Değer Kutusu
Yazımın ilk kısmında yapay zeka tarihinde önemli yer tutan uygulamalardan bahsetmiş ve ChatGPT konusuna giriş yapmıştım. Yazımın ikinci kısımda ise ChatGPT’nin çalışma prensibini, kullanım alanlarını ve tehlikelerini anlatmaya devam edeceğim.
Çalışma Prensibi
ChatGPT, gündelik hayatımızda her yerde karşımıza çıkıyor! Peki bu teknolojinin altında ne yatıyor? Temelde arkadaki algoritma bir sonraki kelimeyi tahmin ederek çalışıyor. Bir dil modeli, girdi olarak bir dizi kelimeyi alıyor ve bir sonraki kelimenin olasılık dağılımını döndürüyor. Kelimelerin giriş sırasının uzunluğu, dil modeline özel olan bağlam penceresi boyutuyla sınırlı oluyor (örneğin, ChatGPT için 4.096 kelime).
Yukarıdaki görselde görüleceği üzere “The sky is” yazdığımızda arkada algoritma en yüksek olasılıkla “blue” ile cümlenin devam edeceğini tahmin ediyor. Hep bir sonraki kelimemizi tahmin ettiği için algoritmaya sorduğumuz her soruyu aslında cümlenin devamı olarak yanıtlıyor.
Yukarıda bahsettiğim, bir sonraki kelimeyi tahmin eden algoritmayı bir de teknik açıdan incelemek istiyorum. Bu modellerde çok sayıda parametre bulunuyor. Parametre dediğimiz şey ise aslında nöral ağın ağırlıklarını ifade ediyor. Örneğin Meta’nın yayınladığı açık kaynak olan llama-2–70b modelinde 70 milyar parametre bulunuyor, her bir parametrenin 2 byte olduğu göz önüne alındığında o bu parametre dosyasının boyutu 140 gigabyte ediyor. Bu parametreler için internet üstünden toplanan 10 terabyte’lık verinin sıkıştırılması sürecinde en 6.000 adet GPU (grafik işlem birimi) gerekiyor, bu da 2 milyon dolar ve 12 gün gibi bir zaman harcanmasına tekabül ediyor.
OpenAI'nın kurucusu Sam Altman, bir röportajında GPT-4'ün eğitim sürecinin 100 milyon doların üzerinde bir GPU maliyetine sahip olduğunu söylüyor! GPT-4'ün 1 trilyon parametreye sahip olduğu söyleniyor, ancak bunlar şu an için yalnızca spekülasyon kabul ediliyor. Çünkü OpenAI, GPT-4'ün eğitim süreci hakkında tam rakamları açıklamadığı için, elimizde kesin bir bilgi bulunmuyor.
ChatGPT modellerinin bize doğru sonuçlar vermesi oldukça önemli bir nokta. Çünkü bu modeller doğru komutlarla (prompt’larla) yönlendirilmezse algoritma halüsinasyon adı verilen yanlış bilgiler veriyor. Prompt'lar, modelin hangi türden metin veya verilerle eğitileceğini, hangi türden cevaplar üreteceğini belirlemek için kullanılıyor. Prompt mühendisliği, AI modellerinin istenilen sonuçları üretmesi ve istenmeyen sonuçların azaltılması veya ortadan kaldırılması için büyük bir rol oynuyor. Doğru şekilde tasarlanmış promptlar, modelin çıktılarını daha öngörülebilir kılarak istenmeyen davranışları minimize ediyor ve daha tutarlı sonuçlar elde edilmesine yardımcı oluyor. Dolayısıyla sorularımızı ChatGPT’ye sorarken soruyla ilgili mümkün oldukça detay vermek, hatta mümkünse örneklendirmek, alacağımız sonucun doğruluğunu artırıyor ve modelin gerçek olmayan (hayali) cevaplar verme olasılığını azaltıyor.
Uygulama ve Kullanım Örnekleri
Günümüzde bu teknolojiyi kullanan birçok uygulama bulunuyor. En çok bilinenleri; Google BARD, OpenAI ChatGPT, Google Gemini, Meta Grok. Bu isimlerin hepsi farklı firmaların ürettiği, aynı işi yapan uygulamalar olarak hizmet veriyor. Bu uygulamalar ve daha nicelerini hayatımızın birçok alanında kullanabiliyoruz. Denemeler, e-postalar ve kapak mektupları oluşturma, görsel üretme veya görseli ayrıntılı olarak açıklama, kod yazma, özet çıkarma, şiirler ve şarkı sözleri yazma gibi kişisel destekler alabiliyoruz.
Şirketler ise, ChatGPT'yi müşteri hizmetleri ve destek sistemlerine entegre ederek kullanıcıların sorularını yanıtlamak veya problemlerini çözmek için kullanabiliyor. OpenAI’ın Microsoft ile kurduğu ortaklık ile, Microsoft da algoritma olarak OpenAI teknolojisini kullanıyor. Microsoft’un yakın zamanda duyurduğu, tüm Ofis 365 araçlarına yapay zekayı entegre edecek Copilot 365 uygulaması birçok yönden iş hayatını kolaylaştıracağa benziyor.
