Şimdiye kadar yapay zekanın daha çok tahmin yapan veya bir şeyi sınıflandıran yönüne baktık. Bir fotoğrafta kedi olup olmadığını anlamak veya bir metinde sıradaki kelimeyi tahmin etmek buna örnek olabilir.
Üretken yapay zeka ise farklı bir şey yapıyor. Var olan bir şeyi yalnızca analiz etmek veya sınıflandırmak yerine yeni içerikler üretiyor.
Metin yazabiliyor, görsel oluşturabiliyor, müzik besteleyebiliyor ve video üretebiliyor. Son yıllarda hızla yaygınlaşan pek çok yaratıcı yapay zeka aracının arkasında da bu yaklaşım bulunuyor.
Tanımaktan üretmeye
Yapay zekanın uzun yıllar boyunca en önemli kullanım alanlarından biri tanıma ve sınıflandırmaydı.
Bir görüntüde ne olduğunu belirlemek, bir e-postanın spam olup olmadığını anlamak veya verilerdeki belirli bir örüntüyü tespit etmek gibi görevler bunun örnekleri.
Üretken yapay zeka ise süreci tersine çeviriyor.
Bir görüntüyü analiz edip bunun ne olduğunu söylemek yerine, bize verdiğimiz açıklamaya göre yeni bir görüntü oluşturabiliyor. Bir metni okumakla sınırlı kalmak yerine yeni bir metin yazabiliyor.
Önceki bölümlerde ele aldığımız büyük dil modelleri de bunun bir örneği. Bir LLM, kendisine verilen girdiye dayanarak daha önce var olmayan yeni metinler oluşturabiliyor.
Ancak üretken yapay zeka yalnızca metin üretmekle sınırlı değil. Aynı temel yaklaşım farklı medya türlerine de uygulanabiliyor.
Görsel üretim araçları nasıl çalışıyor?
Bugün “rahat bir kütüphanede kitap okuyan bir tilki” gibi bir açıklamayı gerçekçi bir görsele dönüştürebilen pek çok araç bulunuyor.
Bu sistemlerin önemli bir bölümünde difüzyon adı verilen bir yöntem kullanılıyor.
Yöntemin temel mantığı ilk bakışta biraz ters görünüyor.
Eğitim sırasında model gerçek görüntülerle çalışıyor ve bu görüntülere aşamalı olarak rastgele gürültü ekleniyor. Görüntü giderek bozuluyor ve sonunda tamamen gürültüden oluşan bir hale geliyor.
Model bu süreç boyunca görüntünün nasıl bozulduğunu öğreniyor.
Daha sonra süreç tersine çevriliyor. Model tamamen rastgele bir gürültüyle başlıyor ve bunu adım adım temizlemeye çalışıyor. Verilen metin açıklaması da bu süreci yönlendiriyor.
Başlangıçta anlamsız görünen gürültü, her adımda biraz daha anlamlı bir yapıya dönüşüyor ve sonunda ortaya istenen özelliklere sahip bir görüntü çıkıyor.
Bunu mermer bloğunun içinde saklı bir heykeli ortaya çıkaran bir heykeltıraşa benzetebiliriz. Model, başlangıçtaki gürültü içerisinden anlamlı bir görüntüyü adım adım ortaya çıkarıyor.
Tek model, birden fazla yetenek
Yeni nesil yapay zeka sistemlerinin önemli özelliklerinden biri de çok modlu, yani multimodal olmaları.
Bu sistemler yalnızca tek bir veri türünü işlemek yerine metin, görüntü, ses ve video gibi farklı veri türleriyle çalışabiliyor.
Örneğin bir modele bir fotoğraf gösterip fotoğraf hakkında soru sorabilirsiniz. Model görüntüyü analiz edip size metinle cevap verebilir.
Ya da yazılı bir açıklama verip bunun karşılığında bir görsel veya video oluşturmasını isteyebilirsiniz.
Bu yaklaşım önemli çünkü gerçek dünya zaten yalnızca metinden, yalnızca görüntüden veya yalnızca sesten oluşmuyor. İnsanlar çevrelerini bu farklı bilgi türlerini bir arada kullanarak algılıyor.
Yapay zeka sistemlerinin de farklı veri türlerini birlikte değerlendirebilmesi, onları çok daha esnek ve doğal araçlara dönüştürüyor.
Gücün iki farklı yüzü
Üretken yapay zekanın sunduğu imkanlar oldukça geniş.
Tasarım fikirleri oluşturabiliyor, yazılı içeriklerin ilk taslaklarını hazırlayabiliyor, müzik üretebiliyor ve birçok farklı işin daha hızlı tamamlanmasına yardımcı olabiliyor.
Ancak aynı teknoloji kötüye de kullanılabiliyor.
Gerçekmiş gibi görünen sahte fotoğraflar oluşturmak, insanların seslerini taklit etmek veya gerçekte yaşanmamış olayları gösteren videolar üretmek mümkün hale geliyor. Bu tür sahte ve ikna edici içeriklerin en bilinen örnekleri arasında deepfake adı verilen uygulamalar bulunuyor.
Burada teknolojinin kendisi bir karar vermiyor. Nasıl kullanılacağına insanlar karar veriyor.
Üretken yapay zeka, yapay zekanın içerik üretme kapasitesinde büyük bir sıçrama yarattı. Ancak bugün yaşanan değişimin bir sonraki aşaması yalnızca içerik üretmekle ilgili değil.
Yeni nesil sistemler kendilerine verilen bir görevi anlayıp gerekli adımları planlayabiliyor, araçları kullanabiliyor ve bazı görevleri kullanıcı adına tamamlayabiliyor.
Bu yaklaşım bizi yapay zekanın bir sonraki önemli aşamasına, ajan tabanlı yapay zekaya götürüyor.
Tüm projelerim ve üzerinde çalıştığım konuları incelemek istersen https://hub.barisgunduz.com/ adresini ziyaret edebilirsin.
