Karpathy ile Yapay Zekayı Doğru Kullanma Dersi

Yeni bir sohbet açtığında aslında bomboş bir sayfayla başlarsın; ekranda görünen her cümle, tek tek eklenen küçük parçalardan oluşan uzun bir dizidir. Sen bir cümle yazarsın, sonra model kaldığı yerden devam eder ve özel bir bitiş işaretiyle sözü sana geri bırakır. Bu nöbetleşe yazma düzeni, konuşmanın tamamını tek bir metin şeridi gibi düşünmeyi kolaylaştırır. Model geçmişi ayrı bir yerde saklamaz, o şeridin tamamını her seferinde yeniden okur. Bu yüzden gereksiz kalabalık, cevabın yönünü sessizce değiştirir ve odağı dağıtır.

Bağlam penceresini küçük bir çalışma masası gibi hayal etmek işleri kolaylaştırır; masaya ne koyarsan model onu görür, koymadığın şeyi ise bilemez. Masa büyüdükçe model daha çok metin taşır ama dikkat dağılır, cevap yavaşlar ve kullanım bedeli artar. Alakasız eski mesajlar masada durdukça model onlara da göz kaydırır. Konu tamamen değiştiğinde yeni bir sohbet açmak, masayı silip temiz bir başlangıç yapmak gibidir. Kısa ve derli toplu bağlam her zaman daha isabetli sonuç verir.

Ön-eğitimi dev bir çantaya tüm interneti tıkıştırmaya benzetebilirsin; model metinleri okuyup ağırlık denen sayılarda kayıplı bir özet çıkarır. maggiemchen.com sitesindeki özet de bu ölçeği anlatıyor: yaklaşık on terabaytlık metin, binlerce grafik işlemcide günlerce işleniyor, maliyeti milyon dolarları buluyor ve sonuçta yüz gigabayt mertebesinde bir dosya kalıyor. Sık geçen bilgi çantada net durur, nadir bilgi ise silikleşir. Bu yüzden model yaygın konularda akıcıdır ama seyrek geçen ayrıntılarda bulanıklaşır ve uydurmaya yatkınlaşır.

Son-eğitim aşaması, ham bilgiye görgü ve üslup öğreten kısımdır; modelin bilgi dağarcığı ön-eğitimden gelir, konuşma tarzı ise burada şekillenir. İnsan örnekleriyle model, gülümseyen ve yardım etmeye hevesli bir asistana dönüştürülür. Ona nasıl hitap etmesi, adım adım açıklaması ve belirsizlikte nasıl davranması gerektiği bu aşamada öğretilir. Bilgi ile kişilik ayrımını bilmek önemlidir, çünkü kibar bir üslup her zaman doğru bilgi anlamına gelmez. Cevabın tonu güzel olsa bile içeriğini ayrıca denetlemek gerekir.

Modellerin bilgi kesme tarihi, gazeteyi birkaç ay geriden okumak gibidir; eğitim bittikten sonra dünya dönmeye devam eder ama modelin belleği o tarihte donar. Bu gecikme genellikle altı ay ile bir yıl arasında olur, yani seçim sonuçları, güncel fiyatlar ve yeni çıkan ürünler bellekte yoktur. Güncel bir olayı sorduğunda model eski kalıplarla tahmin yürütür. Böyle durumlarda doğrudan hafızaya güvenmek yerine arama araçlarını açmak gerekir. Güncellik gerektiren her soruda takvimi aklında tutmak seni hatadan korur.

Kafein miktarı gibi sık geçen bilgilerde model genellikle isabetlidir; sade bir filtre kahvede yaklaşık altmış üç miligram kafein olduğunu rahatça söyler. Soğuk algınlığı ilacı örneğinde de doz bilgisi benzer şekilde yaygın olduğu için hızlı cevap alınır. Ama mesele sağlık ve güvenlik olunca hızlı cevaba razı olmak yetmez, kutunun üstündeki yazıyı ve güvenilir bir kaynağı mutlaka gözden geçirmek gerekir. Sık bilgi ile güvenli bilgi aynı şey değildir. Düşük riskli işlerde hızdan yararlan, önemli kararlarda her zaman temel kaynağa bak.

