Üretken Yapay Zekâ
- İngilizcesi
- Generative AI
- Okunuşu
- cenırıtiv ey-ay
Günlük kullanımda iki ad da yaygın.
Kısaca
Üretken yapay zekâ, mevcut verilerden öğrenilen örüntülere dayanarak metin, görüntü, kod ya da ses gibi yeni içerik oluşturan yapay zekâdır.
Üretken yapay zekâ nedir?
Üretken yapay zekâ, mevcut verileri yalnızca sınıflandıran ya da puanlayan değil, yeni içerik üreten modelleri ifade eder. Soru ya da açıklama gibi bir prompt verildiğinde üretken bir model yanıt yazabilir, kod taslağı çıkarabilir, görüntü oluşturabilir, müzik besteleyebilir ya da bir ses sentezleyebilir. En bilinen örnekler, metin ve kod için büyük dil modelleri ile görüntü ve video üreticileridir.
Bu modeller, kendi alanlarının istatistiksel örüntülerini öğrenmek için devasa veri kümeleriyle eğitilir. Büyük bir dil modeli metni her seferinde kendinden önceki her şeye dayanarak olası bir sonraki token'ı seçip token token üretir; çoğu görüntü üreticisi ise rastgele gürültüden başlayan ve onu adım adım prompt'a uyan bir resme dönüştüren difüzyon modellerini kullanır. Temperature gibi ayarlar çıktının ne kadar öngörülebilir ya da çeşitli olacağını kontrol eder.
Yardımcı bir benzetme, son derece çok okumuş bir doğaçlamacıdır: sayısız örneği özümsemiştir ve istendiğinde benzer bir üslupta yeni bir şey üretebilir, ancak bir kaynağa bağlı olmadıkça gerçekleri araştırmaz. Üretken yapay zekânın halüsinasyon görüp makul ama yanlış ifadeleri güvenle üretebilmesinin ve kodlama asistanları, chatbot'lar ve belge taslağı araçları gibi gerçek ürünlerde retrieval-augmented generation (RAG) ve insan incelemesi gibi tekniklerin önem taşımasının nedeni budur.
Üretken yapay zekâ çoğu zaman genel olarak yapay zekâyla karıştırılır. Geleneksel ya da ayırt edici (discriminative) makine öğrenmesi modelleri, bir işlemi dolandırıcılık olarak işaretlemek gibi mevcut girdileri sınıflandırır ya da puanlar; üretken modeller ise yeni çıktılar oluşturur. Üretken yapay zekâ, bir yapay zekâ ajanıyla da aynı şey değildir: ajan, araçlarla plan yapmak ve eylem gerçekleştirmek için üretken bir model kullanır; model tek başına yalnızca içerik üretir.
Önemli noktalar
- Üretken yapay zekâ, bir prompt'tan yeni metin, görüntü, kod, ses ya da video oluşturur.
- LLM'ler metni token token üretir; birçok görüntü modeli difüzyon kullanır.
- Çıktılar doğrulanmış gerçeklere değil, öğrenilmiş örüntülere dayanır; bu yüzden halüsinasyon olur.
- Yanıtları RAG ile temellendirmek ve insan incelemesi eklemek güvenilirliği artırır.
- Ayırt edici modeller mevcut verileri sınıflandırır; üretken modeller yeni veri üretir.
Örnek
// Send a prompt to a text-generation API (endpoint and fields are illustrative)
const response = await fetch("https://api.example.com/v1/generate", {
method: "POST",
headers: {
"Content-Type": "application/json",
Authorization: `Bearer ${process.env.AI_API_KEY}`,
},
body: JSON.stringify({
prompt: "Write a haiku about code reviews.",
maxTokens: 60,
temperature: 0.8, // higher values give more varied output
}),
});
const { text } = await response.json();
console.log(text);Sık sorulan sorular
Üretken yapay zekâ ile geleneksel yapay zekâ arasındaki fark nedir?
