{"id":849,"date":"2023-05-23T21:40:25","date_gmt":"2023-05-23T18:40:25","guid":{"rendered":"http:\/\/yarimada.gen.tr\/?p=849"},"modified":"2023-05-23T21:40:27","modified_gmt":"2023-05-23T18:40:27","slug":"yapay-zekanin-politikligi","status":"publish","type":"post","link":"http:\/\/yarimada.gen.tr\/?p=849","title":{"rendered":"Yapay Zek\u00e2n\u0131n Politikli\u011fi"},"content":{"rendered":"\n

OpenAI, ChatGPT’den birka\u00e7 ay sonra merakla beklenen GPT-4’\u00fc \u00e7\u0131kard\u0131. OpenAI, be\u015f y\u0131lda \u00f6nemli bir yol katetti. GPT (Generative Pre-trained Transformer – \u00dcretken \u00d6n \u0130\u015flemeli D\u00f6n\u00fc\u015ft\u00fcr\u00fcc\u00fc) ilk olarak 11 Haziran 2018’de yay\u0131mlanan “\u00dcretken \u00d6n E\u011fitimle Dil Anlay\u0131\u015f\u0131n\u0131 Geli\u015ftirme” ba\u015fl\u0131kl\u0131 makalede tan\u0131t\u0131lm\u0131\u015ft\u0131. O zamana kadar en iyi sinirsel NLP (Natural Language Processing – Do\u011fal Dil \u0130\u015fleme) modelleri \u00f6ncelikle b\u00fcy\u00fck miktarlarda etiketlenmi\u015f verilerden denetimli \u00f6\u011frenmeyi kullan\u0131yordu. Bu yakla\u015f\u0131m maliyetli oldu\u011fu gibi \u00f6zellikle a\u00e7\u0131klamas\u0131 yeterli olmayan veri setlerinde s\u0131n\u0131rl\u0131 bir performans g\u00f6steriyordu. GPT’nin “yar\u0131 denetimli” yakla\u015f\u0131m\u0131 ise iki a\u015fama i\u00e7eriyordu. Denetimsiz \u00fcretken “\u00f6n i\u015fleme” a\u015famas\u0131nda ba\u015flang\u0131\u00e7 parametrelerini ayarlamak i\u00e7in bir dil modelleme hedefi kullan\u0131l\u0131yor. \u0130kinci a\u015famada ise bir denetimli ayr\u0131\u015ft\u0131r\u0131c\u0131, parametreleri hedeflenen g\u00f6reve uyarlayarak ince ayar yap\u0131yor. Kamunun kullan\u0131m\u0131na a\u00e7\u0131lmayan GPT-1, 120 milyon parametreye sahipti. Modelin e\u011fitiminde \u00e7e\u015fitli t\u00fcrlerde 7000 yay\u0131nlanmam\u0131\u015f kitaptan elde edilen 4,5 GB metin kullan\u0131lm\u0131\u015ft\u0131. 14 \u015eubat 2019’da \u00e7\u0131kar\u0131lan GPT-2 ise 1,5 milyar parametreye sahipti ve e\u011fitiminde Reddit’te oylanan 45 milyon web sayfas\u0131ndan, 40 GB metin ve 8 milyon belgeden yararlan\u0131lm\u0131\u015ft\u0131. 11 Haziran 2020’de \u00e7\u0131kar\u0131lan GPT-3’te parametre say\u0131s\u0131 175 milyara ula\u015ft\u0131, e\u011fitiminde kullan\u0131lan metin miktar\u0131 570 GB oldu (https:\/\/en.wikipedia.org\/wiki\/Generative_pre-trained_transformer<\/a>).<\/p>\n\n\n\n\n\n\n\n

Microsoft, GPT-3’\u00fc “yurtta\u015f geli\u015ftiriciler” olarak adland\u0131r\u0131lan ve \u00e7ok az programlama deneyimi olan veya hi\u00e7 olmayan ki\u015filerden ileri d\u00fczeyde programlama uzmanl\u0131\u011f\u0131na sahip profesyonel geli\u015ftiricilere kadar herkesin i\u015f \u00fcretkenli\u011fini art\u0131rmak i\u00e7in uygulamalar olu\u015fturmas\u0131na yard\u0131mc\u0131 olan Microsoft Power Apps platformuna entegre etmeye \u00e7al\u0131\u015ft\u0131. YZ (Yapay Zek\u00e2) destekli bu sistemde ” ‘\u00e7ocuklar’ ad\u0131 ile ba\u015flayan \u00fcr\u00fcnleri bul” gibi konu\u015fma dilini kullanarak programlama hedefleri tan\u0131mlanabiliyor. B\u00f6yle giri\u015fimler olunca yaz\u0131l\u0131mc\u0131lar ister istemez “YZ i\u015fimizi elimizden mi al\u0131yor?” diye sormaya ba\u015flad\u0131lar. Microsoft y\u00f6neticilerinden Charles Lamanna, ama\u00e7lar\u0131n\u0131n kesinlikle geli\u015ftiricilerin yerine YZ’yi koymak olmad\u0131\u011f\u0131n\u0131, d\u00fcnyadaki sonraki 100 milyon geli\u015ftiriciyi bulmak oldu\u011funu s\u00f6yledi (https:\/\/news.microsoft.com\/source\/features\/ai\/from-conversation-to-code-microsoft-introduces-its-first-product-features-powered-by-gpt-3\/<\/a>). Ayr\u0131ca The Guardian, GPT-3’\u00fc YZ’nin insanlara zarar\u0131n\u0131n olmad\u0131\u011f\u0131n\u0131 savunan bir makale yazd\u0131rmak i\u00e7in kulland\u0131. Baz\u0131 fikirlerle beslenen GPT-3 sonunda tek bir makalede birle\u015ftirilen sekiz farkl\u0131 makale \u00fcretti (https:\/\/www.theguardian.com\/commentisfree\/2020\/sep\/08\/robot-wrote-this-article-gpt-3<\/a>). GPT-3’\u00fc belirli konularda i\u00e7erik \u00fcretmek d\u0131\u015f\u0131nda kullanmay\u0131 deneyenler de oldu. Drexel \u00dcniversitesi’den bir \u00e7al\u0131\u015fmaya g\u00f6re GPT-3, Alzheimer hastal\u0131\u011f\u0131n\u0131n erken belirtilerini tespit etmede faydal\u0131 olabilirdi (https:\/\/journals.plos.org\/digitalhealth\/article?id=10.1371\/journal.pdig.0000168<\/a>).<\/p>\n\n\n\n

27 Temmuz 2022’de protein dizilimlerinde kullan\u0131lan ProtGPT2 ve 24 Eyl\u00fcl 2022’de de biyomedikalde kullan\u0131lan BioGPT \u00e7\u0131kt\u0131. \u0130nsanlar d\u00f6rt g\u00f6zle GPT-4’\u00fc beklerken ChatGPT, 30 Kas\u0131m 2022’de bir prototip olarak piyasaya s\u00fcr\u00fcld\u00fc. ChatGPT, GPT-3’\u00fcn iyile\u015ftirilmi\u015f bir versiyonu olan GPT-3,5’e dayan\u0131yordu. Zaman zaman sa\u00e7malasa da bir\u00e7ok bilgi alan\u0131ndaki ayr\u0131nt\u0131l\u0131 ve anla\u015f\u0131l\u0131r yan\u0131tlar\u0131yla ilgi oda\u011f\u0131 oldu. ChatGPT o kadar ba\u015far\u0131l\u0131yd\u0131 ki okullar ChatGPT ile kopyaya kar\u015f\u0131 \u00f6nlem almak zorunda kald\u0131lar. \u015eubat 2023’te Hong Kong \u00dcniversitesi \u00f6\u011frencilere ve \u00f6\u011fretim elemanlar\u0131na derslerde, \u00f6devlerde ve de\u011ferlendirmelerde ChatGPT veya di\u011fer YZ ara\u00e7lar\u0131n\u0131n kullan\u0131m\u0131n\u0131n yasak oldu\u011funu belirten bir e-posta g\u00f6nderdi. \u00d6\u011frenci, dersin \u00f6\u011fretim eleman\u0131ndan \u00f6nceden yaz\u0131l\u0131 izin almad\u0131\u011f\u0131 takdirde, herhangi bir ihlalin \u00fcniversite taraf\u0131ndan intihal olarak de\u011ferlendirilece\u011fi belirtildi (https:\/\/web.archive.org\/web\/20230219011809\/https:\/\/www.scmp.com\/news\/hong-kong\/education\/article\/3210650\/university-hong-kong-temporarily-bans-students-using-chatgpt-other-ai-based-tools-coursework<\/a>). Aral\u0131k 2022’de, yaz\u0131l\u0131m geli\u015ftiricilerin en \u00e7ok ziyaret etti\u011fi sitelerden biri olan Stack Overflow, ChatGPT’nin yan\u0131tlar\u0131n\u0131n olgusal olarak belirsiz do\u011fas\u0131n\u0131 gerek\u00e7e g\u00f6stererek, sorulara yan\u0131t olu\u015fturmak i\u00e7in ChatGPT kullan\u0131m\u0131n\u0131 yasaklad\u0131 (https:\/\/www.theverge.com\/2022\/12\/5\/23493932\/chatgpt-ai-generated-answers-temporarily-banned-stack-overflow-llms-dangers<\/a>).<\/p>\n\n\n\n

