Yapay zekâ alan haritası

Teori: iç içe kümeler#

Yapay zekâ, belirsizlik altında karar üreten sistemlerin tümünü kapsayan geniş bir başlıktır; elle yazılmış kurallar da bu başlığın altındadır. Makine öğrenmesi, kuralın elle yazılmadığı, etiketli veya etiketsiz örneklerden çıkarıldığı alt kümedir. Derin öğrenme ise girdinin temsilini de veriden öğrenen, katmanlı ağlara dayanan alt kümedir: klasik makine öğrenmesinde özellikleri siz tasarlarsınız, derin öğrenmede katmanlar çıkarır.

Üretken modeller bu hiyerarşinin dışında bir kutu değil, bir hedef tercihidir: model, girdiyi bir etikete eşlemek yerine olası çıktılar üzerinde bir dağılım öğrenir ve o dağılımdan örnek üretir. Bu hedef derin öğrenmeye özgü değildir; bugün konuşulan örneklerin derin ağlara dayanması bir tarih sonucudur. Ayrımın mühendislik sonucu doğrudan bütçeye yansır: kapalı bir etiket kümesine tahmin yapan sistemde doğru cevabın ne olduğu bellidir; serbest metin üreten sistemde doğruluğun tanımı bile bir tasarım kararıdır ve iş yükünün büyük kısmı değerlendirme ile sınırlandırmaya gider.

Bu rotanın geri kalanı bu çizginin üretken tarafında ilerliyor. Ancak üretken tarafa geçmeden önce alt katmanların dilini bilmek gerekir: ölçüm disiplini denetimli öğrenmeden, eğitim dinamikleri derin öğrenmeden, bağlam maliyeti transformer mimarisinden gelir. Bu dersler bu yüzden bu sırayla duruyor.

Uygulamada: işi hangi katman çözer#

Üretken model neyi çözmez#

• Kesin aritmetik ve envanter sorgusu: cevabı bir kayıt sisteminde duran soruya olasılıksal cevap üretmek hata katar; model sorguyu yazabilir, cevabı üretmemelidir.
• Yetki kararı: “bu kullanıcı bu belgeyi görebilir mi” sorusu bir filtre işidir, bir istem işi değil.
• Denetlenebilir gerekçe: model akıcı bir açıklama üretir, ama bu açıklama çıktının gerçek nedeni olmak zorunda değildir.
• Değişmez iş kuralı: sabit kurallar koda yazılır ve doğrulamada zorlanır; modele hatırlatılmaz.

Karar: hangi katmanla başlanır#

1. 1Çıktı kümesini yaz

   Cevap sonlu bir kümeden mi seçiliyor, bir sayı mı, yapılandırılmış bir kayıt mı, yoksa serbest metin mi? Bu tek soru katmanı büyük ölçüde belirler.

2. 2Doğrulama yolunu tanımla

   Çıktının doğru olup olmadığını neye bakarak anlayacaksınız: bir kayıt sistemi, bir insan denetimi, bir birim test? Doğrulanamayan çıktı üretime alınmaz.

3. 3En basit yeterli katmanı seç

   Kural yetiyorsa kural; etiketli veri varsa denetimli model; ikisi de karşılamıyorsa üretken model.

4. 4Ölçüm setini önce kur

   Katman seçilmeden önce gerçek örneklerden oluşan küçük bir değerlendirme seti yazın; sonraki bütün kararlar bu sete bakarak verilir.

Sık yapılan hata#

En yaygın hata, çıktı kümesinden değil araçtan başlamaktır: “buraya bir dil modeli koyalım” cümlesi ne çıktının biçimini ne doğrulama yolunu belirtir. Bu yoldan çıkan sistemin belirtisi tanıdıktır: cevabı zaten bir veri tabanında duran sorulara akıcı yanıtlar veren, ama ekibin doğru olup olmadığını söyleyemediği bir katman. İkinci yaygın hata, terimlerin gevşek kullanılmasıdır; “yapay zekâ ekleyelim” tartışması teknik bir tartışma değildir.