ChatGPT ve Dall-E Gibi Üretken Yapay Zeka Araçları Her Yerde: işte Bilmeniz Gerekenler

Yedi yılı aşkın bir süre önce, CNET, okuyucuların bir bilim kurgu romanı yazmasına yardım etmeye davet etti. Kitle kaynaklı çaba birkaç ay sürdü ve dünyanın dört bir yanından düzinelerce gönüllü yazar ve editörün katkılarını içeriyordu. Bugün, son aylarda dünyayı kasıp kavuran ChatGPT gibi üretken yapay zeka araçları ile karşılaştırılabilir uzunlukta tutarlı bir hikayeyi yalnızca saatler içinde veya belki de doğru ipuçlarıyla birkaç dakika içinde üretebiliriz.

Daha da çılgınca: CNET sanatçıları ve diğerleri tarafından o zamanlar kitle kaynaklı romanımız için oluşturulan çizimler, bugün Dall-E 2 gibi yapay zeka araçlarıyla dakikalar içinde yapılabilir ve çok azı farkı fark edebilir

ChatGPT şimdiden tarihin en hızlı benimsenen yeni teknoloji ürünlerinden biri haline geldi. Muhtemelen e-postalardan ve kapak mektuplarından okul ödevlerine kadar her şeyi oluşturmaya yardımcı olmak için kullanıldığını duymuşsunuzdur. Bu arada, benzer modeller yalnızca sayısız stilde görüntü değil, aynı zamanda video ve hatta müzikte de yer etmekte.

Siri veya iPhone’dan bu yana daha fazla olay yaratan herhangi bir şeyi hatırlamak zor. Her şeye ayak uydurmak daha da zor, işte üretken yapay zeka hakkında en acil sorularınızın tümüne hızlı yanıtlar.

Üretken Yapay Zeka Nedir?

Bazı Google mühendislerinin bile size söyleyebileceklerinin aksine, OpenAI‘nin ChatGPT’si veya Microsoft‘un kendisine Sydney adını verdiği anlaşılan yeni Bing botu gibi sohbet robotları duyarlı veya bilinçli değildir. Bizi bu noktaya getiren şey sihir ya da hepimizi köleleştirmeye yönelik şeytani bir komplo değil. Aksine, karmaşık matematik, kod, kitaplık değerinde veri ve çok fazla bilgi işlem gücünün ürünüdür.

Platformlar, büyük dil modelleri (LLM’ler) veya bazen üretken dil modelleri veya dönüştürücü dil modelleri olarak adlandırılanları temel alır — ChatGPT’deki GPT, “üretken önceden eğitilmiş dönüştürücü” anlamına gelir. Bunlar, terabaytlar değerindeki verileri işleyen, genellikle doğrudan internetten kazınan, eğitim verileri adı verilen veri kümesi içindeki kalıpları ve ilişkileri not eden makine öğrenimi sistemleridir.

ChatGPT söz konusu olduğunda, metin veri kümeleri yeterlidir. Dall-E, Stable Diffusion ve Midjourney gibi görüntü oluşturucular, çok sayıda görüntüye bakılarak ve onlara eşlik eden altyazıları okuyarak bunların ne olduğunu öğrenerek eğitilirler, bu nedenle modeller yine de dile güvenir.

Bir nöral ağ, tonlarca veri üzerinde eğitilebilen ve ardından kalıplardan içgörüler çıkarabilen bir tür makine öğrenme sistemidir. Böyle bir nöral ağ yeni değildir. Geçen yıl piyasaya sürülen halka açık üretken sistemlerde olan ağ, bu kalıpların yalnızca öğrenme değil, aynı zamanda içerik oluşturma sürecini tersine çeviren ve sisteme verilen bilgi istemiyle eşleştiğinden emin olmak için onu ilk nöral ağına karşı kontrol eden ikinci bir nöral ağıyla eşleştirilmesidir.

Temelde, ChatGPT veya Dall-E’ye bir bilgi istemi verirsiniz ve onlar, eğitim verilerinden derlenen tüm kalıplara ve ilişkilendirmelere dayalı olarak bir sonraki kelimenin (veya bir görüntü söz konusu olduğunda pikselin) ne olması gerektiğini tahmin ederek bir yanıt formüle eder.

LLM’ler Başka Ne Yapabilir?

Metin ve resim oluşturmaya ek olarak, diğer AI sistemleri, örneğin Pist Gen1 ve Meta’nın Make-a-Video‘su benzer yollarla video efektleri, filtreler ve tüm sahneler oluşturur.

Kısa bir süre önce, Google‘ın araştırma kolu, MusicLM‘nin metin tabanlı istemleri alıp bunları müzik örneklerine dönüştürebilen erken bir sürümünü yayınladı. Sonuçlar etkileyici.