14 Mart 2023’te, beklenen an geldi ve GPT-4 sahneye \u00e7\u0131kt\u0131. GPT-4, ChatGPT Plus’a da eklendi. Ama bunun i\u00e7in ayda 20 dolar \u00f6demeniz gerekiyor. \u015eu anda s\u0131n\u0131rl\u0131 say\u0131da kullan\u0131c\u0131 GPT-4’\u00fc \u00fccretsiz olarak test edebiliyor. OpenAI, “GPT-4’\u00fcn GPT-3.5’ten daha g\u00fcvenilir, yarat\u0131c\u0131 ve \u00e7ok daha incelikli talimatlar\u0131 i\u015fleyebildi\u011fini” \u00f6ne s\u00fcr\u00fcyor. Ancak GPT’nin \u00f6nceki s\u00fcr\u00fcmlerindeki a\u00e7\u0131kl\u0131k GPT-4’te yok. OpenAI, GPT-4’\u00fcn teknik detaylar\u0131 konusunda kapal\u0131 bir yakla\u015f\u0131m benimsedi (https:\/\/www.vice.com\/en\/article\/ak3w5a\/openais-gpt-4-is-closed-source-and-shrouded-in-secrecy<\/a>). Model boyutunu, mimariyi, donan\u0131m\u0131 veya e\u011fitim y\u00f6ntemini belirtmekten ka\u00e7\u0131nd\u0131. \u015eirket bu karar\u0131nda rekabet ortam\u0131 ve b\u00fcy\u00fck \u00f6l\u00e7ekli modellerin g\u00fcvenlik gerekliliklerinin belirleyici oldu\u011funu belirtti. Microsoft, resmi duyurudan \u00f6nce Bing arama motorunda GPT-4’ten yararland\u0131\u011f\u0131n\u0131 ve Microsoft 365 Copilot ile GPT-4’\u00fc Word, Excel, PowerPoint, Outlook, Teams vb uygulamalara entegre edece\u011fini duyurdu. Duolingo da “rol yapma” ve “yan\u0131t\u0131m\u0131 a\u00e7\u0131kla” \u00f6zellikleriyle beraber GPT-4’\u00fc uygulamalar\u0131na ekledi\u011fini duyurdu.<\/p>\n\n\n\n

Cade Metz ve Keith Collins’in The New York Times<\/em>‘ta yay\u0131mlanan incelemelerinde GPT-4’\u00fcn etkileyici ama h\u00e2l\u00e2 a\u00e7\u0131klar\u0131n\u0131n oldu\u011fu belirtiliyor (https:\/\/archive.is\/fL9jH#selection-815.95-815.105<\/a>). GPT-4, GPT-3,5’ten farkl\u0131 olarak g\u00f6r\u00fcnt\u00fcleri girdi olarak kabul ediyor. Kullan\u0131c\u0131lar, GPT-4’ten g\u00f6r\u00fcnt\u00fcleri tan\u0131mlamas\u0131n\u0131 isteyebilirler. \u00d6rne\u011fin OpenAI’\u0131n web sitesinde, sisteme un, yumurta, s\u00fct ve ya\u011f i\u00e7eren bir foto\u011fraf y\u00fcklenmi\u015f ve bu malzemelerle ne yap\u0131labilece\u011fi sorulmu\u015f. GPT-4, bu malzemelerle pankek, waffle, krep, Frans\u0131z tostu, omlet, kurabiye gibi yapabilecek bir\u00e7ok \u015fey oldu\u011fu yan\u0131t\u0131 vermi\u015f. The New York Times<\/em>‘ta yay\u0131mlanan yaz\u0131da test edilen foto\u011fraf ise daha karma\u015f\u0131k, bir buzdolab\u0131n\u0131n i\u00e7i. GPT-4 yine dolapta yer alan i\u00e7eri\u011fe g\u00f6re yap\u0131labilecekleri listelemi\u015f. Be My Eyes<\/em> (https:\/\/www.bemyeyes.com\/<\/a>), internette kar\u015f\u0131la\u015f\u0131lan veya ger\u00e7ek d\u00fcnyada \u00e7ekilen g\u00f6r\u00fcnt\u00fcleri a\u00e7\u0131klay\u0131c\u0131 hizmetler sunmak i\u00e7in GPT-4’\u00fc kulland\u0131\u011f\u0131n\u0131 yaz\u0131yor. GPT-4’\u00fcn yan\u0131tlar\u0131, GPT-3,5’e g\u00f6re daha tutarl\u0131. Kuzey Carolina \u00dcniversitesi’nden Do\u00e7ent Doktor Anil Gehi, GPT-4’e bir g\u00fcn \u00f6nce g\u00f6rd\u00fc\u011f\u00fc bir hastan\u0131n t\u0131bbi ge\u00e7mi\u015fini ve hastan\u0131n hastaneye kald\u0131r\u0131ld\u0131ktan sonra ya\u015fad\u0131\u011f\u0131 komplikasyonlar\u0131 a\u00e7\u0131klam\u0131\u015f. A\u00e7\u0131klamas\u0131nda, s\u0131radan insanlar\u0131n bilemeyece\u011fi birka\u00e7 t\u0131bbi terim de yer al\u0131yormu\u015f. Nas\u0131l bir tedavi uygulamalar\u0131 gerekti\u011fini sordu\u011funda GPT-4 tam da kendi uygulad\u0131klar\u0131 tedaviyi ifade etmi\u015f. Gehi, ba\u015fka vakalar\u0131 denedi\u011finde de benzer \u015fekilde etkileyici yan\u0131tlar alm\u0131\u015f. \u0130ncelemede, her zaman ayn\u0131 performans\u0131n sergilenmesinin pek olas\u0131 olmad\u0131\u011f\u0131, yan\u0131tlar\u0131 de\u011ferlendirmek ve t\u0131bbi prosed\u00fcrleri uygulamak i\u00e7in hala Dr. Gehi gibi uzmanlara ihtiya\u00e7 oldu\u011funa dikkat \u00e7ekiliyor. GPT-4, GPT-3,5’e g\u00f6re standart testlerde \u00e7ok daha ba\u015far\u0131l\u0131. OpenAI, yeni sistemin 41 eyalet ve b\u00f6lgede avukatlar\u0131n yeterlili\u011fini de\u011ferlendiren baro s\u0131nav\u0131nda ilk y\u00fczde 10’da yer alabilece\u011fini, SAT s\u0131navlar\u0131nda ise 1600 \u00fczerinden 1300 alabilece\u011fini iddia ediyor. Ancak GPT-4, ger\u00e7ekle\u015fmi\u015f olan \u015feyler hakk\u0131nda ak\u0131l y\u00fcr\u00fct\u00fcyor izlenimi yaratabilse de gelecek hakk\u0131nda hipotezler olu\u015ftururken yarat\u0131c\u0131 (!) de\u011fil. Gelecek hakk\u0131nda daha \u00f6nce s\u00f6ylenenleri tekrarl\u0131yor; yeni bir \u015fey s\u00f6ylemiyor. \u00d6rne\u011fin, \u00f6n\u00fcm\u00fczdeki on y\u0131lda (GTP-4’\u00fcn de bir \u00fcr\u00fcn\u00fc oldu\u011fu) NLP ara\u015ft\u0131rmalar\u0131nda \u00e7\u00f6z\u00fclmesi gereken \u00f6nemli sorunlar\u0131n neler oldu\u011fu soruldu\u011funda yeni fikirler ortaya atam\u0131yor. Ayr\u0131ca etkileyici performans\u0131na kar\u015f\u0131n GPT-4 h\u00e2l\u00e2 \u00f6ncelleri gibi “hal\u00fcsinasyon” olarak adland\u0131r\u0131lan sorunu a\u015fabilmi\u015f de\u011fil. Do\u011fru ve yanl\u0131\u015f hakk\u0131nda bir anlay\u0131\u015fa sahip olmad\u0131\u011f\u0131 i\u00e7in tamamen yanl\u0131\u015f olan metinler uydurabiliyor. En son kanser ara\u015ft\u0131rmalar\u0131n\u0131 anlatan web sitelerinin adresleri soruldu\u011funda var olmayan internet adresleri verebiliyor.<\/p>\n\n\n\n

