Akademik Çalışmada Yapay Zekâ · Ders 1/12
Üretken Yapay Zekâ Nasıl Çalışır?
Büyük dil modellerinin metni nasıl ürettiğini, neden “uydurma” yaptığını ve bunun akademik çalışmada senin için ne anlama geldiğini sade bir dille öğren.
ChatGPT, Gemini, Claude, Copilot gibi araçlar artık tez yazan hemen her öğrencinin cebinde. Bu araçları doğru ve etik kullanabilmek için önce ne olduklarını ve ne olmadıklarını anlaman gerekir. Bu derste matematiğe girmeden, bir dil modelinin “kafasının içinde” neler olduğunu öğreneceksin. Bunu bilen öğrenci, YZ’nin verdiği cevaba körü körüne güvenmez; bilmeyen ise uydurma bir kaynağı kaynakçasına koyup savunmada zor duruma düşebilir.
- Üretken yapay zekâ (generative AI)
- Kendisine verilen bir girdiden (istem, prompt) yola çıkarak yeni metin, görsel, ses ya da kod üreten yapay zekâ sistemlerinin genel adı. Metin üreten türleri büyük dil modelleri üzerine kuruludur.
- Büyük dil modeli (Large Language Model, LLM)
- Çok büyük miktarda metin üzerinde eğitilmiş, bir metin parçasından sonra hangi sözcüğün (daha doğrusu hangi “belirtecin”) gelmesinin olası olduğunu tahmin etmeyi öğrenmiş istatistiksel bir model. ChatGPT’nin arkasındaki GPT modelleri, Google’ın Gemini’si, Anthropic’in Claude’u bu türdendir.
Basit anlatım: Süper gelişmiş bir “otomatik tamamlama”
Telefonunda mesaj yazarken klavyenin bir sonraki sözcüğü önerdiğini bilirsin. “Yarın sabah” yazınca “görüşürüz” önerir. Büyük dil modeli bunun inanılmaz derecede gelişmiş bir hâlidir: Milyarlarca sayfa metinden dilin örüntülerini öğrenmiştir. Ona bir soru sorduğunda, cevabı bir veri tabanından aramaz; soruya en uygun görünen metni sözcük sözcük üretir.
Bir dil modeli cevabı nasıl üretir? (sadeleştirilmiş)
- 1
Metin belirteçlere bölünür
Yazdığın istem “belirteç” (token) denen küçük parçalara ayrılır. Bir belirteç bazen bir sözcük, bazen bir hece ya da ek olabilir. Türkçe gibi eklemeli dillerde “tezlerimizdeki” gibi bir sözcük birkaç belirtece bölünür.
- 2
Bağlam değerlendirilir
Model, istemindeki tüm belirteçlerin birbiriyle ilişkisini hesaplar. Böylece “banka” sözcüğünün para bankası mı oturma bankı mı olduğunu bağlamdan çıkarır.
- 3
Bir sonraki belirteç için olasılıklar hesaplanır
Model, sözcük dağarcığındaki on binlerce olası belirtecin her birine sıradaki belirteç olma olasılığı atar. Ör. “Ankara Türkiye’nin ...” sonrasında “başkentidir” çok yüksek olasılık alır.
- 4
Bir belirteç seçilir ve eklenir
Genellikle yüksek olasılıklılardan biri seçilir (biraz rastgelelik de vardır; bu yüzden aynı soruya her seferinde biraz farklı cevap alırsın).
- 5
Döngü tekrar eder
Eklenen belirteç bağlama dâhil edilir ve cevap bitene kadar 3. ve 4. adımlar tekrarlanır. Yani model cevabın sonunu baştan “bilmez”; adım adım kurar.