Model seçme ekranını araba seçmeye benzetebilirsin; ücretsiz ve hafif seçenekler kısa mesafe için yeterli olur, uzun yolda ise güçlü motor gerekir. GPT-4o mini gibi küçük modeller basit sorularda hızlıdır ama bilgi derinliği ve yaratıcılıkta geride kalır. Günlük yazışma ve sıradan sorular için amiral gemisi modeller daha tok cevap verir. Ücretli katmanlar daha yüksek limit ve ek araçlar sunar. İşin ağırlığına göre araç seçmek, hem zamandan hem de hayal kırıklığından korur; küçük işi küçük modele, zor işi büyük modele vermek en akıllıca yoldur.

Düşünen modelleri, zor bir soruda durup kağıda karalama yapan bir öğrenci gibi düşünebilirsin; ekrandaki düşün düğmesi bu ek mesaiyi açar. fbetteo.com sitesindeki not da bu ayrımı doğruluyor: günlük sohbetlerde sıradan model yeterliyken zor kod ve çetin matematik işlerinde düşünme kipini açmak fark yaratıyor. Basit bir selamlaşmada düşünmeyi açmak, markete taksiyle gitmek gibi gereksizdir. Ama girift bir hata ayıklamada modelin adım adım kafa yorması çözümü belirgin şekilde iyileştirir. Kural basit: kolay soruda kapalı tut, zor soruda aç.

Araçsız bir dil modeli, dışı kapalı duran bir fermuarlı çantaya benzer; içinde bilgi vardır ama hesap makinesi, kod çalıştırıcı ve güncel sayfa açma yeteneği yoktur. Sayılarla oynaması istendiğinde içinden tahmin yürütür, internetteki taze bilgiyi göremez. Bu yüzden hesap, güncel fiyat ve tarih gibi işlerde araç destekli kipe geçmek gerekir. Araçlar modele el ve göz verir: biri hesaplar, biri sayfa okur, biri kod koşturur. Kapalı kutudan çıkıp alet çantasına geçmek, cevapların güvenilirliğini belirgin şekilde artırır ve uydurma payını azaltır.

Web aramasını, modelin eline güncel bir gazete tutuşturmak gibi düşün; arkasında bildiğin bir arama motoru çalışır ve bulunan sayfalar bağlama taşınır. teamday.ai sitesindeki özet de bu ayrımı netleştiriyor: yılda bir yapılan ön-eğitim genel bilgiyi verir, son-eğitim ve arama araçları ise güncel işleri çözer. Model bazen ihtiyacı sezince kendiliğinden arar ama önemli sorularda düğmeyi elle açmak daha güvenlidir. Güncel olay, fiyat ve yeni çıkan konularda aramayı baştan seçmek gerekir. Böylece cevap, donmuş bellek yerine taze sayfalara dayanır ve çok daha sağlam olur.

Arama alışkanlığını günlük hayattan örneklerle kurmak kolaydır; hafta sonu marketin açık olup olmadığı, sevdiğin dizinin nerede çekildiği, bir yazılım teklifinin ayrıntısı ya da yeni telefon söylentisi gibi konular sürekli değişir. Değişen ve niş bilgilerde modelin eski belleğine güvenmek yerine arama destekli sormak gerekir. Kısa ve net soru, güncel sayfalarla birleşince cevap çok daha isabetli olur. Sonuçları tek sayfaya körü körüne bağlamamak, iki üç kaynağı karşılaştırmak da önemlidir. Bu küçük alışkanlık, günlük sorularda hata payını ciddi biçimde düşürür ve zaman kazandırır.

