source models. Now, proprietary LLMs, those are owned by a company who can control its usage. A proprietary LLM may include a license 0:56 Öte yandan, açık kaynak LLM'ler ücretsiz ve herkesin erişimine açıktır. Geliştiriciler ve araştırmacılar modeli kullanabilir, geliştirebilir ya da başka şekillerde değiştirebilir. Her durumda doğru olmasa da, genellikle birçok tescilli LLM, açık kaynak modellerden çok daha büyüktür. that restricts how the LLM can be used. On the other hand, open source LLMs are free and available for anyone to access, and developers and researchers are free to use, improve or otherwise modify the model. Now look, it's not true in every instance, but generally many proprietary LLMs are 1:16 Özellikle parametre boyutu açısından. Önde gelen tescilli LLM'ler, binlerce milyar parametreye kadar uzanabilir. Muhtemelen? Aslında... far larger in size than open source models. And specifically in terms of parameter size. Some of the leading proprietary LLMs extend to thousands of billions of parameters. Probably? Actually, 1:35 Tam olarak bilmiyoruz çünkü, şey şu ki, o LLM'ler ve parametre sayıları özel. Ancak daha büyük mutlaka daha iyi demek değil. Ve açık kaynak model ekosistemi umut vaat ediyor. we don't necessarily know because, well, those LLMs and that parameter counts are proprietary. But bigger isn't necessarily better. And the open source model ecosystem is showing promise 1:48 Özel LLM iş modeline meydan okurken. O halde açık kaynak LLM'lerin faydalarını konuşalım. Onları kullanan organizasyon türlerinden bahsedelim. in challenging the proprietary LLM business model. So let's discuss the benefits of open source LLMs. Let's talk about the types of organizations that are using them. Let's talk about some of 2:04 Bugün mevcut olan önde gelen açık kaynak modeller ve bunları kullanmanın risklerinden bahsetmeliyiz. Açık kaynak büyük dil modelinin faydalarından biri açık olmasıdır. the leading open source models available today, and we should talk about the risks associated with using them. Now, clearly, one of the benefits of a open source large language model, 2:20 Bu şeffaflık gerektirir. Açık kaynak LLM'ler nasıl çalıştıkları, mimarileri ve geliştirildikleri eğitim verileri hakkında daha iyi bir içgörü sunabilir. Bir diğer büyük avantaj ise önceden eğitilmiş açık kaynak LLM'lerdir. that has to be transparency. Open source LLMs may offer better insight into how they work, their architecture, and the training data used to develop them. Another big one is pre-trained open 2:35 Açık kaynak LLM'ler ince ayar adı verilen bir sürece izin verir. Bu, LLM'e belirli kullanım senaryonuza fayda sağlayacak özellikler ekleyebileceğiniz ve LLM'lerin belirli veri setleriyle eğitilebileceği anlamına gelir. source LLMs allow a process called fine tuning. That means you can add features to the LLM that benefit your specific use case and the LLMs can be trained on specific data sets. So I can 2:50 Kendi verilerimle bir LLM'i ince ayar yapıyorum ve topluluk katkıları büyük bir avantaj; sahipli bir LLM kullanmak tek bir sağlayıcıya bağımlı olmanızı gerektirirken, açık kaynak modeller topluluk katkılarından ve birden fazla hizmet sağlayıcısından faydalanır, farklı bakış açılarına sahip kişilerin katkılarını deneyebilir ve kullanabilirsiniz. fine tune an LLM with my own data. And community contributions are a big plus. Using a proprietary LLM means you're reliant on a single provider, whereas open source models benefit from community 3:06 Bu avantajlar, çeşitli kuruluşların açık kaynak LLM'leri kullanmasına yol açtı. contributions and multiple service providers. You can experiment and use contributions from people with varying perspectives. And these benefits have led to all sorts of organizations to use 3:19 Başka bir videoda, NASA ve IBM'in coğrafi verilerle eğitilmiş açık kaynak bir LLM geliştirdiğini ele aldım; bazı sağlık kuruluşları, tanı araçları ve tedavi optimizasyonu için açık kaynak LLM'leri kullanıyor. open source LLMs. In another video, I addressed how NASA and IBM developed an open source LLM trained on geospatial data. Some healthcare organizations use open source LLMs for diagnostic 3:35 FinGPT adlı bir açık kaynak LLM var; finans sektörü için geliştirildi ve bu da ilginizi çekebilecek bazı belirli açık kaynak LLM'lerden bahsetmemize yol açıyor. tools and treatment optimization. There's an open source LLM called FinGPT [fin / financial]. It was developed for the financial industry. Which brings us onto the topic of talking about some specific 3:52 Şimdi Huggingface, açık kaynak LLM'leri