Model neyi “bilir”, neyi bilmez?
| Genellikle iyi yaptığı | Genellikle kötü ya da riskli yaptığı |
|---|---|
| Akıcı, dil bilgisi düzgün metin üretmek | Kesin doğruluğu gerektiren olgular (tarih, sayı, isim) |
| Bir metni özetlemek, yeniden düzenlemek | Gerçek ve doğru kaynak (yazar, yıl, DOI) vermek |
| Kavramları farklı düzeylerde açıklamak | Çok yeni gelişmeler (eğitim verisinin kesim tarihinden sonrası) |
| Beyin fırtınası, alternatif fikir üretmek | Türkiye’ye özgü güncel mevzuat ve kurum kuralları |
| Kodda hata bulmak, kod açıklamak | Karmaşık hesaplamaları araçsız ve hatasız yapmak |
| Metindeki mantık boşluklarını işaret etmek | Senin verini ve alanının özgül bağlamını “bilmek” |
Halüsinasyon: Model neden uydurur?
- Halüsinasyon (uydurma)
- Bir dil modelinin gerçekte var olmayan, yanlış ya da doğrulanamayan bilgiyi büyük bir özgüvenle, doğruymuş gibi üretmesi. Akademide en tehlikeli biçimi var olmayan kaynak (sahte makale, yanlış DOI, olmayan yazar) üretmesidir.
Halüsinasyon bir “arıza” değil, modelin çalışma biçiminin doğal sonucudur. Model, “doğru olan” metni değil, “olası görünen” metni üretir. Akademik bir kaynak künyesi belli bir kalıba uyar: yazar soyadı, yıl, başlık, dergi adı, cilt, sayfa. Model bu kalıbı çok iyi öğrenmiştir; dolayısıyla gerçek bir makaleyi hatırlayamadığında bile kalıba mükemmel uyan, inandırıcı ama var olmayan bir künye üretebilir.
- Kalıp tamamlama: Model “Türkiye’de öğretmen tükenmişliği üzerine bir makale” isteğine, gerçek bir makaleye bağlı kalmadan, alana uygun görünen bir başlık ve tipik Türk soyadlarıyla künye “tamamlar”.
- Bilmediğini söylememe eğilimi: Modeller yardımsever olmak üzere eğitildiği için “bilmiyorum” demek yerine bir cevap üretmeye yatkındır.
- Seyrek bilgi: Türkçe yayınlar, yerel dergiler, yüksek lisans tezleri eğitim verisinde az temsil edildiği için bu alanlarda uydurma riski daha yüksektir.
- Karışık hafıza: Model iki gerçek çalışmayı birbirine karıştırıp, birinin yazarını diğerinin başlığıyla birleştirebilir. Bu, tamamen uydurmadan da sinsi bir hatadır.
- Güncellik sınırı: Modelin eğitim verisi belli bir tarihte kesilir. İnternet erişimi yoksa sonraki yayınları, yönetmelik değişikliklerini bilemez.
“ChatGPT bu makaleyi önerdi, demek ki böyle bir makale var. Kaynakçama ekliyorum.”
Öğrenci: “Ortaokul öğrencilerinde matematik kaygısı ile ilgili Türkiye’de yapılmış 3 makale önerir misin?”
YZ: “Elbette! 1) Karaca, M. ve Aydın, F. (2019). Ortaokul öğrencilerinde matematik kaygısının akademik başarıya etkisi. Eğitim Araştırmaları Dergisi, 12(3), 45–62. ...”
Öğrenci Google Akademik’te başlığı aratıyor: sonuç yok. Dergi adı gerçek gibi duruyor ama o cilt ve sayıda böyle bir makale bulunmuyor. Yazarlar başka konularda yayın yapmış kişiler olabilir ya da hiç yoktur.
“Türkiye’de 2023 yılında kaç yüksek lisans tezi yazıldı? Tezime yazacağım.”
Bu bilginin tezine etkisi
- YZ’nin ürettiği her olgu, sayı, tarih ve kaynak doğrulanmadan kullanılamaz.
- YZ bir “kaynak” değildir; tezinde “ChatGPT’ye göre ...” diye bilgi aktaramazsın (YZ kullanımını beyan etmek ayrı bir konudur, ileride göreceksin).
- YZ’nin güçlü olduğu alanlar (dil, yapı, açıklama, beyin fırtınası) etik kullanımın da en uygun olduğu alanlardır.
- Sorumluluk her zaman yazardadır: Tezin altına senin adın yazılır.
Kendini dene
Kendini dene
Kendini dene
YZ çıktısını kullanmadan önce
0/5Takıldığın bir yer mi var?
Bu konuda sık sorulanlar