Üretken yapay zekâ sistemlerinin kendi ürettikleri içeriklerle beslenmesi, yaratıcılığı artırmak yerine kültürel tekdüzeliği hızlandırıyor. Akademik bir çalışma, tekrar eden kullanımın içerikleri giderek sıradanlaştırdığını ortaya koyuyor.
Yapay zekâ hayatın her alanına hızla giriyor. Sadece teknoloji dünyasında değil, sanat, tasarım ve kültürel üretimde de belirleyici hâle gelmiş durumda. Ancak son dönemde yayımlanan yeni bir akademik çalışma, bu hızlı yayılmanın her zaman yaratıcılıkla sonuçlanmadığını söylüyor. Araştırmacılara göre, yapay zekâ sistemleri kendi ürettikleri içeriklerle beslendikçe kültürel çeşitlilik azalıyor, ortaya çıkan işler giderek birbirine benzemeye başlıyor.
Bugün kullanılan pek çok yapay zekâ modeli, eğitim sürecinde sentetik verilerden yararlanıyor. Bunun temel nedeni, internetteki yüksek kaliteli insan üretimi verilerin büyük ölçüde tükenmiş olması. Daha önce yapılan çalışmalar da bu noktaya işaret ediyordu: Yapay zekâ, kendi ürettiği verileri tekrar tekrar kullandıkça performansı düşüyor, çıktılar sıradanlaşıyor ve anlamını yitiriyor.
Araştırmacılar bu durumu, sistemin adeta “kendi kendini tüketmesi” olarak tanımlıyor. Yani yeni ve özgün verilerle beslenmeyen yapay zekâ, zamanla daha zayıf ve daha tek tip sonuçlar üretmeye başlıyor.
Bu ay akademik dergi Patterns’ta yayımlanan çalışma, sorunu somut bir deneyle ortaya koyuyor. Uluslararası bir araştırma ekibi, bir metinden görsel üreten yapay zekâ modeli ile bir görselden metin üreten sistemi birbirine bağladı. Sistemler, sürekli olarak kendi çıktıları üzerinden yeni üretimler yapacak şekilde çalıştırıldı.
Deney, “stres altındaki bir başbakan” gibi görece güçlü bir metinle başladı. Süreç ilerledikçe ortaya çıkan görseller, lüks mobilyalarla döşenmiş ama tamamen boş ve ruhsuz odalara dönüştü. Araştırmacılar, sistemin zamanla “çok genel, ayırt edici olmayan” görsellere yöneldiğini tespit etti.
Bu tür içerikler çalışmada “görsel asansör müziği” olarak tanımlandı. Rahatsız etmeyen, göze batmayan ama aynı zamanda hiçbir sürpriz ya da özgünlük de sunmayan işler… Hani kulağa çalınır ama akılda kalmaz ya, tam olarak öyle.
Çalışmanın dikkat çeken yanlarından biri de şu: Deney boyunca sistemlere herhangi bir ek eğitim verilmedi. Yeni veri eklenmedi, farklı bir yönlendirme yapılmadı. Buna rağmen, sadece tekrar eden kullanım bile yaratıcılığın giderek körelmesine yetti.
Bu durum, üretken yapay zekâ sistemlerinin yeni ve özgün veriyle beslenmediği hâllerde, zamanla kendiliğinden tekdüzeliğe sürüklendiğini gösteriyor.
Bazı uzmanlara göre üretken yapay zekâ, halihazırda bir “kültürel durağanlık” sürecini başlatmış olabilir. Aslında bu uyarılar yeni değil. Sentetik verilerin eğitim verisi olarak kullanılmaya başlandığı ilk günden beri dile getiriliyor.
Yapay zekâ modelleri, doğaları gereği “her şeyin ortalamasını” üretmeye eğilimli. En ideal cevap, istatistiksel olarak en olası olan cevap çünkü. İnternet giderek bu “en olası” cevaplarla doldukça, içerikler de standartlaşıyor. Yeni eğitilen her yapay zekâ modeli, bu tek tip verilerden beslendikçe biraz daha sıradanlaşıyor.
Google Play
App Store