(Bu dersin videosunu izlemek için yukarıdaki görsele tıklayın)
Metin üretimi uygulamalarını nasıl oluşturabileceğimizi gördükten sonra, şimdi sohbet uygulamalarına bir göz atalım.
Sohbet uygulamaları günlük hayatımızın bir parçası haline geldi ve artık sadece sıradan bir iletişim aracı olmaktan çok daha fazlasını sunuyor. Müşteri hizmetleri, teknik destek ve hatta karmaşık danışmanlık sistemlerinin ayrılmaz bir parçası haline geldiler. Muhtemelen kısa bir süre önce bir sohbet uygulamasından yardım almışsınızdır. Bu platformlara üretken yapay zeka gibi daha gelişmiş teknolojiler entegre ettikçe, karmaşıklık ve beraberinde gelen zorluklar da artıyor.
Cevaplanması gereken bazı sorular şunlardır:
- Uygulama geliştirme. Bu yapay zeka destekli uygulamaları belirli kullanım senaryoları için nasıl verimli bir şekilde oluşturabilir ve sorunsuz bir şekilde entegre edebiliriz?
- İzleme. Uygulama devreye alındıktan sonra, uygulamaların hem işlevsellik açısından hem de sorumlu yapay zekanın altı ilkesi'ne uygun olarak en yüksek kalite seviyesinde çalışmasını nasıl izleyebilir ve sağlayabiliriz?
Otomasyon ve insan-makine etkileşimlerinin sorunsuz bir şekilde tanımlandığı bir çağa doğru ilerlerken, üretken yapay zekanın sohbet uygulamalarının kapsamını, derinliğini ve uyarlanabilirliğini nasıl dönüştürdüğünü anlamak hayati önem taşıyor. Bu ders, bu karmaşık sistemleri destekleyen mimari yönleri inceleyecek, alanlara özgü görevler için ince ayar yapma yöntemlerini ele alacak ve sorumlu yapay zeka dağıtımını sağlamak için ilgili metrikleri ve hususları değerlendirecek.
Bu ders şunları kapsar:
- Sohbet uygulamalarını verimli bir şekilde oluşturma ve entegre etme teknikleri.
- Uygulamaları özelleştirme ve ince ayar yapma yöntemleri.
- Sohbet uygulamalarını etkili bir şekilde izlemek için stratejiler ve hususlar.
Bu dersin sonunda şunları yapabileceksiniz:
- Sohbet uygulamalarını mevcut sistemlere entegre etme ve oluşturma ile ilgili hususları açıklayabilmek.
- Sohbet uygulamalarını belirli kullanım senaryoları için özelleştirebilmek.
- Yapay zeka destekli sohbet uygulamalarının kalitesini etkili bir şekilde izlemek ve sürdürmek için temel metrikleri ve hususları belirleyebilmek.
- Sohbet uygulamalarının yapay zekayı sorumlu bir şekilde kullanmasını sağlamak.
Üretken yapay zeka ile sohbet uygulamalarını geliştirmek sadece onları daha akıllı hale getirmekle ilgili değil; aynı zamanda mimarilerini, performanslarını ve kullanıcı arayüzlerini optimize ederek kaliteli bir kullanıcı deneyimi sunmakla ilgilidir. Bu, mimari temelleri, API entegrasyonlarını ve kullanıcı arayüzü hususlarını incelemeyi içerir. Bu bölüm, bu karmaşık alanlarda gezinmek için kapsamlı bir yol haritası sunmayı amaçlamaktadır; ister mevcut sistemlere entegre ediyor olun, ister bağımsız platformlar olarak inşa ediyor olun.
Bu bölümün sonunda, sohbet uygulamalarını verimli bir şekilde oluşturmak ve entegre etmek için gereken uzmanlığa sahip olacaksınız.
