“`html<\/p>\n
A\u00e7\u0131k kaynak yapay zeka, s\u00fcrd\u00fcr\u00fclebilir kalk\u0131nma hedeflerini h\u0131zland\u0131rabilir. A\u00e7\u0131k kaynak yapay zeka, k\u00fcresel \u00f6l\u00e7ekte s\u00fcrd\u00fcr\u00fclebilir kalk\u0131nma hedeflerine do\u011fru ilerlemek i\u00e7in \u00f6nemli bir f\u0131rsat sunuyor. 2018 ile 2024 y\u0131llar\u0131 aras\u0131nda, bu hedefleri desteklemek amac\u0131yla kullan\u0131m\u0131 %300 art\u0131\u015f g\u00f6sterdi; tar\u0131m, ekosistem y\u00f6netimi ve iklim de\u011fi\u015fikli\u011fiyle m\u00fccadele gibi alanlarda dikkate de\u011fer katk\u0131lar sa\u011flad\u0131. Herkesin inceleyebilece\u011fi, de\u011fi\u015ftirebilece\u011fi ve payla\u015fabilece\u011fi bu a\u00e7\u0131k model, ilerlemenin etkin ve kapsay\u0131c\u0131 bir \u015fekilde h\u0131zland\u0131r\u0131lmas\u0131 amac\u0131yla tasarland\u0131.<\/p>\n
Ancak, yayg\u0131nla\u015fmas\u0131 karma\u015f\u0131k zorluklar\u0131 da beraberinde getirdi. Yap\u0131land\u0131r\u0131lm\u0131\u015f y\u00f6netim \u00e7er\u00e7evesinin olmamas\u0131, kaynaklar\u0131n a\u015f\u0131r\u0131 t\u00fcketimine ve etik a\u00e7\u0131dan savunmas\u0131zl\u0131klara yol a\u00e7abilir. \u00d6rne\u011fin, yerel altyap\u0131larda verimsiz \u015fekilde geli\u015ftirilen yinelenen modellerin merkezi olmayan bi\u00e7imde \u00fcretilmesi, end\u00fcstrinin karbon ayak izini art\u0131r\u0131yor. Ayr\u0131ca, a\u00e7\u0131k kaynak ara\u00e7lar\u0131na kolay eri\u015fim, derin sahte i\u00e7eriklerin ve hedeflenmi\u015f dezenformasyonun \u00fcretim maliyetlerini d\u00fc\u015f\u00fcrerek, bilginin g\u00fcvenli\u011fi ve g\u00fcvenilirli\u011fi a\u00e7\u0131s\u0131ndan riskler olu\u015fturuyor.<\/p>\n
Bir di\u011fer sorun ise dijital s\u00f6m\u00fcrgecilik. K\u00fcresel Kuzey\u2019in g\u00fc\u00e7l\u00fc \u00fclkeleri ve kurumlar\u0131, verileri ve altyap\u0131lar\u0131 kontrol ederek G\u00fcney \u00fclkelerinin \u00f6zerkli\u011fini s\u0131n\u0131rl\u0131yor. Yerel ba\u011flamlar i\u00e7in tasarlanm\u0131\u015f veri setleri, ba\u015fka yerlerde yanl\u0131\u015f uygulanabilir ve y\u00f6netim \u00e7\u00f6z\u00fcmlerinin etkinli\u011fini azaltabilir.<\/p>\n
Bu zorluklar\u0131n \u00fcstesinden gelmek i\u00e7in d\u00f6rt ana eylem \u00f6neriliyor. \u0130lk olarak, modellerin t\u00fcm ya\u015fam d\u00f6ng\u00fcs\u00fcne s\u00fcrd\u00fcr\u00fclebilirlik entegre edilmeli; donan\u0131m altyap\u0131lar\u0131 optimize edilmeli ve yinelenen geli\u015ftirme kaynakl\u0131 israf \u00f6nlenmeli. Model dam\u0131tma gibi teknikler, modellerin boyutunu %70\u2019e kadar k\u00fc\u00e7\u00fclterek \u00e7evresel etkilerini s\u0131n\u0131rlayabilir. Ba\u015fka bir yol da, s\u0131v\u0131 so\u011futmal\u0131 ve yenilenebilir enerjiyle \u00e7al\u0131\u015fan veri merkezleri kullanmak; bu, enerji talebini %20 ve su t\u00fcketimini %52 oran\u0131nda azaltabilir.<\/p>\n
