Süeda Asil
Kurumsal
- Konu Yazar
- #1
🏭 Robotların Öğrendikleri: Veri ve Model Ayrımı
Depo veya fabrikalarda robot kullanan şirketlerin sözleşmeleri genellikle operasyonel verilerin mülkiyetini kendilerine verirken, satıcılara bu verilerle modellerini eğitme konusunda sınırsız hak tanır. Ancak, bir modelin sizin tesisinizden ne kadar öğrendiğini ölçmenin ticari olarak kabul görmüş bir yolu yoktur. Satıcılar sizin etkinizi modelden kaldırsa bile, bu size kullanabileceğiniz bir şey geri vermez. Mevcut yasal düzenlemeler ve standart endüstriyel otomasyon sözleşmeleri model katmanına ulaşmaz; bu ancak müzakere edilmiş bir sözleşmeyle mümkündür.
⚡ Enerji Ticaretinden Dersler: Veri ve Öğrenme Arasındaki Fark
Fiziksel yapay zeka öncesinde elektrik ve gaz ticareti yapan bir fon yönetiyordum. Endüstriyel otomasyon sektörünün gözden kaçırdığı ayrım, her enerji tüccarının bildiği bir şeydir. Gaz, depolanabilir, teslim edilebilir, bölünebilir ve mülkiyeti molekülle birlikte hareket eden bir metadır. Ancak gazı yakıp elektrik ürettiğinizde, bu elektrik şebekeye karışır ve geri alınamaz. Hiçbir sayaç size kendi elektronlarınızı geri vermez.
Veri, gaz gibi davranır. Eğitilmiş model ise, robot filosunun her çeyrekte daha iyi hale gelmesini sağlayan her şey, şebeke elektriği gibi davranır.
🧠 Öğrenme Ayrıştırılamaz
Bir endüstriyel operatörün verileri ortak bir modeli eğitmek için kullanıldığında, bu verinin model üzerindeki etkisi artık ayrılamaz hale gelir. Modelin davranışının bir parçası haline gelir, diğer tüm sitelerin katkılarıyla harmanlanır. Size "sizin payınız" diye geri verilecek bir kopyası yoktur.
Bir operatörün verilerini eğitilmiş bir modelden çıkarmak genellikle o veri olmadan yeniden eğitim anlamına gelir ki bu, filo ölçeğinde nadiren pratiktir. Tamamen "unutma" ancak belirli mimariler altında işe yarar. Her durumda, çıkarma yanlış bir testtir: bir sistem bir müşterinin verilerini başarıyla "unuttursa" bile, o müşterinin katkısını bağımsız bir varlık olarak geri veremez.
Ölçüm de daha iyi değildir. Bir endüstriyel sitenin verilerinin filo performansına ne kadar katkıda bulunduğunu söyleyebilecek ticari olarak kabul görmüş bir yöntem yoktur. Öncesi ve sonrası karşılaştırması, eğitimin yardımcı olduğunu gösterir, hangi verinin yardımcı olduğunu değil. Veri bölünebilir; ortak bir modele karışmış öğrenme ise, sistem eğitim başlamadan önce çıkarma için inşa edilmediyse, bölünemez.
Sezgisel uzlaşma ("Sizin ince ayarınız sizindir.") bile aynı sınırlamayla karşılaşır. Bir site ince ayarı, genellikle satıcının genel modelini bir siteye uyarlayan küçük bir ayarlamalar kümesidir. Ortak öğrenmenin aksine, ayrı bir dosya olarak depolanabilir ve teslim edilebilir. Ancak yalnızca uyumlu bir temel model ve çalışma zamanında çalışır. Teknik ayrılabilirlik, onu kendi başına kullanışlı yapmaz ve hiçbir sözleşme bunu değiştirmez. Bir sözleşmenin yapabileceği şey, müşteriye çıkıştan sonra çalıştırmaya devam etme lisansı vermektir.
⚖️ Yasa Bir Katman Eksik Kalıyor
Bu fiziksel gerçekleri göz önünde bulundurarak yasal kayıtları tekrar okuyalım.
Önerilen FTC John Deere anlaşması, onarım erişimi konusunda dönüm noktası niteliğinde bir sonuç olacaktır. Onarım kaynaklarına erişim, "Deere'nin fikri mülkiyet haklarının mülkiyetini veya sahipliğini içermek zorunda değildir." Çiftçiler teşhis araçlarına erişim sağladı, modele değil. Karar, Deere'nin makine öğrenimi püskürtme sistemi olan See & Spray'in arkasındaki modele asla ulaşmıyor; bu model, bir istisna ile değil, sessizlikle Deere'de kalıyor.