Sohbet uygulamaları oluşturmaya başlamadan önce, 'chatbot' ile 'yapay zeka destekli sohbet uygulamaları'nı karşılaştıralım; çünkü bunlar farklı roller ve işlevler sunar. Bir chatbot'un temel amacı, sıkça sorulan soruları yanıtlamak veya bir paketi takip etmek gibi belirli konuşma görevlerini otomatikleştirmektir. Genellikle kural tabanlı mantık veya karmaşık yapay zeka algoritmaları tarafından yönetilir. Buna karşılık, yapay zeka destekli bir sohbet uygulaması, insan kullanıcılar arasında metin, ses ve video sohbetleri gibi çeşitli dijital iletişim biçimlerini kolaylaştırmak için tasarlanmış çok daha geniş bir ortamdır. Ayırt edici özelliği, geniş bir giriş ve bağlam ipuçlarına dayalı olarak insan benzeri konuşmaları simüle eden üretken bir yapay zeka modelinin entegrasyonudur. Üretken yapay zeka destekli bir sohbet uygulaması, açık alan tartışmalarına katılabilir, gelişen konuşma bağlamlarına uyum sağlayabilir ve hatta yaratıcı veya karmaşık diyaloglar üretebilir.
Aşağıdaki tablo, dijital iletişimdeki benzersiz rollerini anlamamıza yardımcı olmak için temel farkları ve benzerlikleri özetlemektedir.
| Chatbot | Üretken Yapay Zeka Destekli Sohbet Uygulaması |
|---|---|
| Görev odaklı ve kural tabanlı | Bağlam farkındalığı |
| Genellikle daha büyük sistemlere entegre edilir | Bir veya birden fazla chatbot barındırabilir |
| Programlanmış işlevlerle sınırlı | Üretken yapay zeka modellerini içerir |
| Uzmanlaşmış ve yapılandırılmış etkileşimler | Açık alan tartışmalarına uygun |
Bir sohbet uygulaması oluştururken, ilk adım olarak mevcut olanları değerlendirmek iyi bir stratejidir. SDK'lar ve API'ler kullanarak sohbet uygulamaları oluşturmak, çeşitli nedenlerle avantajlı bir stratejidir. İyi belgelenmiş SDK'lar ve API'leri entegre ederek, uygulamanızı uzun vadeli başarı için stratejik olarak konumlandırır, ölçeklenebilirlik ve bakım endişelerini ele alırsınız.
- Geliştirme sürecini hızlandırır ve maliyeti azaltır: İşlevleri sıfırdan oluşturmak yerine önceden hazırlanmış işlevlere güvenmek, iş mantığı gibi uygulamanızın diğer önemli yönlerine odaklanmanıza olanak tanır.
- Daha iyi performans: İşlevselliği sıfırdan oluşturduğunuzda, sonunda kendinize "Bu nasıl ölçeklenir? Bu uygulama ani bir kullanıcı akışını kaldırabilir mi?" diye sorarsınız. İyi bakımı yapılan SDK ve API'ler genellikle bu endişeler için yerleşik çözümler sunar.
- Daha kolay bakım: Güncellemeler ve iyileştirmeler, çoğu API ve SDK'nın yeni bir sürüm yayınlandığında bir kütüphaneyi güncellemeyi gerektirmesi nedeniyle daha kolay yönetilir.
- En son teknolojiye erişim: Geniş veri setleri üzerinde ince ayar yapılmış ve eğitilmiş modellerden yararlanmak, uygulamanıza doğal dil yetenekleri sağlar.
Bir SDK veya API'nin işlevselliğine erişmek genellikle sağlanan hizmetleri kullanma izni almayı içerir ve bu genellikle benzersiz bir anahtar veya kimlik doğrulama belirteci kullanılarak yapılır. OpenAI Python Kütüphanesi'ni kullanarak bunun nasıl göründüğünü keşfedeceğiz. Ayrıca bu dersi kendi başınıza şu OpenAI için notebook veya Azure OpenAI Hizmetleri için notebook üzerinde deneyebilirsiniz.
import os
from openai import OpenAI
API_KEY = os.getenv("OPENAI_API_KEY","")
client = OpenAI(
api_key=API_KEY
)
chat_completion = client.chat.completions.create(model="gpt-3.5-turbo", messages=[{"role": "user", "content": "Suggest two titles for an instructional lesson on chat applications for generative AI."}])Yukarıdaki örnek, GPT-3.5 Turbo modelini kullanarak istemi tamamlar, ancak API anahtarının önceden ayarlandığını fark edin. Anahtarı ayarlamazsanız bir hata alırsınız.