çeşitli kıyaslamalarda izleyen, sıralayan ve değerlendiren bir açık LLM lider tablosu tutuyor. open source LLMs that you might find of interest. Now Huggingface maintains an open LLM leaderboard, and that tracks , ranks, and evaluates open source LLMs on various benchmarks like which LLM 4:11 Truthful AI Benchmark serisinde en yüksek puanı alıyor, bu seri bir dil modelinin sorulara verdiği cevapların doğruluğunu ölçüyor. Yani bu cevaplara bir skor veriyor ve bu lider tablosundaki üst sıralar sık sık değişiyor. is scoring highest on the Truthful AI Benchmark series, which measures whether a language model is truthful in generating answers to questions. So it gives those answers a score. And the top spots 4:28 Bu modellerin kaydettiği ilerlemeyi izlemek oldukça eğlenceli. Lider tablosundaki birçok model, Llama 2 açık kaynaklı LLM'nin varyasyonları. on this leaderboard, they change frequently. And it's quite fun to watch the progress these models are making. Many of the models on the leaderboard are variations on the Llama 2 open 4:42 Bu, Meta AI tarafından sağlanan model. Llama 2, önceden eğitilmiş ve ince ayar yapılmış üretken metin modellerini 70 milyardan 7 milyar parametreye kadar kapsıyor ve ticari kullanım için lisanslı. source LLM. That's the one provided by Meta AI. And Llama 2 encompasses pre-trained and fine tuned generative text models from 70 billion all the way down to 7 billion parameters. And it's 4:56 Vicuna, Llama modeli üzerine inşa edilip talimatları takip edecek şekilde ince ayar yapıldı. Ayrıca, BigScience tarafından geliştirilen ve 1000'den fazla araştırmacı tarafından oluşturulan çok dilli bir dil modeli olan Bloom da var. licensed for commercial use. Vicuna was created on top of the Llama model and fine tuned to follow instructions. And then it's also Bloom by BigScience, which is a multilingual language model 5:10 Şimdi, hem tescilli hem de açık kaynak LLM'lerin paylaştığı bir alan, ilişkili riskleridir. LLM çıktıları genellikle akıcı ve otoriter bir ses tonuna sahip gibi görünse de, created by more than 1000 AI researchers. Now, one area that both proprietary and open source LLMs share is their associated risks. Although LLM outputs often sounds fluent and authoritative, 5:27 Kendinden emin bir şekilde yanılabilirler; hallüsinasyonlar, LLM'nin eksik, çelişkili ya da hatalı verilerle eğitilmesi ve bağlamı yanlış anlaması sonucunda ortaya çıkar, önyargı ise veri kaynağı çeşitlilikten yoksun ya da temsili olmadığında meydana gelir. they can be confidently wrong. Hallucinations, they can result from the LLM being trained on incomplete, contradictory, or inaccurate data from misunderstanding context. Bias happens 5:44 Güvenlik sorunları arasında kişisel verilerin sızdırılması ve siber suçluların LLM'leri kimlik avı gibi kötü amaçlı görevlerde kullanması yer alabilir; özellikle büyük dil modellerinin bu ilk dönemlerinde riski azaltmamız gerekir, ancak açık kaynak LLM'ler iş dünyasında hızla gelişiyor. when the source of data is not diverse or not representative. And security problems can include leaking PII, and cybercriminals using the LLMs for malicious tasks like phishing. Especially in these 5:59 IBM'de, Watsonx.ai Studio birden fazla Llama 2 modeline erişim sağlıyor ve IBM, Granite adlı kendi temel model serisini yayınladı. early days of large language models, we do need to mitigate risk. But open source LLMs are thriving in business. Here at IBM, the Watsonx.ai Studio makes available access to multiple Llama 2 models, 6:15 Bu alan hızla değişiyor ve açık kaynak LLM'leri yakından takip etmeye değer bir sektör haline getiriyor. and IBM has released a series of foundation models of its own called Granite. And this space is changing rapidly, making open source LLMs a field well-worth keeping a close eye on. Altyazı bilgisayarımda üretildi ve videoyla ilerler; bir satıra tıklayın, o ana atlasın. Subtitles generated on my computer; they follow the video — click a line to jump there.
Erişilebilirlik ve özelleştirilebilirliği ile büyük ölçekli sahiplenilen modeller arasındaki farkları değerlendirerek karar vermelisiniz. You must make your decision by evaluating the differences between large-scale adopted models and those with accessibility and customizability.
Bu video youtube.com üzerinde yayımlandı; buradaki oynatıcı YouTube’undur. Türkçe özet ve altyazı AiPulse için hazırlanmıştır. This video is published on youtube.com ; the player here is YouTube’s. The Turkish summary and subtitles are prepared for AiPulse .
YouTube’da izle Watch on YouTube AI Kritik → AI Critique →