Yapay zeka tartışması iki uçta sıkışıyor. Bir uçta "her şeyi çözer" iddiası var. Diğer uçta "güvenilmez, uydurur" reddi var. İkisi de aynı hatayı yapar: modeli tek bir şey sanar.
Model tek bir şey değildir. Bir alanda çok güçlü, başka bir alanda kullanılamaz olur. Doğru soru "yapay zeka iyi mi" değildir. Doğru soru şudur: hangi işte, hangi denetimle?
Modelin güçlü olduğu dört alan
Dil modelleri belirli iş tiplerinde tutarlı biçimde iyi sonuç verir.
- Örüntü tanıma. Model, büyük metin yığınında tekrar eden yapıyı bulur. Sınav sorularının format desenini çıkarmak bu işe girer.
- Yapılandırma. Model dağınık bir metni tanımlı bir şablona oturtur. Bir paragrafı beş boşluklu cloze testine çevirmek budur.
- Kontrollü üretim. Model, sınırları önceden çizilmiş bir çerçevede yeni içerik yazar. Seviye, konu ve soru tipi verildiğinde yeni bir metin üretmek budur.
- Yeniden ifade. Model aynı anlamı başka kelimelerle kurar. Sınav sorularında doğru cevabı paraphrase ile yazmak tam olarak bu beceridir.
Bu dört işin ortak özelliği şudur: hepsinde doğru cevabın sınırlarını dışarıdan biri çizer. Model boşluğu doldurur, çerçeveyi kurmaz.
Modelin zayıf olduğu yer
Model, kendi çıktısının doğru olup olmadığını bilmez. Bir soru üretir, dört çeldirici yazar, ve hepsinin tek doğru cevaba kilitlendiğini varsayar. Oysa iki şık aynı anda doğru olabilir. Cevap anahtarı metinle çelişebilir. Seviye hedefin üstüne çıkabilir.
Bunlar nadir hatalar değildir. Denetimsiz bir üretim hattında düzenli olarak gerçekleşir.
Bu yüzden "hangi model" sorusu tek başına yetersizdir. ChatGPT 5.6 daha iyi bir metin yazar. Ama daha iyi bir metin, otomatik olarak geçerli bir sınav sorusu değildir.
soruLab'ın yaptığı: modeli çerçeveye almak
soruLab'da model üretim hattının ortasında durur, sonunda değil. Hat dört aşamalıdır.
| Aşama | Ne olur |
|---|---|
| 1. Metin | Siz bir metin yapıştırırsınız ya da havuzdan seçersiniz |
| 2. Model | ChatGPT 5.6 ya da DeepSeek V4 Pro soruları yazar |
| 3. Denetim | Set üç kapıdan geçer |
| 4. Çıktı | A4 PDF ve cevap anahtarı |
Üçüncü aşama ürünün asıl parçasıdır. Orada üç kapı çalışır.
- Format kilidi. Set, hedeflenen sınavın yapısına uyar. telc Sprachbausteine on boşluk ister, ÖSYM cloze beş boşluk ister. Model bu sayıyı değiştiremez.
- Cevap anahtarı denetimi. Doğrulayıcı, çeldiricilerin gerçekten yanlış olduğunu kontrol eder. İki şık aynı anda geçerliyse set reddedilir.
- Kaynağa bağlama. Pflege gibi alanlarda üretilen içerik, alınan kaynak metne bağlanır. Model kaynakta olmayan bir klinik bilgi eklerse çıktı geçmez.
Bu kapılar, hangi modeli seçtiğinizden bağımsız çalışır. ChatGPT çıktısı da DeepSeek çıktısı da aynı denetimden geçer. Daha güçlü model daha iyi bir metin getirir. Kapılar ise o metnin sınava uygun kalmasını sağlar.
Neden bu ayrım önemli
Bir öğretmen ürettiği çalışma kâğıdını sınıfa dağıtır. Bir aday ürettiği soruyu sınav provası sayar. İkisinde de yanlış bir cevap anahtarı doğrudan zarar verir.
"Model iyi yazıyor" cümlesi bu riski karşılamaz. Riski karşılayan şey, modelin çıktısının yayımlanmadan önce denetlenmesidir.
Yapay zekayı oyuncak sananlar genelde denetimsiz bir çıktı görmüştür. Her şeyi çözdüğünü sananlar da aynı çıktıyı görmüş, ama kontrol etmemiştir. Aradaki fark modelin kendisinde değil, etrafına kurulan çerçevededir.
Kendiniz görün
Workbench beş ücretsiz üretim hakkıyla açılır ve kart istemez. Bir metin yapıştırın, bir soru tipi seçin, sonra çıkan setin cevap anahtarını kontrol edin. Anlatılan denetimi doğrulamanın en hızlı yolu budur.