\u0130kinci eylem, yapay zekan\u0131n s\u00fcrd\u00fcr\u00fclebilir kalk\u0131nma hedefleri \u00fczerindeki etkisini \u00f6l\u00e7mek i\u00e7in nicel bir de\u011ferlendirme \u00e7er\u00e7evesi olu\u015fturmay\u0131 hedefliyor. Bu, yerel ve k\u00fcresel verileri birle\u015ftiren bile\u015fik g\u00f6stergelerin olu\u015fturulmas\u0131n\u0131 gerektiriyor; b\u00f6ylece olumlu ve olumsuz etkiler hassas bir \u015fekilde de\u011ferlendirilebiliyor. \u00d6rne\u011fin, s\u00fcrd\u00fcr\u00fclebilirlik kriterleri, 40\u2019tan fazla sosyal, \u00e7evresel ve ekonomik g\u00f6stergeleri kapsayarak ger\u00e7ek etkinin net bir g\u00f6r\u00fcn\u00fcm\u00fcn\u00fc sunabilir.<\/p>\n
\u00dc\u00e7\u00fcnc\u00fc eylem, d\u00fczenleme ve \u015feffafl\u0131k \u00fczerine kurulu. K\u00f6t\u00fcye kullan\u0131mlar\u0131 \u00f6nlemek i\u00e7in zorunlu denetimler, adversarial testler ve izin verilen kullan\u0131mlar\u0131 tan\u0131mlayan a\u00e7\u0131k lisanslar uygulanmal\u0131d\u0131r. Geli\u015ftiriciler, \u00f6nyarg\u0131lar\u0131 s\u0131n\u0131rlamak i\u00e7in denetlenmi\u015f veri setleri kullanmal\u0131; h\u00fck\u00fcmetler ise zararl\u0131 i\u00e7eriklerin yay\u0131lmas\u0131n\u0131 \u00f6nlemek amac\u0131yla s\u0131k\u0131 politikalar uygulayabilir. Kullan\u0131c\u0131lar ise bu ara\u00e7lar\u0131 etik bir \u015fekilde kullanmak ve k\u00f6t\u00fcye kullan\u0131mlar\u0131 bildirmekle y\u00fck\u00fcml\u00fcd\u00fcr.<\/p>\n
D\u00f6rd\u00fcnc\u00fc eylem, k\u00fcresel i\u015f birli\u011fi ve bilgi payla\u015f\u0131m\u0131n\u0131 te\u015fvik ediyor. Eri\u015fimin demokratikle\u015fmesine ra\u011fmen, altyap\u0131, yetenek ve veri egemenli\u011fi konular\u0131nda e\u015fitsizlikler devam ediyor. Eri\u015filebilirlik, bulunabilirlik ve yeniden kullan\u0131labilirlik ilkelerine sayg\u0131 g\u00f6steren a\u00e7\u0131k eri\u015fim platformlar\u0131n\u0131n olu\u015fturulmas\u0131, kaynaklara adil eri\u015fimi garantilemek i\u00e7in hayati \u00f6nem ta\u015f\u0131yor. Yapay zeka y\u00f6netimi \u00fczerine bir K\u00fcresel Diyalog gibi kurumlar, y\u0131ll\u0131k raporlar yay\u0131nlayarak ve h\u00fck\u00fcmetler aras\u0131 m\u00fczakereler d\u00fczenleyerek i\u015f birli\u011fini g\u00fc\u00e7lendirebilir.<\/p>\n
B\u00f6lgesel d\u00fczeyde, k\u00fcresel platformlar ile yerel ara\u015ft\u0131rma merkezleri aras\u0131ndaki i\u015f birli\u011fi, payla\u015f\u0131lan temel modelleri yerel verilerle birle\u015ftirmemize olanak tan\u0131yor. Bu, uyarlanm\u0131\u015f \u00e7\u00f6z\u00fcmlerin da\u011f\u0131t\u0131m\u0131n\u0131 kolayla\u015ft\u0131r\u0131rken, veri koruma d\u00fczenlemelerine de uyulmas\u0131n\u0131 sa\u011fl\u0131yor. Avustralya Yapay Zeka Enstit\u00fcs\u00fc veya Fransa\u2019daki Ulusal Yapay Zeka De\u011ferlendirme ve G\u00fcvenlik Enstit\u00fcs\u00fc gibi kurumlar, bu yerelle\u015ftirme s\u00fcrecinde kilit bir rol oynuyor.<\/p>\n
