Yapay Zeka Uygulamaları atölyemizden öne çıkanlar

Damani Brown
Damani Brown
GitHub LinkedIn
Melissa Mitchell
Melissa Mitchell
Mari Viana
Mari Viana
LinkedIn
Thierno Thiam

Yayınlanma tarihi: 14 Ekim 2025

New York'taki bir grup startup ile iş ortaklığı yaparak "AI in Action" (Yapay Zekayı Harekete Geçirme) adlı teknik bir atölye çalışması düzenledik. Amaç basitti: Daha fazla hız, gizlilik ve daha iyi bir kullanıcı deneyimi için istemci tarafı yapay zekanın ve yerleşik yapay zeka API'lerinin ürünlere nasıl doğrudan entegre edilebileceğini göstermek.

Toplamda 8 yenilikçi startup'tan 24 geliştiriciyi ağırladık. Sabah oturumunda ürün ve mühendislik uzmanları, açık kaynağın muazzam potansiyeli, cihaz üzerinde modeller ve yapay zekayı doğrudan web platformuna getirmenin stratejik önemi hakkında konuştu. Ardından teknik uzmanlar, yerleşik yapay zeka API'lerini kullanmaya başlama konusunda pratik rehberlik sağladı.

Katılımcılar, mevcut makine öğrenimi bilgilerinden bağımsız olarak bu API'lerin kullanımının kolay olduğunu keşfederek etkinliği oldukça değerli buldu. Ayrıca denemeler yaparak uygulamaları için yeni kullanım alanları keşfettiler. Dokümanlarımızı doğrulamaktan heyecan duyduk. Hatta bir grup, karmaşık bir hatayı tanımlayıp yeniden üretmemize yardımcı oldu. Böylece düzeltme gönderebildik.

Katılımcılarımız, istemci tarafı yapay zekayı kullanarak 10 prototipi başarıyla geliştirdi. Bazı projelerine göz atın ve etkinlikteki deneyimleri hakkında bilgi edinin.

Prompt API kullanarak bağdaştırıcının etkinlik algılaması

Adapter'ın hedefi, "Günlük hayatımız için görev kontrol merkezi oluşturarak ekran başında geçirilen zamanı değil, boş zamanı en üst düzeye çıkarmaktır." İki özelliği olan bir kavram kanıtlama uzantısı oluşturdular:

  • Gezinirken web sayfasındaki etkinlikleri (konserler, restoranlar, etkinlikler) tanımlayan, ardından bunları kişisel takvimdeki müsaitlik durumu, yaşam tercihleri ve anlık sosyal sinyaller gibi kişisel bağlamla uyarlayan akıllı ve uyumlu etkinlik algılama. Tüm bu işlemler yerel olarak gerçekleştirilir.
  • Web sayfasındaki içeriklerin sıralamasını, kişisel ilgi alanlarınıza göre isteğe bağlı olarak kişiselleştiren anlık içerik yeniden sıralama.

Adapter, ayrıştırma, akıl yürütme ve araç çağırma için Prompt API'yi, yerel metin oluşturma için ise Writer API'yi kullandı.

"Sınırlı gizlilik ödünleriyle uçta karmaşık akıl yürütme ve çok adımlı iş akışları yapıyoruz. Bu, her çıkarımın verilerin ağlar arasında gönderilmesi anlamına geldiği ve uzaktan hesaplamanın derinleştirildiği durumlarda pratik olmayan kişisel zeka uygulamalarını mümkün kılar." – Dillon Ponzo, Adapter'ın kurucu mühendisi

Chrome'un yerleşik yapay zeka API'leri, verileri yerel olarak işleyen ve varsayılan olarak gizliliği koruyan hafif modelleri etkinleştirir. Adapter'ın kurucu mühendisleri Aidan Crank ve Dillon Ponzo, bunu mimari felsefelerinin doğrulanması olarak gördü.

Adapter'a katılmadan önce AWS'de büyük ölçekli makine öğrenimi mühendisliği üzerinde çalışan Crank, "Çoğu yapay zeka uzantısı bağlamı yakalayıp başka bir yere gönderiyor" diyor. "Chrome'un yerleşik yapay zekası bu modeli tersine çeviriyor. Kişisel verileriniz cihazınızda kalır ancak daha önce elde edilemeyen akıllı deneyimler sunulur."

Önceki şirketi Ionic Security ile ölçeklenebilir, otonom ve veri odaklı güvenlik alanında öncülük eden Adapter'ın kurucu ortağı Adam Ghetti, bu durumun daha derin sonuçları olacağını düşünüyor: "Gizlilik, eklediğiniz bir özellik değil, seçtiğiniz bir mimaridir. Chrome'un yerleşik yapay zekası bu mimariyi pratik hale getiriyor."

Chrome, çok formatlı destek ve daha zengin API'lerle bu özellikleri genişlettikçe, uç bilişim yalnızca buluta yetişmekle kalmıyor. Kişisel ve özel yapay zeka için, mantıklı olan yerlerde yapay zekayı aşmak önemlidir.

