Üretken Yapay Zekâ (Generative AI) Nedir?
Kısa tanım
Üretken yapay zekâ (generative AI), eğitim verisindeki örüntüleri öğrenerek yeni metin, görsel, ses, video veya kod üreten yapay zekâ modellerinin genel adıdır. Var olan veriyi sınıflandıran ya da bir değer tahmin eden modellerden farkı, çıktısının yeni bir içerik olmasıdır. Büyük dil modelleri, difüzyon tabanlı görsel modelleri ve konuşma sentezi sistemleri bilinen örneklerdir; çıktılar akıcı olsa da doğrulanmadan kullanılmamalıdır.
Diğer adları: generative AI, GenAI, üretken YZ, üretici yapay zekâ, generative artificial intelligence
Karar veren model ile üreten model
Makine öğrenmesi modellerinin önemli bir kısmı ayırt edicidir (discriminative): Bir e-postanın spam olup olmadığına, bir işlemin dolandırıcılık şüphesi taşıyıp taşımadığına karar verir ya da gelecek ayın satışını tahmin eder. Üretken modeller ise verinin kendisine benzeyen yeni örnekler üretir. Aynı e-posta kutusunda ayırt edici model “bu spam” der; üretken model müşteriye gönderilecek cevabın taslağını yazar.
| Soru | Ayırt edici model | Üretken model |
|---|---|---|
| Çıktı nedir? | Bir etiket, olasılık veya sayı | Metin, görsel, ses, kod |
| Doğruluk nasıl ölçülür? | Etiketli test verisiyle, net bir doğru-yanlış | Çoğu zaman insan değerlendirmesi veya görev bazlı testlerle |
| Tipik risk | Yanlış sınıflandırma | Akıcı ama yanlış ya da uygunsuz içerik |
Başlıca model aileleri
- Dil modelleri: Büyük dil modelleri metni ve kodu token token, bir önceki parçaya dayanarak üretir.
- Difüzyon modelleri: Görsel üretiminde yaygındır. Model rastgele gürültüden başlayıp metin açıklamasının yönlendirmesiyle gürültüyü adım adım azaltarak bir görsel ortaya çıkarır.
- Ses ve konuşma modelleri: Metinden konuşma sentezi, müzik ve ses efekti üretimi.
- Çok kipli modeller: Birden fazla veri türünü birlikte işleyip üretebilen çok kipli modeller, bu ailelerin arasındaki sınırı giderek siliyor.
Bu modellerin çoğu, geniş veriyle eğitilip farklı görevlere uyarlanabilen temel modellerdir. Ortak noktaları, öğrendikleri olasılık dağılımından örnek çekmeleridir; bu yüzden aynı istek her seferinde birebir aynı çıktıyı vermeyebilir.
Web ve arama için ne değişti?
İlk değişiklik bilgiye erişimde oldu. Kullanıcılar sorularını giderek daha sık bir asistana ya da arama motorlarının yapay zekâ destekli cevap alanlarına soruyor; yapay zekâ araması sayfaları listelemek yerine onlardan derlenmiş bir cevap sunuyor. Bu cevaplarda kaynak olarak yer almak için yapılan çalışmalar GEO başlığı altında toplanıyor.
İkinci değişiklik içerik üretiminde. Google'ın üretken yapay zekâ içeriği rehberi, içeriğin nasıl üretildiğinden çok kullanıcıya değer katıp katmadığına baktığını belirtir; ancak değer katmadan çok sayıda sayfa üretmenin ölçekli içerik kötüye kullanımı (scaled content abuse) kapsamında spam politikalarını ihlal edebileceği uyarısını da yapar. Aynı rehber, başlık, meta açıklama, yapılandırılmış veri ve alt metin dahil yapay zekâyla üretilen içeriğin yayından önce elle kontrol edilmesini ister.
Riskler ve sorumlu kullanım
- Doğruluk: Model bilmediği yerde akla yatkın ama yanlış ayrıntı üretebilir; bu duruma halüsinasyon denir. Rakam, tarih, alıntı ve kaynak bilgisi her zaman kontrol edilmelidir.
- Hak ve lisans: Üretilen içeriğin telif durumu ve eğitim verisinin kullanımı birçok ülkede hâlâ tartışma ve dava konusudur; ticari kullanımda sağlayıcının kullanım koşullarını okumak gerekir.
- Kişisel veri: Prompt'a yapıştırılan müşteri bilgileri, sağlayıcıya aktarılmış veri anlamına gelebilir.
- Şeffaflık: İçeriğin nasıl üretildiğini okura açıklamak, özellikle görsellerde ve haber niteliğindeki içerikte güveni korur.