A\u00e7\u0131k kaynak yapay zeka, uygun y\u00f6netimle birle\u015ftirildi\u011finde, karar verme s\u00fcrecini daha kapsay\u0131c\u0131 ve kan\u0131ta dayal\u0131 hale getirebilir. B\u00f6ylece, karma\u015f\u0131k zorluklar kar\u015f\u0131s\u0131nda bile, \u00f6ncelikleri, engelleri ve s\u00fcrd\u00fcr\u00fclebilir d\u00f6n\u00fc\u015f\u00fcm yollar\u0131n\u0131 daha h\u0131zl\u0131 bir \u015fekilde belirlemek m\u00fcmk\u00fcn olabilir. D\u00fcnya \u00e7ap\u0131ndaki vatanda\u015flardan al\u0131nan dersleri entegre ederek, 2030 sonras\u0131 g\u00fcndemi daha temsil edici ve etkili hale getirebilir.<\/p>\n
A\u00e7\u0131k kaynak modeller, somut avantajlar da sunuyor. Kar\u015f\u0131la\u015ft\u0131r\u0131labilir performans i\u00e7in, sahipli modellere g\u00f6re maliyetleri 5 ila 29 kat daha d\u00fc\u015f\u00fck; bu da eri\u015filebilirliklerini art\u0131r\u0131yor. \u0130klim odakl\u0131 do\u011fal dil i\u015fleme modelleri gibi ara\u00e7lar, dezenformasyonla m\u00fccadeleye yard\u0131mc\u0131 olurken; sa\u011fl\u0131k alan\u0131nda kullan\u0131lan di\u011ferleri, baz\u0131 b\u00f6lgelerdeki terapist eksikliklerini azaltabilir. Ekonomik alanda, k\u00fc\u00e7\u00fck ve orta \u00f6l\u00e7ekli i\u015fletmeler, \u00fcretimlerini optimize etmek i\u00e7in bu teknolojileri benimseyip \u00f6zelle\u015ftirebilir.<\/p>\n
Ancak, uygun y\u00f6netim olmadan riskler devam ediyor. Elektronik malzeme \u00fcretimi ve yapay zeka i\u00e7in gerekli altyap\u0131, k\u00fcresel toksik at\u0131k miktar\u0131na katk\u0131da bulunuyor. Ayr\u0131ca, a\u00e7\u0131k kaynak olarak etiketlenen modellerin yakla\u015f\u0131k %60\u2019\u0131 herhangi bir lisansa sahip de\u011fil; bu da g\u00fcvenli kullan\u0131m\u0131n\u0131 zorla\u015ft\u0131r\u0131yor. D\u00fczenlenmemi\u015f modellerin yayg\u0131nla\u015fmas\u0131, k\u00f6t\u00fc niyetli akt\u00f6rlerin zay\u0131f noktalar\u0131 kolayca tespit etmesine olanak tan\u0131yarak, oltalama veya nefret s\u00f6ylemi yayma risklerini art\u0131r\u0131yor.<\/p>\n
A\u00e7\u0131k kaynak yapay zekas\u0131n\u0131n faydalar\u0131n\u0131 en \u00fcst d\u00fczeye \u00e7\u0131karmak i\u00e7in koordineli bir yakla\u015f\u0131m \u015fart. Bu yakla\u015f\u0131m, s\u00fcrd\u00fcr\u00fclebilirlik, titiz de\u011ferlendirme, g\u00fcvenlik ve i\u015f birli\u011fini bir araya getirmeli; belirsizlikleri azaltmal\u0131 ve bu teknolojinin k\u00fcresel ilerlemeye ger\u00e7ekten hizmet etmesini sa\u011flamal\u0131.<\/p>\n