Sublayer, varyasyonları iyileştirmek için Prompt API ile görüntüleri kategorize eder

Sublayer, fotoğraflarınızla etkileşim kurma ve fotoğraflarınızın varyasyonlarını oluşturma şeklinizde devrim yaratmak için tasarlanmış Photoslider adlı eğlenceli bir uygulama geliştirdi.

PhotoSlider'ı kullanmak için kullanıcı bir fotoğraf yükler veya yeni bir fotoğraf çeker ve Analiz et'i tıklar. Prompt API, bu resimleri analiz için modele göndererek modelden 3 temel özelliği belirlemesini ve bu özelliklere 1 ila 10 arasında bir değer vermesini ister. Örneğin, bir özellik "geleneksel" veya "parlaklık" olabilir.

Ön uçta, kullanıcıya değerleri ayarlamak veya özel değerlere sahip yeni özellikler eklemek için resim ve kaydırma çubukları gösterilir. Değişiklik istekleri ve resim, sunucu tarafındaki yapay zekaya gönderilir. Böylece, çok formatlı çıkış özelliklerine sahip daha büyük bir model, değiştirilen özelliklere göre yepyeni bir resim oluşturabilir. Bu yinelemeli süreç, ideal resminize ulaşana kadar sonsuz kez tekrarlanabilir ve size tam kontrol sağlar.

Sublayer CEO'su Scott Werner, heyecanını şu sözlerle dile getirdi: "Yerel çıkarımın nasıl göründüğünü keşfetmek için gerçekten istekliydik. Kullanıcılarımızın makinelerindeki tarayıcıda varsayılan olarak hazır bulunması, kullanıcıların modelleri doğrudan yüklemenin karmaşıklıklarını aşmasına güvenmekten çok daha kolay."

Scott'ın bültenine abone olun.

Echo3D, 3D modelleri zengin ve aranabilir verilere dönüştürür.

Echo3D, işletmelerin çeşitli ekipler ve kuruluşlar arasında 3D modelleri ve taramaları sorunsuz bir şekilde depolaması, güvenli hale getirmesi ve paylaşması için bir platform ve API sağlar. Gelişmiş 3D ve metin işlem hatları, 3D modelleri zengin ve aranabilir verilere dönüştürür.

Etkinlikte echo3D, öğelerin görsel olarak anlaşılmasını sağlayan 3B'den metne ve metinden 3B'ye dönüştürme araçları geliştirdi. Model etiketlemeyi otomatikleştirmek, kopyaları tespit etmek ve kapsamlı 3D kitaplıkların kataloglanması ile belgelendirilmesini kolaylaştırmak için Prompt API'yi kullandılar.

{
  "description": "A 3D model of a large, tan-colored sandcastle with one main
    tower, four small towers, and staircases wrapping around. The towers
    have multiple windows. There is a main gate.",
  "tags": ["sand","castle","gate","tan","tower","staircase"]
}

Bu sayede her öğe zengin, tutarlı ve aranabilir bir açıklamaya sahip olur. Böylece, kullanıcının kitaplığının tamamı daha düzenli ve erişilebilir hale gelir. Ayrıca, depolama alanından tasarruf etmenizi sağlar ve gereksiz dosyalardan kaynaklanan sürüm çakışmalarını önler.

"Ekibimiz etkinlikten çok memnun kaldı. Özellikle yerleşik yapay zeka kullanılarak yapay zeka özelliklerinin web uygulamalarına entegre edilmesinin kolaylığından çok etkilendik. Bu kadar kısa bir süre içinde güvenli, istemci tarafı yapay zeka özellikleri için prototip oluşturup bunları dağıtabilmek önemli bir avantajdı." – Alon Grinshpoon, echo3D CEO'su

Spot2, yüklenen resimlerden yapılandırılmış meta veriler oluşturdu

Spot2'nin uygulamasında Mexico City'de kiralık gayrimenkuller listeleniyor. Bu tür tesisler listelendiğinde genellikle önemli meta veriler ve diğer değerli bilgiler eksik olur. Ayrıntılar, tedarikçinin ayrıntılara verdiği öneme bağlı olarak büyük ölçüde değişir. Spot2, Prompt API ile veri kalitesini artırarak günü geçirdi.

Ekibi, listeleme meta verilerinin nasıl yapılandırıldığını otomatik olarak işleyip düzenleyen bir özellik geliştirdi. Bu işlem, fotoğraf yüklendiği anda gerçekleşir. Bu sayede eksiksizlik ve tutarlılık sağlanır. Bu görev sunucu tarafı yerine istemci tarafında gerçekleştirildiğinden özellik uygun maliyetlidir.

Bu özellik kullanıma sunulursa iki yönlü bir etki yaratması bekleniyor: veri kalitesinde belirgin bir iyileşme ve operasyonel giderlerde gözle görülür bir azalma. "Daha kaliteli listelemelerin dönüşüm oranında da artış sağlayacağını düşünüyoruz."

Bir sonraki yayında bize katılın