AI That Connects the Digital and Physical Worlds | Anima Anandkumar | TED

Çeviri: Ozay Ozaydin Gözden geçirme: Eren Gokce

I grew up with parents who are engineers.

Mühendis bir anne babayla büyüdüm.

They were among the first to bring computerized manufacturing

Hindistan’daki memleketime bilgisayarlı üretimi

to my hometown in India.

ilk getirenler arasındaydılar.

Growing up as a young girl,

Genç bir kız olarak büyürken,

I remember being fascinated

bu bilgisayar programlarının

how these computer programs didn't just reside within a computer,

sadece bir bilgisayarın içinde kalmayıp fiziksel dünyaya dokunarak

but touched the physical world

bu güzel ve hassas metal parçaları

and produced these beautiful and precise metal parts.

nasıl ürettiğine hayran kaldığımı hatırlıyorum.

Over the last two decades, as I pursued AI research,

Son yirmi yıl boyunca, yapay zekâ araştırmalarını sürdürürken,

this memory continued to inspire me

bu anı bana fiziksel ve dijital dünyaları

to connect the physical

birbirine bağlama konusunda

and digital worlds together.

ilham vermeye devam etti.

I am working on AI that transforms the way we do science and engineering.

Bilim ve mühendislik yapma biçimimizi dönüştüren

yapay zekâ üzerinde çalışıyorum.

Scientific research and engineering design

Bilimsel araştırma ve mühendislik tasarımı

currently involves a lot of trial and error.

şu anda çok fazla deneme ve yanılma içeriyor.

Many long hours are spent in the lab doing experiments.

Laboratuvarda deneyler yapmak için uzun saatler harcanıyor.

So it's not just the great ideas that propel science forward.

Yani bilimi ileriye götüren sadece harika fikirler değil.

You need these experiments to validate findings

Bulguları doğrulamak ve yeni fikirleri ateşlemek için

and spark new ideas.

bu deneylere ihtiyacınız var.

How can language models help here?

Dil modelleri burada nasıl yardımcı olabilir?

What if I ask ChatGPT to come up with a better design of an aircraft wing,

ChatGPT’den daha iyi bir uçak kanadı veya türbülanslı bir rüzgârda uçan

or a drone that flies on a turbulent wind?

bir drone tasarımı bulmasını istesem ne olur?

It may suggest something.

Bir şeyler önerebilir.

It may even draw something.

Hatta bir şeyler çizebilir.

But how do we know this is any good?

Ama bunun iyi olduğunu nereden bileceğiz?

We don't.

Bilmiyoruz.

Language models hallucinate because they have no physical grounding.

Dil modelleri halüsinasyon görür çünkü fiziksel temelleri yoktur.

While language models may help generate new ideas,

Dil modelleri yeni fikirler üretmeye yardımcı olsa da,

they cannot attack the hard part of science

bilimin zor kısmı olan Nab deneylerinin yerini alacak

which is simulating the necessary physics

to replace the Nab experiments.

gerekli fizik simülasyonuna saldıramazlar.

In order to model scientific and physical phenomena,

Bilimsel ve fiziksel olguları modellemek için

text alone is not sufficient.

metin tek başına yeterli değildir.

To get to AI with universal physical understanding,

Evrensel fiziksel anlayışa sahip bir yapay zekâya ulaşmak için,

we need to train it on the data of the world we observe.

onu gözlemlediğimiz dünyanın verileri üzerinde eğitmemiz gerekir.

And not just that, also its hidden details.

Sadece bu da değil, gizli detayları da.

From the intricacies of quantum chemistry

En küçük seviyede gerçekleşen kuantum kimyasının inceliklerinden,

that happen at the smallest level

to molecules and proteins that influence how all biological processes work,

tüm biyolojik süreçlerin nasıl işlediğini etkileyen moleküllere ve proteinlere,

to ocean currents and clouds that happen at planetary scales and beyond,

gezegen ölçeği ve ötesinde gerçekleşen okyanus akıntılarına ve bulutlara kadar,

we need AI that can capture these whole range of physical phenomena.

bu fiziksel fenomenlerin tamamını yakalayabilecek bir YZ’ya ihtiyacımız var.

