Yapay zeka modelleri ve platformları

İnsan-AI İletişiminin Evrimi: Prompt Mühendisliğinden Amaç Mühendisliğine

Dr. Tehseen Zia
Unite.AI sitesini Google'daki tercih ettiğiniz kaynaklara ekleyin
Öne çıkan noktalarNiyet mühendisliği, odak noktasını mükemmel komutlar oluşturmaktan, altta yatan…
Daha fazla göster
  • Niyet mühendisliği, odak noktasını mükemmel komutlar oluşturmaktan, altta yatan hedefleri ve bağlamı net bir şekilde iletmeye kaydırır.
  • Modern yapay zeka sistemleri artık yalnızca tek tek komutları değil, biriken niyeti anlamak için kalıcı bellek ve muhakeme kullanıyor.
  • Bu evrim, insan-yapay zeka etkileşimini bir araç programlamaktan ziyade bir ortakla işbirliğine benzetiyor.

Son birkaç yıldır prompt mühendisliği AI çağındaki en önemli becerilerden biri haline geldi. Bu konuda kurslar düzenlendi, iş unvanları oluşturuldu ve mükemmel cümleyi nasıl oluşturacağını paylaşmak için topluluklar kuruldu. Böylece dil modeli tam olarak istediğiniz şeyi yapsın. Prompt mühendisliğinin popüler olmasının arkasındaki temel neden, AI’nin güçlü ancak literal olmasıdır. AI’nin dilini öğrenmeden önce yardım etmesi mümkün değildi. O zamanın mantığı doğruydu, ancak şimdi bu mantık bozulmaya başladı.

AI modelleri daha da güçlü hale geldikçe, iletişim yükü değişiyor. Soru artık sadece “bu talebi doğru şekilde nasıl ifade edebilirim?” değil, “AI’nin gerçekten ne yapmaya çalıştığımı anlamasını nasıl sağlayabilirim?” Bu, daha derin bir soru ve amaç mühendisliği olarak adlandırılan yeni bir alanın ortaya çıkmasına işaret ediyor.

Prompt Mühendisliğinin Aslında Ne Olduğu

Nereye gittiğimizi anlamak için, prompt mühendisliğinin aslında ne olduğunu anlamak yardımcı olur. Temelde, bir çözüm yolu olarak ortaya çıktı. İlk dil modelleri güçlü ancak kırılgandı. Belirli kalıplara iyi, belirsiz kalıplara kötü tepki veriyorlardı. Bu nedenle, kullanıcılar bu kalıpları öğrendiler. Modelin “adım adım düşünmesini” sağlamanın akıl yürütmeyi iyileştirdiğini keşfettiler. Örnekler vermenin çıktıların daha tutarlı olmasını sağladığını öğrendiler. Modelin “uzman bir yazılım mühendisi gibi davran” rolünü vermenin tonunu ve cevapların kalitesini değiştirdiğini keşfettiler. Bu bilgiler gerçekten sonuçları iyileştirdi, ancak insanların makineye uyum sağlamasını gerektiriyordu. İnsanlar, kendi doğal düşünme şekillerinden ziyade modelin mimarisine uygun bir şekilde konuşmayı öğreniyorlardı.

Bu, akıllı ajanlar arasındaki iyi iletişim için geçerli değil. Bir sorununu yetenekli bir meslektaşına açıkladığında, önce onun nöral yollarını en çok aktive edecek cümleleme stratejisini düşünmezsin. Durumu açıklarsın. Onlar bağlamı anlar. Gerekirse açıklamalar sorarlar. Ve gerçekten istediğin şeyi yapmaya çalışırlar. Prompt mühendisliğinin değeri ne olursa olsun, her zaman daha iyi bir AI’nin sonunda kapatacağı bir boşluğu telafi ediyordu.

Prompt Mühendisliğini Gerekli Kılan Sınırlar

Prompt mühendisliğinin bu kadar önemli olmasının tek nedeni modellerin kusurlu olması değildi. Modellerin kullanıcıya ilişkin gerçek bir modeli de yoktu. Metin işliyor ve metin döndürüyorlardı. Kim olduğun, ne yapmaya çalıştığın, özel bağlamında “iyi”nin ne anlama geldiği konusunda kalıcı bir anlayışları yoktu.