Geleneksel makine öğrenmesi sistemleri çoğunlukla bir görüntüyü sınıflandırmak ya da fiyat tahmin etmek gibi mevcut verileri analiz eder. Üretken yapay zekâ ise metin yazmak veya görüntü oluşturmak gibi yeni içerik üretir; ancak ikisi de makine öğrenmesi üzerine kuruludur.
Büyük dil modelleri üretken yapay zekâ mıdır?
Evet. Büyük dil modelleri üretken yapay zekânın en yaygın kullanılan türüdür; birbiri ardına bir token tahmin ederek metin ve kod üretirler. Üretken yapay zekâ ayrıca görüntü, ses ve video oluşturan modelleri de kapsar.
Üretken yapay zekâ çıktısına güvenilebilir mi?
Körü körüne değil. Üretken modeller ikna edici ama yanlış ifadeler, eski bilgiler ya da güvensiz kod üretebilir; bu yüzden önemli çıktılar güvenilir kaynaklarla karşılaştırılmalı, test edilmeli ya da bir insan tarafından incelenmelidir.
İlgili sayfalar
- LLMYapay Zekâ ve Makine Öğrenmesi, s. 28LLM, çok büyük metin yığınlarıyla eğitilmiş ve bir sonraki en olası metin parçasını tekrar tekrar tahmin ederek dil üreten bir makine öğrenmesi modelidir.
- TransformerYapay Zekâ ve Makine Öğrenmesi, s. 45Transformer, bir dizideki her token'ın diğerleriyle ilişkisini attention ile tartan ve çoğu modern LLM'e güç veren bir sinir ağı mimarisidir.
- HalüsinasyonYapay Zekâ ve Makine Öğrenmesi, s. 25Halüsinasyon, bir LLM gibi yapay zekâ modelinin kendinden emin bir şekilde kulağa makul gelen ama yanlış, uydurma ya da kaynaksız bilgi üretmesidir.
- PromptYapay Zekâ ve Makine Öğrenmesi, s. 35Prompt, bir LLM gibi bir yapay zekâ modeline hangi görevi yapmasını ve nasıl bir yanıt istediğinizi söylemek için verdiğiniz girdi metni ya da yönergelerdir.
- TemperatureYapay Zekâ ve Makine Öğrenmesi, s. 42Temperature, bir LLM'nin çıktısının ne kadar rastgele olacağını belirleyen ayardır: düşükken odaklı ve öngörülebilir, yüksekken daha çeşitli ve yaratıcıdır.
- Çok Modlu Yapay ZekâYapay Zekâ ve Makine Öğrenmesi, s. 11Çok modlu yapay zekâ, metin, görüntü, ses ve video gibi birden çok veri türünü tek bir modelde anlayabilen veya üretebilen yapay zekâdır.
- Yapay ZekâYapay Zekâ ve Makine Öğrenmesi, s. 50Yapay zekâ (AI), normalde insan zekâsı gerektiren işleri yapabilen sistemler kuran bilgisayar bilimi alanıdır.
- GPTYapay Zekâ ve Makine Öğrenmesi, s. 23GPT (Generative Pre-trained Transformer), bir sonraki token'ı tahmin ederek metin üreten, OpenAI'a ait bir büyük dil modeli ailesidir.
- Vibe CodingYapay Zekâ ve Makine Öğrenmesi, s. 48Vibe coding, istediğinizi bir yapay zekâya anlatıp yazdığı kodu kabul ederek ve sonucu çoğunlukla çalışıyor görünmesine göre değerlendirerek yazılım yapmaktır.
- Difüzyon ModeliYapay Zekâ ve Makine Öğrenmesi, s. 15Difüzyon modeli, rastgele gürültüden başlayıp onu adım adım temizleyerek görüntü, ses ya da video üreten bir üretken yapay zekâ modelidir.
Bu sayfada bir hata ya da eksik mi gördünüz?Düzeltme önerin