GPT-4\u2019e Ne Kadar G\u00fcvenebiliriz?<\/h2>\n\n\n\n

<\/a> Hal\u00fcsinasyon, Rebooting AI: Building Artificial Intelligence We Can Trust<\/em> kitab\u0131n\u0131n yazarlar\u0131ndan Gary Marcus’un uzun bir s\u00fcredir \u00fczerinde durdu\u011fu bir konu. Marcus, GPT’nin muhte\u015fem olmas\u0131na ra\u011fmen 2022 y\u0131l\u0131ndaki makalesinde belirtti\u011fi do\u011fruluk ve g\u00fcvenilirlik sorunlar\u0131n\u0131 a\u015famad\u0131\u011f\u0131n\u0131 savunuyor. GPT’nin robotlara veya bilimsel ke\u015fiflere rehberlik etmek i\u00e7in g\u00fcvenilir bir \u015fekilde kullan\u0131lamayaca\u011f\u0131 konusunda \u0131srar ediyor (https:\/\/garymarcus.substack.com\/p\/gpt-4s-successes-and-gpt-4s-failures<\/a> ).<\/p>\n\n\n\n

Ancak medya, co\u015fkuyla tam tersini iddia ediyor ve GPT’nin i\u00e7sel sorunlar\u0131 yeterli ve a\u00e7\u0131k bir \u015fekilde tart\u0131\u015f\u0131lm\u0131yor. Bunda YZ \u015firketlerinin ve baz\u0131 bilim insanlar\u0131n\u0131n da pay\u0131 var. \u00d6rne\u011fin, 2016’da Toronto’daki YZ konferans\u0131nda derin \u00f6\u011frenmenin b\u00fcy\u00fckbabas\u0131 ve zaman\u0131m\u0131z\u0131n en \u00fcnl\u00fc bilim insanlar\u0131ndan Geoffrey Hinton, radyologlu\u011fun sonunun geldi\u011fini \u00f6ne s\u00fcr\u00fcyordu. Hinton’a g\u00f6re derin \u00f6\u011frenme, MRI ve BT taramalar\u0131ndan al\u0131nan g\u00f6r\u00fcnt\u00fcleri okumak i\u00e7in o kadar uygundu ki radyolog yeti\u015ftirmeyi art\u0131k b\u0131rakmam\u0131z gerekiyordu. Derin \u00f6\u011frenme, be\u015f y\u0131l i\u00e7inde daha iyi sonu\u00e7lar verecekti. G\u00fcn\u00fcm\u00fczde gelindi\u011finde ise yapay \u00f6\u011frenmenin (machine learning – makine \u00f6\u011frenmesi) radyolojide kullan\u0131m\u0131n\u0131n g\u00f6r\u00fcnd\u00fc\u011f\u00fc kadar kolay olmad\u0131\u011f\u0131 ortaya \u00e7\u0131kt\u0131. \u015eimdi insanlar ve makinelerin birbirlerinin g\u00fc\u00e7l\u00fc yanlar\u0131n\u0131 tamamlayarak \u00e7al\u0131\u015fmas\u0131n\u0131n daha verimli olaca\u011f\u0131 g\u00f6r\u00fc\u015f\u00fc yayg\u0131n. En az\u0131ndan \u015fimdilik!<\/p>\n\n\n\n

Marcus (2022), insan dilini ger\u00e7ekten anlayabilen makinelerden h\u00e2l\u00e2 \u00e7ok uzak oldu\u011fumuzu ve g\u00fcvenilir bir yapay zeka elde edeceksek derin \u00f6\u011frenmenin in\u015fa etmemiz gereken \u015feyin yaln\u0131zca k\u00fc\u00e7\u00fck bir par\u00e7as\u0131 oldu\u011funu d\u00fc\u015f\u00fcn\u00fcyor. Marcus’a (2022) g\u00f6re temelde \u00f6r\u00fcnt\u00fcleri tan\u0131maya y\u00f6nelik bir teknik olan derin \u00f6\u011frenme, ihtiyac\u0131m\u0131z olan tek \u015feyin kabaca haz\u0131r sonu\u00e7lar oldu\u011fu, risklerin d\u00fc\u015f\u00fck oldu\u011fu ve m\u00fckemmel sonu\u00e7lar\u0131n iste\u011fe ba\u011fl\u0131 oldu\u011fu durumlarda kendini en iyi g\u00f6steriyor. \u00d6rne\u011fin, ak\u0131ll\u0131 telefonunuzdan tav\u015fan foto\u011fraflar\u0131n\u0131 listelemesini istedi\u011finizde daha \u00f6nce hi\u00e7bir foto\u011fraf\u0131 etiketlememi\u015f olsan\u0131z da telefonunuzdaki YZ, tav\u015fan etiketli foto\u011fraflara yeterince (!) benzeyen t\u00fcm foto\u011fraflar\u0131 listeleyebilir. Fakat otomatik, derin \u00f6\u011frenme destekli foto\u011fraf etiketleme hataya a\u00e7\u0131kt\u0131r; \u0131\u015f\u0131\u011f\u0131n yetersiz, foto\u011fraf a\u00e7\u0131s\u0131n\u0131n ters vb oldu\u011fu durumlarda baz\u0131 tav\u015fan foto\u011fraflar\u0131n\u0131 ka\u00e7\u0131rabilir. Fakat birka\u00e7 foto\u011fraf\u0131 ka\u00e7\u0131rd\u0131 diye kimse zarar g\u00f6rmez ve sinirlenip telefonunu f\u0131rlat\u0131p atmaz.<\/p>\n\n\n\n

Radyoloji veya s\u00fcr\u00fcc\u00fcs\u00fcz ara\u00e7larda oldu\u011fu gibi riskler daha y\u00fcksek oldu\u011funda, derin \u00f6\u011frenmeyi benimseme konusunda \u00e7ok daha dikkatli olmam\u0131z gerekir. Yap\u0131lacak tek bir hata, insan\u0131n hayat\u0131na mal olacakt\u0131r. \u00d6zellikle, derin \u00f6\u011frenme sistemlerinin \u00fczerinde e\u011fitildikleri \u015feylerden \u00f6nemli \u00f6l\u00e7\u00fcde farkl\u0131 olan “ayk\u0131r\u0131 de\u011ferler” ciddi sorunlar yaratabilir. \u00d6rne\u011fin Tesla, “tam kendi kendine s\u00fcr\u00fc\u015f modu”nda, yolun ortas\u0131nda dur i\u015faretini tutan bir ki\u015fiyle kar\u015f\u0131la\u015ft\u0131\u011f\u0131nda ne yapaca\u011f\u0131n\u0131 \u015fa\u015f\u0131rd\u0131; insan s\u00fcr\u00fcc\u00fc, arac\u0131 devralmak zorunda kald\u0131. \u00c7\u00fcnk\u00fc Tesla, ne k\u0131smen dur i\u015faretiyle gizlenmi\u015f insan\u0131 ne de yol kenar\u0131ndaki ola\u011fan ba\u011flam\u0131n\u0131n d\u0131\u015f\u0131ndaki dur i\u015faretini tan\u0131yabildi!<\/p>\n\n\n\n

Derin \u00f6\u011frenme sistemleri g\u00fcn\u00fcm\u00fczde hi\u00e7 beklenmedik anlarda aptalca hatalar yapabiliyorlar. Bazen bir insan radyolo\u011fun bir aksakl\u0131k olarak de\u011ferlendirece\u011fi (g\u00f6r\u00fcnt\u00fcdeki kirlilik gibi) durumlar yanl\u0131\u015f okunabiliyor. Radyolojide kullan\u0131lan YZ sistemleri \u00e7o\u011funlukla veya tamamen g\u00f6r\u00fcnt\u00fclere dayan\u0131yor. Bir hastan\u0131n ge\u00e7mi\u015fini tan\u0131mlayabilecek t\u00fcm metinleri yeterince anlamad\u0131\u011f\u0131ndan bazen kritik bilgileri ihmal ediyor. Dolay\u0131s\u0131yla radyologlar tamamen devreden \u00e7\u0131kar\u0131lam\u0131yor. Bir derin \u00f6\u011frenme sistemi, elman\u0131n \u00f6n\u00fcnde \u00fczerinde “iPod” yazan bir ka\u011f\u0131t par\u00e7as\u0131 oldu\u011fu i\u00e7in elmay\u0131 yanl\u0131\u015f bir \u015fekilde iPod olarak etiketleyebiliyor. Ya da bir ba\u015fkas\u0131, karl\u0131 bir yolda devrilmi\u015f bir otob\u00fcs\u00fc kar k\u00fcreme makinesi olarak etiketleyebiliyor. Marcus (2022), yapay \u00f6\u011frenmenin b\u00fct\u00fcn bir alt alan\u0131n\u0131n bu gibi hatalar\u0131 inceledi\u011fini, ancak hen\u00fcz net yan\u0131tlara ula\u015famad\u0131\u011f\u0131n\u0131 belirtiyor.<\/p>\n\n\n\n

