Yapay zeka tarafından üretilmiş medya içerikleri günümüzde ana akım ve sosyal medyada karşımıza çıkan en yeni içerik türlerinden biridir. Üretken Yapay zeka’nın temeli Üretken Çelişkili Ağlar (GAN’lar) ve Dönüştürücüler gibi modellerle atıldı. Yakın zamanda bu ağların öğrenmedeki gelişmeleriyle 2010’ların sonlarında hayatımıza girmiştir.
Üretken Yapay Zeka’nın Akademik Tanımlar
Oxford Academics National Science Review’ın son makalesinde tanımladığına göre Üretken Yapay Zeka; metin, görüntüler, videolar ve problem çözme stratejileri dahil olmak üzere, insan benzeri bir yaratıcılık ve uyarlanabilirlik ile yeni içerikler üretebilen bir grup yapay zeka algoritması ve modelini ifade eder. Bu model ve algoritmalar çerçevesinde gelişen içerikler son yıllarda özellikle sosyal medyada yer almaya başlayarak insan hayatına yansımaları gözle görülür hale gelmiştir.
Üretken yapay zekanın bu içerikleri nasıl ürettiğine dair cevap arayan raporlamalar ve incelemelerden biri olan, IBM Research’ın son raporunda yapılan işlevsel tanıma göre: Üretken modeller eğitim verilerinin basitleştirilmiş bir temsilini kodlar ve ardından bu temsilden yola çıkarak orijinal verilere benzer ancak onlarla özdeş olmayan yeni eserler oluşturmak için veri çeker.
Geleneksel Yapay Zeka (Discriminative AI) bir veri setinde “bu bir kedi mi?“ sorusuna yanıt ararken; Üretken yapay zeka “bana bir kedi resmi oluştur” komutunu yerine getirir. Dönüştürücüleri ise modern yapay zekanın kalbi olarak tanımlayabiliriz. (ChatGPT, Claude,Gemini) 2017 yılında Google araştırmacıları tarafından “Attention Is All You Need” makalesiyle tanıtılmıştır. Bu yapının en büyük yeniliği öz dikkat mekanizmasıdır. Geleneksel modeller bir cümleyi, kelime kelime sırayla okurken, dönüştürücüler cümlenin tamamına aynı anda bakar. Her kelimenin diğer kelimelerle olan ilişkisini ve bağlamını hesaplamaya çalışır. Pekala Dönüştürücülerin kullanım alanını daha çok metin üretimi, dil çeviri ve ayrıca kod yazımı olarak tanımlayabiliriz.
Çekişmeli Üretici Ağlar (GANs)
2014 yılında Ian Goodfellow tarafından geliştirilen bu yapı, birbirine rakip iki yapay zeka modelinin “oyun oynaması“ prensibine dayanır.Yapı içerisinde iki ağ vardır, bunlardan ilki olan üretici rastgele gürültüden gerçekçi örülen verileri kullanır. Örneğin sahte insan yüzü yaratmaya çalışır. İkinci ağ olan ayırt edici ise önüne gelen görüntünün “gerçek“ mi yoksa “üretici tarafından yapılmış bir sahte” mi olduğunu tahmin eder. Sonucunda ise bu iki ağ sürekli birbirini geliştirir Üretici, ayırt ediciyi kandıracak kadar mükemmel işler çıkarana kadar süreç devam eder. Kullanım alanları ise genellikle gerçekçi insan yüzleri üretme, sanat eserleri yaratma ve deepfake kullanımı olarak sırlanabilir.
Değişken Otokodlayıcılar (VAEs)
Veriyi en verimli şekilde sıkıştırmayı ve sonra bu sıkıştırılmış halden yeni veriler üretmeyi öğrenen bir yapıdır. Süreç iki aşamalıdır kodlayıcı girdi verisini örneğin bir kedi resmini çok küçük bir matematiksel koda (latent space – gizli alan) indirger. Bu kod verinin en öz özelliklerini temsil eder. Kod çözücü ise bu küçük kodu kullanarak veriyi tekrar inşa eder. Değişken otokodlayıcılar bu gizli alanda verilerin matematiksel olasılık dağılımını saklar. Kullanıcılar o alandan rastgele bir nokta seçtiğinde model o noktaya karşılık gelen ama orijinalden farklı yeni bir veri üretir. Kullanım alanları genel olarak görüntü netleştirme, moleküler yapı tasarımı, ilaç araştırmaları ve veri artırımı gibi alanlar olarak sıralanabilir.
Günümüz medyasında çarpıcı şekilde karşımıza çıkan Üretken Yapay Zeka tarafından üretilmiş içeriklerin medya, insan ve toplum çerçevesinde yaratacağı toplumsal etki hiç şüphesiz çağımızın problemlerinden biri olarak karşımıza çıkacaktır.
Referanslar
'Yapay' Medya 
Yorum bırakın