Konu ve Kapsam Kısıtlamaları

Yapay zekâ modelleri yararlı ve kapsamlı olacak şekilde eğitilmiştir. Kısıtlanmadıklarında genellikle özel kullanım senaryonuz için ihtiyaç duymadığınız bağlamı, arka plan bilgilerini, alternatifleri ve uyarıları da dahil ederler.

İstemlerdeki kapsam kısıtlamaları, modele belirlenmiş bir sınır içinde kalmasını söyler — bir konu, alan, bakış açısı veya dikkate alınacaklar kümesiyle sınırlı kalmasını sağlar. Bu kısıtlamalar olmadığında çoğu zaman genel olarak doğru, ancak doğrudan kullanılamayacak kadar geniş yanıtlar alırsınız.

En doğrudan kapsam kalıbı "Yalnızca X'e odaklanın" ifadesidir:

• "Yalnızca güvenlik etkilerine odaklanın — performansı ele almayın."
• "Yalnızca kullanıcıyı ürüne alıştırma sürecini ele alın, ürünün tüm özelliklerini değil."
• "Yalnızca açık kaynaklı araçları ele alın. Ticari ürünlerden söz etmeyin."

Bu kalıp, X açıkça tanımlanmış ve sınırları belirli bir kategori olduğunda en iyi sonucu verir. Belirsiz odaklanma talimatları ("önemli şeylere odaklanın") yararlı olamayacak kadar özneldir.

Dışlama kısıtlamaları, ele alınmasını istemediğiniz belirli konuları çıkarır:

• "Fiyatlandırmadan veya maliyetten söz etmeyin."
• "2008 mali krizine yönelik hiçbir göndermede bulunmayın."
• "Bu yaklaşımın sınırlamalarını ele almayın."
• "Siyasi partilerle ilgili hiçbir ifadeye yer vermeyin."

Dışlama kısıtlamaları, modelin doğal olarak dahil edeceğini önceden bildiğiniz bir şeyi dışarıda bırakmak istediğinizde yararlıdır. Marka açısından güvenli veya uyumluluk konusunda hassas içerikler için özellikle önemlidir.

Alanı sınırlandıran kısıtlamalar, modeli belirli bir alan veya bağlam içinde tutar:

• "Mobil uygulama geliştirme konusu içinde kalın."
• "Yanıtınızı küçük perakende işletmeleri bağlamıyla sınırlayın."
• "Bunu Python 3.10 ve sonraki sürümlerin kapsamı içinde tutun."
• "Yanıtlarınız yalnızca EU mevzuatı bağlamını ele almalıdır."

Alan sınırları, modeli belirli bir sektöre yönelik bir uygulamada kullandığınızda özellikle önemlidir (örneğin, tıbbi tavsiye vermemesi gereken bir yemek pişirme asistanında).

Rakipleri dışlamak, pazarlama ve ürün içerikleri için yaygın bir gereksinimdir:

• "Hiçbir rakip ürünün adını vermeyin veya rakip ürünlerle karşılaştırma yapmayın."
• "Ürünümüzün güçlü yönlerine odaklanın. Rekabet ortamından söz etmeyin."
• "Diğer CRM araçlarıyla herhangi bir karşılaştırmadan kaçının."

Bu kapsam kısıtlaması, yapay zekâ tarafından oluşturulan içeriğin marka açısından güvenli kalması için önemlidir. İnternet verileriyle eğitilen modeller rakipleri bilir ve açıkça sınırlandırılmadıklarında onlardan söz eder.

Yalnızca konuyu değil, modelin benimsediği bakış açısını da sınırlayabilirsiniz:

• "Yalnızca uzaktan çalışmayı destekleyen argümanları sunun. Karşı argümanlara yer vermeyin."
• "Bunu yalnızca ilk kez ev alacak bir kişinin bakış açısından analiz edin."
• "Teknik uygulamaya odaklanın. İş veya stratejiyle ilgili hususları ele almayın."

Bakış açısı kısıtlamaları, belirli bir amaç için kısmi bir analize ihtiyaç duyduğunuzda yardımcı olur — bir tartışmaya hazırlık özeti, belirli bir paydaşa yönelik rapor veya tek taraflı ikna edici bir metin gibi.

