Bir yapay zekadan dizüstü bilgisayar önermesini isteyin, ardından daha hafif bir şeye ihtiyacınız olduğunu söyleyin. Eğer sistem bu ikinci mesajı bir s...

Bir yapay zekadan dizüstü bilgisayar önermesini isteyin, ardından ona daha hafif bir şeye ihtiyacınız olduğunu söyleyin. Eğer sistem bu ikinci mesajı bağımsız bir istek olarak okursa, bir ultrabook listesi alabilirsiniz. Ya da ilk grubu çok ağır olduğu için reddettiğinizi hiç kaydetmediği için yine bir yığın oyun iş istasyonu alabilirsiniz. Bu, birçok yapay zeka sisteminin yanıtları hala tek bir istemi (prompt) izole bir şekilde inceleyerek sıralamasından kaynaklanır. Her mesajı, konuşmanın devam eden hikayesini görmezden gelerek yeni bir aramanın başlangıcı gibi ele alırlar.

Bu yaklaşım, uzun bir sohbetin nüanslarını kaçırır. İnsan diyaloğu, her adımda anlam inşa eder. Hafızanın, niyetin ve tercihin ileriye doğru taşındığını varsayarız. Yapay zeka aynısını yapamadığında, bir asistanla konuşuyormuş gibi değil de, her tıklamadan sonra sıfırlanan bir arama kutusuna sorgular fırlatıyormuş gibi hissettirir. Bunu düzeltmek, olası yanıtları sıralama biçimimizi değiştirmek anlamına gelir. Hangi yanıtın bu cümleye uyduğunu sormak yerine, tartışılan her şey göz önüne alındığında, hangi yanıtın şu an bu kişiye uyduğunu sormamız gerekir.

İki şey bunu mümkün kılar: kişiselleştirme ve geçmiş.

Tek Adımlı Sıralama Neden Çöker

Geleneksel yanıt sıralaması, soru-cevap veri setlerinden doğmuştur. Bir model bir istem görür, bir dizi aday yanıt üretir ve bir sıralayıcı (ranker), her birini yalnızca o isteme göre puanlar. En yüksek puanı alan aday kazanır. Bu, izole edilmiş gerçekler için işe yarar; ancak devam eden çalışmalar için başarısız olur.

Bir seyahat planlayan kullanıcıyı hayal edin. İlk adımda, Bangkok'taki bütçe dostu oteller hakkında soru sorar. Model, Khao San Yolu yakınlarında bir liste önerir. Kullanıcı, "Bunlar gürültülü görünüyor. Çocuklarım var, bu yüzden bir havuza ve Skytrain'e kolay erişime ihtiyacım var," diye yanıtlar. Tek adımlı bir sıralayıcı yalnızca ikinci cümleyi görür. Tayland geneline yayılmış sıradan bir aile tatil köyü listesi döndürebilir ve halihazırda belirlenmiş olan özel kısıtlamaları kaçırır: Bangkok, bütçe dostu, sessiz, havuzlu, ulaşım yakını.

Sonuç teknik olarak konuyla ilgili olsa da pratikte kullanışsızdır. Kullanıcı bağlamı tekrar etmek zorunda kalır. Sürtünme artar. Güven azalır.

Kişiselleştirme: Kim Soruyor?

Kişiselleştirme, yanıtları belirli kullanıcı tercihlerine ve verilerine göre uyarlamak demektir. Şu soruyu yanıtlar: Bu kişi kim?

Bu, bir selamlama kısmına isim eklemekten çok daha fazlasıdır. Sistemin, açık profiller veya öğrenilmiş kalıplar aracılığıyla, kullanıcının bilgilerin nasıl sunulmasından hoşlandığını bilmesi anlamına gelir. Sürekli Python örnekleri isteyen bir geliştirici, sorgusu genel bir programlama görevinden bahsetse bile, aksi belirtilmedikçe Python kod örnekleri görmelidir. Geçen hafta yemek tarifi isteyen bir vejetaryen, sisteme et içermemesi gerektiğini hatırlatmak zorunda kalmamalıdır. Nesir yerine kısa maddeleri tercih eden biri, maddeler halinde yanıt almalıdır.

Somut sinyaller; kullanıcı tarafından bildirilen tercihleri, oturumlar arası geçmiş davranışları veya konum ve cihaz türü gibi meta verileri içerebilir. Önemli olan, bu sinyallerin sadece üretim aşamasına değil, sıralama aşamasına da beslenmesidir. Aday yanıtlar puanlanırken, sıralayıcı bilinen profille uyumlu yanıtları öne çıkarmalıdır.

Örneğin, iki aday yanıtın her ikisi de "Fotoğraflarımı nasıl yedeklerim?" sorusuna doğru yanıt veriyorsa ancak biri bulut depolamayı, diğeri ise yerel bir NAS sürücüsünü öneriyorsa; sıralayıcı, bu kullanıcının daha önce çevrimdışı sahiplik ve gizlilikle ilgilendiğini bilmelidir. NAS seçeneği daha yüksek puan almalıdır. Kişiselleştirme olmadan model yazı tura atar.

Geçmiş: Şimdiye Kadar Ne Söylendi?

Geçmiş, bir konuşmadaki önceki adımları bir sonraki yanıtı yönlendirmek için kullanmak demektir. Şu soruyu yanıtlar: Şimdiye kadar neleri belirledik?

Basit zamirler bile geçmişe ihtiyaç duyar. Bir kullanıcı "Onu mavi yap" dediğinde, model "onu" kelimesinin neye atıfta bulunduğunu bilmelidir. Bu atıf önceki bir adımda yer alır. Daha uzun konuşmalarda bağımlılıklar karmaşıklaşır. Kısıtlamalar birikir. Kullanıcı bir seçeneği reddedebilir, bir isteğe şartlar getirebilir veya yeni bir hedef sunabilir ki