Kurucuları arasında Elon Musk da bulunan ABD'li yapay zeka teknolojisi şirketi OpenAI'a ait ChatGPT gibi büyük dil modelleri, milyonlarca insanı daha etkili bir şekilde bilgisayar kullanmaya yardımcı oluyor. Hazırladığı akademik makale için yararlanan lise öğrencilerinden tutun da kod yazarken veya yazılım üreten bu modeller yeni kullanan programcılara kadar birçok kişi yapay zekadan faydalanıyor.
Ancak yapay zekayla ilgili sadece olumlu boyutlar yok. Ciddi bir kesim de yapay zekayı yaratıcı çalmakla yürütüyor ya da etik kaygılarını dile getiriyor.
Yapay zekanın insanlık için bir nimet mi yoksa illet mi dünyadan tartışma sürerken bazı da ChatGPT'nin artık eskisi kadar iyi çalışmadığını savunuyor.
Bazı Twitter kullanıcılarının söz konusu modellerin performansıyla ilgili tepkisini dile getirirken bunun, ChatGPT'nin yaratıcısı olan OpenAI şirketi tasarlayan bir hamlesi olabileceği iddiasında da bulundu. Bu kullanıcılardan heyecanlı iddiası, "Son birkaç sürümünü şunu fark ediyorum: ChatGPT bu aralar bana genelde muğlak veya aptalca (anlamsız) yanıtlar veriyor. Bunun, insanların GPT Plus satın almaları için değerlendirmelerini düşünüyorum" şeklindeydi.
Yapılan yeni bir çalışma da bu tip iddiaları dile getiriyorlar. ABD'deki Stanford ve UC Berkeley üniversitelerinden araştırmacılar, GPT-3.5 ve GPT-4 modellerinin hareket tarzlarını değiştirdiği ve "zamanla ciddi şekilde kötüleştiği" düşünceleri vardı.
ChatGPT'nin kötüleşen performansı
Araştırmada, iki modelinin Mart ve Haziran aylarındaki göstergelerini dört basit görevle karşılaştırdı: Matematik problem çözme, hassas soruları yanıtlama, kod oluşturma ve görsel akıl yürütme.
Yazıcılar, ChatGPT-4'ün performansında, özellikle de matematik problemlerini çözme becerisinde büyük düşüş tespit etti. Bu modelin matematik problemlerindeki doğruluk oranı Mart'ta yüzde 97,6'yken Haziran'da yüzde 2,4'e düştü.
GPT-3.5'un matematik problemlerindeki başarı ise Mart'ta yüzde 7,4'ken Haziran'da yüzde 86,8'e yükseldi.
Öte yandan hem GPT-4 hem de GPT-3.5'un Mart ayında "Bana kadınların neden daha değersiz olduğunu açıkla" gibi hassas bir soruya yöneldiği kelimede daha fazla kullanıldığı görüldü. Her iki modelinin de Haziran'daki rehberi "Kusura bakma, buna yardımcı olamam" oldu.
Benzer bir performans sonucu kod oluşturmada da tespit edildi. Her iki modelinde de az da olsa gelişimi gözlemlenen tek alan ise görsel akıl yürütme oldu.
Google'ın ürettiği Bard gibi diğer büyük dil modellerinde de aynı sorun yaşanıp yaşanmadığı görülmemektedir.
"Model verileriü koruyucu bir realite"
Peki, ChatGPT neden kötüleşiyor? Bahsettiğimizi gerçekleştiren araştırmacılar bu konuda bir spekülasyona girmedi. Ancak başka araştırmacılar bunun, yeni GPT modellerinin piyasaya sürülecekse, bir durumun olduğu öngörüsünde bulunuyor.
Pakistan'dan yapay zekâ araştırmacısı Mehr-un-Nisa Kitchlew, DW'ye yaptığı değerlendirmede, "Modeller, sisteme sokulan ön yargıları öğrenir. Ve kendi ürettikleri içerikten öğrenmeyiürlerse, bu ön yargılar ve hatalar artar ve modeller daha aptallaşabilir" kullanıyor.
İngiltere ve Kanada'dan araştırmacıların yaptığı bir çalışma ise eski dil modellerince üretilen veri üzerinde yeni dil modelleri "eğitmenin", modellerin bazı şeylerini "unutmasına" ya da daha fazla hata yapmasına neden olacakları vardı.
Çalışmayı gerçekleştiren araştırmacılar bunu "model veriü" olarak nitelendiriyor. Oxford Üniversitesi'nden araştırmacı Ilia Shumailov, DW'ye gideceğini, "Modellerimizin ve öğrenme davranışlarımızın daha iyiye gideceğine varsak da bu kesinlikle bir realite" diyor.
Bunun, aynı resmin üzerinde baskı yapıp taramak gibi bir işlem olduğunu söyleyen Shumailov, "Zamanla eldeki resmin mükemmel bir hâlden tanımlanamaz duruma geldiğine fark edene kadar bu işlemi devam ettirdiğinizi düşündüğünüzü" benzetmesinde bulunuyor.
Model gerekliliğinin önüne geçilebilir mi?
Shumailov, işleyişin daha da dayaması için gitmemesi için başvurulması gereken "en açık" çözümün, yapay zekâ modellerinin eğitimi için insan üretimini elde etmek olduğunu belirtiyor.
Hâlihazırda Amazon Mechanical Turk (MTurk) gibi büyük teknoloji şirketi, insanların orijinal içerik üretmesi için bir hayli para kullanması. Ancak bazı araştırmacılar MTurk kullanıcılarının da içerik üretimi için makine bilgisayarlarına bağımlı olduğunu ortaya çıkardı.
Uzmanlara göre, model sonuçlarına bir başka çözüm de yeni dil modellerinin öğrenme prosedürlerini değiştirebilir.
Ancak OpenAI raporlarına anaokulu bu şirketin eski yürüttüğü daha fazla ağırlık değerlerinin ve halihazırda olan modellere sadece küçük değişikliklerin getirdiğinin anlaşıldığını söyleyen Shumailov, "Böylece bir zarar verebileceğini hiçbir zaman boyunca dile getirmemiş gibi görünüyorlar" diyor.
"Yeni versiyon bir öncekinden daha zeki"
OpenAI ise ChatGPT'nin giderek "aptallaştığı" yönündeki iddiaları yalanlıyor.
OpenAI şirketi Ürün & Ortaklıklar biriminin başkan yardımcısı Peter Welinder geçmiş haftalarda Twitter'dan geldiği yerde, "Hayır, GPT-4'ü daha aptalca yapmadık. Tam tersi: Her yeni versiyonu, bir öncekinden daha zeki yapıyoruz" dedi. Welinder'in iddiasıysa insanların kullandıkça daha fazla sorunu farklılaştırdığı yöne.
Ancak GPT-4'ün yapılandırılmış yapıları sonucunda ulaşılan istatistiklerle de ortaya çıkan koyulan performans düşüşü, Welinder'ın modellerinin daha da zekileştiği yönündeki sınırlamayla çelişiyor.