Yapay Zekâ Sohbet Botları Nasıl Çalışır? (Sade Anlatım)

Yapay zeka sohbetlerini verimli kullanmak için arkasındaki matematiği bilmenize gerek yoktur; ancak temel işleyişi kavramak birçok şeyi açıklar: Cevapların yanlışken bile neden kendinden emin göründüğünü, aynı sorunun neden farklı yanıtlar alabildiğini, yapay zekanın uzun sohbetlerde neden konudan saptığını ve güncel olayları neden bilmeyebileceğini. İşte gereksiz teknik terimlerden uzak, sade bir dille açıklaması.

Kısa özet

Bir yapay zeka sohbet robotu, büyük bir dil modeli (LLM) üzerine kuruludur: Bir sonraki ifadenin ne olacağını tahmin etmek üzere devasa miktarda metinle eğitilmiş çok büyük bir yapay sinir ağıdır. Siz bir mesaj gönderdiğinizde model konuşmayı okur ve her seferinde önceki her şeyi temel alarak en olası bir sonraki parçayı seçer; cevabı parça parça üretir. Sonraki eğitimler ise modele talimatları takip etmeyi, sohbet sürdürmeyi ve zararlı talepleri reddetmeyi öğretir.

Arka planda hazır cevapların arandığı bir veri tabanı ya da yanıt yazan bir insan yoktur. Bu rehberdeki neredeyse her şey doğrudan bu temel kurala dayanır.

1. Adım: Metin jetonlara (token) dönüşür

Modeller harfleri ya da tam kelimeleri bizim gibi okumaz. Metni token adı verilen parçalara bölerler: Yaygın kelimeler genellikle tek bir token iken, daha uzun veya nadir kelimeler parçalara ayrılır. Boşluklar, noktalama işaretleri ve sayılar da birer token haline gelir. Yapay zekanın bir kelimedeki harfleri sayma veya bir metni tersten yazma gibi görevlerde takılmasının nedeni budur: Harfleri sizin gördüğünüz gibi tek tek görmez.

Aynı anlam farklı dillerde farklı sayıda token tutabilir; bu da yanıt kalitesinin ve uzunluk sınırlarının dilden dile değişebilmesinin nedenlerinden biridir.

2. Adım: Devasa miktarda metinle ön eğitim

İlk ve en kapsamlı aşamada modele geliştiricisine bağlı olarak herkese açık web sayfaları, kitaplar, kodlar ve diğer kaynaklardan oluşan devasa miktarda metin sunulur ve modelden bir sonraki token'ı tahmin etmesi istenir. Tekrar tekrar düzeltilir ve parametre ya da ağırlık adı verilen dahili sayılarını kademeli olarak ayarlar.

Metinleri başarılı şekilde tahmin edebilmek için model; dil bilgisi, olgular, mantık kalıpları ve üsluplar hakkında muazzam miktarda bilgi edinir. Ancak bir kütüphane gibi eğitim verilerinin bir kopyasını saklamaz; istatistiksel kalıpları depolar. Bir kavramı akıcı bir şekilde açıklayabilirken belirli bir tarihi, ismi veya alıntıyı yanlış hatırlayabilmesinin nedeni budur.

3. Adım: İnce ayar (fine-tuning) tahminciyi asistana dönüştürür

Yalnızca metin tahmini yapan bir model, mesajınızı yanıtlamak yerine sadece devamını getirirdi. Bu nedenle geliştiriciler, modeli başarılı sohbet örnekleriyle daha ileri düzeyde eğitir; insanlardan ve giderek artan şekilde otomatik kontroller ile diğer modellerden gelen geri bildirimleri kullanarak faydalı, dürüst ve güvenli yanıtları ödüllendirir. En bilinen yöntemlerden biri insan geri bildirimiyle pekiştirmeli öğrenmedir (RLHF).

