Üretken yapay zekâ nedir?

Bu derste yapay zekânın en çok konuşulan dalı olan üretken yapay zekâyı (Generative AI) sıfırdan ele alıyoruz: ne olduğunu, klasik yapay zekâdan farkını, neler üretebildiğini ve sık yapılan yanılgıları. Bu, üniteye giriş dersimizdir; anlatım hiçbir ön bilgi gerektirmez ve serinin tamamına Yapay Zekâ dersleri sayfasından ulaşabilirsin.

Üretken Yapay Zekâ Nedir?

Üretken yapay zekâ, eğitildiği verilerden öğrendiği örüntüleri kullanarak yeni ve özgün içerik üretebilen yapay zekâ sistemlerine verilen addır. “Üretken” sözcüğü tam olarak buradan gelir: sistem bir şeyi yalnızca tanımaz, etiketlemez ya da puanlamaz; daha önce hiç var olmamış bir metni, görseli, sesi, videoyu veya kodu sıfırdan oluşturur.

Günlük bir örnekle düşünelim: Bir yapay zekâ aracına “fotosentezi ortaokul düzeyinde, günlük hayattan bir örnekle anlat” dediğinde sana yeni bir açıklama metni yazıyorsa ya da “kar fırtınasında duran kırmızı bisiklet” dediğinde hiç çekilmemiş bir fotoğraf gibi görünen bir görüntü oluşturuyorsa, karşındaki sistem üretken yapay zekâdır. Üretilen metin hazır bir cevaptan kopyalanmaz; model, öğrendiği dil örüntülerinden isteğe özel yeni bir yanıt kurar. 2022 sonundan itibaren sohbet asistanlarının, görsel üreticilerinin ve ses araçlarının hızla yaygınlaşmasıyla üretken yapay zekâ, alanın en bilinen ve en çok kullanılan dalı hâline gelmiştir.

Üretken Yapay Zekâ ile Klasik Yapay Zekâ Arasındaki Fark Nedir?

Yapay zekâ denince bugün çoğunlukla sohbet botları akla gelse de, alan bundan çok daha eskidir ve uzun yıllardır fark etmeden kullandığımız sistemler ağırlıklı olarak ayrıştırıcı türdendir. İki türün temel farkı şudur:

• Ayrıştırıcı yapay zekâ: Elindeki veriyi sınıflandırır ya da bir sonuç çıkarır. Çıktısı tek bir karardır: “Bu e-posta spam”, “Bu fotoğrafta kedi var”, “Bu işlem riskli görünüyor”. Spam filtreleri, yüz tanıma sistemleri ve öneri motorlarının karar katmanı bu gruba girer.
• Üretken yapay zekâ: Girdiye karşılık yeni bir içerik üretir. Çıktısı bir metin, görsel, ses ya da video gibi karmaşık bir üründür; karar döndürmez, içerik döndürür.
• Çıktı çeşidi: Ayrıştırıcı modelin cevabı sınırlı bir seçenek kümesinden biridir (spam ya da spam değil). Üretken modelin cevabı açık uçludur; aynı soruya her seferinde farklı bir çıktı üretebilir.

Kısaca ayrıştırıcı model “bu nedir?” sorusunu yanıtlarken, üretken model “buna benzer ama yeni bir şey yap” talebini karşılılar. İkisi de veriden örüntü çıkarma mantığına dayanır; amaçları ve çıktı türleri ise tümüyle farklıdır.

Üretken Yapay Zekâ Neler Üretebilir?

Üretken yapay zekâ tek bir teknoloji değil, farklı içerik türleri için geliştirilmiş bir model ailesidir. Başlıca çıktı türleri şunlardır:

• Metin: Makale, özet, e-posta taslağı, çeviri, hikâye, örnek soru. Ayrıntılar için AI ile metin üretme dersine bakabilirsin.
• Görsel: Yazılı bir açıklamadan illüstrasyon, logo taslağı ya da gerçekçi bir görüntü üretimi. Ayrıntılar AI ile görsel üretme dersinde.
• Ses: Metinden konuşma sentezi, seslendirme ve müzik üretimi. Konunun tamamı AI ile ses üretme dersinde.
• Video: Yazılı bir sahneyi betimleyen metinden kısa video üretimi; 2024-2025 döneminde en hızlı gelişen dallardan biri. Bkz. AI ile video üretme.
• Kod: Kod tamamlama, hata ayıklama yardımı ve program açıklama.