A\u00e7\u0131k kaynak yapay zeka, s\u00fcrd\u00fcr\u00fclebilir kalk\u0131nma hedeflerini h\u0131zland\u0131rabilir. A\u00e7\u0131k kaynak yapay zeka, k\u00fcresel \u00f6l\u00e7ekte s\u00fcrd\u00fcr\u00fclebilir kalk\u0131nma hedeflerine do\u011fru ilerlemek i\u00e7in \u00f6nemli bir f\u0131rsat sunuyor. 2018 ile 2024 y\u0131llar\u0131 aras\u0131nda, bu hedefleri desteklemek amac\u0131yla kullan\u0131m\u0131 %300 art\u0131\u015f g\u00f6sterdi; tar\u0131m, ekosistem y\u00f6netimi ve iklim de\u011fi\u015fikli\u011fiyle m\u00fccadele gibi alanlarda dikkate de\u011fer katk\u0131lar sa\u011flad\u0131. Herkesin inceleyebilece\u011fi, de\u011fi\u015ftirebilece\u011fi ve payla\u015fabilece\u011fi bu a\u00e7\u0131k model, ilerlemenin etkin ve kapsay\u0131c\u0131 bir \u015fekilde h\u0131zland\u0131r\u0131lmas\u0131 amac\u0131yla tasarland\u0131.<\/p>\n
Ancak, yayg\u0131nla\u015fmas\u0131 karma\u015f\u0131k zorluklar\u0131 da beraberinde getirdi. Yap\u0131land\u0131r\u0131lm\u0131\u015f y\u00f6netim \u00e7er\u00e7evesinin olmamas\u0131, kaynaklar\u0131n a\u015f\u0131r\u0131 t\u00fcketimine ve etik a\u00e7\u0131dan savunmas\u0131zl\u0131klara yol a\u00e7abilir. \u00d6rne\u011fin, yerel altyap\u0131larda verimsiz \u015fekilde geli\u015ftirilen yinelenen modellerin merkezi olmayan bi\u00e7imde \u00fcretilmesi, end\u00fcstrinin karbon ayak izini art\u0131r\u0131yor. Ayr\u0131ca, a\u00e7\u0131k kaynak ara\u00e7lar\u0131na kolay eri\u015fim, derin sahte i\u00e7eriklerin ve hedeflenmi\u015f dezenformasyonun \u00fcretim maliyetlerini d\u00fc\u015f\u00fcrerek, bilginin g\u00fcvenli\u011fi ve g\u00fcvenilirli\u011fi a\u00e7\u0131s\u0131ndan riskler olu\u015fturuyor.<\/p>\n
Bir di\u011fer sorun ise dijital s\u00f6m\u00fcrgecilik. K\u00fcresel Kuzey\u2019in g\u00fc\u00e7l\u00fc \u00fclkeleri ve kurumlar\u0131, verileri ve altyap\u0131lar\u0131 kontrol ederek G\u00fcney \u00fclkelerinin \u00f6zerkli\u011fini s\u0131n\u0131rl\u0131yor. Yerel ba\u011flamlar i\u00e7in tasarlanm\u0131\u015f veri setleri, ba\u015fka yerlerde yanl\u0131\u015f uygulanabilir ve y\u00f6netim \u00e7\u00f6z\u00fcmlerinin etkinli\u011fini azaltabilir.<\/p>\n
Bu zorluklar\u0131n \u00fcstesinden gelmek i\u00e7in d\u00f6rt ana eylem \u00f6neriliyor. \u0130lk olarak, modellerin t\u00fcm ya\u015fam d\u00f6ng\u00fcs\u00fcne s\u00fcrd\u00fcr\u00fclebilirlik entegre edilmeli; donan\u0131m altyap\u0131lar\u0131 optimize edilmeli ve yinelenen geli\u015ftirme kaynakl\u0131 israf \u00f6nlenmeli. Model dam\u0131tma gibi teknikler, modellerin boyutunu %70\u2019e kadar k\u00fc\u00e7\u00fclterek \u00e7evresel etkilerini s\u0131n\u0131rlayabilir. Ba\u015fka bir yol da, s\u0131v\u0131 so\u011futmal\u0131 ve yenilenebilir enerjiyle \u00e7al\u0131\u015fan veri merkezleri kullanmak; bu, enerji talebini %20 ve su t\u00fcketimini %52 oran\u0131nda azaltabilir.<\/p>\n