Derin araştırmayı, sabırlı bir stajyeri kütüphaneye göndermek gibi düşün; model arama ve düşünme arasında gidip gelerek yaklaşık on dakikada uzun bir rapor hazırlar. analyticsvidhya.com sitesindeki özet de bu süreci anlatıyor: önce açıklayıcı sorular sorulur, sonra düzinelerce kaynak taranır ve sonunda kaynakçalı bir rapor çıkar. Uzun ömür üzerine hazırlanan örnek çalışmada yirmi yedi kaynağa bakılmıştı. Hızlı cevap yetmediğinde, karmaşık bir konuyu ilk kez öğrenirken bu yöntem çok işe yarar. Çıkan raporu yine de ilk taslak saymak ve atıfları yoklamak gerekir.

Derin araştırma araçlarında rekabet kızışmış durumda; farklı şirketler benzer düğmelerle rapor üretiyor ama çıktıların huyu değişiyor. ChatGPT tarafındaki raporlar genellikle en uzun ve en ayrıntılı olanlar, rakipler daha kısa ve hızlı özetler veriyor. Hangi aracı seçersen seç, rapora ilk taslak gözüyle bakmak gerekir. Atıfları tek tek açıp gerçekten söylediğini destekliyor mu diye yoklamak şarttır. Bazen kaynak eksik olur, bazen bağlantı konuyla alakasız çıkar. Rapor iskeleti verir, son kararı ve doğrulamayı yine sen yaparsın; bu disiplin her araçta geçerlidir.

Dosya yüklemeyi, modele kalın bir dosyayı masaya koymak gibi düşün; metinler bağlama taşınır ama görseller çoğu zaman yolda kaybolur. karpathy.ai sitesindeki yazı da benzer bir dersi veriyor: büyük bir belgeyle uğraşırken önce kısa bir özetle başlamak yön bulmayı kolaylaştırıyor. Otuz megabaytlık bir DNA makalesi örneğinde de yöntem aynıdır; önce özet iste, sonra bölüm bölüm derine in. Yüklenen belgenin tamamını tek seferde yutmasını beklemek yerine parça parça sormak gerekir. Önce haritayı çıkar, sonra merak ettiğin sokağa gir; böylece hem zaman kazanırsın hem de kaybolmazsın.

Eski ve kalın bir kitabı modelle birlikte okumak, yanında sabırlı bir çalışma arkadaşı gezdirmek gibidir. On sekizinci yüzyıldan kalma bir ekonomi klasiğini açıp bölüm bölüm yapıştırmak, özetletmek ve sonra soru sormak yöntemi çok verimlidir. Matbaanın ilk dönemlerinden kalma bir bölümü bulup aynen yapıştırdığında model dili günümüze çevirir. Yabancı olduğun alanlarda ve eski dille yazılmış metinlerde bu yöntem özellikle parlar. Önce kısa özet, sonra satır satır soru, en sonda kendi cümlelerinle tekrar anlat; bilgi böylece kalıcı hale gelir ve okuma hızın belirgin şekilde artar.

Hesap işlerinde modele düzden sormak yerine kod yazdırıp çalıştırtmak çok daha güvenlidir; onu hesap makinesiyle değil, genç bir analistle çalışır gibi düşün. Junior bir analiste formülü verirsin, o kodu yazar ve sonucu bilgisayara hesaplattırır. Model de aynı şekilde önce program yazar, sonra yorumlayıcı sonucu üretir. Elle hesapta kayan ondalıklar ve yuvarlamalar bu yöntemle ortadan kalkar. Formül, tablo ve tekrarlı hesap içeren her işte bu yola başvurmak gerekir. Kodu ve sonucu kısaca gözden geçirmek yeterlidir; güven, tahminden değil çalıştırılmış koddan gelir.

Gelişmiş veri çözümlemede model grafik çizip eğri uydurabilir ama sessizce varsayım yapma huyu vardır; satış grafiğinde eksik ayı kendi kendine doldurabilir. Trilyonluk bir rakamın yanlış yazıldığı örnek, bu tehlikeyi açıkça gösteriyor. Varsayım sessiz yapıldığında hata grafiğe siner ve fark edilmez. Bu yüzden üretilen kodu açıp hangi sütunun kullanıldığını, eksik değerin nasıl doldurulduğunu denetlemek gerekir. Çıkan grafiği ham sayılarla karşılaştırmak, eksenleri ve birimleri okumak şarttır. Modeli hızlı bir çizim yardımcısı say, son onayı her zaman kendi gözünle ver.

