ChatGPT, Gemini ve Claude gibi önde gelen yapay zeka araçlarının bir sorunu var: Gerçekten ne kadar akıllı olduklarını bilmiyoruz.
Bunun nedeni, araba, ilaç veya bebek maması üreten şirketlerin aksine, yapay zeka şirketlerinin ürünlerini halka sunmadan önce test için göndermelerinin gerekmemesidir. Yapay zeka sohbet robotları için İyi Temizlik mührü yok ve çok az sayıda bağımsız grup bu araçları titizlikle kullanıyor.
Bunun yerine, modellerinin bir sürümden diğerine nasıl farklılaştığını açıklamak için sıklıkla “geliştirilmiş yetenekler” gibi belirsiz, belirsiz ifadeler kullanan yapay zeka şirketlerinin iddialarına güvenmek zorunda kalıyoruz. Yapay zeka modellerine, örneğin matematik veya mantıksal akıl yürütmede ne kadar iyi olduklarını değerlendirmek için verilen bazı standart testler olsa da, birçok uzmanın bu testlerin gerçekte ne kadar güvenilir olduğu konusunda şüpheleri var.
Bu küçük bir yakınma gibi gelebilir. Ancak yapay zeka sistemleri için iyi bir ölçüm ve değerlendirme eksikliğinin büyük bir sorun olduğuna ikna oldum.
Yeni başlayanlar için, yapay zeka ürünleri hakkında güvenilir bilgi olmadan, insanlar onlarla ne yapacaklarını nasıl bilecek?
Geçen yıl bir arkadaşım veya meslektaşım tarafından belirli bir görev için hangi yapay zeka aracını kullanmaları gerektiği konusunda bana kaç kez soru sorulduğunu sayamıyorum. ChatGPT veya Gemini daha iyi Python kodu yazıyor mu? İnsanların gerçekçi görüntülerini oluşturmada DALL-E 3 veya Midjourney daha mı iyi?