We need AI that can really zoom into the fine details

Bu fenomenleri doğru bir şekilde simüle edebilmek için

in order to simulate these phenomena accurately.

ince ayrıntılara yakınlaştırabilen yapay zekâya ihtiyacımız var.

To capture the cloud movements,

Bulut hareketlerini yakalamak

ve bulutların atmosferimizde nasıl hareket ettiğini ve değiştiğini

and predict how clouds move and change in our atmosphere,

tahmin etmek için, türbülanslı sıvı akışının

we need to be able to zoom into the fine details

of the turbulent fluid flow.

ince ayrıntılarına yakınlaşabilmemiz gerekir.

Standard deep learning uses a fixed number of pixels.

Standart derin öğrenme sabit sayıda piksel kullanır.

So if you zoom in, it gets blurry

Yani yakınlaştırdığınızda bulanıklaşıyor

and not all the details are captured.

ve tüm ayrıntılar yakalanamıyor.

We invented an AI technology called neural operators

Verileri sürekli fonksiyonlar veya şekiller olarak temsil eden

that represents the data as continuous functions or shapes,

ve herhangi bir çözünürlüğe veya ölçeğe yakınlaştırmamıza olanak tanıyan

and allows us to zoom in indefinitely to any resolution or scale.

nöral operatörler adı verilen bir yapay zekâ teknolojisi icat ettik.

Neural operators allow us to train on data

Sinirsel operatörler, birden fazla ölçekte

veya çözünürlükte veri üzerinde eğitim yapmamızı sağlıyor.

at multiple scales or resolutions.

And also allows us to incorporate

Ayrıca, yalnızca sınırlı çözünürlükte

the knowledge of mathematical equations

veri mevcut olduğunda daha ince ayrıntıları doldurmak için

to fill in the finer details

matematiksel denklemlerin bilgisini dahil etmemize olanak tanır.

when only limited resolution data is available.

Such learning at multiple scales is essential for scientific understanding

Birden fazla ölçekte bu tür bir öğrenme, bilimsel anlayış için gereklidir

and neural operators enable this.

ve sinirsel operatörler bunu mümkün kılar.

With neural operators,

Sinirsel operatörlerle,

we can simulate physical phenomena such as fluid dynamics

akışkan dinamiği gibi fiziksel olayları geleneksel simülasyonlardan

as much as a million times faster than traditional simulations.

bir milyon kat daha hızlı simüle edebiliriz.

Last year, we used neural operators to invent a better medical catheter.

Geçen yıl, daha iyi bir tıbbi kateter icat etmek için nöral operatörleri kullandık.

A medical catheter is a tube that draws fluids out of the human body.

Tıbbi kateter, sıvıları insan vücudundan dışarı çeken bir tüptür.

Unfortunately, the bacteria tend to swim upstream against the fluid flow

Ne yazık ki, bakteriler sıvı akışına karşı yukarı doğru yüzmeye

ve insanı enfekte etmeye eğilimlidir.

and infect the human.

In fact, annually there is more than half a million cases

Aslında, her yıl yarım milyondan fazla sağlık hizmetleriyle ilgili

of such healthcare-related infections,

bu tür enfeksiyon vakası görülüyor

and this is one of the leading causes.

ve bu da önde gelen nedenlerden biri.

Last year, we used neural operators to change the inside of the catheter

Geçen yıl, kateterin içini düzden çıkıntılı hale getirmek için

from smooth to ridged.

nöral operatörler kullandık.

With ridges, now we have vortices created as the fluid flows,

Sırtlar sayesinde artık sıvı akarken girdaplar oluşuyor

and we can hope to stop the bacteria from swimming upstream

ve bu girdaplar sayesinde bakterilerin yukarı doğru yüzmesini

because of these vortices.

engellemeyi umuyoruz.

But to get this correct,

Ancak bunu doğru yapabilmek için

we need the shape of the ridges to be exactly right.

çıkıntıların şeklinin tam olarak doğru olması gerekiyor.

In the past, this would have been done by trial and error.

Geçmişte bu deneme yanılma yöntemiyle yapılırdı.

