ChatGPT ile Büyük Dil Modelleri ve Veri Kaynakları
ChatGPT piyasaya sürüldüğünden beri büyük dil modelleri dikkat çekiyor. Gemini, DeepSeek, Llama ve Grok gibi örnekler günlük hayatımızın ayrılmaz bir parçası haline geldi. Ancak bu modellerin eğitildiği veri kaynakları, yapay zeka alanındaki en çok tartışılan konulardan biri olarak öne çıkmaktadır.
Yapılan araştırmalara göre, ChatGPT dahil birçok dil modeli yanıtlarını oluştururken genellikle kamuya açık internet sitelerinden faydalanıyor.
Reddit yüzde 40 ile Lider Konumda
Statista’nın Haziran ayında yayımladığı verilere göre, 2024’ün ilk çeyreğinde büyük dil modelleri tarafından en fazla referans alınan web sitesi yüzde 40,11’lik oranla reddit.com oldu.
Uzmanlara göre, yapay zekaların Reddit gibi kullanıcıların doğal konuşmalarının bulunduğu platformlardan veri toplaması, geliştiricilerin resmi kaynaklardan ziyade ‘gerçek insan dili’ne odaklandığını gösteriyor.
Reddit’i yüzde 26,3 ile ‘internet ansiklopedisi’ olarak bilinen Wikipedia takip etti. Düzenli içeriklerle ön plana çıkan Wikipedia, denetimsiz kullanıcı tartışmalarına sahne olan Reddit’in gerisinde kaldı.
Statista verilerine göre, en çok başvurulan diğer kaynaklar şu şekilde sıralandı:
- YouTube: Yüzde 23,5
- Google: Yüzde 23,2
- Yelp: Yüzde 21
- Facebook: Yüzde 19,9
- Amazon: Yüzde 18,7
- Tripadvisor: Yüzde 12,4
- Mapbox: Yüzde 11,2
- OpenStreetMap: Yüzde 11,2
Google ve Reddit Arasında Yapay Zeka İş Birliği
Yapay zeka modellerinin eğitilmesi için teknoloji devleriyle sosyal medya platformları arasında çeşitli iş birlikleri yapılmaktadır.
2024’te Google ile Reddit arasında imzalanan anlaşmaya göre, Google’ın yapay zeka sistemleri Reddit verileriyle beslenecek. Reuters’ın haberine göre, Google yılda Reddit’e 60 milyon dolarlık bir ödeme yapacak.
Ayrıca Reddit, OpenAI ile ChatGPT’nin eğitimi için veri paylaşımı anlaşması imzaladı. Bu iş birlikleriyle yapay zeka modellerinin yanıtlarındaki “Reddit etkisi” daha da güçlendirilmiş oldu.
