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

Türkiye’nin Yapay Zeka Akademi Haritası Yayında!

Türkiye’nin Yapay Zeka Akademi Haritası’nı yayınladık!

4 gün ago

AGI: Zekanın Yeni Eşiği

Yapay zeka tartışmalarında artık neredeyse herkesin ağzında aynı kısaltma var: AGI.  Artificial General Intelligence. Türkçeleştirdiğimiz…

5 gün ago

Sağlıkta Yapay Zeka Webinarı Yoğun ilgiyle Gerçekleşti

"Türkiye Yapay Zeka İnisiyatifi (TRAI) Sağlık Çalışma Grubu tarafından düzenlenen Sağlıkta Yapay Zeka Webinarı, 03.03.2026…

7 gün ago

Yapay Zeka En Çok Yüksek Eğitimlilerin İşine Giriyor, Ama İşsizlik Artışı Yok

Anthropic, yayımladığı araştırma raporunda yapay zekanın iş gücü üzerindeki etkisini ölçmek için yeni bir metodoloji…

1 hafta ago

OpenAI Kurumsal Ajan Yönetim Platformunu Piyasaya Sürdü

OpenAI, şirketlerin kendi yapay zeka ajanlarını merkezi bir noktadan oluşturmasına, yönetmesine ve denetlemesine olanak tanıyan Frontier platformunu Şubat başında duyurdu. Açık…

1 hafta ago

Küresel Yapay Zeka Coğrafyasında Yeni Bir Merkez

Hindistan Yapay Zeka Yatırım Merkezi Olmaya Oynuyor  Geçen hafta gerçekleşen Hindistan Yapay Zeka Zirvesi, sektörün en kalabalık buluşmalarından biriydi: Sundar Pichai,…

1 hafta ago