Üretken Yapay Zekâ Ne Yapabilir?

Açılış sahnesi

Niğde'de elma kurusu, elma pekmezi ve elma sirkesi satan küçük bir işletmenin sahibi, bir akşam bir yapay zekâ sohbet aracını ilk kez iş için kullanıyor. İlk isteği basit: sitedeki on iki ürün için, her biri üç cümlelik yeni açıklamalar. Birkaç saniye içinde düzgün, sıcak ve birbirinden farklı on iki açıklama geliyor. Eskiden bu iş ona bir hafta sonunu alırdı.

Cesaretlenip ikinci soruyu soruyor: Türkiye'de kuru meyve satışları son yıllarda ne kadar büyüdü? Cevap kendinden emin: bir yüzde, bir yıl aralığı ve bir sektör derneğinin adı. İşletme sahibi bu sayıyı yatırımcıya hazırladığı sunuma koymadan önce derneğin sitesine bakıyor. Derneğin adı gerçekte biraz farklı, sitesinde de böyle bir rapor yok. Aynı soruyu yeniden sorduğunda başka bir yüzde geliyor.

Üçüncü istek, bir indirim kampanyasının kârlılık hesabı. Araç hesabı adım adım ve düzgün bir dille anlatıyor, ama ortadaki bir adımda maliyeti iki kez düşüyor. Sonuç, kampanyayı olduğundan kârlı gösteriyor. Aynı araç bir istekte bir haftalık işi kurtarmış, öbür ikisinde de inandırıcı bir dille yanlış söylemişti.

Bu derste ne olacak

Niğdeli işletme gerçek değil, vakalardaki işletmeler de öyle. Bu derste kullandığım yüzdeler ve sayılar yalnız örnek. Hiçbir aracın adını anmıyorum; araçlar hızla değişiyor, ama bu derste anlatılan çalışma biçimi ve sınırlar bu araçların ortak özelliği. İşletme sahibinin yaşadığı şaşkınlığın kaynağı, aracın ne tür bir şey olduğunu bilmemesiydi. Onu her soruyu bilen bir uzman gibi kullanmıştı. Oysa bu araç, bilgiyi bir yerden okuyup getiren bir sistem değil, bir metni en makul biçimde sürdüren bir sistem.

Bu kurs, üretken yapay zekânın pazarlamanın araştırma, strateji, içerik ve analiz işlerinde doğrulanabilir biçimde nasıl kullanılacağını çalışıyor. İlk ders temeli kuruyor. Önce bu sistemlerin metni nasıl ürettiğini göreceğiz. Ardından verilen malzemeyi dönüştürdüklerinde neden güçlü olduklarını, bilgi uydurduklarında neden inandırıcı olduklarını ve bir çıktıyı kullanmanın asıl bedelinin onu denetlemek olduğunu ele alacağız.

Sıfır noktası

Bu akademi yapay zekâyı şimdiye kadar yalnız bir araç kategorisi olarak andı. MarTech kursunda yapay zekâ destekli bir araç talebinin kabiliyet formundan geçemediğini, yol haritasında da bu araçların düzenli ve izinli veriye dayandığını gördük. Bir önceki kursun akışları ise kurallarla çalışıyordu: aynı girdi her seferinde aynı sonucu veriyordu.

Araştırma biriminde iki kavram bu ders için önemli. Hikâye doldurma, veride görülen bir örüntünün altına veriden çıkmayan ama makul görünen bir sebep yazılmasıydı. Onaylama eğilimi de katılımcının soruda önerilen cevaba katılma eğilimiydi. Üretken yapay zekâ ikisini de, insanlardan daha akıcı ve daha hızlı yapabilir.

Mekanizma — makul olanı üretmek

Bir üretken dil modeli, çok büyük miktarda metin üzerinde eğitilmiş bir sistemdir. Eğitim sırasında öğrendiği şey, bir metnin ardından hangi sözcük parçalarının gelme olasılığının yüksek olduğudur. Bir istek yazıldığında model cevabı parça parça üretir: her adımda, o ana kadarki metne göre olası devamlardan birini seçer. Bu seçim çoğu araçta bir miktar rastlantı içerir.

