Yapay Zeka Nasıl Düşünür? (ChatGPT'nin Arkasındaki Teori)

Uygulamalar oluşturmak, içerik üretmek, problemleri çözmek—bir zamanlar sadece uzmanların üstesinden gelebildiği görevler artık birkaç iyi ifade edilmiş soruyla halledilebiliyor. Bu değişim oldukça önemli ve bu noktaya nasıl geldiğimizi anlamak da yapay zekanın gelişimini keşfetmekten geçiyor.

Bu makale, yapay zekanın gelişimini kilit aşamalar üzerinden takip ediyor:

• Yapay zeka nedir ve nereden gelir?
  Kökenlerine ve ilk gelişimine genel bakış.

• Derin Öğrenmenin Yükselişi
  Artan bilgisayar gücü ve verinin makine öğrenimini nasıl dönüştürdüğü.

• Dil Modellerinin Doğuşu
  İnsan dilini işleyip üretebilen sistemlerin ortaya çıkışı.

• LLM gerçekten nedir?
  Büyük dil modellerinin işleyişine ve nasıl çalıştıklarına dair bir çözümleme.

• Üretken Yapay Zeka Nedir?
  Yapay zekanın metin, görsel ve ötesinde yeni içerik oluşturma yeteneğini keşfetmek.

• Dijital Rehberler: Sohbet Botları Bizi Yapay Zekada Nasıl Yönlendiriyor?
  Sohbet arayüzlerinin yapay zekayı erişilebilir kılmadaki rolü.

Her bölüm, bugünün teknoloji manzarasını şekillendiren sistemlerin daha net bir resmini ortaya koyuyor.

Yapay zeka nedir ve nereden gelir?

İnsanlar her zaman düşünebilen makineler yapıp yapamayacaklarını merak etmiştir. Bilgisayarlar ilk oluşturulduğunda bu süreç hızlandı ve 1950’de Alan Turing aynı soruyu sordu, ardından ünlü Turing Testi ile devam etti; burada bir makine, bir insanı kandırıp kendisinin de insan olduğuna inandırmaya çalışır. Bu, Yapay Zeka ateşini yakan kıvılcım oldu. Bunu, normalde insan zekası gerektiren görevleri gerçekleştirmek olarak tanımladılar; dili anlayabilir, görüntüleri tanıyabilir, problemleri çözebilir ve kendi kararlarını verebilirlerdi; temelde tüm sorularınıza cevap verebilen ve tüm problemlerinizi çözebilen bir sanal insan haline geldiler. Bu yüzden Turing Testi önemliydi: Temelde bir Yapay Zekayı, şimdi karşısındaki insanın bir robot mu yoksa insan mı olduğunu anlaması gereken bir insanla karşı karşıya getiriyordunuz. Yapay zeka temelde insan düşüncesini taklit eder. Bu yüzden John McCarthy ona Yapay Zeka adını verdi. Bunun bu testleri geçip tamamen kendi başına kusursuz çalışacak seviyeye ulaşmasının bir yaz tatili süreceğini düşündüler ama gerçekte yapay zeka geliştirme süreci hâlâ devam ediyor.

Yapay zeka nedir ve nereden gelir?

Erken dönem yapay zeka, 60’larda ve 70’lerde, kural tabanlıydı. Bir bilgisayarın “düşünmesini” istiyorsanız, ona nasıl düşüneceğini tam olarak söylemeniz gerekiyordu. Bunlar uzman sistemlerdi, burada her kural bir insan tarafından kodlanmak zorundaydı. Bu bir yere kadar işe yaradı; yapay zekaya her ihtimal için her kararı öğretemezsiniz, bu imkansızdır ya da en azından öyleydi; bilgisayarların yeni kararları kendi başlarına nasıl verebileceklerini, karşılarına hiç çıkmamış kararları nasıl alacaklarını bulmaları gerekiyordu.

Makine Öğrenmesi devreye giriyor. 1980’lerde ve 1990’larda, araştırmacılar yeni bir fikre yöneldi: Ya bilgisayarlara sadece kurallardan değil, veriden öğrenmeyi öğretebilsek? İşte bu makine öğrenmesi, yani bir algoritmayı bir sürü örnekle eğitmek, böylece desenleri görebilir ve tahminler yapabilir. Bu ne anlama geliyor? Geçmişte yapay zekaya dil bilgisini öğretmek için her bir dilbilgisi kuralını tek tek yazmanız gerekirdi; makine öğrenmesi ise bir kavram olarak, yapay zekaya binlerce makale, kitap ve belge okutmak ve İngilizcenin nasıl çalıştığını kendi başına bulmasını sağlamak, yani kendi kendine öğrenmekti.

Derin Öğrenmenin Yükselişi

Makine öğrenmesi harikaydı ama sınırlıydı. Genellikle hangi özelliklere bakacağını ona insanların söylemesi gerekiyordu. Sonra Derin Öğrenme geldi; sinir ağları sayesinde, insan beyninin çalışma biçiminden esinlenen bir yapı ile büyük miktarda veriyi, ama adım adım, inceleyerek daha fazla deseni görmesini sağladı.

