Yapay zeka, geçmişten günümüze bilgisayar bilimlerinin temel alanlarından biri oldu. Ancak, son yıllarda özellikle 2022'nin sonlarında, ChatGPT ve benzeri üretken yapay zeka sistemleri sayesinde, bu teknoloji geniş kullanıcı kitlesine daha erişilebilir hale geldi. Bu teknolojinin kökeni 1950'lerin başına dayansa da, şimdi ise çeşitli üretken yapay zeka hizmetleri hızla çoğalıyor.
Bu yeni dönem, kullanıcıların basit komutlar vererek yapay zeka sistemlerinin yeni veriler üretmesini sağlayan bir süreci ifade ediyor. Bu veriler sadece metinlerle sınırlı kalmayıp, görseller, videolar, müzikler ve diğer içerik türlerini de içeriyor. ChatGPT gibi sistemler, kullanıcıların ihtiyaçlarına yanıt verebilmek için sürekli olarak yeni içerikler oluşturmakta. Bu da yapay zekânın üretkenliğinin ve kullanımının önemli şekilde arttığını gösterdi.
Teknoloji uzmanları, günümüzde GPT-3 gibi önde gelen yapay zeka modellerine dayalı olarak geliştirilen ChatGPT ve benzeri uygulamalarla birlikte, Google'ın Bard'ı, Dall-E, Midjourney gibi görüntü oluşturucularıyla da ilgileniyor. Bu sistemlerin temel fikri, yapay zeka algoritmalarının insanlar kadar yaratıcı olma çabası içinde olmaları.
Bu yapay zeka sistemleri bazen etkileyici sonuçlar ortaya koymakta. Örneğin, yapay zeka tarafından üretilen bir görüntü, gerçek bir fotoğraftan ayırt edilemeyecek kadar gerçekçi olabiliyor ya da bir sohbet robotu, profesyonel bir yazarın yazabileceği türden metinler üretebiliyor.
CHIP dergisindeki analizlere göre, ChatGPT ve benzeri sistemlerin başarısı, üç ana unsur etrafında şekilleniyor: daha iyi donanım, daha fazla öğrenme verisi ve daha gelişmiş yapay zeka modelleri.
Bu sistemlerin gelişmesinde, artan donanım kapasitesi ve daha geniş ölçekte öğrenme için erişilebilir veri miktarı büyük önem taşıyor.
YAPAY ZEKA DEVAMLI ÖĞRENEN BİR ÖĞRENCİ
Makine öğrenimi ve sinir ağları, yapay zekâ araştırmalarında köklü teknikler olarak bilinse de, büyük ölçekli yapay zekâ modellerine dair çığır açan bir adım, 2017 yılında Google Research tarafından sunulan 'Attention is all you need' başlıklı makale ile gerçekleşti. Bu makale, Transformer adı verilen yeni bir sinir ağı mimarisiyle öne çıktı. Transformer'lar, mevcut modellere göre daha hızlı bir eğitim sürecine sahip olmalarının yanı sıra, birçok adımı aynı anda işleyebildikleri için uygulamalarda daha üstün bir performans sergiliyor.
Ancak, Transformer mimarisi, üretken yapay zekâ için sadece bir anahtar bileşen olmanın ötesine geçiyor; ikincil olarak, çoğunlukla ilgili alan uzmanlarının katkılarıyla sağlanıyor.
OpenAI'nin ChatGPT gibi yapay zekâlarını eğitmek için kullandığı yöntem sadece dil modelinin kelimeler arasındaki ilişkileri öğrenmesi değil, aynı zamanda insan geri bildiriminden takviye öğrenme gibi ilkelere de dayanıyor. Bu durumda, yapay zekâ eğitildiği veri ölçüsünde zekâ sergiledi. Eğer bu veriler hatalıysa, yapay zekâ da kaçınılmaz olarak hatalar yapacaktır. Bu sebeple, insanlar eğitim sürecindeki sorgulara yanıt vererek, yapay zekâ için önemli bir kaynak oluşturuyorlar. Yapay zekâ bu insan yanıtlarını da ek bir girdi olarak değerlendiriyor.