Genel UX prensipleri sohbet uygulamaları için geçerlidir, ancak makine öğrenimi bileşenleri nedeniyle özellikle önemli hale gelen bazı ek hususlar vardır.
- Belirsizliği ele alma mekanizması: Üretken yapay zeka modelleri bazen belirsiz cevaplar üretebilir. Kullanıcıların bu sorunu yaşadıklarında açıklama istemelerine olanak tanıyan bir özellik faydalı olabilir.
- Bağlam tutma: Gelişmiş üretken yapay zeka modelleri, bir konuşma içinde bağlamı hatırlama yeteneğine sahiptir, bu da kullanıcı deneyimi için gerekli bir varlık olabilir. Kullanıcılara bağlamı kontrol etme ve yönetme yeteneği vermek, kullanıcı deneyimini iyileştirir, ancak hassas kullanıcı bilgilerini saklama riskini de beraberinde getirir. Bu bilginin ne kadar süreyle saklanacağına dair bir saklama politikası gibi hususlar, bağlam ihtiyacını gizlilikle dengeleyebilir.
- Kişiselleştirme: Öğrenme ve uyum sağlama yeteneği ile yapay zeka modelleri, kullanıcıya bireyselleştirilmiş bir deneyim sunar. Kullanıcı profilleri gibi özellikler aracılığıyla kullanıcı deneyimini kişiselleştirmek, kullanıcıyı daha iyi anlamanızı sağlar ve belirli cevapları bulma çabalarını destekler, daha verimli ve tatmin edici bir etkileşim yaratır.
Kişiselleştirmeye bir örnek, OpenAI'nin ChatGPT'sindeki "Özel talimatlar" ayarlarıdır. Bu ayar, istemleriniz için önemli bağlam olabilecek kendinizle ilgili bilgileri sağlamanıza olanak tanır. İşte bir özel talimat örneği.
Bu "profil", ChatGPT'ye bağlı listeler hakkında bir ders planı oluşturmasını ister. ChatGPT'nin, kullanıcının deneyimine dayanarak daha derinlemesine bir ders planı isteyebileceğini dikkate aldığını fark edin.
Microsoft, LLM'lerden yanıtlar oluştururken etkili sistem mesajları yazma konusunda 4 alana ayrılmış bir rehber sunmaktadır:
- Modelin kim için olduğunu, yeteneklerini ve sınırlamalarını tanımlamak.
- Modelin çıktı formatını tanımlamak.
- Modelin istenen davranışını gösteren belirli örnekler sağlamak.
- Ek davranışsal sınırları belirlemek.
Bir kullanıcının görme, işitme, motor veya bilişsel engelleri olsun, iyi tasarlanmış bir sohbet uygulaması herkes tarafından kullanılabilir olmalıdır. Aşağıdaki liste, çeşitli kullanıcı engelleri için erişilebilirliği artırmayı amaçlayan belirli özellikleri özetlemektedir.
- Görme Engeli için Özellikler: Yüksek kontrastlı temalar ve yeniden boyutlandırılabilir metin, ekran okuyucu uyumluluğu.
- İşitme Engeli için Özellikler: Metinden konuşmaya ve konuşmadan metne işlevler, sesli bildirimler için görsel ipuçları.
- Motor Engeli için Özellikler: Klavye navigasyon desteği, sesli komutlar.
- Bilişsel Engeli için Özellikler: Basitleştirilmiş dil seçenekleri.
Şirketinizin jargonunu anlayan ve kullanıcı kitlesinin sıkça karşılaştığı özel soruları tahmin eden bir sohbet uygulaması hayal edin. Bahsedilmeye değer birkaç yaklaşım var:
- DSL modellerinden yararlanma. DSL, alanlara özgü dil anlamına gelir. Belirli bir alanın kavramlarını ve senaryolarını anlamak için eğitilmiş bir DSL modelinden yararlanabilirsiniz.
- İnce ayar uygulama. İnce ayar, modelinizi belirli verilerle daha fazla eğitme sürecidir.