Claude tarafındaki üretimler panelini küçük bir atölye gibi düşün; model tek sayfalık bir bilgi kartı uygulamasını doğrudan tarayıcıda çalışır hale getirir. Diyagram, zaman şeması ve mini soru uygulaması gibi şeyler birkaç dakikada ortaya çıkar. Bu özellik her gün lazım olmaz ama gerektiğinde çok parlar; özellikle ezber ve sunum işlerinde el rahatlatır. Üretilen kodu açıp bakmak, düğmelerin çalışıp çalışmadığını denemek gerekir. Az ama yerinde kullanmak en doğrusudur; her soruyu uygulamaya çevirmek yerine gerçekten görsellik isteyen işlerde bu atölyeye başvurmak gerekir.

Cursor içindeki besteci kipini, yanında oturan hızlı bir çırak gibi düşün; ses dosyasını yazıya çevirmekten sürüm kaydı yazmaya kadar birçok angarya işi üstlenir. Deneme yanılma bu kipte çok doğaldır: model dener, hata alır, düzeltir ve tekrar dener. Tarayıcıdaki kod çalıştırıcı bu işler için yavaştır, gerçek iş masaüstü uygulamada kodla yapılır. Küçük adımlarla ilerlemek, her adımda sonucu denetlemek gerekir. Çırak hızlıdır ama bazen yanlış sokağa girer; direksiyonu elinde tutan sensin. Doğru yönlendirmeyle bu kip, yazılım işlerinde ciddi zaman kazandırır.

Sesle konuşmayı, klavyeyi bir kenara bırakıp telefona dikte etmek gibi düşün; ekrandaki mikrofon simgesi bu işi başlatır. Konuşma yazıya döküldükten sonra model onu sıradan bir mesaj gibi işler. Kütüphane adı ve özel terimler gibi kelimeleri yazıya çevirici bazen yanlış duyar, bu yüzden kritik isimleri elle düzeltmek gerekir. Fısıltıyla konuşmayı yazıya çeviren araçlar uzun anlatımlarda çok işe yarar. Gelişmiş ses kipi ise anadilden konuşmayı doğrudan sese çevirir. Yürürken, yemek yaparken ya da yazmak zor geldiğinde sesle çalışmak akışı hızlandırır ve yorgunluğu azaltır.

Görselli sorularda iki aşamalı yöntem en güvenli yoldur; besin tablosunu sorarken önce tablodaki yazıları aynen metne dökmesini istemek gerekir. İlk adımda çıkan yazının doğruluğunu gözünle onaylarsın, ikinci adımda asıl soruyu sorarsın. Etiket, formül ve tablo okumada bu yöntem hataları ciddi biçimde azaltır. Model bazen küçük rakamları karıştırır ya da satır atlar; dökümü onaylamadan soruya geçmek bu hatayı cevaba taşır. Önce gördüğünü yazdır, doğrula, sonra yorum iste; bu sakin sıra, görsel sorularda isabet oranını belirgin şekilde yükseltir ve sana denetim imkanı verir.

Görsel üretim tarafında model, yazdığın cümleyi önce ayrıntılı bir altyazıya çevirir, sonra resmi bu altyazıdan üretir; openai.com sitesindeki açıklama da bu iki aşamalı süreci doğruluyor. Kyoto'daki bir tapınağın fotoğrafını isterken sahneyi ne kadar somut anlatırsan sonuç o kadar isabetli olur. Telefonun video kipi ise çevreni gösterip sormanı sağlar; bir tabelayı çevirmek ya da bir bitkiyi tanımak bu şekilde kolaylaşır. Bellek özelliği tercihlerini saklayıp sonraki sohbetlerde hatırlar, özel yardımcılarda ise Korece kart destesi gibi hazır işler kurulabilir. Kapanışta kural aynıdır: somut anlat, sonucu gözle denetle.