Design a version of the catheter,

Kateterin bir versiyonunu tasarlar,

build it out, take it to the lab,

inşa eder, laboratuvara götürür,

observe a hypothesis if something went wrong,

bir şeyler ters giderse bir hipotez gözlemler,

rinse and repeat and redesign again.

durulayıp tekrarlar ve yeniden tasarlardık.

But instead, we taught AI the behavior of the fluid flow inside the tube,

Ancak bunun yerine, YZ’ya tüpün içindeki sıvı akışının davranışını öğrettik

and with it, our neural operator model was able to directly propose

ve bununla birlikte sinirsel operatör modelimiz doğrudan optimize edilmiş

an optimized design.

bir tasarım önerebildi.

We 3D-printed the design only once to verify that it worked.

Çalıştığını doğrulamak için tasarımı yalnızca bir kez 3B yazdırdık.

In the video, you're seeing our catheter being tested in the lab.

Videoda kateterimizin laboratuvarda test edildiğini görüyorsunuz.

The bacteria are not able to swim upstream,

Bakteriler yukarı doğru yüzemiyor,

are instead being pushed out with the fluid flow.

bunun yerine sıvı akışıyla birlikte dışarı itiliyor.

In fact, we measured the reduction in bacterial contamination

Aslında, bakteri kontaminasyonundaki azalmayı

by more than 100-fold.

100 kattan daha fazla ölçtük.

So in this case, the neural operators were specialized to understand

Yani bu durumda, sinirsel operatörler bir tüpteki sıvı akışını

fluid flow in a tube.

anlamak için uzmanlaştı.

What other applications can AI tackle

Yapay zekâ başka hangi uygulamaların üstesinden gelebilir

and help us solve such pressing problems?

ve bu tür acil sorunları çözmemize yardımcı olabilir?

Can deep learning beat numerical weather models?

Derin öğrenme sayısal hava durumu modellerini yenebilir mi?

A group of leading weather scientists asked this question in February 2021,

Bir grup önde gelen hava durumu bilimcisi Şubat 2021′de

bir “Royal Society” yayınında bu soruyu sordu.

in a "Royal Society" publication.

They felt that AI was still in its infancy,

YZ’nin henüz emekleme aşamasında olduğunu

and that a number of fundamental breakthroughs would be needed

ve YZ’nin geleneksel hava durumu modelleriyle rekabet edebilmesi için

for AI to become competitive with traditional weather models,

bir dizi temel atılıma ihtiyaç duyulacağını

and that would take years or even decades.

ve bunun yıllar hatta on yıllar alacağını düşünüyorlardı.

Exactly a year later,

Tam bir yıl sonra

we released FourCastNet.

FourCastNet’i piyasaya sürdük.

Using neural operators,

Sinirsel operatörleri kullanarak,

we built the first fully AI-based weather model

yüksek çözünürlüklü ve geleneksel hava durumu modellerinden

that is high resolution

on binlerce kat daha hızlı olan

and is tens of thousands of times faster than traditional weather models.

ilk tamamen yapay zekâ tabanlı hava durumu modelini oluşturduk.

What used to take a big supercomputer

Eskiden büyük bir süper bilgisayar gerektiren

can now run on a gaming PC that you may have at home.

bu model artık evinizdeki bir oyun bilgisayarında çalışabiliyor.

This model is also running

Bu model aynı zamanda

at the European Centre for Medium-Range Weather Forecasting,

dünyanın önde gelen hava durumu ajanslarından biri olan

one of the premier weather agencies of the world.

Avrupa Orta Menzilli Hava Tahminleri Merkezi’nde de çalışıyor.

And our AI model is not just tens of thousands of times faster

Yapay zekâ modelimiz geleneksel modellerden

sadece on binlerce kat daha hızlı değil.

than traditional models.

It's also more accurate in many cases.

Aynı zamanda pek çok durumda daha isabetli sonuçlar veriyor.

On September 16 last year,

Geçen yıl 16 Eylül’de

Hurricane Lee hit the coast of Nova Scotia, Canada.

Lee Kasırgası Kanada’nın Nova Scotia kıyılarını vurdu.