G\u00fcn\u00fcm\u00fczde bu gibi sorunlar\u0131 daha fazla veri toplayarak a\u015fma do\u011frultusunda bir e\u011filim var. Daha fazla veri ve giderek daha b\u00fcy\u00fck \u00f6l\u00e7eklerde derin \u00f6\u011frenme ile YZ’nin daha iyi hale getirebilece\u011fi g\u00f6r\u00fc\u015f\u00fc yayg\u0131n. GPT’nin 2018’den bu yana geli\u015fimi de bu e\u011filimi hakl\u0131 \u00e7\u0131kar\u0131yor gibi. Fakat 2022’de yay\u0131mlanan bir makalede Google, GPT-3 benzeri modelleri b\u00fcy\u00fctmenin onlar\u0131 daha ak\u0131c\u0131 hale getirdi\u011fi, ancak daha g\u00fcvenilir yapmad\u0131\u011f\u0131 savunuluyor (https:\/\/arxiv.org\/abs\/2201.08239<\/a>). Marcus (2022) da devasa \u00f6l\u00e7eklendirmenin \u015fimdiye kadar bir devrime yol a\u00e7mad\u0131\u011f\u0131n\u0131n alt\u0131n\u0131 \u00e7iziyor. Marcus’a (2022) g\u00f6re GPT-4, GPT-3 ve 3.5’ten a\u00e7\u0131k\u00e7a daha iyi, ama bu fark nitelik de\u011fil, nicelikle ilgili. G\u00fcvenilirlik sorunu h\u00e2l\u00e2 devam ediyor.<\/p>\n\n\n\n

Ayr\u0131ca OpenAI’\u0131n GPT’nin son s\u00fcr\u00fcm\u00fcnde se\u00e7ti\u011fi yol da endi\u015fe verici. Kulland\u0131\u011f\u0131 veri seti hakk\u0131nda bir a\u00e7\u0131klama yapmaktan ka\u00e7\u0131nmas\u0131 ad\u0131ndaki a\u00e7\u0131kl\u0131kla \u00e7eli\u015fiyor. Ne kadar b\u00fcy\u00fck oldu\u011funu, mimarisini, ne kadar enerji kulland\u0131\u011f\u0131n\u0131, ka\u00e7 tane i\u015flemci kullan\u0131ld\u0131\u011f\u0131n\u0131 bilmiyoruz. E\u011fitim setinde ne oldu\u011fu hakk\u0131nda hi\u00e7bir fikrimiz olmad\u0131\u011f\u0131 i\u00e7in GPT-4’\u00fcn hangi problemler \u00fczerinde \u00e7al\u0131\u015f\u0131p hangilerinde \u00e7al\u0131\u015fmayaca\u011f\u0131n\u0131 tahmin etme \u015fans\u0131m\u0131z yok (https:\/\/garymarcus.substack.com\/p\/gpt-4s-successes-and-gpt-4s-failures<\/a>). Ayr\u0131ca GPT-4’\u00fcn \u00e7evreye maliyetini de bilmiyoruz (https:\/\/www.birgun.net\/haber\/yapay-zeka-hakkinda-cok-az-konusulan-onemli-detaylar-424486<\/a> , https:\/\/www.theguardian.com\/commentisfree\/2023\/mar\/04\/misplaced-fears-of-an-evil-chatgpt-obscure-the-real-harm-being-done<\/a>).<\/p>\n\n\n\n

Ku\u015fkusuz GPT-4 ve sonraki modellerin \u00f6nemli ticari etkileri olacak. Google (https:\/\/digiday.com\/media\/googles-new-ai-tools-and-openais-gpt-4-bring-more-maturation-to-the-ai-race\/<\/a>), Yandex, (https:\/\/www.siliconrepublic.com\/machines\/yandex-large-language-model-ai-gpt<\/a>) ve Baidu’nun da benzer \u00e7al\u0131\u015fmalar\u0131 var (https:\/\/tr.euronews.com\/2023\/02\/07\/chatgptye-buyuk-rakipler-geliyor-cinli-baidudan-ernie-bot-ve-googledan-bard<\/a>). Ancak Kas\u0131m 2020’de MIT Technology Review<\/em>‘de yay\u0131mlanan r\u00f6portajda “derin \u00f6\u011frenme her \u015feyi yapabilecek.” (Hao, 2020) diyen Hinton’un s\u00f6zlerini olduk\u00e7a tehlikeli g\u00f6r\u00fcyorum.<\/p>\n\n\n\n

YZ, hen\u00fcz her \u015feyi yapamasa da \u015firketler ve onlar\u0131n ikna etti\u011fi b\u00fcrokratlar bu kontrols\u00fcz g\u00fcc\u00fc \u00e7e\u015fitli alanlarda kullanmaya fazla istekliler. Bu s\u00fcre\u00e7te, do\u011fruluk ve g\u00fcvenilirlik hakk\u0131ndaki zaaflar\u0131n yan\u0131nda bir di\u011fer b\u00fcy\u00fck tehlike sistemlerin tasar\u0131mlar\u0131nda yer alan insan se\u00e7imlerinin politik karakterinin belirsizle\u015ftirilerek gizlenmesi.<\/p>\n\n\n\n

Verimlilik ve Adalet Beklentisi<\/h2>\n\n\n\n

G\u00fcndelik hayatta ald\u0131\u011f\u0131m\u0131z bir\u00e7ok karar d\u00fczenliliklere veya \u00f6r\u00fcnt\u00fclere dayan\u0131r. \u00d6rne\u011fin, hava kapal\u0131ysa ya\u011fmur ya\u011fabilece\u011fini d\u00fc\u015f\u00fcn\u00fcr ve evden \u00e7\u0131karken yan\u0131m\u0131za \u015femsiye al\u0131r\u0131z. Yapay \u00f6\u011frenmenin temelde yapt\u0131\u011f\u0131 bu s\u00fcreci otomatikle\u015ftirmektir. Veri setlerindeki yap\u0131lara ve \u00f6r\u00fcnt\u00fclere dayal\u0131 olarak hedeflenen bir sonu\u00e7 hakk\u0131nda tahminler yapmak i\u00e7in bir model geli\u015ftirilir. Daha sonra bu model ile \u00f6ng\u00f6r\u00fclerde bulunulur. Bunun zek\u00e2 olarak tan\u0131mlan\u0131p tan\u0131mlanamayaca\u011f\u0131 ya da zek\u00e2n\u0131n ne oldu\u011fu ayr\u0131 bir tart\u0131\u015fma konusu. Fakat g\u00fcn\u00fcm\u00fczde kullan\u0131lan YZ destekli sistemlerde zek\u00e2n\u0131n \u00f6ng\u00f6r\u00fc \u00f6\u011fesi \u00f6ne \u00e7\u0131kar:<\/p>\n\n\n\n

\u00c7ocuk soru sordu\u011fu zaman Alexa’n\u0131n yapt\u0131\u011f\u0131 \u015fey, asl\u0131nda duydu\u011fu sesleri alarak konu\u015fulan kelimelerin ne oldu\u011funu anlamak ve ard\u0131ndan bu kelimelerin bulmak istedi\u011fi bilgiyi \u00f6ng\u00f6rmekti. Alexa, Delaware’in ba\u015fkentinin neresi oldu\u011funu “bilmiyor” ama insanlar b\u00f6yle bir soru sorduklar\u0131 zaman \u00f6zel bir yan\u0131t\u0131 yani “Dover”\u0131 arad\u0131klar\u0131n\u0131 tahmin edebiliyor (Agrawal, Gans ve Goldfarb, 2019).<\/p>\n\n\n\n

Agrawal vd. (2019) \u00f6ng\u00f6r\u00fcy\u00fc,eksik bilgilerin tamamlanmas\u0131 olarak tan\u0131ml\u0131yor. Agrawal vd.’nin (2019) \u00f6ng\u00f6r\u00fc makineleri olarak adland\u0131rd\u0131\u011f\u0131 YZ sistemleri genellikle veri olarak adland\u0131r\u0131lan bilgilerimizi al\u0131yor ve onu sahip olmad\u0131\u011f\u0131m\u0131z bilgileri olu\u015fturmak i\u00e7in kullan\u0131yor. Daha iyi \u00f6ng\u00f6r\u00fc, daha iyi bilgi ve bu da daha iyi karar anlam\u0131na geliyor. \u00d6ng\u00f6r\u00fc makinelerindeki geli\u015fmeler, onlar\u0131 sihirliymi\u015f gibi g\u00f6steriyor. \u00d6ng\u00f6r\u00fc maliyetlerindeki d\u00fc\u015f\u00fc\u015fler, \u00e7e\u015fitli sorunlar\u0131 bir \u00f6ng\u00f6r\u00fc sorununa indirgemeye ve \u00e7\u00f6z\u00fcmler geli\u015ftirmeye olanak veriyor. B\u00f6ylece makineler g\u00f6rebiliyor (nesne tan\u0131ma), navigasyon kullanabiliyor (s\u00fcr\u00fcc\u00fcs\u00fcz arabalar), \u00e7eviri yapabiliyor veya sohbet edebiliyor.<\/p>\n\n\n\n