\u0130kinci eylem, yapay zekan\u0131n s\u00fcrd\u00fcr\u00fclebilir kalk\u0131nma hedefleri \u00fczerindeki etkisini \u00f6l\u00e7mek i\u00e7in nicel bir de\u011ferlendirme \u00e7er\u00e7evesi olu\u015fturmay\u0131 hedefliyor. Bu, yerel ve k\u00fcresel verileri birle\u015ftiren bile\u015fik g\u00f6stergelerin olu\u015fturulmas\u0131n\u0131 gerektiriyor; b\u00f6ylece olumlu ve olumsuz etkiler hassas bir \u015fekilde de\u011ferlendirilebiliyor. \u00d6rne\u011fin, s\u00fcrd\u00fcr\u00fclebilirlik kriterleri, 40\u2019tan fazla sosyal, \u00e7evresel ve ekonomik g\u00f6stergeleri kapsayarak ger\u00e7ek etkinin net bir g\u00f6r\u00fcn\u00fcm\u00fcn\u00fc sunabilir.<\/p>\n
\u00dc\u00e7\u00fcnc\u00fc eylem, d\u00fczenleme ve \u015feffafl\u0131k \u00fczerine kurulu. K\u00f6t\u00fcye kullan\u0131mlar\u0131 \u00f6nlemek i\u00e7in zorunlu denetimler, adversarial testler ve izin verilen kullan\u0131mlar\u0131 tan\u0131mlayan a\u00e7\u0131k lisanslar uygulanmal\u0131d\u0131r. Geli\u015ftiriciler, \u00f6nyarg\u0131lar\u0131 s\u0131n\u0131rlamak i\u00e7in denetlenmi\u015f veri setleri kullanmal\u0131; h\u00fck\u00fcmetler ise zararl\u0131 i\u00e7eriklerin yay\u0131lmas\u0131n\u0131 \u00f6nlemek amac\u0131yla s\u0131k\u0131 politikalar uygulayabilir. Kullan\u0131c\u0131lar ise bu ara\u00e7lar\u0131 etik bir \u015fekilde kullanmak ve k\u00f6t\u00fcye kullan\u0131mlar\u0131 bildirmekle y\u00fck\u00fcml\u00fcd\u00fcr.<\/p>\n
D\u00f6rd\u00fcnc\u00fc eylem, k\u00fcresel i\u015f birli\u011fi ve bilgi payla\u015f\u0131m\u0131n\u0131 te\u015fvik ediyor. Eri\u015fimin demokratikle\u015fmesine ra\u011fmen, altyap\u0131, yetenek ve veri egemenli\u011fi konular\u0131nda e\u015fitsizlikler devam ediyor. Eri\u015filebilirlik, bulunabilirlik ve yeniden kullan\u0131labilirlik ilkelerine sayg\u0131 g\u00f6steren a\u00e7\u0131k eri\u015fim platformlar\u0131n\u0131n olu\u015fturulmas\u0131, kaynaklara adil eri\u015fimi garantilemek i\u00e7in hayati \u00f6nem ta\u015f\u0131yor. Yapay zeka y\u00f6netimi \u00fczerine bir K\u00fcresel Diyalog gibi kurumlar, y\u0131ll\u0131k raporlar yay\u0131nlayarak ve h\u00fck\u00fcmetler aras\u0131 m\u00fczakereler d\u00fczenleyerek i\u015f birli\u011fini g\u00fc\u00e7lendirebilir.<\/p>\n
B\u00f6lgesel d\u00fczeyde, k\u00fcresel platformlar ile yerel ara\u015ft\u0131rma merkezleri aras\u0131ndaki i\u015f birli\u011fi, payla\u015f\u0131lan temel modelleri yerel verilerle birle\u015ftirmemize olanak tan\u0131yor. Bu, uyarlanm\u0131\u015f \u00e7\u00f6z\u00fcmlerin da\u011f\u0131t\u0131m\u0131n\u0131 kolayla\u015ft\u0131r\u0131rken, veri koruma d\u00fczenlemelerine de uyulmas\u0131n\u0131 sa\u011fl\u0131yor. Avustralya Yapay Zeka Enstit\u00fcs\u00fc veya Fransa\u2019daki Ulusal Yapay Zeka De\u011ferlendirme ve G\u00fcvenlik Enstit\u00fcs\u00fc gibi kurumlar, bu yerelle\u015ftirme s\u00fcrecinde kilit bir rol oynuyor.<\/p>\n
