Multi-modality konsepti ve Gen-AI içerisindeki yeri

Yapay zekâ dünyasında işler artık sadece yazıyla yürümüyor. Evet, hâlâ metin üretmek önemli ama son dönemde öne çıkan bir süper güç var: Multi-modality yani çok modluluk. Bu terim ilk başta teknik gibi dursa da aslında anlatmak istediği şey basit: Yapay zekâ artık sadece yazılanı değil; gördüğünü, duyduğunu ve hatta hissettirdiğini de anlayabiliyor. Kulağa etkileyici geliyor, değil mi?

Peki bu ne anlama geliyor? Şöyle düşünün: Bir görsel yüklüyorsun ve sistem sana o görselle ilgili açıklama yapıyor. Hatta daha da iyisi, bir hikâye yazıyor belki o sahneyle ilgili bir şiir bile çıkarıyor. Bu sadece ‘yazı yazan bir bottan çok daha fazlası olduğunu gösteriyor’. Artık yapay zekâ birden fazla duyuyla çalışıyor diyebiliriz. Tıpkı bizim gibi.

Bu konseptin daha da ilerlemesiyle önümüzdeki yıllarda, çok modlu yapay zekâ sistemlerinin eğitimden sağlığa, tasarımdan psikolojiye kadar birçok alanda yardımcı değil, aktif bir oyuncu hâline gelmesi bekleniyor. Belki de bir öğretmen, öğrencisinin yazdığı bir kompozisyonu değerlendirirken yapay zekâdan destek alacak. Ya da bir doktor, sadece MR görüntüsüne değil, hastanın sesli anlatımına göre de teşhis koyan bir sistem kullanacak.

Kulağa bilim kurgu gibi geliyor ama bu artık sadece bir “gelecek vizyonu” değil, bir yol haritası.

Ama tabii bu kadar güçlü sistemlerin ortaya çıkmasıyla beraber bazı önemli etik sorular da gündeme geliyor:

• Yapay zekâ görselimizi, sesimizi, duygumuzu işlerken bizim onayımızı alıyor mu?
• Multi-modal sistemler karar verirken hangi veriye ne kadar önem veriyor? Yanlış çıkarımlar olursa sorumluluk kimde?
• Ve en önemlisi: Bu sistemler, insanları mı tamamlayacak yoksa yerlerini mi alacak?

Multi-modality’nin Gen-AI ile birleşimi, sadece teknolojik bir yenilik değil; insan-makine etkileşimini yeniden tanımlayan bir dönüşüm. Belki de artık soru şu: Yapay zekâ neleri yapabiliyor değil, biz onunla neleri hayal edebiliyoruz?