Fiziksel d\u00fcnyam\u0131z, say\u0131sal verilere d\u00f6n\u00fc\u015ft\u00fcr\u00fcl\u00fcyor; davran\u0131\u015flar\u0131m\u0131z\u0131n s\u00fcrekli \u00f6l\u00e7\u00fcl\u00fcyor, kaydediliyor ve sonraki ad\u0131mlar\u0131m\u0131z tahmin edilmeye \u00e7al\u0131\u015f\u0131l\u0131yor. \u015eirketler, daha fazla veri toplayarak daha m\u00fckemmel sistemler geli\u015ftirmeye \u00e7al\u0131\u015f\u0131yorlar. D\u00fcnyan\u0131n en b\u00fcy\u00fck teknoloji \u015firketlerinin g\u00fcc\u00fc, daha geli\u015fmi\u015f yapay \u00f6\u011frenme tekniklerine de\u011fil, sahip olduklar\u0131 veri hacmine ve daha fazlas\u0131n\u0131 toplayabilme h\u0131z\u0131na ve verimlili\u011fine dayan\u0131yor.<\/p>\n\n\n\n

Hinton’un s\u00f6zlerini tehlikeli bulmam\u0131n nedeni ise kurumlar\u0131n son y\u0131llarda tahmine dayal\u0131 ara\u00e7larla desteklenen karar s\u00fcre\u00e7leri olu\u015fturmas\u0131 veya kurumlar\u0131n yerlerini YZ destekli sistemlere b\u0131rakmas\u0131n\u0131 savunan tezlerin yayg\u0131nla\u015fmas\u0131. Bu tezlerin temelinde yapay \u00f6\u011frenmenin iki temel vaadi \u00f6ne \u00e7\u0131k\u0131yor: verimlilik ve adalet. Dan\u0131\u015fmanl\u0131k \u015firketi McKinsey, yapay \u00f6\u011frenmenin sundu\u011fu verimlilik kazan\u0131mlar\u0131n\u0131n k\u00fcresel de\u011ferinin 6 trilyon dolar de\u011ferinde oldu\u011funu tahmin ediyor. McKinsey’e g\u00f6re yapay \u00f6\u011frenmeyi a\u015fa\u011f\u0131daki alanlarda kullanarak verimlili\u011fi art\u0131rmak m\u00fcmk\u00fcn:<\/p>\n\n\n\n

    \n
  • Derin \u00f6\u011frenmenin b\u00fcy\u00fck miktarlarda ses ve g\u00f6r\u00fcnt\u00fc verilerini analiz etme yetene\u011finden yararlanarak fabrika montaj hatlar\u0131nda veya u\u00e7ak motorlar\u0131nda ortaya \u00e7\u0131kabilecek anomaliler \u00f6ng\u00f6r\u00fclebilir.<\/li>\n\n\n\n
  • Lojistikte, teslimat trafi\u011fini optimize ederek, yak\u0131t verimlili\u011fi art\u0131r\u0131labilir ve teslimat s\u00fcreleri azalt\u0131labilir.<\/li>\n\n\n\n
  • Perakende sat\u0131\u015flarda, m\u00fc\u015fterilerin demografik ve ge\u00e7mi\u015f i\u015flem verileri sosyal medya hareketleri ile birle\u015ftirilerek, ki\u015fiselle\u015ftirilmi\u015f \u00fcr\u00fcn \u00f6nerileri olu\u015fturmaya yard\u0131mc\u0131 olunabilir.<\/li>\n\n\n\n
  • Kamu kurumlar\u0131nda ise kaynaklar\u0131n ve hizmetlerin nas\u0131l sunulaca\u011f\u0131n\u0131 \u015fekillendirerek verimlili\u011fi art\u0131rabilir. Hatta yapay \u00f6\u011frenme iklim de\u011fi\u015fikli\u011fi ve n\u00fcfusun ya\u015flanmas\u0131 gibi b\u00fcy\u00fck \u00f6l\u00e7ekli toplumsal sorunlar\u0131n ele al\u0131nmas\u0131nda rol oynayabilir.<\/li>\n<\/ul>\n\n\n\n

    Yapay \u00f6\u011frenmenin adalet vaadi ise bilgisayar sistemlerinin insanlardan daha nesnel kararlar verebilece\u011fi yan\u0131lsamas\u0131na dayan\u0131yor. \u00c7\u00fcnk\u00fc algoritmalar ne yoruluyor ne de duygusal y\u00fck alt\u0131nda ezilerek yanl\u0131\u015f kararlar veriyor. \u0130nsanlar \u00e7e\u015fitli nedenlerden dolay\u0131 vakalar\u0131 farkl\u0131 de\u011ferlendirirken, yapay \u00f6\u011frenme modelleri daha tutarl\u0131 tahminler \u00fcretiyor ve vakalar\u0131 farkl\u0131 de\u011ferlendirirken yaln\u0131zca istatistiksel farkl\u0131l\u0131klar\u0131 dikkate al\u0131yorlar.<\/p>\n\n\n\n

    Ama istatistik ve bilgisayar bilimi diline g\u00f6m\u00fcl\u00fc verimlilik ve adalet vaadinin alt\u0131nda \u00e7o\u011fu zaman atlanan bir ger\u00e7ek var: Yapay \u00f6\u011frenmenin politikli\u011fi. Tahminler olu\u015fturmak i\u00e7in verilerin nas\u0131l kullan\u0131laca\u011f\u0131 ve tahminlerin karar vermek i\u00e7in nas\u0131l kullan\u0131laca\u011f\u0131 hakk\u0131ndaki se\u00e7imler, baz\u0131 \u00e7\u0131karlar\u0131 ve de\u011ferleri di\u011ferlerine g\u00f6re \u00f6nceliklendirir. Ayr\u0131ca yapay \u00f6\u011frenme, kararlar\u0131n al\u0131nabilece\u011fi \u00f6l\u00e7e\u011fi ve h\u0131z\u0131 art\u0131rd\u0131\u011f\u0131 i\u00e7in milyonlarca insan\u0131n hayat\u0131n\u0131 etkileyebiliyor. Yapay \u00f6\u011frenme, insanlar\u0131n kararlar\u0131n\u0131 etkilemekle kalm\u0131yor karar prosed\u00fcrlerinin nas\u0131l yap\u0131land\u0131r\u0131ld\u0131\u011f\u0131na ili\u015fkin se\u00e7imler yapmalar\u0131n\u0131 da sa\u011fl\u0131yor. Yapay \u00f6\u011frenmenin politik karakterini dikkate almadan ve farkl\u0131 a\u015famalar\u0131nda ona e\u015fitlik\u00e7i bak\u0131\u015f a\u00e7\u0131s\u0131yla m\u00fcdahalelerde bulunmadan kendili\u011finden olumlu bir tablo orta \u00e7\u0131kmayacak.<\/p>\n\n\n\n

    Farkl\u0131 Se\u00e7enekler, Farkl\u0131 Sistemler<\/h2>\n\n\n\n

    \u00d6ng\u00f6r\u00fcye dayal\u0131 ara\u00e7lar\u0131n nas\u0131l \u00e7al\u0131\u015ft\u0131\u011f\u0131, onlar\u0131 nas\u0131l tasarland\u0131\u011f\u0131na ve kullan\u0131ld\u0131\u011f\u0131na ba\u011fl\u0131. Yapay \u00f6\u011frenme, \u00f6ncelikle insanlar taraf\u0131ndan geli\u015ftirilen ve insanlar taraf\u0131ndan tan\u0131mlanan sorunlar\u0131 ele alan bir dizi teknikten meydana geliyor. Ayr\u0131ca yapay \u00f6\u011frenme modelleri e\u011fitilirken insanlar taraf\u0131ndan bir araya getirilen ve olduk\u00e7a insani bir d\u00fcnyan\u0131n yap\u0131lar\u0131n\u0131, f\u0131rsatlar\u0131n\u0131 ve dezavantajlar\u0131n\u0131 yans\u0131tan veri setleri kullan\u0131l\u0131yor. K\u0131sacas\u0131 \u00f6ng\u00f6r\u00fc, her t\u00fcrl\u00fc \u00f6znellikten ar\u0131nm\u0131\u015f cam bir fanusta ger\u00e7ekle\u015fmiyor.<\/p>\n\n\n\n

    Yapay \u00f6\u011frenme s\u00fcrecinde yer alan se\u00e7enekleri iki ba\u015fl\u0131k alt\u0131nda inceleyebiliriz. Birincisi, yapay \u00f6\u011frenme modelinin tasar\u0131m\u0131 hakk\u0131ndaki se\u00e7enekler. \u00d6rne\u011fin, modelin tahmin etmeyi \u00f6\u011frenece\u011fi sonu\u00e7lar, modelin e\u011fitiminde kullan\u0131lacak veriler, modelin sonucu tahmin etmek i\u00e7in kullanaca\u011f\u0131 \u00f6znitelikler ve modeli olu\u015fturmak i\u00e7in kullan\u0131lacak algoritma tasar\u0131m a\u015famas\u0131nda verilmesi gereken kararlard\u0131r. \u0130kincisi, geli\u015ftirilen yapay \u00f6\u011frenme modelinin konu\u015fland\u0131r\u0131lmas\u0131 veya tahminlerin karar vermek i\u00e7in nas\u0131l kullan\u0131laca\u011f\u0131 hakk\u0131ndaki se\u00e7eneklerdir: Model insan kararlar\u0131n\u0131 desteklemek i\u00e7in mi yoksa onlar\u0131n yerini almak i\u00e7in mi kullan\u0131lacakt\u0131r? Kararlar, hangi eylemleri do\u011furacakt\u0131r?<\/p>\n\n\n\n