Bu aşama sohbet robotuna temel davranış kurallarını kazandırır: Talimatları izlemek, biçimlendirme kullanmak, zaman zaman emin olmadığını belirtmek ve zararlı talepleri geri çevirmek. Ancak kullanıcıya gereğinden fazla katılma eğilimi veya olması gerekenden daha emin konuşma gibi bazı kusurlara da yol açabilir.

Son dönemdeki pek çok model akıl yürütme (reasoning) konusunda da eğitilmektedir: Nihai cevabı vermeden önce bir problemi ara adımlarla çözerler. Bu durum onları kusursuz yapmasa da matematik, kodlama ve planlama konularındaki sonuçları belirgin şekilde iyileştirir.

4. Adım: Sohbetiniz ve bağlam penceresi (context window)

Siz sohbet ederken uygulama modele bir metin paketi gönderir: Servisten gelen ve sizin görmediğiniz talimatlar (sistem istemi / system prompt), konuşmadaki önceki mesajlar ve yeni mesajınız. Modelin kendisi istekler arasında bir hafıza tutmaz. Sohbeti "hatırlamasının" tek nedeni, konuşmanın her seferinde modele baştan gönderilmesidir.

Basitleştirirsek, bir sohbetteki üçüncü mesajınız için hazırlanan paket şuna benzer:

[system]    Yardımcı bir asistansın. Net yanıtlar ver...
[user]      Bir fırın için güzel isim önerileri nelerdir?
[assistant] İşte birkaç fikir: Gün Işığı Fırını, Taze Ekmek...
[user]      Daha Fransızca tınlayan isimler olsun.
[assistant] (model bu kısmı token token yazar)

"Daha Fransızca tınlayan isimler olsun" ifadesi, yalnızca önceki mesajlar pakete dahil edildiği için anlam kazanır. Bir uygulama bunları dahil etmeseydi, model neyin kastedildiğini bilemezdi.

Bir modelin tek seferde dikkate alabileceği metin miktarına bağlam penceresi (context window) denir ve uygulamalar sınırlara uymak için genellikle uzun sohbetleri kısaltır. Çok uzun bir sohbette yapay zekanın başlangıçtaki ayrıntıları unutabilmesinin nedeni budur. Kısa bir özetle yeni bir sohbet başlatmak genellikle işe yarar.

Bazı servisler sohbetler arasında sizinle ilgili bilgileri saklayan ayrı bir hafıza özelliği sunar. Bu, modelin tek başına yaptığı bir şey değil, modelin etrafına inşa edilmiş bir uygulama özelliğidir.

5. Adım: Yanıtın üretilmesi

Her bir sonraki token için model, birçok olası aday üzerinden olasılıkları hesaplar. Ardından uygulama, metnin mekanik görünmemesi için genellikle belirli bir rastgelelik payı dahilinde bunlardan birini seçer. Bu durum fark etmiş olabileceğiniz iki şeyi açıklar:

• Aynı soru farklı cevaplar üretebilir. Yeniden oluşturmak (regenerate), alternatifleri görmenin hızlı bir yoludur.
• Akıcı bir cümle, doğru bir cümle anlamına gelmez. Model bağlama uyan kelimeleri seçer; ilerlerken bilgileri kontrol etmez.

Kendiniz deneyin: Sohbetten bir örnekle token mantığını açıklamasını isteyin, ardından yanıtı yeniden oluşturun ve iki sürümü karşılaştırın.

Yapay zeka neden uydurur?

Bir model kendinden emin ancak yanlış bilgiler ürettiğinde buna halüsinasyon denir. Bunun sebebi, modelin inandırıcı görünen metinler üretmek üzere tasarlanmış olmasıdır; gerçek bilgi bilinmediğinde bile gerçekçi görünen bir alıntı, istatistik veya biyografi üretmek oldukça kolaydır. Eğitimler bunu azaltsa da tamamen ortadan kaldırmamıştır. Daha yüksek risk taşıyan alanlar şunlardır:

• Kesin sayılar, tarihler ve doğrudan alıntılar.
• Kitap, makale, dava dosyası ve web sayfası referansları.
• Eğitim verisi kısıtlı olan niş konular.
• Modelin eğitim verisinin bittiği tarihten sonraki olaylar.