Alanlara özgü dil modellerinden (DSL Modelleri) yararlanmak, özel ve bağlamsal olarak alakalı etkileşimler sağlayarak kullanıcı etkileşimini artırabilir. Belirli bir alan, endüstri veya konu ile ilgili metni anlamak ve üretmek için eğitilmiş veya ince ayar yapılmış bir modeldir. Bir DSL modeli kullanma seçenekleri, bir modeli sıfırdan eğitmekten, SDK'lar ve API'ler aracılığıyla önceden var olanları kullanmaya kadar değişebilir. Bir diğer seçenek ise, mevcut bir önceden eğitilmiş modeli alıp belirli bir alan için uyarlamak olan ince ayar yapmaktır.
Bir önceden eğitilmiş modelin özel bir alan veya belirli bir görevde yetersiz kaldığı durumlarda genellikle ince ayar yapılır.
Örneğin, tıbbi sorular karmaşıktır ve çok fazla bağlam gerektirir. Bir tıp uzmanı bir hastayı teşhis ettiğinde, yaşam tarzı veya önceden var olan koşullar gibi çeşitli faktörlere dayanır ve teşhislerini doğrulamak için son tıbbi dergilere bile güvenebilir. Bu kadar karmaşık senaryolarda, genel amaçlı bir yapay zeka sohbet uygulaması güvenilir bir kaynak olamaz.
Tedavi yönergelerine, ilaç etkileşimlerine veya son araştırma bulgularına hızlı bir şekilde erişim sağlayarak tıp uzmanlarına yardımcı olmak için tasarlanmış bir sohbet uygulamasını düşünün.
Genel amaçlı bir model, temel tıbbi soruları yanıtlamak veya genel tavsiyeler vermek için yeterli olabilir, ancak aşağıdaki durumlarda zorlanabilir:
- Çok özel veya karmaşık vakalar. Örneğin, bir nörolog uygulamaya "Pediatrik hastalarda ilaçlara dirençli epilepsiyi yönetmek için mevcut en iyi uygulamalar nelerdir?" diye sorabilir.
- Son gelişmelerin eksikliği. Genel amaçlı bir model, nöroloji ve farmakolojideki en son gelişmeleri içeren güncel bir yanıt vermekte zorlanabilir.
Bu gibi durumlarda, modeli özel bir tıbbi veri setiyle ince ayar yapmak, bu karmaşık tıbbi soruları daha doğru ve güvenilir bir şekilde ele alma yeteneğini önemli ölçüde artırabilir. Bu, ele alınması gereken alanlara özgü zorlukları ve soruları temsil eden büyük ve ilgili bir veri setine erişim gerektirir.
Bu bölüm, "yüksek kaliteli" sohbet uygulamaları için ölçülebilir metriklerin yakalanmasını ve yapay zeka teknolojisinin sorumlu bir şekilde kullanılmasını sağlayan bir çerçeveye uyumu içeren kriterleri özetlemektedir.
Bir uygulamanın yüksek kaliteli performansını sürdürmek için temel metrikleri ve hususları takip etmek önemlidir. Bu ölçümler, yalnızca uygulamanın işlevselliğini sağlamakla kalmaz, aynı zamanda yapay zeka modelinin ve kullanıcı deneyiminin kalitesini de değerlendirir. Aşağıda, dikkate alınması gereken temel, yapay zeka ve kullanıcı deneyimi metriklerini kapsayan bir liste bulunmaktadır.