    Tasar\u0131msal Se\u00e7enekler<\/strong><\/h3>\n\n\n\n

    Bir yapay \u00f6\u011frenme sisteminde \u00f6ncelikle modelin \u00f6ng\u00f6rece\u011fi \u00e7\u0131kt\u0131lara karar vermek gerekir. Bu \u00e7\u0131kt\u0131 basit\u00e7e bir e-postan\u0131n istenmeyen e-posta (spam) olup olmad\u0131\u011f\u0131na karar vermek olabilir. Ya da model, bir aday\u0131n iyi bir \u00e7al\u0131\u015fan olup olmayaca\u011f\u0131, h\u00fck\u00fcml\u00fcn\u00fcn \u015fartl\u0131 sal\u0131vermeye uygun olup olmad\u0131\u011f\u0131 gibi daha karma\u015f\u0131k hedeflere sahip olabilir. Analist, nicelle\u015ftirilebilen, \u00f6l\u00e7\u00fclebilen ve \u00f6ng\u00f6r\u00fclebilen bu \u00e7\u0131kt\u0131 i\u00e7in hedef de\u011fer ad\u0131 verilen bir vekil tan\u0131mlamal\u0131d\u0131r. Bir di\u011fer deyi\u015fle analist, ger\u00e7ek d\u00fcnyadaki bir sorunu bir hedef de\u011fi\u015fkene d\u00f6n\u00fc\u015ft\u00fcrebilmelidir (Simons, 2023).<\/p>\n\n\n\n

    Bir e-postan\u0131n spam olup olmad\u0131\u011f\u0131n\u0131 belirlemek kolayd\u0131r. Bunun i\u00e7in daha \u00f6nce spam olarak etiketlenmi\u015f e-postalar kullan\u0131labilir. B\u00f6ylece yeni e-postalar\u0131n \u00f6nceden spam olarak etiketlenmi\u015f olanlarla benzer \u00f6zelliklere sahip olup olmad\u0131\u011f\u0131na bakmak yeterli olacakt\u0131r. Ancak belirsiz bir sorunu hedef de\u011fi\u015fkene \u00e7evirmek genellikle karma\u015f\u0131kt\u0131r. Bir banka, bir bireyin kredi i\u00e7in g\u00fcvenilir olup olmad\u0131\u011f\u0131na ve faiz oran\u0131na nas\u0131l karar vermelidir? G\u00fcvenilirlik (krediye uygunluk), ger\u00e7ek d\u00fcnyada tam kar\u015f\u0131l\u0131\u011f\u0131 olmayan belirsiz bir hedeftir. G\u00fcvenilirlik, bankalar, d\u00fczenleyiciler ve kredi end\u00fcstrisi taraf\u0131ndan, de\u011fi\u015fen ko\u015fullara ve al\u0131nabilecek risklere g\u00f6re yeniden tan\u0131mlanan bir kavramd\u0131r. Modelin hangi hedef de\u011fi\u015fkeni tahmin etmeye \u00e7al\u0131\u015ft\u0131\u011f\u0131 ve \u00e7\u0131kan tahminlerin kredi kararlar\u0131nda kullan\u0131m bi\u00e7imi, kimlerin kredi alabilece\u011fini \u015fekillendirir (age).<\/p>\n\n\n\n

    Hedef de\u011fi\u015fkenleri tan\u0131mlamak her zaman yarg\u0131 i\u00e7erir. \u00d6rne\u011fin, bir i\u015fverenin yapay \u00f6\u011frenme yard\u0131m\u0131yla en iyi \u00e7al\u0131\u015fanlar\u0131 se\u00e7meye \u00e7al\u0131\u015ft\u0131\u011f\u0131n\u0131 d\u00fc\u015f\u00fcnelim. \u0130yi bir \u00e7al\u0131\u015fan kimdir? Belirli bir zaman diliminde en fazla sat\u0131\u015f\u0131 yapan veya en \u00e7ok \u00fcreten midir? Bir i\u015fte en fazla kalan m\u0131d\u0131r? Belki de tak\u0131m ruhuna en uygun ki\u015fidir? En iyi \u00e7al\u0131\u015fan\u0131n kim oldu\u011fu \u015firketin hedeflerine g\u00f6re de\u011fi\u015fecektir. \u015eirket, gelirini art\u0131rmak, daha \u00e7ok \u00fcretmek, personel de\u011fi\u015fim oran\u0131n\u0131 azaltmak veya \u015firket ruhunu g\u00fc\u00e7lendirmek istiyor olabilir. \u015eirketin hedefine g\u00f6re iyi \u00e7al\u0131\u015fan tan\u0131m\u0131 de\u011fi\u015fecek ve bu da farkl\u0131 sonu\u00e7lara neden olacakt\u0131r. \u0130\u015fverenin hedef de\u011fi\u015fkeni aday\u0131n bir i\u015fte kalaca\u011f\u0131 tahmini s\u00fcre olarak tan\u0131mlad\u0131\u011f\u0131n\u0131 varsayal\u0131m. Ortalama olarak erkekler bir pozisyonda kad\u0131nlardan daha uzun s\u00fcre kalma e\u011filiminde olduklar\u0131ndan erkekler daha avantajl\u0131 olacaklard\u0131r. Ya da i\u015fveren, aday\u0131n ki\u015filik tipini g\u00f6z \u00f6n\u00fcnde bulundurarak bir se\u00e7im yapmaya \u00e7al\u0131\u015fabilir ve bunun i\u00e7in Myers-Briggs testinden yararlanabilir. Fakat ilgili testte ki\u015filik tipleri, cinsiyetler aras\u0131nda e\u015fit olmayan bir \u015fekilde da\u011f\u0131ld\u0131\u011f\u0131ndan yine cinsiyetler aras\u0131nda bir e\u015fitsizli\u011fe neden olacakt\u0131r (age).<\/p>\n\n\n\n

    \u0130kinci se\u00e7im, modelin e\u011fitilmesi i\u00e7in kullan\u0131lacak veya toplanacak verilerdir. GPT-4’\u00fcn \u00f6nceki modellerin aksine e\u011fitim verisi hakk\u0131nda bilgi vermekten ka\u00e7\u0131nmas\u0131 ciddi bir sorundur. Yapay \u00f6\u011frenme, verileri kullanarak \u00f6ng\u00f6r\u00fcde bulunur. Verinin bir ki\u015finin nerede ya\u015fad\u0131\u011f\u0131, ne kadar kazand\u0131\u011f\u0131 veya hangi sosyal yard\u0131m programlar\u0131n\u0131 kulland\u0131\u011f\u0131 gibi olgulardan olu\u015fan nesnel betimlemeler oldu\u011fu varsay\u0131l\u0131r. Fakat veriler, ger\u00e7ekli\u011fin sabit temsillerini de\u011fil, neyin ve nas\u0131l \u00f6l\u00e7\u00fclece\u011fine ili\u015fkin insan se\u00e7imlerini yans\u0131t\u0131r (age).<\/p>\n\n\n\n

    Ayr\u0131ca sahip olunan veri miktar\u0131n\u0131n fazlal\u0131l\u0131\u011f\u0131 karma\u015f\u0131k \u00f6r\u00fcnt\u00fcleri tespit etme ve bu \u00f6r\u00fcnt\u00fcleri \u00f6ng\u00f6r\u00fc, \u015fekillendirme ve kontrol amac\u0131yla kullanma olanaklar\u0131n\u0131 art\u0131r\u0131r. Google, milyarlarca etiketli \u00f6rnekten olu\u015fan bir veri seti olu\u015fturabildi\u011fi i\u00e7in istenmeyen e-postalar\u0131 tespit etmede iyidir.<\/p>\n\n\n\n