Giysilerden binalara kadar her türlü nesne için kod ve 3D tasarımlar oluşturmak için de üretken sistemler kullanılıyor. Teorik olarak, bir yapay zekayı eğitmek için yeterli miktarda içeriğin bir biçimi veya ortamı varsa veya yalnızca bir veri kümesi varsa, o zaman yapay zekanın bu tür içeriği kendi başına oluşturabilmesi gerekir.

IBM, kanser veya bakteriyel enfeksiyonla savaşmaya yardımcı olabilecek yeni yarı iletkenler ve moleküller geliştirmek için üretken sistemler kullanıyor. Neyin üretilebileceğinin bir sınırı olmayabilir, bu aynı zamanda hem heyecan verici hem de biraz ürkütücüdür.

Bunu Nasıl Kullanabilirim?

Muhtemelen hızla şişen bir yapay zeka balonu var ve startup’lar birdenbire iş için daha fazla spam e-postadan tüm pazarlama videolarına kadar her şeyi oluşturmak için yapay zeka kullandığını iddia ediyor. İnsanlar kesinlikle sohbet robotları ve görüntü oluşturucularla eğleniyor ve bazı yaratıcılar, yeni çalışmanın konseptleri veya ilk taslakları üzerinde çalışırken araçları faydalı buluyor.

Yapay zekanın bitişik biçimleri, hava tahmini ve tıbbi görüntüleme analizi gibi şeylerde sessizce devrim yaratıyor

Yapay zekanın mevcut durumunun nadiren bahsedilen bir avantajı, belirli bir edebi veya sanatsal hareketin tüm kanonunu işlemek veya belirli bir müzik türünün ton yapısını bozmak gibi, insanların tamamlaması yıllar alacak şeylerde oldukça iyi olmasıdır. Aynı zamanda, AI’nın bazı zayıf noktaları – karmaşık bağlamları anlamak, öngörülemeyen veya yenilikçi şekillerde hareket etmek ve duyguları veya duyusal girdileri değerlendirmek – insanların çok az çaba sarf ederek veya hiç çaba harcamadan mükemmelleştiği şeylerdir.

Bu teknolojinin birçok kullanımı, hem biyolojik hem de yapay zekanın en iyi yaptığı şeyi vurgulamak için yapay zeka ile işbirliği yapmanın yeni yollarında yatıyor olabilir.

Duyarlı Olmadığından Nasıl Emin Olabilirsin?

Basit, gerçekten: Bilgi, anlama değildir. LLM’ler, sizi kütüphanenin doğru bölümüne yönlendirmenin ötesine geçebilen bir referans kütüphaneciye sahip olmak gibidir – size kütüphanedeki herhangi bir kitaptan herhangi bir satırdan alıntı yapabilir. Çünkü hepsini okuyup ezberlemiştir. Ama bir sorun var. Bu görünüşte mükemmel kütüphaneci, kütüphanedeki her şeyi okumaktan başka hiçbir şey yapmamıştır.

Yaşam deneyimi eksikliği, yuttuğu her kelimenin arkasındaki bağlamları, alt metinleri, niyetleri ve diğer gerçek olmayan nüansları doğru bir şekilde yorumlamasını zorlaştırıyor. Daha da kötüsü: Aynı şey, kütüphane müşterilerinden aldığı soruları ve istemleri doğru bir şekilde anlama becerisi için de geçerli. Bu yüzden sık sık yanlış anlamakta.

Sanki yazılı kelimenin tamamı, herhangi bir konudaki sorularımızı yanıtlamaya hazır tek bir kişi tarafından ezberlenmiş gibi. Tek hile, kişinin aynı zamanda bir uzaylı olmasıdır.

Birçok ChatGPT kullanıcısı, sistemin verdiği yanıtlarda sık sık olgusal hatalar ve tutarsızlıklar fark etti. Bunun nedeni, gerçek kontrolü yapılmamış zengin bir veri üzerinde eğitilmiş olması ve kendi başına gerçek kontrolü yapmaması, sadece okunan her şeye dayanarak bir sonraki kelimenin ne olması gerektiğini tahmin etmesidir. Kelimenin tam anlamıyla sağduyusu yoktur. Bu, CNET‘in üretken bir AI modeli kullanırken deneyimlediği bir şey olan hatalara yol açabilir.

Diğer şeylerin yanı sıra saymakta gerçekten zorlanan görüntü oluşturucularda da garip şeyler oluyor. Yanlış parmak sayısına sahip figürler komik bir şekilde yaygındır.

Yani Sorunlar Var, Değil Mi?

Her yeni teknolojinin ve aracın kötü amaçla kullanılması gibi riskler var ve yapay zeka ile hala pek çok bilinmeyen var, bu da onu biraz daha korkutucu hale getiriyor. Öğrencilerin yapay zeka tarafından oluşturulan ödevler gönderdiğini gören öğretmenlerin veya insanlardan daha ucuz ve daha hızlı çalışan yapay zekaların yerini almaktan endişe duyan yazarların ve diğer yaratıcıların endişelerini muhtemelen zaten duymuşsunuzdur.