Bu, garip bir durum yarattı. Aynı soruyu sorabilir ve nasıl ifade ettiğine bağlı olarak çok farklı sonuçlar alabilirdin. Bir prompt’u 20 dakika düzenleyerek, daha önce aldığın herhangi bir şeyden daha yararlı bir cevap alabilirdin. Prompt sadece bir girdi değildi, bir anahtardı ve doğru anahtarı bulmak beceri, sabır ve bazen şans gerektiriyordu.

Bu ayrıca, çıktının kalitesinin genellikle gerçek alan bilginden daha fazla, prompting becerine bağlı olduğu anlamına geliyordu. Aynı zamanda yetenekli bir prompt mühendisi olan bir doktor, bu kalıpları bilmeyen daha bilgili bir doktora kıyasla modelden daha iyi tıbbi akıl yürütme elde edebilirdi. Bu, değerlerin tuhaf biçimde tersine dönmesiydi. Sistem, yanlış şeyi optimize ediyordu.

Amaç Mühendisliğinin Değiştirdiği Şey

Amaç mühendisliği, farklı bir dizi temel varsayıma dayanmaktadır. Modelin iyi cevap vermesi için talebi nasıl ifade edeceğinizi sormak yerine, gerçekten ne istediğinizi, her düzeyde, modelin doğru sonucu kendisi için akıl yürütebileceği şekilde nasıl iletebileceğinizi sorar.

Bu, prompt mühendisliğinin tek başına üstesinden gelemeyeceği birkaç şeyi içerir. AI sistemlerine hedefleriniz, kısıtlamalarınız ve standartlarınız hakkında yeterli bağlam verilir; böylece her adımı belirtmenize gerek kalmadan iyi kararlar alabilirler. Kesin talimatlar vermek yerine ortak bir anlayış oluşturulur. Ayrıca AI’nin doğru yanıtların kendisine verilmesini beklemek yerine doğru soruları sorabildiği sistemler kurulur.

Şimdi bunu uygulamada görmeye başlıyoruz. Modern AI sistemleri, artan şekilde kalıcı hafıza, kullanıcı profilleri ve devam eden bağlamı destekliyor. Bir model, belirli düzenleyici kısıtlamalara tabi bir sağlık uygulaması üzerinde çalışan bir ürün yöneticisi olduğunuzu biliyorsa, talepleriniz otomatik olarak daha zengin bir anlam taşıyor. Her seferinde bağlamı yeniden oluşturmanıza gerek yok. Model zaten üzerinde çalıştığınız bağlamı anlıyor.

Bu, temel bir değişim. Prompt mühendisliği her etkileşimi izole olarak ele alıyordu. Amaç mühendisliği ise iletişimi birikimli olarak ele alıyor. Model artık sadece bir girdi işlemiyor. Ne yapmaya çalıştığınız ve neden hakkında devam eden bir konuşmayı takip ediyor.

Zengin Bağlam ve Akıl Yürütmenin Rolü

Amaç mühendisliğinin bir başka boyutu, modern modellerin belirsizliği nasıl ele aldıkları ile ilgilidir. Bugün iyi eğitilmiş bir model, sadece cümlenizin en muhtemel tamamlamasına uyumlu değil, ayrıca muhtemelen ne demek istediğinize dair akıl yürütür, yaptığı varsayımları belirtir ve birçok durumda devam etmeden önce açıklama ister.

Bu önemli çünkü insan iletişimi doğası gereği belirsiz. Birisi “patronum için bir şeyler yazmama yardım eder misiniz?” diye sorduğunda, performans değerlendirmesi, özür mektubu, proje önerisi veya istifa mektubu anlamına gelebilir. Prompt mühendisliğine optimize edilmiş bir sistem, tam olarak kelimelerden çıkarım yapmaya çalışacaktır. Amaç mühendisliğine optimize edilmiş bir sistem, belirsizliği tanır ve soru sorarak veya birden fazla olası yorumu dikkate alan bir şey üreterek akıllıca ele alır.

Test zamanı akıl yürütme yeteneği, yani modelin cevap vermeden önce bir sorunu düşünme yeteneği de burada önemli bir rol oynar. Cevap vermeden önce akıl yürüten modeller, literal talebin altta yatan amaca uymadığı durumlarda daha iyidir. X istemiş olmanıza rağmen muhtemelen Y’ye ihtiyacınız olduğunu fark edebilir ve bu gözlemi sessizce talebi yerine getirmek yerine sunabilir.