Metin ve kod tarafının motoru büyük dil modelleridir (LLM), görsel tarafın motoru difüzyon temelli modellerdir; ses ve video modelleri de kendi dallarını çalıştırır. 2024-2025 itibarıyla bu yetenekleri tek çatıda toplayan çok kipli (multimodal) modeller yaygınlaştı: aynı sohbette yazı üreten, görsel yorumlayan ve sesle konuşan tek sistemle karşılaşmak artık olağan.

Üretken Yapay Zekâ Nasıl Öğrenir ve Üretir?

1. Eğitim aşaması

Model, üretmeye başlamadan önce devasa miktarda veriyle eğitilir: dil modellerine milyarlarca cümle, görsel modellerine metin-görsel eşleşmeleri gösterilir. Model bu verideki sözcük seçimlerini, cümle kuruluşlarını ve görsel öğelerin bir araya geliş biçimlerini istatistiksel olarak öğrenir. Dil modeli için özetlenen soru şudur: “Bu cümleden sonra hangi parça gelmeye en yakın?”

2. Üretim aşaması

Sen bir istek yazdığında model, öğrendiği örüntülere göre yanıtı parça parça kurar. Kritik nokta şudur: model bir veri tabanında arama yapmaz; öğrendiği örüntülerden yeni bir çıktı inşa eder. Bu yüzden aynı isteği iki kez yazdığında yanıtlar birebir aynı olmayabilir; üretim olasılıksaldır. Ayrıca sohbet uzadıkça modelin aynı anda işleyebildiği içerik miktarı sınırlıdır; bu sınıra context window (bağlam penceresi) denir. ChatGPT gibi asistanların bu süreci adım adım nasıl yürüttüğünü ChatGPT nasıl çalışır? dersinde ayrıntılarıyla işliyoruz.

Üretken Yapay Zekâ Günlük Hayatta Nerelerde Kullanılır?

• Eğitim: Konuyu farklı seviyelerde anlatma, örnek soru üretme, yazım denetimi, dil pratiği.
• İş hayatı: E-posta ve rapor taslağı, toplantı özeti, sunum fikri, pazarlama metni.
• Yazılım: Kod tamamlama, hata mesajını açıklama, belge yazımı.
• Tasarım ve medya: Görsel taslak, seslendirme, kısa video, müzik.
• Günlük işler: Seyahat planı, yemek tarifi uyarlama, dilekçe ve mektup yazımı.

Ortak nokta şudur: her örnekte kullanıcı bir istek yazıyor, sistem buna karşılık yeni bir içerik üretiyor. İsteğin nasıl yazıldığı sonucun kalitesini doğrudan etkiler; istek metnine prompt denir ve bu konu ayrı bir dersin konusudur.

Sık Yapılan Hatalar ve Yanılgılar

• “Üretken yapay zekâ her şeyi bilir.” Yanlış. Model yalnızca eğitildiği veri kadar bilgilidir ve verinin toplandığı tarihten sonraki gelişmelerden habersiz olabilir. Üstelik hiç bilmediği bir konuda bile akıcı ama uydurma bir cevap üretebilir; buna hallüsinasyon denir.
• “Üretken yapay zekâ demek ChatGPT demektir.” ChatGPT en bilinen örneğidir ama alan çok daha geniştir; görsel, ses, video ve kod üreten araçların tamamı bu alanın parçasıdır.
• “Model internette arama yapıp cevabı buluyor.” Aramaz; eğitiminde öğrendiği örüntülerden cevabı kendisi üretir. Bu yüzden kaynağı olmayan ama kendinden emin cevaplar verebilir.
• “Model benimle konuşurken benim gibi düşünüyor.” Hayır. Model bilinç sahibi değildir; istatistiksel tahmin yapar. İnsan gibi “anlamaz”, örüntüye dayalı yanıt üretir.
• “Nasıl sorduğum fark etmez, sistem zaten anlıyor.” Aksine, istek ne kadar net ve ayrıntılıysa sonuç o kadar iyidir. İstek yazma becerisini bilinçli geliştirmeye prompt engineering denir.
• “Üretilen her içerik güvenilir ve özgündür.” Model güncel olmayan bilgi, yanlış veya uygunsuz içerik üretebilir; özellikle akademik, hukuki ve sağlık konularında çıktı mutlaka kontrol edilmelidir.

Ünitenin ardından gelen derslerde modelleri daha yakından tanıyacağız: kodu herkese açık modeller ile kapalı modellerin farkını ve bir model seçerken nelere bakılması gerektiğini açık kaynak yapay zekâ modelleri, kapalı yapay zekâ modelleri ve yapay zekâ modeli karşılaştırma derslerinde işliyoruz.