Kalıcı kapsam sınırları olan uygulamalarda bunları sistem isteminde tanımlayın. Bu, kullanıcıların modeli yanlışlıkla veya kasıtlı olarak amaçlanan alanının dışına çıkarmasını önler:

Kapsam kısıtlamaları her zaman kusursuz uygulanmaz. Yaygın başarısızlık durumları şunlardır:

• Kapsamdan sapma — Model yanıtın ilk bölümünde kapsam içinde kalır, ardından kapsam dışına çıkar
• Örtük dahil etme — Açıkça değinmeyi kısıtladınız, ancak model kısıtlanan içeriği ima eder
• Belirsiz sınırlar — Kapsam tanımınız, modelin bunu tutarlı biçimde uygulayabilmesi için yeterince kesin değildir

Üçü için de çözüm aynıdır: Kapsam sınırlarını daha açık ve belirgin hâle getirin. "Konudan sapmayın" demek yerine, kapsam dahilindeki ve kapsam dışındaki unsurları iki ayrı liste hâlinde tam olarak belirtin.

Kapsamı dahil edilecekler (nelerin dahil edileceği) veya dışarıda bırakılacaklar (nelerin çıkarılacağı) olarak çerçeveleyebilirsiniz. Her iki yaklaşım da yararlıdır ve birlikte kullanılabilir:

Olumlu (dahil etme): "Yalnızca şunları ele alın: özellik açıklamaları, fiyatlandırma kademeleri ve entegrasyon seçenekleri."

Olumsuz (dışlama): "Şunları dahil etmeyin: şirket tarihi, ekip tanıtımları veya teknik mimari ayrıntıları."

Karmaşık kapsam gereksinimleri için her ikisini de kullanın: kapsam dahilindeki listeyi açıkça tanımlayın AND kapsam dışındaki listeyi de belirtin. Bu çifte sınır, tek başına kullanılan yaklaşımlardan daha sağlamdır.

Zamansal kapsam kısıtlamaları, modelin odaklanması gereken zaman aralığını sınırlar:

• "Yalnızca 2020'den günümüze kadar olan olayları tartışın."
• "Teknolojinin tarihsel gelişimine değil, mevcut durumuna odaklanın."
• "2022'den sonraki gelişmeleri göz ardı edin — hedef kitlemiz henüz bunlardan haberdar değil."

Bunlar, arka plan bilgisi sınırlı kitlelere yazarken veya tarihsel bağlamın pratik ve günümüze odaklı bir yanıtın dikkatini dağıtacağı durumlarda yararlıdır. Not: Modellerin, çok yakın zamanda gerçekleşen olayların doğruluğunu etkileyen bilgi kesim tarihi sınırlamaları olabilir.

Kapsam, ayrıntı veya derinlik düzeyini de belirleyebilir:

• "Üst düzey bir genel bakış sunun — teknik uygulama ayrıntılarına girmeyin."
• "Uygulamaya ilişkin ayrıntılara odaklanın. Kavramsal arka planı atlayın."
• "Stratejik düzeyde kalın. Taktik ayrıntılar bu belgenin kapsamı dışındadır."

Ayrıntı düzeyi kısıtlamaları, özellikle katmanlı belgeler oluştururken yararlıdır — biri yöneticiler, diğeri mühendisler için olmak üzere farklı sürümler hazırlamanız ve her birinin diğerine taşmadan kendisine uygun düzeyde kalması gerektiğinde bu kısıtlamalar işe yarar.

Kapsam kısıtlamaları, neyin dahil olduğunu ve neyin dışarıda kaldığını tanımlayarak yapay zekâ çıktısını odaklar. Temel kalıplar şunlardır: yalnızca X'e odaklanın, Y'den söz etmeyin, Z alanı içinde kalın ve bakış açısını sınırlandırın.

En sağlam kapsam tanımı; olumlu ve olumsuz çerçevelemeyi birleştirir, belirsiz ifadeler yerine açık listeler kullanır ve kalıcı uygulamalarda kısıtlamaları sistem istemine yerleştirir.

Bir sonraki derste, kısıtlamaları üslup düzeyinde uygulamayı öğreneceksiniz — yalnızca modelin ne söylediğini değil, bunu nasıl söylediğini de denetleyeceksiniz.