Gerçek atılım 2012 civarında yaşandı; AlexNet adında bir derin sinir ağı, büyük bir görsel tanıma yarışmasını ezici bir üstünlükle kazandı. Bir anda derin öğrenme, internetteki kedileri tanımakta insanları geçer hale geldi. Bu sadece daha iyi değildi, korkutucu derecede iyiydi. Derin öğrenme sayesinde, bir modele ham veri (metin, görsel, ses) verebiliyor ve o da önemli desenleri kendi başına bulabiliyordu. Artık el tutma yoktu. Sadece daha fazla veri, daha fazla katman, daha fazla işlem gücü. Yapay zeka üstel olarak öğrenmeye başladı.

Dil Modellerinin Doğuşu

Bir kez derin öğrenme görselleri çözdü, araştırmacılar şunu sordu: dili de çözebilir mi? Cevap, evet ama kolay değil. Dil, inceliklerle dolu. Ama yeterince veri ve yeterince akıllıca bir mimari ile, art arda verileri anlayabilen Recurrent Neural Networks (RNN) gibi derin öğrenme modelleri, yani sadece bir kelimeye değil, kelimelerin birbiri ardına nasıl geldiğine ve neden o şekilde geldiklerine bakabildi; daha sonra ise Transformers geldi ve sadece kelimelere sırayla bakmakla kalmadı, metne bir bütün olarak aynı anda bakabildi, bu da metni anlamaya ve üretmeye başlamalarına yardımcı oldu.

2017’de, Google, Transformer mimarisini tanıttı. Oyun değişti. Transformers, dili paralel olarak işleyebiliyor, daha hızlı, ve cümledeki farklı kısımlara dikkat edebiliyor, insan benzeri bir odaklanmayı taklit ediyordu. Bu mimari, Büyük Dil Modelleri veya LLM’lere güç veriyor; GPT, Gemini, Mistral, bir anda herkes kendisinin diğerinden daha iyi olan LLM’sini oluşturmak istedi.

LLM Gerçekte Nedir?

Büyük Dil Modeli (LLM), insan dilini üretmek ve anlamak için tasarlanmış bir yapay zeka sistemidir. Kitaplar, web siteleri, makaleler ve kod gibi devasa miktarda metin verisiyle eğitilir ve derin öğrenme kullanılarak oluşturulur. Kelimeleri bir insan gibi anlamak yerine, yazma ve konuşma biçimlerimizdeki desenleri öğrenir.

Arkasındaki teknoloji nedir? Dilin büyük ölçekte işlenmesini ve üretilmesini sağlayan bir Transformer mimarisi. ChatGPT’deki “GPT” buradan gelir:

• Üretici (Generative) – yeni içerik oluşturur
• Önceden eğitilmiş (Pre-trained) – önce genel verilerle öğrenir
• Transformer – ağır işi yapan model yapısı

LLM’nin versiyonuna bağlı olarak, sohbet botunun zekası, doğruluğu ve sohbet yetenekleri ciddi şekilde değişebilir. Yeni sürümler, bağlamı daha iyi anlar, daha az hata yapar ve daha faydalı yanıtlar sunar.

Bu farkın temelinde parametreler yatar – modelin bilgiyi nasıl işleyeceğini belirleyen milyarlarca bağlantı. Daha fazla parametre genellikle daha iyi hafıza ve daha derin anlama demektir.

Kesinlikle GPT-4, Claude, Gemini, LLaMA hakkında duymuşsundur. Şimdi önemli bir şeyi anlamak gerekiyor: bu modellerin hiçbiri “ne dediğini” gerçekten anlamaz, sadece bağlama göre bir sonraki kelimeyi tahmin etmede çok iyidirler.

Üretken Yapay Zeka Nedir?

Üretken yapay zeka, sıklıkla yapay zekalarla bağlantılı olarak duyacağınız bir kavramdır. Mevcut herhangi bir materyali kopyalamadan yazabiliyor, çizebiliyor, konuşabiliyor veya şarkı söyleyebiliyorsa, üretkendir — yani yeni şeyler üretir. Yeni metin (örneğin ChatGPT), görsel (örneğin DALL·E veya Midjourney), video (örneğin Sora) veya kod (örneğin GitHub Copilot) oluşturabilir. Birçok farklı LLM tarafından desteklenen birçok farklı türü vardır.

Sohbet Botları: Dijital Rehberlerimiz

Sohbet botları, tüm dünyanın karmaşık bilgisinin dostça giriş kapısıdır. Teknik bilgiye ihtiyaç duymak yerine, sadece bir sohbet başlatır ve yapay zekayı doğal bir şekilde keşfederiz. Korkutucu teknolojiyi bizim dilimize çevirirler.

Sohbet botu şu teknolojileri kullanır:

• Derin öğrenme: devasa metin verilerinden dil desenlerini öğrenmek için
• Transformer mimarisi: bağlamı ölçeklenebilir ve verimli bir şekilde anlamak için
• Makine öğrenmesi: geri bildirimle sürekli gelişmek ve uyum sağlamak için
• Üretken yapay zeka: gerçek zamanlı insan benzeri yanıtlar üretmek için

Ama unutmayalım: insan gibi “anlamaz”. Anlamayı taklit eder. Şimdilik bu yeterli. Yapay zeka tekilliğine henüz ulaşmadık, ama kesinlikle otobandayız. Ve ChatGPT? O, sadece çok daha uzun bir yolculuğun sonundaki en yeni kilometre taşı.