Özel bağlam verilmezse, ortalama gelir.

Örnek verilirse, örnek sürdürülür.

Mekanizma — dönüştürmekte güçlü

Olasılık temelli üretimin güçlü olduğu yer, cevabın malzemesinin isteğin içinde verildiği işlerdir. Metni kısaltmak, farklı bir okura göre yeniden yazmak, bir müşteri yorumunu bir kategoriye koymak, bir paragraftan beş başlık çıkarmak: bu işlerde model yeni bilgi üretmez, verilen bilgiyi başka bir biçime sokar. Sonucun doğruluğu da verilen malzemeyle karşılaştırılarak denetlenebilir.

Aynı bilgi, üç okura.

Sınıflandırma da bir dönüştürmedir.

Seçenek üretmek, seçmekten ucuz.

Mekanizma — akıcı ama yanlış

Olasılık temelli üretimin en tehlikeli sonucu, modelin bilmediği bir şeyi sorulduğunda susmak yerine, o soruya en makul görünen cevabı üretmesidir. Cevap bir sayı, bir ad, bir tarih ya da bir kaynak gerektiriyorsa, model gerçeğe benzeyen bir sayı, bir ad, bir tarih ya da bir kaynak üretebilir. Bu cevap doğru bir cevapla aynı akıcılıkta, aynı güvenle ve aynı düzgün dille yazılır.

Düzenleme sorusu, tarihli ve yerel.

Hesap, bir hesap makinesinde.

Soru, cevabı yönlendirir.

Usta katmanı — asıl bedel denetlemek

Üretken yapay zekâ bir metni saniyeler içinde üretir. Bu hız, işin maliyetinin sıfıra indiği izlenimini verir. Ama bir çıktı kullanılmadan önce denetlenmek zorundadır ve denetimin süresi, çıktının türüne göre çok farklıdır. Bir başlığın iyi olup olmadığı bir bakışta görülür; bir pazar analizindeki her sayının doğru olup olmadığını görmek, analizi baştan yazmaktan uzun sürebilir.

Görevi bölmek, doğrulamayı ucuzlatır.

Hata bedeli, denetimin derinliğini belirler.

Tek kişilik işletmede tek kural.

Yaygın hatalar

Aklında kalsın

Üretken bir model bilgiyi okuyup getirmez, en makul devamı üretir. Aynı istek farklı cevaplar verebilir ve özel bağlam verilmezse cevap ortalamaya benzer.

Dönüştürme görevi, malzemesi isteğin içinde verilen görevdir. Aracın en güçlü olduğu ve çıktının en kolay denetlendiği alan budur.

Akıcı uydurma, dayanağı olmayan bir bilginin doğru bir bilgiyle aynı güvenle yazılmasıdır. Sayılar, adlar, kaynaklar ve hesaplar kaynağa gidilerek denetlenir.

Doğrulama maliyeti, bir çıktıyı kullanmadan önce denetlemenin bedelidir. Aracın gerçek kazancı, üretim ve denetim birlikte düşüldükten sonra kalandır.

Sonraki derse köprü

Bu derste üretken yapay zekânın nasıl çalıştığını ve nerede güçlü, nerede güvenilmez olduğunu ele aldık: olasılık temelli üretim, dönüştürme görevi, akıcı uydurma ve doğrulama maliyeti. Niğdeli işletme artık ürün açıklamalarını araçla yazıyor, ama sayıları ve kaynakları kendisi buluyor.

İşletme sahibinin istekleri ise hâlâ tek satırdı: on iki ürün için açıklama yaz. Kimin okuyacağını, hangi bilgilere dayanacağını, neyi söylememesi gerektiğini ve iyi bir açıklamanın neye benzeyeceğini hiç yazmamıştı. Model bu boşlukları her seferinde en tipik olanla dolduruyordu.

Sıradaki ders görev ve bağlam tasarımını ele alıyor: bir isteği amacı, girdisi, kısıtları, örnekleri ve başarı ölçütüyle birlikte yazmayı orada çalışacağız.