Üretilen yapay zeka sistemleri, güç erişim ve içeriklerin giderek yaygınlaşmasıyla kullanılmaktadır. Ancak bu modellerin farklı dillerde farklı yanıtları üzerine tartışmalar devam ediyor.
Galatasaray Üniversitesi Hukuk Fakültesi Bilişim ve Teknoloji Hukuku Anabilim Dalı Öğretim Üyesi Dr. Osman Gazi Güçlütürk , büyük dil modellerinin (LLM) farklı dillerde farklı çıktılar üretmesinin arızalarını ayrıntılı bir şekilde ele aldı.
ÇOKLU DİL DESTEĞİ VE SORUNLARI
ChatGPT gibi LLM'ler, birden fazla dili desteklese de her dilde aynı performansı gösterebiliyor. Veri setlerinin kalitesi ve hacmi , dil modellerinin çıktılarını büyük ölçüde etkiler. Özellikle az kaynaklı dillerde, modellerin daha düşük performans sergilediği belirtiliyor.
Araştırmalara göre, bu farklılıklar sadece farklı dillerde değil, aynı dilin farklı çeşitliliklerinde görülebiliyor. Çeviri parçalarında benzer sorunlar ortaya çıkıyor. Mesela İngilizce'den başka bir dile yapılan çevirilerde cinsiyet önyargılarının arttığı gözlemlendi.
VERİ SETLERİNİN ÖNEMİ
Yapay zeka modellerinin çıktıları, büyük ölçüde kullanılan veri ayarlarından etkileniyor. Veri setlerinin sosyo-kültürel ve politik özellikleri , modellerin yanıtlarına yansıyor. Daha zengin veri setlerine sahip dillerde modellerin daha iyi performans göstermesi, durumun bir sonuç olarak değerlendirilmesi.
GÜNCEL BİLGİYE ERİŞİMİN ETKİLERİ
Modellerin güncel bilgileri internet üzerinden bilgileri de farklı dillerde farklı şekillerde yol açabiliyor. Örneğin, aynı olayla ilgili Arapça ve İbranice haberlerinde farklı kayıp raporların raporlanması, modellerin bu dillerdeki sorgularında farklı sonuçlar üretebilmesine neden olabiliyor.
TARAFSIZLIK VE DOĞRULUK SORGULAMASI
Yapay zeka modelleri, “her şeyi bilen” bir dijital ansiklopedi gibi görünse de parçalar yalnızca korunmuş ilişki analizleriyle veri setlerindeki örüntülere dayanıklı. Bu durum, bu modellerin tamamen yedekli olmadığını ve doğruluk kontrolünün kullanıcılar tarafından yapılmasının bir kez daha ortaya çıktığını ortaya koyuyor.
Anadolu Ajansı
