AI Keşfi Yolculuğu: Yapay zeka ile tartıştığınız oldu mu?

AI keşfi yolculuğuna hoşgeldiniz. Bu yolculukta AI gelişmelerini takip edip, dil modellerini deneyimlerken öğrendiklerimi paylaşacağım.

Ben yapay zeka ile tartışıyorum. İstediğim çıktıları elde edemediğimde, analizim yanlış olduğunda veya yapay zekanın hatalı kaynaklardan beslendiğini hissettiğimde dil modeli ile tartışmaya başlıyorum.

Peki Prompt Engineering gelişmiş dil modelleri ile kurduğum iletişimin temel aracıysa, bu iletişimi nasıl daha etkili hale getirebilirim? Bu yazıda, AI keşfi yolculuğumda en temelde aradığım cevabıinceleyeceğim.

Bu soruya cevap ararken neler fark ettim?

• Yapay zeka, isteğim karşısında taradığı kaynaklar arasından aradığım kelimelerin en sık yan yana gelişlerine göre sonuçlar iletiyor. Demek ki yapay zekayı istatistiki tahminleme modeli olarak tanımlayabilirim.
• İlk cümlem prompt’umdur, sonrası sadece yönlendirici sufleler 🙂
• Bilgi kaynağı risk almayacağım adımdır. Bu yüzden araştıracağı kaynakları (makale, link, ses veya görüntü kaydı) ben sunuyorum.

Yapay zeka ile iletişimimi güçlendirmek için öğrendiğim Prompt Engineering teknikleri;

1. Örneklerle Yönlendirme (Few Shot Prompting): İstediğim bakış açısına benzer örnekler vererek modelin davranışını yönlendiriyorum. Bu sayede benim bakış açımı tanıyor.
2. Düşünce Zinciri Yönlendirmesi (Chain of Thought Prompting):Bu yöntemde modelden cevabı adım adım düşünerek vermesini istiyorum. Her adım bilinçli bir mantık zinciri oluşturuyor ve çözüm sürecini şeffaf bir şekilde yapılandırıyor.
3. Düşünce Ağacı Yöntemi(Tree of Thought Prompting): Modelden birden fazla alternatif düşünce yolu (branch)sunmasını ve tüm alternatifleri birbiri ile kıyaslamasını istiyorum. Bu sayede alternatif senaryolarla çok yönlü düşünce geliştirmesini sağlıyorum. Her alternatif düşüncenin hatalı olduğunu fark ettiğinde süreçten çekilmesini de ekliyorum ki düşünce yollarının eliminasyonla sadeleştirebileyim.
4. Rol Tabanlı Yönlendirme (Directional Stimulus Prompting):Analizim kapsamında uzman bir karakter yaratıyorum ve bakış açısını, değerlendirme kriterlerini belirliyorum.
5. Yoğunluk Zinciri (Chain of density prompting):Her adımda daha yoğun bilgiler içeren özete gitmek için kullanıyorum. Bu sayede özet bilgiye ulaşırken bilgi/anlam kaybıyaşamadan metnimi daha da yoğunlaştırıyorum.

Uygulama Zamanı

Bu teknikleri bazen birbiri ile harmanlayarak kullanıyorum. Bahsettiğim 5 tekniği içeren Prompt mühendisliğini ürün yönetimi perspektifiyle birleştirerek çalıştığım bir prompt örneği deneyelim;

Marketplace e-ticaret platformunda kullanıcıların alışveriş deneyimlerinde sepet adımına geldiklerinde sepetten ayrılmayı azaltmak ve kullanıcının hesabına tanımlanmış kişisel kuponların kullanımını arttırmak amacıyla sepette kişisel kuponların görünümünü ve kullanımını sağlayacak ürün modellemesi çalışacağız.

Şimdi adım adım ürün modellemesini tasarlayalım.

1.Adım: Kullanıcının sepette tanımlı kuponları görüntüleyip sepet ürünlerine uygun olanı seçip uyguladığı uçtan uca bir kupon kullanım akışı tasarla. Akış, flowchart prensiplerine uygun ve kullanıcı deneyimini sade, sezgisel, kesintisiz kılacak şekilde yapılandırılsın. Süreç adımlarını oluşturduğun akışı, akış diyagramı kurallarına uygun olarak ilet. Örneğin; flowchart kuralları gereği Karar adımlarından sonra Evet/Hayır şeklinde iki yola ayrılanlar gösterim uygula (FewShot)

2.Adım: İş akışındaki her bir süreci iki farklı e-ticaret kullanıcısı için kullanıcı deneyimi odaklı olarak değerlendir.

• Kullanıcı-1: Zaman odaklı, sepet adımında uzun süre beklemeden ödeme adımına geçmek isteyen, kupon kullanım eğilimi olmayan, sepet sayfasını detaylı incelemeyen
• Kullanıcı-2: Sepet adımından ayrılarak ürün incelemeye dönme eğilimi olan, kişisel kuponlarını inceleyen, kupon kullanım şartlarını anlamak isteyen

İki e-ticaret kullanıcısı için sepette kişisel kuponlarını görüntülemek ve sepetindeki ürünlere uygulama deneyimini değerlendirme sürecini dallandır. Her bir süreç adımının artılarını ve eksilerini karşılaştır. (Tree of Thought)

3.Adım: Bu karşılaştırmadan sonra her bir adımda en iyi alternatif sonuç ile ilerleyelim ve diğer alternatif elensin. Seçilen kararın nedenlerini ayrıntılı şekilde açıkla. (Chain of Thought)

4.Adım: Listelediğim uzmanların bakış açısı ile sepet sayfasında benchmark gerçekleştir ve sonuçlarını benimle paylaş.

• UX Uzmanı bakış açısı ile kullanıcıya sepet sayfasında hesabına tanımlı kuponların nasıl sunulacağını dair UX bileşenlerini öner: metin tonu, renk, yerleşim, zamanlama.
• Product Manager bakış açısı ile sepet sayfasında kupon gösterimi sağlandığında kullanıcı deneyimi akışını değerlendir. (Directional Stimulus)

5.Adım: Tüm bakış açılarını analiz ederek aşağıdaki maddeler kapsamında yoğunlaştırılmış öneri listesi sun:

• Sepet sayfasında hangi dijital üründen sonra kupon gösterimi konumlandırılmalı.
• Aynı anda kullanıcıya kaç kupon gösterimi sunulmalı
• Sepetindeki ürünler için uygulanması geçerli olmayan kuponlar da görünür olmalı mı? (Chain of Density)

Bu prompt’u paylaştıktan sonra yapay zeka analizini inceledim, ürün modelleme sürecimde kullanıcı deneyimi açısından kesintisiz bir akış yaratmak için istediğim analizi elde etmiş oldum. Son olarak tüm analizi içeren bir mockup tasarımı yaratmasını istedim. Benim için sıfırdan yaratılmış ilk mockup çalışması için harika bir önizlenim sundu. Sonuçta ürün modelleme sürecinin en mutlu anlarından biri mockup anını görmektir 🙂