    E\u011fitim verileriyle ilgili se\u00e7imler, bir modelin ne \u00f6\u011frendi\u011fini belirler. Bir hedef de\u011fi\u015fkeni tan\u0131mlarken yap\u0131ld\u0131\u011f\u0131 gibi veri setlerini bir araya getirmek, yorumlamak ve muhakeme yapmak gerekir. Veri, yayg\u0131n d\u00fc\u015f\u00fcncenin aksine olgular\u0131 de\u011fil muhakemeleri temsil eder. Neyin \u00f6l\u00e7\u00fclece\u011fine ve neyin \u00f6l\u00e7\u00fclemeyece\u011fine ili\u015fkin se\u00e7imler iktidar yap\u0131lar\u0131yla ba\u011flant\u0131l\u0131d\u0131r. Kurumlar, kay\u0131tl\u0131 ekonomiye giremeyenler hakk\u0131nda veri toplama konusunda daha ba\u015far\u0131s\u0131zd\u0131r. Ayr\u0131ca veri \u00fcretme olas\u0131l\u0131\u011f\u0131 en d\u00fc\u015f\u00fck olanlar genellikle toplum taraf\u0131ndan en \u00e7ok d\u0131\u015flananlard\u0131r. Simons (2023), Street Bump \u00f6rne\u011fini verir. Street Bump, Boston’daki \u00e7ukurlar\u0131 tespit etmek i\u00e7in ak\u0131ll\u0131 telefonlardaki ivme \u00f6l\u00e7erleri kullanan bir uygulama. Uygulaman\u0131n en etkili \u00e7al\u0131\u015ft\u0131\u011f\u0131 yerler bir \u00e7ok insan\u0131n ak\u0131ll\u0131 telefona sahip oldu\u011fu ve zaten daha az \u00e7ukurun yer ald\u0131\u011f\u0131 daha zenginlerin ya\u015fad\u0131\u011f\u0131 mahallelerdir. Ak\u0131ll\u0131 telefon kullan\u0131m\u0131n\u0131n d\u00fc\u015f\u00fck oldu\u011fu yerler hizmete en \u00e7ok gereksinimi olan yerler olmalar\u0131na kar\u015f\u0131n veride temsil edilememi\u015ftir.<\/p>\n\n\n\n

    Bir grubun veride daha fazla ya da eksik temsil edilmesi veriden elde edilebilecek sonu\u00e7lar\u0131 da etkiler. Allegheny’de (Pensilvanya) kullan\u0131lan AFST’nin (Allegheny Family Screening Tool – Allegheny Aile Tarama Arac\u0131) kulland\u0131\u011f\u0131 algoritma bir \u00e7ocu\u011fun istismara veya ihmale maruz kalma riskini tahmin ediyor. Algoritman\u0131n orijinal halinde e\u011fitim veri setindeki de\u011fi\u015fkenlerin d\u00f6rtte biri yoksulluk \u00f6l\u00e7\u00fctleriyken, di\u011fer d\u00f6rtte biri \u00e7ocuk adalet sistemiyle ili\u015fkiliydi. Sonu\u00e7 olarak AFST, orant\u0131s\u0131z bir \u015fekilde d\u00fc\u015f\u00fck gelirli, Afrikal\u0131 Amerikal\u0131 hane halklar\u0131n\u0131 temsil eden veriler \u00fczerinde e\u011fitilir ve \u00f6zel sa\u011fl\u0131k sigortas\u0131 gibi daha varl\u0131kl\u0131, beyaz ailelerin \u00fcretti\u011fi t\u00fcrden verileri algoritmaya katmaz.<\/p>\n\n\n\n

    Tasar\u0131m a\u015famas\u0131ndaki \u00fc\u00e7\u00fcnc\u00fc se\u00e7im bir modele dahil edilecek \u00f6z niteliklerdir. Veriler hi\u00e7bir zaman bir ki\u015finin karma\u015f\u0131kl\u0131\u011f\u0131n\u0131 tam olarak yans\u0131tamaz. \u00c7\u00fcnk\u00fc bir \u00f6znenin t\u00fcm \u00f6zelliklerini toplamak veya t\u00fcm \u00e7evresel fakt\u00f6rleri bir model i\u00e7inde hesaba katmak genellikle imkans\u0131zd\u0131r. Bu nedenle i\u015fletmeler ve kamu kurulu\u015flar\u0131 ger\u00e7ekli\u011fi vekil verilerle \u00e7\u00f6z\u00fcmlerler. \u00d6rne\u011fin, siyah ailelerin araba sigortas\u0131 oranlar\u0131, \u015fehir i\u00e7i mahallelerden banliy\u00f6lere ta\u015f\u0131nd\u0131klar\u0131nda genellikle \u00f6nemli \u00f6l\u00e7\u00fcde d\u00fc\u015fer. \u00c7\u00fcnk\u00fc sigorta \u015firketleri, risk i\u00e7in vekil olarak posta kodu gibi indirgeyici \u00f6zellikleri kullan\u0131rlar. Sigorta oranlar\u0131, kendi bireysel riskiniz kadar sizin gibi ba\u015fkalar\u0131n\u0131n riskine g\u00f6re belirlenir (age).<\/p>\n\n\n\n

    Irk gibi korunan \u00f6zelliklerin bir modele dahil edilip edilmedi\u011fi genellikle yapay \u00f6\u011frenmede \u00e7ok az fark yarat\u0131r. \u00c7\u00fcnk\u00fc di\u011fer de\u011fi\u015fkenler, korumal\u0131 s\u0131n\u0131flar\u0131n \u00fcyeleri hakk\u0131ndaki bilgileri kodlar. Bu nedenle, yapay \u00f6\u011frenme yasayla korunan gruplar hakk\u0131ndaki \u00f6r\u00fcnt\u00fcleri de ke\u015ffedebilir. Bir modelin, bir \u00e7ocu\u011fun istismar riski alt\u0131nda olup olmad\u0131\u011f\u0131n\u0131 veya i\u015fe ba\u015fvuran bir ki\u015finin iyi bir \u00e7al\u0131\u015fan olup olmayaca\u011f\u0131n\u0131 tahmin etmek i\u00e7in hedef de\u011fi\u015fkene g\u00f6re insanlar\u0131 s\u0131ralamak i\u00e7in kulland\u0131\u011f\u0131 \u00f6zellikler, genellikle bireyleri belirli bir s\u0131n\u0131fa \u00fcyeliklerine g\u00f6re de s\u0131ralar. Belirli bir \u00f6z nitelik bir pop\u00fclasyonda e\u015fit olmayan bir \u015fekilde da\u011f\u0131lm\u0131\u015fsa, yapay \u00f6\u011frenme algoritmas\u0131 da bu da\u011f\u0131l\u0131m\u0131 yans\u0131tacakt\u0131r.<\/p>\n\n\n\n

    D\u00f6rd\u00fcnc\u00fc se\u00e7im, yapay \u00f6\u011frenme modelinin hangi algoritmay\u0131 kullanaca\u011f\u0131 ile ilgilidir. Yapay \u00f6\u011frenmede genellikle karma\u015f\u0131kl\u0131k, do\u011fruluk ve hata oranlar\u0131 aras\u0131nda bir dengeleme yapmak gerekir. \u00d6rne\u011fin baz\u0131 modeller daha do\u011fru sonu\u00e7 verseler de \u00e7ocuk koruma gibi y\u00fcksek riskli ortamlarda y\u00f6netimi, bak\u0131m\u0131 ve yorumlanmas\u0131 daha kolay olan modeller tercih edilebilir (age).<\/p>\n\n\n\n

    Yapay \u00d6\u011frenme Modelinin Konu\u015fland\u0131r\u0131lmas\u0131<\/h3>\n\n\n\n

    Bir modeli konu\u015fland\u0131r\u0131rken ba\u015fl\u0131ca se\u00e7im, modelin \u00f6ng\u00f6r\u00fclerinin nas\u0131l kullan\u0131laca\u011f\u0131d\u0131r. \u0130\u015f ba\u015fvurular\u0131n\u0131 de\u011ferlendiren bir modeli ele alal\u0131m. Modelin i\u015fe ba\u015fvuranlar\u0131 s\u0131ralamas\u0131 ve ilk yar\u0131n\u0131n otomatik olarak m\u00fclakatlara davet edilmesi istenebilir. Ya da modelin s\u0131ralamas\u0131 kimin m\u00fclakata davet edilece\u011fine karar veren yetkiliye sunulur.<\/p>\n\n\n\n

    Bir yapay \u00f6\u011frenme modeli devreye al\u0131nd\u0131ktan sonra, personelin modelin \u00f6ng\u00f6r\u00fclerine kar\u015f\u0131 kararlar alabilmesine izin verme ihtiyac\u0131 ile y\u00fcksek kesinlik oran\u0131na sahip modelin de\u011ferlendirmelerine g\u00fcvenme ihtiyac\u0131 aras\u0131nda s\u00fcrekli bir gerilim vard\u0131r. YZ’nin insanlar\u0131n yerini almayaca\u011f\u0131 ama insanlar\u0131n YZ ile birlikte \u00e7al\u0131\u015fma yeteneklerini geli\u015ftirmesi gerekti\u011fi s\u00f6ylenir. Ancak ya AFST’de oldu\u011fu gibi \u00e7al\u0131\u015fanlara profesyonel muhakeme yapma ve sistemlerin tahminlerini g\u00f6z ard\u0131 etme konusunda daha az inisiyatif verilir ya da \u00e7al\u0131\u015fanlar risk almak istemediklerinden sistemlerin \u00e7\u0131kt\u0131lar\u0131n\u0131 art\u0131k kabullenmeye ba\u015flarlar.<\/p>\n\n\n\n