Doğrulama rehberimiz, yanıtları nasıl hızlıca teyit edebileceğinizi açıklar.

Yapay zeka güncel olayları neden bilmeyebilir?

Bir modelin bilgisi, belirli bir tarihe kadar toplanan verilerden gelir; buna bilgi kesintisi (knowledge cutoff) denir. Uygulama bir web arama aracıyla ya da sizin yapıştırdığınız metinlerle güncel bilgiyi sağlamadığı sürece model bu tarihten sonrasını bilmez. Bir asistan web araması yaptığında bile cevabın kalitesi bulduğu sayfalar kadardır; bu nedenle kaynakları kontrol etmek yine de önemlidir. Sorunuz güncel bilgilere dayanıyorsa ilgili metni kendiniz yapıştırın veya cevabı güncel bir kaynaktan teyit edin.

Modeller, geliştiriciler ve model menüsü

Büyük dil modellerini geliştiren şirketler arasında OpenAI (ChatGPT'nin arkasındaki GPT modelleri), Anthropic (Claude), Google (Gemini), Meta (Llama), xAI (Grok), DeepSeek, Alibaba (Qwen) ve Mistral AI yer alır. Bazıları model ağırlıklarını herkesin indirip çalıştırabileceği şekilde paylaşırken, diğerleri modellerini yalnızca kendi uygulamaları ve API'leri üzerinden sunar. Modeller üslup, güçlü yönler, dil desteği ve temkinlilik derecesi bakımından farklılık gösterir. Model rehberlerimiz ve ChatGPT vs Claude gibi karşılaştırmalarımız bunları daha ayrıntılı ele alır.

ChatG'de menüden tercih ettiğiniz model stilini seçebilir veya ChatG Auto ayarında bırakabilirsiniz. ChatG bağımsız bir web sitesidir ve bu şirketlerin hiçbiriyle bağlantısı yoktur.

SSS

Yapay zeka söylediklerini anlıyor mu?

Bu konu hâlâ tartışmalıdır. Modeller dil ve dünya hakkında kesinlikle çok fazla yapıyı kavrar ve daha önce görmedikleri problemleri çözebilirler. Ancak deneyimleri yoktur ve konuyu gerçekten anlayan bir insanın yapmayacağı hatalar yapabilirler. Pratikte yapay zekayı bir otorite olarak değil, yetenekli bir araç olarak görün.

Yapay zeka sohbetimden yeni bir şey öğrenir mi?

Sohbet esnasında öğrenmez: Siz konuşurken modelin ağırlıkları değişmez. Bazı servisler, ilkelerine ve gizlilik ayarlarınıza bağlı olarak konuşmaları daha sonra gelecek modelleri eğitmek için kullanabilir.

Yapay zeka internete bağlı mı?

Modelin kendisi bağlı değildir. Eğitim sırasında öğrendikleri ve konuşmada yer alan metinlerle çalışır. Bazı uygulamalar web aramasını ayrı bir araç olarak ekler. Bir yanıtta taranan kaynaklar açıkça belirtilmedikçe, yanıtın güncelliğini yitirmiş olabilecek eğitim verilerinden geldiğini varsayın.

Neden bazı yanıtlar İngilizcede diğer dillere kıyasla daha iyi?

Modeller eğitim sırasında genellikle diğer dillere kıyasla çok daha fazla İngilizce metin görür; ayrıca diğer diller aynı şeyi ifade etmek için daha fazla token gerektirebilir. Yaygın olarak konuşulan dillerde genel başarı yüksektir; daha az kullanılan dillerde ise performans düşebilir.