Eylül 2025'ten itibaren yürürlükte olan AB Veri Yasası, dağıtıcılara makinelerinin ürettiği verilere yasal erişim hakkı tanır. Ham ve önceden işlenmiş verilere ulaşır. Ancak, 15. Madde, tescilli karmaşık algoritmalar aracılığıyla elde edilen bilgileri "aksi kararlaştırılmadıkça" hariç tutar. Bu üç kelime, tüm model katmanını sözleşmeye, pratikte ise satıcının kağıdına geri verir.
İki araç, iki yargı alanı, tek bir çizgi: yasalar modeli dışarıda bırakır. Dağıtıcılar hammaddeye erişim kazanmaya devam ederken, bileşik türev, kazandıkları her aracın dışında kalır.
💰 Büyük Alıcılar Durumu Kavrıyor
Yakın zamana kadar model hakları nadiren açıkça ele alınıyordu. Ancak pazarın zirvesinde bu durum değişti.
En büyük endüstriyel otomasyon alıcıları artık model katmanını doğrudan fiziksel yapay zeka anlaşmalarının taslaklarına yazıyorlar. Taslakları gördüm ve onlara karşı müzakere ettim. Talepleri bir merdiven gibi yükseliyor: ham verilerin sahipliği, sonra türetilmiş verilerin, sonra müşteriye özel ağırlıkların, sonra bu ağırlıkları çalıştırmak için gereken herhangi bir temel modele kalıcı lisanslar. Son basamak ise mimarinin kendisi: birlikte inşa edilenlere sadece benzeyen sistemler için telif hakkı tetikleyicileri. Alıcılar, bir ince ayarın yalnızca satıcının tabanında çalıştığını anladılar, bu yüzden talepler platforma ulaşana kadar yükseliyor.
İki detay dikkat çekiyor. Birincisi, bir robotik dağıtımından fayda sağlayan her şey için kalıcı ekonomik haklar talep eden aynı belgeler, donanımı maliyet artı bir kalem olarak ele alıyor. En sofistike otomasyon alıcıları müzakere sermayesi ayırdığında, bir amortisman tablosu yayınlarlar. Donanım amortismana uğrar. Öğrenme ise bileşik olarak artar.
İkincisi, en çetin mücadele edilen madde nadiren veri sahipliğidir. Bu, havuz üyeliğidir: bir müşterinin canlı üretim verilerinin filonun ortak beynini eğitebilir olup olmadığı. Filoya en kırılgan SKU'nuzu nasıl işleyeceğini öğretmek için bir çeyrek harcarsanız, bu beceri bir sonraki güncellemede aynı satıcıyla çalışan bir rakibe gönderilebilir. Tek bir sitenin dağıtım verileri toplam eğitim verilerinin küçük bir kısmı olsa da, bu üretimdeki uç durumlar orantısız bir değere sahiptir.
Bugün filo modelleri inatla siteye özgü kalmaya devam ediyor ve bir tesisten yapılan ince ayar genellikle bir sonraki binada bozuluyor. Ancak şu anda imzalanan kalıcı lisanslar, siteler arası transfer işe yararsa, beş yıl sonraki modelleri yönetecek. Varlık, tam olarak var olmadan önce tahsis ediliyor, ki bu da varsayılan olarak kazanmanın en ucuz olduğu zamandır.
Otomasyon alıcıları eğitim için onay kapıları talep ediyor ve bu kapı teknik olarak gerçek: siteye özgü ince ayar giderek tek bir şirket içi GPU'da çalışabiliyor, operasyonel veriler tesisten asla ayrılmıyor. Ancak karışma kaçınılmaz değil. Bu, yukarı akışta, sözleşmede alınan bir boru hattı kararıdır. Satıcılar, tüm sitelerdeki anonim verilerle eğitilmiş, tüm müşterileri iyileştiren temel modelleri savunur. Bazı taslaklar şimdi dürüst çözüme işaret ediyor: eğitim hakları için fiyatlandırılmış bir veri lisansı. Diğerleri ise herhangi bir düzenleyiciden yıllar önce model kökeni yükümlülükleri, belgelenmiş girdiler ve karar mantığı dayatıyor.
Bu arada aynı alıcılar kaynak kodu talep ediyor: depolar, gömülü mühendislik ekipleri, tetikleyici serbest bırakma ile emanet. Kaynak koduna erişim eksik bir çözümdür; bir anlık görüntü aktarır, onu geliştiren öğrenme döngüsünü değil.