A full ten days earlier,

Tam on gün önce

our FourCastNet model correctly predicted

FourCastNet modelimiz kasırganın karaya ulaşacağını

that the hurricane would make landfall,

doğru bir şekilde tahmin etmişti,

but the traditional weather model

ancak geleneksel hava durumu modeli

predicted the hurricane would skip the coast.

kasırganın kıyıyı atlayacağını öngörmüştü.

Only five days later, on September 11,

Sadece beş gün sonra, 11 Eylül’de

did the traditional weather model correct its forecast to predict landfall.

geleneksel hava durumu modeli tahminini düzelterek karaya ulaşacağını öngördü.

Extreme weather events such as Hurricane Lee

İklim değişikliği konusunda harekete geçmediğimiz sürece

will only increase further unless we take action

Lee Kasırgası gibi aşırı hava olayları daha da artacaktır.

on climate change.

Such as finding new, clean sources of energy.

Yeni, temiz enerji kaynakları bulmak gibi.

Nuclear fusion is one of them.

Nükleer füzyon bunlardan biri.

But unfortunately, there are still big challenges with it.

Ancak ne yazık ki bu konuda hâlâ büyük zorluklar var.

The fusion reactor heats up the plasma

Füzyon reaktörü, füzyonu başlatmak için

to extremely high temperatures to get fusion started.

plazmayı son derece yüksek sıcaklıklara kadar ısıtır.

And sometimes this hot plasma can escape confinement

Bazen bu sıcak plazma sınırlamadan kaçabilir

and can damage the reactor.

ve reaktöre zarar verebilir.

We train neural operators to simulate and predict

Reaktör içindeki plazmanın evrimini simüle etmek

the evolution of plasma inside the reactor.

ve tahmin etmek için sinir operatörlerini eğitiyoruz.

And with it,

Bununla,

we can use this to predict disruptions before they occur

kesintileri meydana gelmeden önce tahmin etmek

and take corrective action in the real world.

ve gerçek dünyada düzeltici önlemler almak için kullanabiliriz.

We are enabling the possibility of nuclear fusion

Nükleer füzyonun gerçeğe dönüşme olasılığını

becoming a reality.

mümkün kılıyoruz.

So neural operators and AI broadly

Yani sinir operatörleri ve geniş anlamda yapay zekâ,

are enabling us to tackle hard scientific challenges

iklim değişikliği ve nükleer füzyon gibi

such as climate change and nuclear fusion.

zorlu bilimsel sorunların üstesinden gelmemizi sağlıyor.

To me, this is just the beginning.

Bana göre bu sadece bir başlangıç.

So far, these AI models are limited to the narrow domains they're trained on.

Şimdiye kadar, bu yapay zekâ modelleri eğitildikleri dar alanlarla sınırlı kaldı.

What if you had an AI model

Peki ya tüm bilimsel sorunları çözebilecek

that could solve all and any scientific problem?

bir yapay zekâ modeliniz olsaydı?

From designing better drones, aircrafts, rockets,

Daha iyi insansız hava araçları, uçaklar, roketler

and even better drugs and medical devices?

ve hatta daha iyi ilaçlar ve tıbbi cihazlar tasarlamak gibi?

Such an AI model would greatly benefit humanity.

Böyle bir yapay zekâ modeli insanlığa büyük fayda sağlayacaktır.

This is what we are working on.

İşte biz bunun üzerinde çalışıyoruz.

We are building a generalist AI model with emergent capabilities

Herhangi bir fiziksel fenomeni simüle edebilen

ve daha önce ulaşılamayan yeni tasarımlar üretebilen,

that can simulate any physical phenomena

ortaya çıkan yeteneklere sahip genelci bir YZ modeli inşa ediyoruz.

and generate novel designs that were previously out of reach.

This is how we scale up neural operators

Evrensel fiziksel anlayışa sahip genel zekâyı

to enable general intelligence with universal physical understanding.

mümkün kılmak için nöral operatörleri bu şekilde ölçeklendiriyoruz.

Thank you.

Teşekkür ederim.

(Applause)

(Alkışlar)