Bugün 2 Minute paper kanalındaki şu videoyu gördüm:

Açıklamasındaki yazı ile birlikte:

http://www.incompleteideas.net/IncIdeas/BitterLesson.html

Evet yaklaşık 2–3 yıldır ciddi olarak bakkal amcanın bile düşünmeye başladığı mevzular haline gelmişti zaten yazının ana fikri. Tabi önce yazının anafikrinden bahsedecek olursak yeterli Computing Power var ise insan kabiliyetini (sadece zeka değil) mutlaka geçer. Yani biz ne kadar efektif algoritmalar geliştirirsek geliştirelim bir zaman sonra geliştirdiğimiz algoritma saf Computing Power’a yenilmeye mahkumdur.

Videodaki arkadaşın verdiği Ray Tracing örneği gerçekten mevzuya cuk oturuyor. Yeterince efektif algoritmalarımız olduğu için değil computing powerımız artık yapabiliyor hale geldiği için Ray Tracing mevzusu ile karşı karşıyayız.

Deep Learning’den örnek verecek olursak resimler üzerinde ne kadar kompleks akıllıca hatta zaman zaman manuel olarak Feature Extraction yaparsak yapalım bazı konularda Deep Learning’in gerisinde kalmaktayız ki veri miktarı arttıkça Feature Extraction yöntemleri ivmesini yitirirken aksine deep learning ivmesine devam edebiliyor.

Yazıda akademiye de eleştride bulunuluyor. Dar bir alanda o anlık işe yarayan zekice yerel çözümler üretiyoruz ama bir süre sonra makine yaklaşımları ile kolay bir biçimde yenilmekteyiz. Daha geniş düşünmeliyiz ve belkide sonuç değerlendirme yöntemimizi de geliştirmeliyiz.

Tabi artık Moore Kanununun sonuna geldiğimiz söylenirken ve bizde halen daha GTX 1050'li laptoplar ile çalışmalarımızı sürdürürken halen daha yapabileceğimiz ve uzun yıllar daha da kullanılabilecek zekice yaklaşımlarımız bulabileceğimiz tam isabet Featurelar olacaktır ancak eninde sonunda araştırmamız salt makine gücü karşısında yenik düşecektir.

Originally published at http://anilkaynr.wordpress.com on October 17, 2019.

Computer Engineer,Sociologist, CSE Master Student