Geçen hafta da konuştuğumuz gibi, yapay zeka belirli kelime ve deyimleri aşırı kullanma eğilimindedir. Bunlardan bazılarını hemen aklınıza getirebilirsiniz: “a testament to”dan “delve”ye kadar. Bu tür ifadeleri yeterince sık görmek, elinizdeki metnin yapay zeka tarafından üretildiğinin sağlam bir göstergesi olabilir; ancak bunların sayısı o kadar fazla ki, tek bir kişinin hepsini takip etmesi imkânsızdır.
Bu sorunu çözmek için kısa süre önce, bu ifadeleri özel olarak öne çıkaran “AI ifadeleri” adlı bir araç geliştirdik. Bu aracı oluşturma sürecimizin bir parçası olarak, en sık kullanılan AI ifadelerinden oluşan geniş bir veri seti hazırladık. Bu yazıda, veri setimizde yer alan en yaygın AI ifadelerinden bazılarını inceleyeceğiz ve bunları kullanarak AI tarafından üretilen metinlere ilişkin sezgilerinizi nasıl geliştirebileceğinizi ele alacağız.
En bariz olanından başlayalım: Bazen bir yapay zeka size aslında bir yapay zeka olduğunu söyler! Bu durum genellikle bir reddetme sonucunda ortaya çıkar. Bir kullanıcı, yapay zekaya yapmaması gerektiği konusunda talimat verilmiş bir şey sorduğunda, yapay zeka kullanıcıya bu isteği yerine getiremeyeceğini söylemek zorundadır ve bunun bir parçası olarak model genellikle bir yapay zeka olduğunu kabul eder. Birçok AI reddi, "Bir AI dil modeli olarak..." ifadesiyle başlar. Dolayısıyla, bu tür ifadelerin AI metinlerinde oldukça yaygın, insan metinlerinde ise son derece nadir olduğu söylenebilir. Rakamlar da bunu destekliyor! En yaygın AI ifadelerimizin çoğu, kendine atıfta bulunuyor.
| İfade | Daha Sık Görülen Durumlar |
|---|---|
| Bir yapay zeka dil modeli olarak, | 294,000x |
| Kişisel olarak | 67,000x |
| Maalesef, elimde yeterince yok | 54,000x |
| dil modeli, yapamıyorum | 53,000x |
AI terimleri, “en çok kullanılan” AI ifadelerimizden bazılarıdır, ancak sonuçta oldukça bariz ve bu nedenle pek ilgi çekici değildir. Şimdi ilginç kısma geliyoruz: AI metinlerinde gerçekten çok sık rastlanan, ancak “AI olmak”la hiçbir ilgisi olmayan ifadeler. İşte bunlardan birkaçı:
| İfade | Daha Sık Görülen Durumlar |
|---|---|
| dokunaklı bir | 49,000x |
| Güçlü bir hatırlatma olarak | 43,000x |
| kalıcı olanın hatırlatması | 31,000x |
| sayısız zorlukla karşılaştı | 30,000x |
| Sonuçlarımız şu konularda yeni bilgiler sunmaktadır: | 22,000x |
| karmaşık etkileşimin içine | 21,000x |
| güçlü bir araç olarak işlev görür | 10,000x |
| konuyla ilgili değerli bilgiler sunarak | 5,000x |
| bir kanıt niteliğindedir | 4,000x |
| yeni keşfedilen amaç duygusu | 4,000x |
| hayal bile edilemeyecek zorluklarla karşı karşıya olsa bile | 3,000x |
| olasılığın hatırlatılması | 3,000x |
Bir yapay zekanın "Bir yapay zeka olarak..." demesinin yapay zeka metinlerinde neden çok daha yaygın olduğunu anlamak kolaydır. Peki, 2. Bölüm'deki görünüşte birbiriyle ilgisiz ifadelerin daha yaygın olmasının sebebi nedir? Her şeyden önce, "mod çöküşü" olarak bilinen bir olgu söz konusudur; bu durumda yapay zeka çıktıları, olasılığı yüksek kelime dizilerine dayanarak aşırı genel veya tekrarlayıcı hale gelir. Mod çöküşü...
Ayrıca, eğitimden sonra RLHF (İnsan Geri Bildiriminden Pekiştirmeli Öğrenme) uygulaması standart bir uygulamadır. Bu süreçte, insan değerlendiriciler yapay zeka tarafından üretilen metinleri çeşitli özelliklere göre derecelendirerek bazı kalıpları teşvik etmeye ve diğerlerini caydırmaya çalışırlar. Bu süreç boyunca, belirli cevaplar veya ifadeler bu insan değerlendiriciler tarafından ödüllendirilme olasılığı yüksekse, bunlar giderek daha sık görülmeye başlar.
Sonuç olarak, bu aşırı sık kullanılan ifadelerin bazıları, yalnızca yapay zeka yazımının kendisinin ayırt edici özellikleri olarak değil, belirli modellerin, mimarilerin ve eğitim süreçlerinin bir özelliği olarak da değerlendirilebilir. Maryland Üniversitesi’nden Jenna Russell, Marzena Karpinska ve Mohit Iyyer’in kaleme aldığı bir makale, farklı modellerin aslında farklı tercih edilen ifadeleri olduğunu ortaya koymaktadır:
aşırı kullanılmış
Bu durum, farklı veri kümeleriyle ve optimizasyon stratejileriyle eğitilmiş farklı modellerin, kelime öbeklerinin tekrarında kendilerine özgü eğilimler geliştirebileceğini göstermektedir.
Çalışmalarımızın bir parçası olarak, ekibimiz yapay zeka tarafından üretilen metinleri okumak ve analiz etmek için sayısız saat harcadı. Doğal olarak, bu ifadelerin bazılarına karşı bir yakınlık geliştirdik:
İşte ekibimizin en sevdiği AI-Phrases:
Max (CEO): “Sürekli gelişen” (11.000 kat)
Bradley (CTO): “dikkat edilmesi gereken bir nokta” (3.000 kez)
Lu: (Kurucu Mühendis): “karmaşık yapı” (6.000 kez)
Elyas (Kurucu Mühendis): “canlı bir mozaik” (17.000 kez)

Elyas Masrour, Pangram’ın kurucu mühendislerinden biridir. Maryland Üniversitesi’nden mezun olur olmaz Pangram’a ikinci çalışan olarak katıldığından beri, model sunma API’si, rol tabanlı erişim kontrolleri ve destekleyici kanıt iş akışları gibi kritik altyapıları geliştirmiştir. Elyas ayrıca, saldırılara karşı dayanıklılık, model yorumlanabilirliği ve heterojen karışık içerik tespiti gibi projelerde araştırma ekibiyle yakın işbirliği içindedir. İş dışında Elyas, film yapımı, okuma ve şehri keşfetme gibi insan yaratıcılığı ve ifadesinin geniş bir yelpazesinin tadını çıkarmaktadır.






