Veriler Daha Akıllı Hale Gelecek

MIT’nin “Bilgisayar Bilimi ve Yapay Zeka Laboratuvarı”nda (CSAIL) geliştirilen “Tsunami” ve “Bao” isimli veri depolama sistemlerinin  geleceğin kullanıcı dostu ve verimli veri seti depolaması olması hedefleniyor.

Veri ile ilgili en önemli problemlerden biri verimliliktir. Yani büyük veriyi verimli bir şekilde depolayıp işleyebilmek. 2025 yılına kadar tüm dünyadaki verilerin toplamının tahmini olarak 175 trilyon gigabayta ulaşacağı düşünülürse “verimlilik” daha da ciddi bir bir problem haline gelecek. (Bu büyüklükteki veriyi DVD’lere depolasak, Dünya’nın etrafını DVD’lerle 222 kez çevreleyebiliriz.) Ancak bu probleme çözüm bulundu. ABD’nin Boston şehrinde bulunan Massachusetts Institute of Technology’deki (MIT) “Bilgisayar Bilimi ve Yapay Zeka Laboratuvarı”nda görevli Doç. Dr. Tim Kraska ve ekibi birer veri depolama sistemi olan “Tsunami” ve “Bao” üzerine çalışıyor.

Tsunami, bir veri kümesinin depolama düzenini kullanıcılarının yaptığı sorgu türlerine göre otomatik olarak yeniden düzenlemek için makine öğrenimini kullanıyor. Testler, son teknoloji sistemlere kıyasla Tsunami sorgularının 10 kata kadar daha hızlı çalıştırılabildiğini gösteriyor. Bununla birlikte, veri kümeleri geleneksel sistemlerde kullanılan dizinlerden 100 kat daha küçük olan bir dizi “öğrenilmiş dizin” aracılığıyla organize edilebiliyor.

Oluşturulması yıllar alan geleneksel sorgu optimize edicilerinin bakımı çok zor ve en önemlisi hatalarından ders almamaları. MIT’nin “Bilgisayar Bilimi ve Yapay Zeka Laboratuvarı”nda geliştirilen Bao, popüler veritabanı yönetim sistemi PostgreSQL’e tam olarak entegre edilmiş sorgu optimizasyonuna yönelik ilk öğrenme tabanlı yaklaşım. Makine öğrenimi yoluyla sorgu optimizasyonunun verimliliğini artırmaya odaklanan, yüzde 50’ye kadar daha hızlı çalışan sorgu planları üreten Bao, Amazon’un PostgreSQL tabanlı Redshift gibi bulut hizmetlerinin maliyetini önemli ölçüde azaltmaya yardımcı olabileceği anlamına geliyor.

Doç. Dr. Tim Kraska, iki sistemi bir araya getirerek, herhangi bir manuel ayarlama olmaksızın her bir uygulama için mümkün olan en iyi performansı sağlayabilen ilk örnek için optimize edilmiş veritabanı sistemini oluşturmayı planlıyor. Amaç geliştiricileri yalnızca veritabanı sistemlerini ayarlamanın göz korkutucu ve zahmetli sürecinden kurtarmanın yanı sıra, aynı zamanda geleneksel sistemlerle mümkün olmayan performans ve maliyet avantajları sağlamak.

BAĞLANTILI HABERLER

“İhtiyaç Duyulan Projeden Ürüne Giden Çözüm Platformu Geliştirdik”

Yapay Zeka Girişimcisi Nasıl Olunur?

TRAI Girişim Haritası Güncellendi

Betül Kübra Ekinci

Recent Posts

2025 Üniversite Tercihleri için Yapay Zeka Bölümleri ve Yeni Açılan Bölümler

Üniversite sınavına giren öğrencilerin tercih dönemi telaşı yaklaştı. Özellikle teknolojiye ilgi duyan ve bu alanda…

2 gün ago

TRAI 8. Yıl Mayıs Çalıştayı Raporu Yayında!

10 Mayıs 2025 tarihinde gerçekleştirdiğimiz TRAI Mayıs Çalıştayı’nda, yapay zekanın ekonomiden girişimciliğe, etik yönetişimden iş…

2 hafta ago

94. TRAI Meetup’ta Perakende ve E-Ticarette Geleceği Şekillendiren Teknolojiler Konuşuldu

Her ayın üçüncü çarşamba akşamı düzenlediğimiz TRAI Meet-Up serisinin 94’üncüsü yoğun bir katılımla gerçekleşti. Bu…

2 hafta ago

Hayallerimin Ötesinde

Mayıs 2017’de Türkiye Yapay Zeka İnisiyatifini kurduk, çok hızlı gelişince, diğerlerini bıraktık ve bu alana…

2 hafta ago

Yapay Zekanın Yeni Akımı: Y Combinator’dan 144 Girişimlik Vizyon

Dünyanın en prestijli girişim hızlandırma programlarından Y Combinator (YC), 2025 Bahar dönemiyle birlikte yapay zekada…

2 hafta ago

Türkiye’deki Yapay Zeka Girişimlerinin Sayısı 8 yılda 17 katına çıktı

2017’de başladığımız haritalama çalışmasıyla, Türkiye’de yapay zekâ alanında faaliyet gösteren girişimleri düzenli olarak takip ediyoruz.…

3 hafta ago