Yeni Bir Beceri Türü

Bu evrim, insan iletişimi becerilerini geçersiz kılmaz. Ancak bu becerilerin nasıl göründüğünü değiştirir. Amaç mühendisliği dünyasında başarılı olan kişi, en iyi prompt şablonlarını ezberleyen kişi değildir. Gerçekten ne yapmaya çalıştığını açıkça ifade edebilen, önemli bağlamı ve kısıtlamaları iletebilen ve AI’nin çıktısının yalnızca ifade edilen talebe değil, asıl hedefe hizmet edip etmediğini anlayabilen kişidir.

Birçok bakımdan bunlar, eski becerilerdir. Bunlar, iyi bir yönetici, iyi bir öğretmen veya iyi bir işbirlikçi olan becerilerdir. Niyeti açıkça iletmek, sadece ne istediğini değil, neden istediğini de açıklamak, her zaman etkili iletişimin bir özelliğidir. Yeni olan şey, AI sistemlerinin artık gerçekten bu tür iletişime cevap verebilecek kadar gelişmiş olmasıdır.

İlginç sonuç, AI geliştikçe, insan-makine arayüzünün programlama gibi görünmekten çıkıp daha çok işbirliği gibi görünmeye başlamasıdır. Mükemmel girdiyi mühendislik yapmaya çalışmana gerek kalmayacak. Açık ve amaçlı bir iletişim kurmaya ihtiyacın olacak.

AI Sistemlerini İnşa Etme Biçimimiz için Ne Anlama Geliyor

Bu değişim, AI sistemlerinin nasıl tasarlanması gerektiği konusunda da sonuçlar doğuruyor. Prompt mühendisliği paradigmaları, sistemlerin kesin girdilere karşı çok duyarlı olmasına odaklanmanızı teşvik eder. Amaç mühendisliği paradigmaları, sistemlerin çıkarımlar yapma, soru sorma, adapte olma ve devam ettirme konularında iyi olmasına odaklanmanızı teşvik eder.

Bu, anlamlı bağlamı bir oturumdan diğerine taşıyabilen hafıza mimarilerine yatırım anlamına gelir. Modelin yeterli bilgiye sahip olmadığını ve iyi davranamayacağını söyleyebilen modelleri inşa etmek anlamına gelir. Kullanıcıların komutlar yerine hedeflerini iletebildiği ve AI’nin bu hedeflere nasıl ulaşılacağını bulmakta bir ortak gibi davrandığı arayüzler oluşturmak anlamına gelir.

Ayrıca, değerlendirmeyi yeniden düşünmek anlamına gelir. Şu anda, genellikle bir modelin belirli talimatları ne kadar iyi yerine getirdiğini ölçüyoruz. Amaç mühendisliği dünyasında, daha iyi ölçüt, modelin talimatların arkasındaki temel amacı ne kadar iyi hizmet ettiğidir, talimatların kendileri belirsiz olduğunda bile.

Ana Fikir

Prompt mühendisliği, AI’yi güçlü ancak aptal bir araç olarak ele alıyordu, bu araçlara özenle muamele edilmesi gerekiyordu. Amaç mühendisliği, AI’yi bağlamı anlayan, amaçları hakkında akıl yürüten ve belirsizliği ele alan akıllı bir işbirlikçi olarak ele alıyor. Bu değişim, AI’nin ne için olduğu hakkındaki düşüncelerimizde bir değişimi yansıtıyor. Tam olarak söylediğiniz kelimeleri yerine getiren bir makine değil, gerçekten önem verdiğiniz şeyi başarmaya yardımcı olan bir sistem. Bu değişim, insan-AI etkileşiminin geleceğinin, akıllı cümleleme ustalığı hakkında olmayacağını, bunun yerine AI’nin yalnızca itaat etmekle kalmayıp işbirliği yapabilmesi için hedefleri, kısıtlamaları ve amacı yeterince açık ifade etmekle ilgili olacağını gösteriyor.

Dr. Tehseen Zia, COMSATS Üniversitesi Islamabad'da daimi kadroda görev yapan bir doçent (Associate Professor) olup, Viyana Teknoloji Üniversitesi'nden (Avusturya) Yapay Zeka alanında doktora derecesine sahiptir. Yapay Zeka, Makine Öğrenimi, Veri Bilimi ve Bilgisayarlı Görü alanında uzmanlaşmış olan Dr. Tehseen, saygın bilimsel dergilerde yayımlanmış önemli katkılarıyla dikkat çekmiştir. Dr. Tehseen ayrıca çeşitli endüstriyel projeleri baş araştırmacı olarak yönetmiş ve Yapay Zeka Danışmanı olarak hizmet vermiştir.