Aslında, yapay zekâyı uzun bir süreç boyunca çeşitli kaynaklardan öğrenen, ancak insan müdahalesi olmaksızın bilgi edinmeye devam eden bir tür öğrenci olarak düşünebiliriz. Transformer mimarisi, girilen kelimeler arasındaki ilişkileri analiz ederek girdi cümlesinin bağlamını anlamayı hedefliyor. Bu da girdiyi değerlendiren ve matematiksel olarak ağırlıklandıran kodlayıcıların işlevselliği üzerine kurulu.
İnsan kelimeleri, yapay zekâ tarafından anlaşılabilmesi için önce bireysel değerlere, ardından matematiksel fonksiyonlarla ağırlıklandırılan vektörlere dönüştürülür. Yapay zekâ, eğitim verilerinden elde edilen bilgilere dayanarak bu ağırlıklandırmayı gerçekleştirir. Bu süreci, birbirine bağlı terimlerin yoğunlaştığı kelime bulutları olarak düşünebiliriz. Örneğin, 'CHIP' terimi, yarı iletken, CPU veya transistör gibi çok yakın ilişkili terimlerle ilişkilendirilirken, futbol veya kek gibi daha az olası terimlerle ilişkilendirilebilir.
Kod çözücü, kodlayıcının çıktılarına dayanarak mümkün olan en olası çıktıyı elde etmeye çalışır. Transformer mimarisi, bir dizi kodlayıcı-kod çözücü geçişi sağlar. Çıktının son parçası, örneğin ChatGPT gibi bir yapay zekânın kelime kelime işlediği bir süreçtir. Bu şekilde, metin girdisi çeşitli matematiksel adımlar ve dönüşümlerle insan tepkisine benzer bir metin çıktısına dönüştürülür.
Transformer'daki kodlamanın önemli bir parçası olan dikkat mekanizması, bir kelimenin cümle veya metnin daha geniş bölümleriyle ilişkilendirilmesini sağlar. Bu sayede, dil modeli girdide hangi kelimelerin özellikle önemli olduğunu belirler ve o ana kadar üretilen cevaba ne kadar uyduğunu tahmin eder.
YASAL SORUNLARI HEP GÜNDEMDE
Üretken yapay zekâ, dışarıdan basit görünse de karmaşık bir yapı içerir. Özellikle büyük dil modelleri veya görüntü oluşturucuları kullanırken, hangi eğitim verilerinin kullanıldığı genellikle belirsizdir. ChatGPT gibi yapay zekâlar, olasılıklara dayalı olarak çalıştıkları için doğalarında yalan söylemeyi tercih etmezler, fakat yanıtları oluştururken bu olasılıkları kullanırlar.
Kanun koyucular, yeni teknolojiler karşısında hala net bir duruş sergilemekte zorlanıyorlar. Telif hakkı yasaları, şimdiye kadar tamamen insanın emek ve başarılarına dayanıyordu. Ancak artık bu durum değişmekte ve yapay zekânın yaratıcı katkıları gibi konular da gündeme gelmektedir. Bu süreçte net bir düzenlemenin olmaması, yapay zekânın yaratıcılığı ve telif hakları konusunda belirsizlikleri beraberinde getirmekte.
ZOR GEÇEN İLK YILINI GERİDE BIRAKTI
ChatGPT'nin piyasaya sürülmesinin üzerinden bir yıl geçti ve bu süreç oldukça çalkantılı ve tartışmalı günlerle dolu oldu.
OpenAI tarafından geliştirilen ChatGPT, 30 Kasım 2022'de, yani tam bir yıl önce, kullanıcıların komutları doğrultusunda metin, şiir hatta bilgisayar kodu bile yazabilen bir sohbet robotu olarak hayata geçti. Şimdi ise ChatGPT, ilk yılını geride bırakmanın gururunu yaşıyor.