A\u00e7\u0131k kaynak yapay zeka, uygun y\u00f6netimle birle\u015ftirildi\u011finde, karar verme s\u00fcrecini daha kapsay\u0131c\u0131 ve kan\u0131ta dayal\u0131 hale getirebilir. B\u00f6ylece, karma\u015f\u0131k zorluklar kar\u015f\u0131s\u0131nda bile, \u00f6ncelikleri, engelleri ve s\u00fcrd\u00fcr\u00fclebilir d\u00f6n\u00fc\u015f\u00fcm yollar\u0131n\u0131 daha h\u0131zl\u0131 bir \u015fekilde belirlemek m\u00fcmk\u00fcn olabilir. D\u00fcnya \u00e7ap\u0131ndaki vatanda\u015flardan al\u0131nan dersleri entegre ederek, 2030 sonras\u0131 g\u00fcndemi daha temsil edici ve etkili hale getirebilir.<\/p>\n
A\u00e7\u0131k kaynak modeller, somut avantajlar da sunuyor. Kar\u015f\u0131la\u015ft\u0131r\u0131labilir performans i\u00e7in, sahipli modellere g\u00f6re maliyetleri 5 ila 29 kat daha d\u00fc\u015f\u00fck; bu da eri\u015filebilirliklerini art\u0131r\u0131yor. \u0130klim odakl\u0131 do\u011fal dil i\u015fleme modelleri gibi ara\u00e7lar, dezenformasyonla m\u00fccadeleye yard\u0131mc\u0131 olurken; sa\u011fl\u0131k alan\u0131nda kullan\u0131lan di\u011ferleri, baz\u0131 b\u00f6lgelerdeki terapist eksikliklerini azaltabilir. Ekonomik alanda, k\u00fc\u00e7\u00fck ve orta \u00f6l\u00e7ekli i\u015fletmeler, \u00fcretimlerini optimize etmek i\u00e7in bu teknolojileri benimseyip \u00f6zelle\u015ftirebilir.<\/p>\n
Ancak, uygun y\u00f6netim olmadan riskler devam ediyor. Elektronik malzeme \u00fcretimi ve yapay zeka i\u00e7in gerekli altyap\u0131, k\u00fcresel toksik at\u0131k miktar\u0131na katk\u0131da bulunuyor. Ayr\u0131ca, a\u00e7\u0131k kaynak olarak etiketlenen modellerin yakla\u015f\u0131k %60\u2019\u0131 herhangi bir lisansa sahip de\u011fil; bu da g\u00fcvenli kullan\u0131m\u0131n\u0131 zorla\u015ft\u0131r\u0131yor. D\u00fczenlenmemi\u015f modellerin yayg\u0131nla\u015fmas\u0131, k\u00f6t\u00fc niyetli akt\u00f6rlerin zay\u0131f noktalar\u0131 kolayca tespit etmesine olanak tan\u0131yarak, oltalama veya nefret s\u00f6ylemi yayma risklerini art\u0131r\u0131yor.<\/p>\n
A\u00e7\u0131k kaynak yapay zekas\u0131n\u0131n faydalar\u0131n\u0131 en \u00fcst d\u00fczeye \u00e7\u0131karmak i\u00e7in koordineli bir yakla\u015f\u0131m \u015fart. Bu yakla\u015f\u0131m, s\u00fcrd\u00fcr\u00fclebilirlik, titiz de\u011ferlendirme, g\u00fcvenlik ve i\u015f birli\u011fini bir araya getirmeli; belirsizlikleri azaltmal\u0131 ve bu teknolojinin k\u00fcresel ilerlemeye ger\u00e7ekten hizmet etmesini sa\u011flamal\u0131.<\/p>\n
“`<\/p>\n
