1960’ların ortalarında, Massachusetts Teknoloji Enstitüsü’nde (MIT) vizyoner bir bilgisayar bilimcisi olan Joseph Weizenbaum’un öncülüğünde doğal dil işleme alanında çığır açan bir girişim başlatıldı. ELIZA olarak bilinen bu öncü proje, insan-makine etkileşimlerinin araştırılmasında önemli bir kilometre taşına işaret ediyordu.
ELIZA, belirli bir bilgisayar dilinde yazılmış ayrıntılı talimatlar içeren özel komut dosyalarını kullanarak çalışıyordu. Tıpkı farklı insanların farklı dilleri konuşabilmeleri ve o dile ait kelime haznesini tanımaları gibi. Bu komut dosyaları ELIZA’nın dili anlaması ve işlemesi için çok kritikti çünkü araca insanların kullandıkları cümle kalıplarını nasıl tanıyacağını ve bunlara nasıl yanıt vereceğini anlatıyordu. Hazırlanan en ünlü komut dosyalarından biri olan ‘DOCTOR’, ELIZA’nın bir psikoterapist gibi davranmasını bile sağlayabiliyordu. MIT’deki bu girişim geleceğe ışık tutma anlamında ilham verici olsa da ELIZA karşılıklı diyalogları gerçek anlamda anlamaktan yoksundu, sadece rol yapıyordu.
Hepsi temelde tek bir amaca hizmet ediyordu. Makinelerin yapabileceği birtakım görevleri onlara insan diliyle anlatmak veya insanların bu görevleri nasıl yapabileceğini onlardan kendi dilimizde açıklamalarını istemek.
ELIZA araştırmasından birkaç yıl sonra, 1970’lerde geliştirilen PARRY adlı bir araç, şizofren bir hastayı taklit ederek yapay zekayla psikolojik modelleme alanında yeni sınırlar çizdi. 1980’lerde ise bir yapay zeka simülatörü olarak tanımlanan Racter ortaya çıktı. Yine aynı yıllarda geliştirilen Jabberwacky, insan etkileşimlerinden öğrenme becerisiyle esprili yanıtlar üreterek yapay zeka sohbetine mizahi bir taraf kattı.
Yine 1990’larda geliştirilen ve sezgisel örüntü eşleştirmeye dayalı, birden fazla Loebner Ödülü kazanan A.L.I.C.E., Microsoft Office’in ünlü asistanı Clippy, 2011’de ünlü yarışma programı ‘Jeopardy!’i kazanan IBM Watson, yine aynı yıl ortaya çıkan hepimizin yakından tanıdığı Siri, 2012 yılında tanıştığımız Google Asistan ve 2014’te gelen Amazon Alexa, Microsoft Cortana, son kullanıcıya 2022’de sunulan ChatGPT, bunların yanında daha niceleri…
Hepsi temelde tek bir amaca hizmet ediyordu. Makinelerin yapabileceği birtakım görevleri onlara insan diliyle anlatmak veya insanların bu görevleri nasıl yapabileceğini onlardan kendi dilimizde açıklamalarını istemek.
Günah keçisi
Microsoft Office’i 90’ların sonundan 2000’lerin başına dek kullanmış olan herkes, dokuz yıl boyunca kendilerine “yardımcı” olan Clippy’yi hatırlayacaktır.
Internet Explorer 6 kadar nefret edilmese de Clippy’nin Office paketinden çıkarılması pek de yas tutulan bir gelişme olmadı. Şimdilerde birçok web uygulamasının otomatik ve istenmeyen destek müdahalelerini yeniden denemeye başlaması ise sormamız gereken önemli bir soruyu ortaya çıkardı…
Clippy anlamlı bir gelişim sürecinden yoksundu çünkü kullanıcı girdilerini işleyerek öğrenme kapasitesi yoktu.
Clippy neden başarısız oldu?
Clippy özünde yeni kullanıcıları etkilemek için tasarlanmıştı. Bu ilk karşılaşma birçok kullanıcı için büyüleyici olabilirdi ancak sık sık Microsoft Office kullananlar için Clippy’nin ipuçları genellikle hedefi ıskalıyordu.
Clippy ile ilişkimizdeki asıl sorunlar ise artık onun yardımına ihtiyaç duymadığımızda başlıyordu. Clippy’yi kapatmak ve daha da önemlisi kapalı tutmak ciddi bir problem haline geldi. Sadece özelliği kapatmak geçici bir çözümdü çünkü Clippy, Office her yeniden başlatıldığında o çok tanıdık sahte gülümsemesi ve komik kaşlarıyla yeniden ortaya çıkıyordu. Bu nedenle, çoğu kullanıcının zihninde kalan anı, Clippy’yi dijital çalışma alanlarından kalıcı olarak çıkarma mücadelesiydi.
Tüm bunların yanında, Clippy anlamlı bir gelişim sürecinden yoksundu çünkü kullanıcı girdilerini işleyerek öğrenme kapasitesi yoktu. Geliştiriciler, Clippy’nin iletişim kalıplarını ve tetikleme mekanizmalarını iyileştirmede kendilerine rehberlik edebilecek kritik, gerçek zamanlı kullanıcı verilerini kullanmıyorlardı.