Tüm bu endişeler geçerlidir ve belki de yukarıdaki görüntüdeki gözler ve parmaklar gibi içeriğin yapay zeka tarafından üretildiğini söyleyen bazı bilgilere aşina olmamız gereken yeni bir gerçekliğin göstergesidir. Tabii ki, tam da bunu kavradığımızda, yapay zeka üreticilerinin daha iyi hale gelmesi ve ürettikleri işin insan yapımı işlerden ayırt edilmesinin zorlaşması muhtemel.

Yanıtlanmamış bir dizi etik ve yasal kaygı da vardır. Bir avuç sanatçı, yapay zeka görüntü üreteçlerinin arkasındaki bazı şirketlere, eserlerinin sistemleri izinsiz olarak eğitmek için internetten alındığını ve tazminat almaya hak kazanabileceklerini iddia ederek dava açıyor. CNET ve diğer birçok medya kuruluşunun içerik için görüntüleri lisanslamak üzere sözleşme yaptığı Getty Images, bir trilyon doların üzerinde tazminat talep eden benzer bir dava açtı.

Bu sadece başlangıç. Çünkü üretken yapay zeka sistemleri bir bakıma tüm internetin bir yansıması. Bu, ırkçılık, cinsiyetçilik ve diğer türden önyargı ve ahlaksızlıkların, platformların kontrol etmek için tüm çabalarına rağmen sonuçlara gizlice girebileceği anlamına gelir. Benzer hatlar boyunca mahremiyet endişeleri ve sonuçları manipüle etmek için eğitim verilerine bir “zehir hapı” karıştırılabileceği gibi rahatsız edici bir fikir de var. Son yıllarda gördüğümüz gibi sosyal medyada botlar tarafından üretilen sahte haberler bir şeydir. Milyonlarca veya milyarlarca kişi tarafından kullanılan bir sohbet robotunun, bozuk veriler üzerinde eğitildiği için sahte veya manipüle edilmiş yanıtlar vermeye başladığını hayal edin.

O Zaman Korkmalı Mıyım?

Tüm bunlardan rahatsız olmanız veya bunalmış olmanız anlaşılabilir bir durumdur. Çok fazla ve kısa bir süre içinde kültürü hızla etkiledi. İnsanların temel doğası hakkında kendime söylediğim ve en azından kısa vadede teselli bulduğum bazı şeyler var.

İlk olarak, LLM’lerin gerçekten ne kadar yaratıcı olduğu sorusu var. Görüntü oluşturucular kendini tekrar etmeye başlayabilir ve ayrıca insan yapımı bir sanat eserini gözlemlerken tahmin etmeyi sevdiğimiz ilham kıvılcımından ve belirli bir niyetten yoksundurlar. Aslında, bu sistemleri harekete geçirmenin bütün amacı budur; niyet ve ilham için insanlara güvenmek üzere tasarlandılar.

Elbette yapay zekayı kendi başına daha yaratıcı olacak şekilde ayarlamanın yolları olabilir, örneğin ondan eğitim verilerinde bulduğu daha zayıf ilişkilere dayalı olarak özel olarak yeni içerik oluşturmasını isteyebilir. Bu, matematik ve kod kullanarak insan yaratıcılığını simüle etmenin bir yolu olabilir. Ama yaratıcı bir buluş ya da duşta bir eureka anı yaşayan herhangi biri size bunun genellikle hiçbir yerden gelmediğini söyleyecektir.

Henüz yaratıcılığımızı kendimiz anlamıyoruz, dolayısıyla onu bir makinenin anlayabileceği ve kopyalamaya çalışabileceği bir koda çeviremiyoruz. Bu, insan duyguları, birçok duyusal deneyim veya beynin bilim tarafından hala iyi anlaşılmayan temel işlevinin çoğu hakkında hiçbir şey söylememek demektir.

Tekrardan, bu sadece bir başlangıç. Bazıları, önümüzdeki on veya yirmi yıl içinde yapay genel zekaya doğru yöneldiğimize inanıyor – bu, ayırt edilemez bir şekilde gerçekten bir insanla aynı yeteneklere sahip bir sistem olacaktır .Diğer uzmanlar bunun uzun bir süre olmayacağını düşünüyorlar, hatta hiç olmayacaklar.

Şu an için yapılacak en iyi şey bu sistemlere, nasıl çalıştıklarına ve neleri yapıp neleri yapamayacaklarına aşina olmaktır. Bilgi, terabaytlarca bilgiden bile daha güçlüdür ve bu, yapay zekaya karşı hâlâ sahip olduğumuz bir avantajdır. En azından şimdilik.