Şirketlerin yapay zekadan nasıl yararlandığından bahsetmişken, Borusan Cat olarak proaktif iş modelimizi destekleyen teknolojilerin başında gelen yapay zeka uygulamalarımızdan bahsetmezsem olmaz 😊 “Daha İyi Bir Dünya İçin Çözüm Üretiriz” şirket amacımızla, teknolojiyi bu dünyanın iyi insanları olmak için kullanmak bizim için büyük bir önem taşıyor. Bu doğrultuda, yapay zekadan hem kendi iş süreçlerimizde hem de müşterilerimize sunduğumuz çözümlerde yararlanıyoruz.
İş makinelerinde arızaları daha gerçekleşmeden, dakikalar içinde tahmin eden yapay zeka uygulamamız Müneccim ile; geleneksel süreçleri dijitalleştirip sektörümüzün dönüşümünde öncü bir rol oynuyoruz. Bu uygulamamızda, makinelerden gelen verileri algoritmalarla işleyerek hangi makinelerin servis kontrolü ihtiyacı olduğunu, arızalanma potansiyeline sahip olduğunu yüksek doğrulukla tahmin edebiliyoruz. İş makinelerinin sesini 30 saniye gibi kısa bir süre dinleyerek arıza tespiti yapabilen, “Ustanın Kulağı” dediğimiz Sesle Arıza Tespiti yapay zeka uygulamamızı süper uygulamamız Boom360 üstünden müşterilerimize sunuyoruz. Yine şirketlerinin olmazsa olmazı ürün öneri motorumuz ile, müşterilerimiz Boom360 üzerinden parça alırken yanında alabilecekleri diğer parçaları tahmin edip onlara ürün önerileri sunuyoruz. Makine alma ihtimali olan müşterileri öngören yapay zeka algoritmamız RFMS ile satış danışmanı arkadaşlarımıza destek veriyoruz.
Söylemeden geçemeyeceğim, yapay zeka teknolojilerini operasyonlarımızda nasıl kullandığımızla Harvard Business School’da vaka çalışması olarak ele alınmak da oldukça gurur verici!
Tehlikeler
Teknoloji nasıl kullanıldığına bağlı olarak faydalı veya zararlı olabiliyor. Bu tehlikeler şirket veya kişisel verilerin gizliliği konusunda endişe yaratabiliyor. Kullandığınız uygulamanın sizin yazmış olduğunuz veriyi saklamayacağından veya kullanmayacağından emin olmanız gerekiyor. Daha önce de bahsettiğimiz gibi modeller sizin komutunuza yönelik yanıt verdiği için net, detaylı sorulmayan bir soru yanlış bilgilendirmeyle sonuçlanabiliyor. Generative AI kullanılarak ses ve görüntü klonlama teknolojileri ve bu şekilde yapılan dolandırıcılıklar da artıyor. Bazı alanlarda neyin yapay zeka tarafından üretildiğini anlamamız da gittikçe zorlaşıyor.
Belki de tüm bu okuduğunuz yazıyı ChatGPT’ye yazdırmışımdır, ne dersiniz 😊
Okuduğunuz ve zaman ayırdığınız için çok teşekkür ederim!
Kaynakça
https://www.coursera.org/learn/generative-ai-for-everyone/lecture/u2EQ9/automation-potential-across-sectors
https://economicgraph.linkedin.com/content/dam/me/economicgraph/en-us/PDF/future-of-work-report-ai-november-2023.pdf
https://content.dataiku.com/llm-starter-kit
https://memsql.wistia.com/medias/tck1f3clzj?campaignid=701UJ000000pYIzYAM
https://barissglc.medium.com/llm-large-language-models-nedir-b%C3%BCy%C3%BCk-dil-modellerine-k%C4%B1sa-bir-giri%C5%9F-9872ce8523af
https://memsql.wistia.com/medias/xqtu6j46y0
https://www.youtube.com/watch?v=UU1WVnMk4E8
https://www.youtube.com/watch?v=zjkBMFhNj_g&t=2s
https://on24static.akamaized.net/event/43/71/52/4/rt/1/documents/resourceList1699896189333/llmdevdaysession2final1699896189333.pdf
https://on24static.akamaized.net/event/43/71/54/9/rt/1/documents/resourceList1699985599696/llmdevdaysession41699985599696.pdf
https://on24static.akamaized.net/event/43/71/30/0/rt/1/documents/resourceList1700153986852/llmdevdaysession1stakeholderreviewdt202311151700153986852.pdf
https://nvdam.widen.net/s/rvsgdxpfkz/dli-generative-ai-llm-learning-path-2740963
https://www.deeplearning.ai/short-courses/chatgpt-prompt-engineering-for-developers/
https://learn.microsoft.com/tr-tr/microsoft-365-copilot/microsoft-365-copilot-overview
https://www.youtube.com/watch?v=EEhgiHnnHXg
Yasin Dinç
SON EKLENENLER
Değer Kutusu
Değer Kutusu
14 yıldır yapay zeka ve veri bilimi alanında farklı konularda çalışmalar yapıyor. Şu anda Veri Bilimi Lideri olduğu Borusan Cat’te, 2019’dan beri Yapay Zeka üretmek üstüne çalışmalar yürütüyor. Motor sporları tutkunu olan Yasin, psikanalizle ilgili okumayı ve veriyle uğraşıp yeni teknolojiler deneyimlemeyi seviyor.