Yüksek Lisansın Başarısız Olduğu Büyük Tablolu Modeller Excel

ChatGPT, Claude ve Gemini gibi üretken yapay zeka sohbet robotlarının temelini oluşturan büyük dil modelleri (LLM'ler), esrarengiz bir şekilde insana benzeyen metin ve görüntüler üretebilir. Ancak bu modeller, ironik bir şekilde, görünen değerin kendi kaptan köşkünde doğru olduğunu düşünen bir beceriyle hâlâ mücadele ediyor: yapılandırılmış verileri analiz etmek. Bu durumu değiştirmek için yeni bir tür üretken yapay zeka ayarlandı. En sevdiğiniz sohbet robotunu zorlu matematik problemlerini çözmek, yoğun yasal belgeleri incelemek, akılda kalıcı bir pop şarkısı bestelemek veya birkaç şık PowerPoint slaytını bir araya getirmek için alabilseniz de, ona küçük bir masadan başka bir şey verin ve ne yapacağına dair hiçbir fikri yok. Çoğu şirket ve kuruluş için en önemli veriler elektronik tablolarda bulunur. İster bir bankanın işlem kayıtları, ister bir pazarlama ajansının web sitesi ölçümleri, klinik deney katılımcılarının yaşamsal belirtileri veya Büyük Hadron Çarpıştırıcısı gibi atom parçalayıcılarda üretilen büyük miktarda proton çarpışma bilgisi olsun, yapılandırılmış, satır ve sütun verileri dünyayı yönetir ve LLM'ler bununla baş edemez. Yapay zeka girişimi Fundamental, boşluğu doldurmak için büyük tablo modeli (LTM) olarak bilinen yeni bir tür yapay zeka temel modeline öncülük ediyor. Fundamental, 5 Şubat 2026'da 275 milyon ABD doları tutarında finansman ve tablo verileri için özel olarak tasarlanmış NEXUS adlı bir modelle gizlilik modundan çıktı. Artık model Amazon Web Services gibi şirketler tarafından benimsenirken, diğerleri kendi LTM'lerini oluşturmak için yarışıyor.

Yüksek Lisans'lar elektronik tablolarla neden mücadele ediyor, Amsterdam merkezli kıdemli yapay zeka araştırmacısı Boris van Breugel, yapısal verilerin daha az dikkat çekmesinin bir nedeninin de oldukça insani bir önyargı olduğunu savunuyor. "İnsanlar resimleri, videoları ve ChatGPT yanıtları görmekten hoşlanıyor" diyor. "Ancak tablo verileri gerçekten geride kalıyor çünkü sayılara bakmak eğlenceli değil." 2024'te bu konuyla ilgili ileri görüşlü bir görüş yazısının ortak yazarı olan van Breugel, farklı tablo veri kümelerini karşılaştırmanın da zor olduğunu açıklıyor. Çoğu dil benzer semantiklere sahipken, bu da LLM'leri büyük miktarda metin verisi üzerinde eğitilmeye çok uygun hale getirirken van Breugel, tek bir tablo modelini çok farklı değişkenlere sahip tablolar üzerinde eğitmenin çok daha zor olduğunu savunuyor. Ayrıca dil doğası gereği sıralıdır (müzik, görseller ve video gibi). Bir cümledeki kelimelerin sırasını değiştirmek, cümlenin anlamını değiştirebilir veya tamamen yok edebilir. Ancak e-tablolarda bulduğunuz yapılandırılmış veriler sıralı değildir.