    ***<\/h2>\n\n\n\n

    Veriler sosyal d\u00fcnyam\u0131z\u0131n yap\u0131s\u0131n\u0131 yans\u0131t\u0131r. \u00d6ng\u00f6r\u00fc i\u00e7in verilerin nas\u0131l kullan\u0131ld\u0131\u011f\u0131 (yapay \u00f6\u011frenme modellerinin tasar\u0131m\u0131) ve \u00f6ng\u00f6r\u00fclerin nihai karar\u0131 nas\u0131l etkiledi\u011fi (yapay \u00f6\u011frenme modellerinin konu\u015fland\u0131r\u0131lmas\u0131) ka\u00e7\u0131n\u0131lmaz olarak politik bir karaktere sahiptir. Yapay \u00f6\u011frenme, bilgisayar bilimciler taraf\u0131ndan y\u00fcr\u00fct\u00fclen teknik bir s\u00fcre\u00e7 oldu\u011fu i\u00e7in, altta yatan ahlaki ve politik se\u00e7imleri gizleyebilir. Ancak \u00f6ng\u00f6r\u00fc ara\u00e7lar\u0131n\u0131n tasar\u0131m\u0131 ve kullan\u0131m\u0131yla ilgili se\u00e7imler baz\u0131 insanlara yarar sa\u011flarken baz\u0131lar\u0131na zarar verir. Baz\u0131 de\u011ferler i\u00e7in uygun bir ortam haz\u0131rlarken di\u011ferlerini g\u00f6lgede b\u0131rak\u0131r. Yapay \u00f6\u011frenmedeki se\u00e7imler iki a\u00e7\u0131dan politiktir. Birincisi, baz\u0131 sosyal gruplar\u0131n \u00e7\u0131karlar\u0131n\u0131 di\u011ferlerine g\u00f6re \u00f6nceler. Se\u00e7ilen hedef, de\u011ferler veya e\u011fitim i\u00e7in kullan\u0131lan veriler belirli bir s\u0131n\u0131f, \u0131rk, etnik grup veya cinsiyete mensup ki\u015fileri dezavantajl\u0131 konuma getirebilir. \u0130kincisi, olu\u015fturulan modeller baz\u0131 de\u011ferleri desteklerken di\u011ferlerinin \u00f6n\u00fcne ge\u00e7er. E\u015fitsiz ve adaletsiz bir d\u00fcnyada, yapay \u00f6\u011frenme modellerinin tasar\u0131m\u0131nda baz\u0131 ilgi ve de\u011ferlerin di\u011ferlerine g\u00f6re \u00f6nceliklendirilmesinden ka\u00e7\u0131nman\u0131n kolay bir yolu yoktur (age).<\/p>\n\n\n\n

    GPT-4 ve onu takip edecek sistemler Yapay Genel Zek\u00e2 de\u011fil ama bu haliyle bile bir \u00e7ok yerde \u00e7\u0131\u011f\u0131r a\u00e7abilecek d\u00fczeydeler. OpenAI yola \u00e7\u0131karken “dijital zekay\u0131, finansal getiri sa\u011flama ihtiyac\u0131yla s\u0131n\u0131rland\u0131r\u0131lmadan, bir b\u00fct\u00fcn olarak insanl\u0131\u011fa en \u00e7ok fayda sa\u011flayacak \u015fekilde ilerletmek” i\u00e7in ara\u015ft\u0131rma taahh\u00fcd\u00fcn\u00fc beyan etmi\u015fti. Ama GPT-3 ile beraber \u00f6nce kaynak kodunun payla\u015f\u0131lmamas\u0131, \u015fimdi de sistem hakk\u0131nda payla\u015f\u0131lan bilginin \u00e7ok s\u0131n\u0131rl\u0131 olmas\u0131 gelecek i\u00e7in endi\u015fe verici.<\/p>\n\n\n\n

    YZ sistemleri, hayat\u0131n her alan\u0131na yay\u0131ld\u0131k\u00e7a bu sistemlerin kararlar\u0131ndan etkilenenlerin sistemin tasar\u0131m\u0131nda ve konu\u015fland\u0131r\u0131lmas\u0131ndaki se\u00e7imler hakk\u0131nda bilgi sahibi olma haklar\u0131 ve karar s\u00fcrecine kat\u0131l\u0131m haklar\u0131 olmal\u0131. Bu y\u00fczden \u015firketlere kar\u015f\u0131 yurtta\u015flar\u0131n mahremiyetinin veya \u015firketler aras\u0131ndaki rekabetin korunmas\u0131nda hakemlik yapan devlet yerine teknolojinin tasar\u0131m ve konu\u015fland\u0131r\u0131lmas\u0131nda yurtta\u015flar\u0131 s\u00fcrecin bir par\u00e7as\u0131 olarak g\u00f6ren kurumlara ihtiya\u00e7 var.<\/p>\n\n\n\n

    Kaynaklar<\/h3>\n\n\n\n

    Agrawal A., Gans J., Goldfarb, A. (2019). Gelece\u011fi G\u00f6ren Makineler. (\u00e7ev. M. \u00dcrgen).\u0130stanbul: Babil Kitap, 1. Bask\u0131<\/p>\n\n\n\n

    Hao, K. AI pioneer Geoff Hinton: \u201cDeep learning is going to be able to do everything.\u201d MIT Technology Review (2020).<\/p>\n\n\n\n

    Marcus, G. (2022). Deep learning is hitting a wall. Nautilus, Accessed, 03-11.<\/p>\n\n\n\n

    Simons, J. (2023). Algorithms for the People: Democracy in the Age of AI. Princeton University Press.<\/p>\n","protected":false},"excerpt":{"rendered":"

    OpenAI, ChatGPT’den birka\u00e7 ay sonra merakla beklenen GPT-4’\u00fc \u00e7\u0131kard\u0131. OpenAI, be\u015f y\u0131lda \u00f6nemli bir yol katetti. GPT (Generative Pre-trained Transformer – \u00dcretken \u00d6n \u0130\u015flemeli D\u00f6n\u00fc\u015ft\u00fcr\u00fcc\u00fc) ilk olarak 11 Haziran 2018’de yay\u0131mlanan “\u00dcretken \u00d6n E\u011fitimle Dil Anlay\u0131\u015f\u0131n\u0131 Geli\u015ftirme” ba\u015fl\u0131kl\u0131 makalede tan\u0131t\u0131lm\u0131\u015ft\u0131. O zamana kadar en iyi sinirsel NLP (Natural Language Processing – Do\u011fal Dil \u0130\u015fleme) modelleri \u00f6ncelikle b\u00fcy\u00fck miktarlarda etiketlenmi\u015f verilerden denetimli \u00f6\u011frenmeyi kullan\u0131yordu. Bu yakla\u015f\u0131m maliyetli oldu\u011fu gibi \u00f6zellikle a\u00e7\u0131klamas\u0131 yeterli olmayan veri setlerinde s\u0131n\u0131rl\u0131 bir performans g\u00f6steriyordu. GPT’nin “yar\u0131 denetimli” yakla\u015f\u0131m\u0131 ise iki a\u015fama i\u00e7eriyordu. Denetimsiz \u00fcretken “\u00f6n i\u015fleme” a\u015famas\u0131nda ba\u015flang\u0131\u00e7 parametrelerini ayarlamak i\u00e7in bir dil modelleme hedefi kullan\u0131l\u0131yor.<\/p>\n","protected":false},"author":1,"featured_media":0,"comment_status":"open","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"footnotes":""},"categories":[28,3,298],"tags":[486,489,488,487],"class_list":["post-849","post","type-post","status-publish","format-standard","hentry","category-bilgisayar-bilimi","category-ozgur_yazilim","category-yapay-zeka","tag-chatgpt","tag-gpt-4","tag-openai","tag-uretken-on-islemeli-donusturucu"],"_links":{"self":[{"href":"http:\/\/yarimada.gen.tr\/index.php?rest_route=\/wp\/v2\/posts\/849","targetHints":{"allow":["GET"]}}],"collection":[{"href":"http:\/\/yarimada.gen.tr\/index.php?rest_route=\/wp\/v2\/posts"}],"about":[{"href":"http:\/\/yarimada.gen.tr\/index.php?rest_route=\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"http:\/\/yarimada.gen.tr\/index.php?rest_route=\/wp\/v2\/users\/1"}],"replies":[{"embeddable":true,"href":"http:\/\/yarimada.gen.tr\/index.php?rest_route=%2Fwp%2Fv2%2Fcomments&post=849"}],"version-history":[{"count":1,"href":"http:\/\/yarimada.gen.tr\/index.php?rest_route=\/wp\/v2\/posts\/849\/revisions"}],"predecessor-version":[{"id":850,"href":"http:\/\/yarimada.gen.tr\/index.php?rest_route=\/wp\/v2\/posts\/849\/revisions\/850"}],"wp:attachment":[{"href":"http:\/\/yarimada.gen.tr\/index.php?rest_route=%2Fwp%2Fv2%2Fmedia&parent=849"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"http:\/\/yarimada.gen.tr\/index.php?rest_route=%2Fwp%2Fv2%2Fcategories&post=849"},{"taxonomy":"post_tag","embeddable":true,"href":"http:\/\/yarimada.gen.tr\/index.php?rest_route=%2Fwp%2Fv2%2Ftags&post=849"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}