Editörden Yapay Zeka

Üretken Yapay Zeka Nasıl Daha İyileşebilir?

TeknolojiWins Haber Merkezi
  • 1 Haziran 2024
  • Okuma süresi: 5 dakika
Üretken Yapay Zeka Nasıl Daha İyileşebilir?

Üretken yapay zeka (GenAI) yeni bir kavram değil, ancak son dönemde büyük bir patlama yaşadı.

1950’ler ve 1960’lardan bu yana araştırmacılar yapay zeka ve makine öğrenimi (ML) kavramını çalışıyor. Ancak, OpenAI’nin ChatGPT’yi tanıtması ve teknolojinin neler yapabileceğini göstermesiyle GenAI, bilim kurgu ve teknoloji alanından çıkıp kamuoyunun bilincine yerleşti. Basitçe söylemek gerekirse, teknoloji geçtiğimiz yıl büyük bir patlama yaşadı ve birden fazla sektörde önemli bir etki yarattı. PwC’nin “Global CEO Anketi”ne göre, %70’i GenAI’nin önümüzdeki üç yıl içinde şirketlerinin değer yaratma, sunma ve yakalama biçimini önemli ölçüde değiştireceğini düşünüyor.

Peki ya GenAI araçlarının gerçek kullanıcıları olan tüketiciler? “Üretken Yapay Zeka Anketi”, 6.300’den fazla küresel tüketici, yazılım geliştirici ve dijital kalite test uzmanıyla yapılan anketlerde, teknolojiye olan kullanıcı memnuniyetinin arttığını ancak önyargı ve gizlilikle ilgili devam eden zorlukların olduğunu ortaya koydu.

GenAI Büyüme Zorlukları: Yanlış Yanıtlar, Kullanıcı Deneyimi Kusurları ve Zararlı Çıktılar

Son altı ayda teknoloji ivme kazandı. Anketimize katılanların %91’i araştırma yapmak için GenAI araçlarını kullandı ve %33’ü günlük olarak araştırma için kullanıyor. Geçen yıl Eylül ayında bu oran %23’tü. Ancak, katılımcıların %50’si önyargılı olarak değerlendirdikleri yanıtlar veya içeriklerle karşılaştı, bu oran geçen yıl %47 idi. Yine de, bu katılımcıların %75’i chatbot’ların zehirli veya yanlış yanıtları yönetme konusunda daha iyi hale geldiğini düşündü.

Katılımcıların sadece %19’u GenAI araçlarının her kullanımlarında sorularını anladığını ve yardımcı yanıtlar verdiğini belirtti, bu oran Avrupa’da %9’a düşüyor. Kullanıcı deneyimi (UX) açısından hala iyileştirme alanı olsa da (örneğin, daha iyi kaynak atıfları, daha yerelleştirilmiş yanıtlar ve daha fazla dil desteği), geçen yıl chatbot yanıtlarının her zaman uygun ve ilgili olduğunu söyleyen %7’lik katılımcı oranına kıyasla önemli bir artış temsil ediyor. GenAI kullanıcılarının karşılaştığı en yaygın UX sorunları, yeterli ayrıntı sağlamayan genel yanıtlar, yanlış anlaşılan komutlar ve ikna edici ama biraz yanlış yanıtlar olup, sadece %10’u açıkça yanlış yanıtları belirtti.

Kullanıcıların büyük çoğunluğu (%89), GenAI sistemlerini eğitmek için kullanılan verilerin kalitesi konusunda endişe duyuyor, bunların %11’i asla özel bilgi sağlamayacaklarını belirtiyor. Bu, geçen yıl %91 olan oranla karşılaştırıldığında sadece hafif bir düşüşü temsil ediyor ve bu da açıkça iyileştirilmesi gereken bir alan.

Değişen Tüketici GenAI Kullanım Durumları

PwC’nin “Üretken Yapay Zeka Değer Yolu: Çarkı Harekete Geçirmek” adlı çalışması, GenAI’nin potansiyel değerinin sadece %15’inin erken dönem GenAI hizmetlerinin tanındığı modellerde bulunduğunu ve sektörler arasında en iyi beş GenAI kullanım durumunun teknolojiden elde edilen toplam değerin %50 ila %80’ini oluşturabileceğini öne sürüyor.

Tüketiciler, teknolojiyi nasıl kullandıklarını değiştirdiler. Başlangıçta, kullanıcılar GenAI’nin yaratıcı çabaları nasıl ileriye taşıyabileceğiyle ilgilenirken, şimdi daha çok iş ile ilgili görevler için kullanıyorlar. Geçen yıl yapılan çalışmamızda, tüketicilerin %78’i GenAI kullandığını belirtmişken, bu yıl bu oran %91’e çıktı. Ek olarak, katılımcıların %81’i sorgulamalar için arama motorları yerine chatbot’ları kullanıyor ve neredeyse üçte biri (%32) günlük olarak chatbot’ları arama için kullanıyor. Diğer kullanım durumları arasında dil çevirisi, yaratıcı yazım ve e-posta, teklif ve benzeri iş iletişimlerinin taslağını oluşturma yer alıyor. Yazılım geliştiriciler ve test uzmanları için chatbot’lar, kod yazma ve hata ayıklama, test senaryoları oluşturma ve raporlama konusunda yardımcı oluyor.

Gelecek Ne Getirecek?

AI hızla değişiyor ve neler yapabileceğini görmek için iştah da genişliyor. Kullanıcı geri bildirimi, AI uygulamalarındaki hataları ve aksaklıkları düzeltmekle kalmayıp, uygulamanın son kullanıcılara uygun ve alakalı yanıtlar vermesini sağlamak için kritik öneme sahip olacaktır. Bu, büyük dil modellerinin (LLM’ler) eğitiminin inceliklerini anlamayı ve sürekli ince ayar yapmayı gerektirecektir. Siber güvenlikte yaygın bir düşmanca yaklaşım olan red teaming, GenAI’ye de uygulanabilir ve birçok başarısızlık noktasını test etmek için kullanılabilir. Özellikle önyargıya bakıldığında, çeşitli bir test grubunun red teaming kullanarak önyargılı ve güvensiz materyalin nereden geldiğini belirlemesi ve ardından bu bilgiyi modelleri yeniden eğitmek veya koruyucu önlemler geliştirmek için kullanması mümkündür.

Doğru test ekibini kurmak ve kullanıcı etkileşimini, geri bildirimlerini ve işlevsel hataları değerlendirmenin yanı sıra erişilebilirlik ve kapsayıcılığı dikkate almak, kuruluşların tüketicilerin mevcut ve gelecekteki ihtiyaçlarını karşılayan kaliteli uygulamalar ve hizmetler geliştirmeye devam etmesine yardımcı olacaktır.

Yorum yazın

E-posta adresiniz yayınlanmayacak. Gerekli alanlar * ile işaretlenmişlerdir