Clippy’nin temelini oluşturan yazılım, her kullanıcı için son derece kişiselleştirilmiş deneyimler oluşturmak için gerekli olan incelikli verileri toplayacak donanıma sahip değildi ve bu durum onun gerçekten yardımcı bir asistan olmasını engelledi.
Peki, ChatGPT neden başarılı oldu? Cevap basit: Çünkü ChatGPT iyi çalışıyor. Hatasız değil fakat işini yapıyor.
GPT’ler niçin kritik?
Açıkçası bu yazıda ChatGPT’nin hünerlerini uzun uzun tartışmak yerine geçtiğimiz aylarda GPTs (GPT’ler) adıyla tanıtılan ve sektörde büyük sükse yapan kişisel asistanlara odaklanacağız.
GPT’ler sadece sohbet ederek, makine-insan iletişimini yerel dile indirgemede sarfedilen 70 yılı aşkın süren çabaların belki de en önemli meyvelerinden biri; en azından fikir olarak…
GPT’ler, günlük yaşamınızda, belirli görevlerde, işte ya da evde daha yararlı olacak şekilde ChatGPT’nin kişiselleştirilmiş sürümlerinin oluşturmanın yeni bir yolunu sunuyor. Ayrıca bu sohbet botlarını başka kullanıcılarla paylaşıp para kazanabileceğiniz bir resmi uygulama mağazası sistemi de yakın zamanda kullanıma sunulacak.
OpenAI CEO’su Sam Altman, GPT’leri tanıttığı sırada yaptığı konuşmasında şu sözleri sarf etmişti:
“GPT yaratmak isteyen birçok kişinin nasıl kod yazılacağını bilmediğinin farkındayız. Sadece sohbet ederek bir GPT programlayabilmeniz için bunu yaptık. Doğal dilin gelecekte insanların bilgisayarları nasıl kullanacağının büyük bir parçası olacağına inanıyoruz ve bunun ilginç bir erken örnek olduğunu düşünüyoruz.”
GPT’ler sadece sohbet ederek, makine-insan iletişimini yerel dile indirgemede sarfedilen 70 yılı aşkın süren çabaların belki de en önemli meyvelerinden biri; en azından fikir olarak…
ChatGPT, kişiselleştirilmiş sohbet botu yaratmayı hem kod bilmeyenler için mümkün hale getirdi hem de bu imkanı teknoloji okuryazarı olmayan son kullanıcıların dahi kolaylıkla kavrayabileceği bir yöntemle sundu.
Doğru açı
GPT’ler henüz mükemmel sonuçlar üretemese de yapay zeka teknolojisi için hedeflediği başarı kıstası açısından çok önemli bir adım olarak görülüyor. Çünkü kendini kendi dilinde iyi ifade edebilenlerin kolayca kişisel asistanlar üretebilmesini sağlıyor. Bu az önce de belirttiğimiz gibi yöntem açısından tarihi bir başarı. Yine de GPT’lerin mükemmelleştirilmeden piyasaya sürülmesini erken görüyor ve sektörde bu denli sükse yaratmasını, yaptığını iddia ettiği şeyin gerçekten haber değeri taşımasına bağlıyoruz. Rakiplerin de benzer pazarlama hileleriyle yanlış sektör beklentileri yarattıkları aşikâr.
Keşke ürünleri ve servisleri ulaştığı başarı oranında dürüst ve getireceği gerçek değer noktasına vurgu yaparak pazarlamayı öğrenebilsek. Aksi durumlarda, Google’ın Gemini adlı yapay zekayı tanıtırken kullandığı görüntülerin kurgu olması gibi gerçek cazibe noktalarını kaçırıp hem ürünün kendi değerini hem de ardıl güncellemelerin kullanıcı gözündeki güvenilirliğini riske sokmuş oluyoruz.
Bu nedenle markaların öne çıkan ve diğer servislerin kapsayıcılık alanlarıyla kesişmeyen özelliklerini parlatmaları gerektiğini, her kampanyada Amerika’yı yeniden keşfetmek zorunda olmadıkları notunu düşmeli.
Adaptasyon gücüne güvenen organizasyonların GPT’leri kişiselleştirilmiş sohbet botlarının en başarılı hali gibi görmek yerine onları katma değer üretecek şekilde kullanmanın yollarını keşfetmeleri gerekiyor. Günün sonunda arka planda hazır komut paketleri ve özelleştirilmiş veri havuzu dışında yapabildikleri çok da bir şey yok keza. Bugün mükemmel çalışan asistanınız yarın hata yapabiliyor. Siz zorlamadıkça, özelleştirdiğiniz veri paketine bakmayı bile unutabiliyor.
Yapay zekanın temelleri olan makine öğrenimiyle tanışın
Yapay zeka en büyük atılımını geçtiğimiz sene içerisinde yapmış olsa da henüz mükemmele veya pazarlandığına yakın güçte değil. Bakalım bu sene neler göreceğiz?
Bu yazı Digital Report Dergisinin 18. sayısında yayınlanmıştır.