| Metrik | Tanım | Sohbet Uygulaması Geliştiricisi için Dikkat Edilmesi Gerekenler |
|---|---|---|
| Çalışma Süresi | Uygulamanın çalışır durumda olduğu ve kullanıcılar tarafından erişilebilir olduğu süreyi ölçer. | Kesinti süresini nasıl en aza indireceksiniz? |
| Yanıt Süresi | Uygulamanın bir kullanıcının sorgusuna yanıt vermesi için geçen süre. | Yanıt süresini iyileştirmek için sorgu işleme nasıl optimize edilebilir? |
| Doğruluk | Gerçek pozitif tahminlerin toplam pozitif tahminlere oranı. | Modelinizin doğruluğunu nasıl doğrulayacaksınız? |
| Duyarlılık (Recall) | Gerçek pozitif tahminlerin gerçek pozitiflerin toplamına oranı. | Duyarlılığı nasıl ölçecek ve iyileştireceksiniz? |
| F1 Skoru | Doğruluk ve duyarlılık arasındaki dengeyi sağlayan harmonik ortalama. | Hedef F1 skorunuz nedir? Doğruluk ve duyarlılığı nasıl dengeleyeceksiniz? |
| Belirsizlik (Perplexity) | Model tarafından tahmin edilen olasılık dağılımının, verilerin gerçek dağılımıyla ne kadar iyi uyum sağladığını ölçer. | Belirsizliği nasıl en aza indireceksiniz? |
| Kullanıcı Memnuniyeti Metrikleri | Kullanıcının uygulama hakkındaki algısını ölçer. Genellikle anketler aracılığıyla toplanır. | Kullanıcı geri bildirimlerini |
| Anomali Tespiti | Beklenen davranışa uymayan alışılmadık kalıpları belirlemek için kullanılan araçlar ve teknikler. | Anomalilere nasıl yanıt vereceksiniz? |
Microsoft'un Sorumlu AI yaklaşımı, AI geliştirme ve kullanımını yönlendirmesi gereken altı ilke belirlemiştir. Aşağıda bu ilkeler, tanımları ve bir sohbet geliştiricisinin dikkate alması gereken noktalar ile neden bunları ciddiye alması gerektiği açıklanmıştır.
| İlkeler | Microsoft'un Tanımı | Sohbet Geliştiricisi için Dikkat Edilmesi Gerekenler | Neden Önemli? |
|---|---|---|---|
| Adalet | AI sistemleri tüm insanlara adil davranmalıdır. | Sohbet uygulamasının kullanıcı verilerine dayanarak ayrımcılık yapmamasını sağlayın. | Kullanıcılar arasında güven ve kapsayıcılık oluşturmak; yasal sonuçlardan kaçınmak için. |
| Güvenilirlik ve Güvenlik | AI sistemleri güvenilir ve güvenli bir şekilde çalışmalıdır. | Hataları ve riskleri en aza indirmek için testler ve güvenlik önlemleri uygulayın. | Kullanıcı memnuniyetini sağlar ve potansiyel zararları önler. |
| Gizlilik ve Güvenlik | AI sistemleri güvenli olmalı ve gizliliğe saygı göstermelidir. | Güçlü şifreleme ve veri koruma önlemleri uygulayın. | Hassas kullanıcı verilerini korumak ve gizlilik yasalarına uymak için. |
| Kapsayıcılık | AI sistemleri herkesi güçlendirmeli ve insanları dahil etmelidir. | Çeşitli kitleler için erişilebilir ve kullanımı kolay bir UI/UX tasarlayın. | Daha geniş bir kullanıcı kitlesinin uygulamayı etkili bir şekilde kullanmasını sağlar. |
| Şeffaflık | AI sistemleri anlaşılabilir olmalıdır. | AI yanıtları için açık belgeler ve gerekçeler sağlayın. | Kullanıcılar, kararların nasıl alındığını anlayabildiklerinde sisteme daha fazla güven duyar. |
| Hesap Verebilirlik | AI sistemlerinden insanlar sorumlu olmalıdır. | AI kararlarını denetlemek ve iyileştirmek için net bir süreç oluşturun. | Hatalar durumunda sürekli iyileştirme ve düzeltici önlemler alınmasını sağlar. |
Ödeve göz atın. İlk sohbet istemlerinizi çalıştırmaktan metin sınıflandırma ve özetlemeye kadar bir dizi alıştırma yapmanızı sağlayacak. Ödevlerin farklı programlama dillerinde mevcut olduğunu unutmayın!
Bu dersi tamamladıktan sonra, Generative AI bilginizi geliştirmeye devam etmek için Generative AI Öğrenme koleksiyonumuza göz atın!
Arama uygulamaları oluşturma konusuna başlamak için 8. Derse geçin!
Feragatname:
Bu belge, AI çeviri hizmeti Co-op Translator kullanılarak çevrilmiştir. Doğruluk için çaba göstersek de, otomatik çevirilerin hata veya yanlışlıklar içerebileceğini lütfen unutmayın. Belgenin orijinal dili, yetkili kaynak olarak kabul edilmelidir. Kritik bilgiler için profesyonel insan çevirisi önerilir. Bu çevirinin kullanımından kaynaklanan yanlış anlamalar veya yanlış yorumlamalar için sorumluluk kabul etmiyoruz.