DOI\u00a0:<\/strong> https:\/\/doi.org\/10.1038\/s41467-026-73866-8<\/a><\/p>\n Titre\u00a0:<\/strong> Steering open-source AI to accelerate the sustainable development goals<\/p>\n Revue : <\/strong> Nature Communications<\/p>\n \u00c9diteur : <\/strong> Springer Science and Business Media LLC<\/p>\n Auteurs : <\/strong> Min Chen; Kai Wu; Prajal Pradhan; Cameron Allen; Stefano Nativi; Klaus Hubacek; Alexey Voinov; Felix Creutzig; Tatiana Filatova; Niklas Boers; Michael Meadows; Peilong Ma; Frank Biermann; Hans Joachim Schellnhuber; John Ludden; Maria Paradiso; Michael Batty; Huadong Guo; Min Cao; Peng Hou; Guonian L\u00fc<\/p>\n","protected":false},"excerpt":{"rendered":" “`html A\u00e7\u0131k kaynak yapay zeka, s\u00fcrd\u00fcr\u00fclebilir kalk\u0131nma hedeflerini h\u0131zland\u0131rabilir A\u00e7\u0131k kaynak yapay zeka, s\u00fcrd\u00fcr\u00fclebilir kalk\u0131nma hedeflerini h\u0131zland\u0131rabilir. A\u00e7\u0131k kaynak yapay zeka, k\u00fcresel \u00f6l\u00e7ekte s\u00fcrd\u00fcr\u00fclebilir kalk\u0131nma hedeflerine do\u011fru ilerlemek i\u00e7in \u00f6nemli bir f\u0131rsat sunuyor. 2018 ile 2024 y\u0131llar\u0131 aras\u0131nda, bu hedefleri desteklemek amac\u0131yla kullan\u0131m\u0131 %300 art\u0131\u015f g\u00f6sterdi; tar\u0131m, ekosistem y\u00f6netimi ve iklim de\u011fi\u015fikli\u011fiyle m\u00fccadele gibi alanlarda… Okumaya devam et A\u00e7\u0131k kaynak yapay zeka, s\u00fcrd\u00fcr\u00fclebilir kalk\u0131nma hedeflerini h\u0131zland\u0131rabilir<\/span><\/a><\/p>\n","protected":false},"author":1,"featured_media":0,"comment_status":"open","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"footnotes":""},"categories":[2,4,3],"tags":[],"class_list":["post-15","post","type-post","status-publish","format-standard","hentry","category-bilim-teknoloji","category-toplum","category-uluslararasi","entry"],"_links":{"self":[{"href":"https:\/\/thehumannews.media\/tr\/wp-json\/wp\/v2\/posts\/15","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/thehumannews.media\/tr\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/thehumannews.media\/tr\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/thehumannews.media\/tr\/wp-json\/wp\/v2\/users\/1"}],"replies":[{"embeddable":true,"href":"https:\/\/thehumannews.media\/tr\/wp-json\/wp\/v2\/comments?post=15"}],"version-history":[{"count":1,"href":"https:\/\/thehumannews.media\/tr\/wp-json\/wp\/v2\/posts\/15\/revisions"}],"predecessor-version":[{"id":16,"href":"https:\/\/thehumannews.media\/tr\/wp-json\/wp\/v2\/posts\/15\/revisions\/16"}],"wp:attachment":[{"href":"https:\/\/thehumannews.media\/tr\/wp-json\/wp\/v2\/media?parent=15"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/thehumannews.media\/tr\/wp-json\/wp\/v2\/categories?post=15"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/thehumannews.media\/tr\/wp-json\/wp\/v2\/tags?post=15"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}