Potansiyel müşterilerimizden ve kullanıcılarımızdan en sık aldığımız sorulardan biri şu: “Niyet sınıflandırıcılarınız nerede?”
Bizde yok. Evet, bu bilinçli bir tercih.
Botpress, kullanıcı niyetini belirlemek için LLM'ler kullanır. Neden mi? Bir sohbet botu ya da bir Yapay Zeka ajanı geliştiriyorsanız, hem geliştiriciler hem de kullanıcılar için çok daha iyi.
Bu konuda oldukça kararlıyız, bu yüzden niyet sınıflandırıcılarını neden kullanmadığımızı kısaca açıklamak istiyorum.
Özetle; geliştirmesi daha kolay, daha doğru sonuç verir ve bakımı daha basittir.
Eski (LLM öncesi) Günler
(Niyet sınıflandırıcılarının ne olduğunu ve ne işe yaradığını biliyorsanız, bu bölümü atlayabilirsiniz.)
Niyet sınıflandırıcı, kullanıcı girdilerini eğitim verilerine dayanarak önceden tanımlanmış niyetlere ayıran bir araçtır.
Geliştiriciler, her olası niyet için sayısız örneği toplamak ve etiketlemek zorunda kalır; sistemin kullanıcı girdilerini bu örneklerle eşleştirmesini umarlar.
Örneğin, bir e-ticaret sohbet botunda geliştiriciler "SiparişTakip" gibi bir niyet tanımlar. Örnek ifadeler şunlar olabilir: "Kargom nerede?", "Siparişimi takip et", "Teslimat durumunu kontrol edebilir misin?"
Aslında, yapay zeka ajanına kullanıcı niyetini örneklerle tanımayı öğretiyorlar. Ve evet, bunların hepsini elle girmek zorundalar.
Neyse ki, olası ifadeleri elle niyetlere eşleştirme ihtiyacı, LLM'ler geliştikçe neredeyse tamamen ortadan kalktı.
Ama birçok sohbet yapay zekası platformu hâlâ bunları kullanıyor. Neden? Ona da geleceğiz.
Niyet Sınıflandırıcılarının 4 Dezavantajı
Sadece uzun bir süreç olmaları değil – niyet sınıflandırıcılarının birçok açıdan dezavantajı var. İşte bazıları:
1. Veri bağımlılığı
Niyet sınıflandırıcılar çok fazla veriye ihtiyaç duyar. Her niyet için büyük ve temsil edici bir kullanıcı örnekleri veri seti olmadan doğru çalışamazlar. Bu olmadan, girdileri doğru şekilde sınıflandıramazlar.
Ve bu veri setlerini oluşturmak oldukça zahmetlidir. Geliştiriciler saatlerce örnek toplar ve etiketler, ki bu kesinlikle zamanlarının iyi bir kullanımı değildir.
2. Sınırlı ölçeklenebilirlik
Niyet sınıflandırıcılar ölçeklenmek için tasarlanmamıştır. Yeni bir niyet eklemek, daha fazla veri toplamak ve modeli yeniden eğitmek anlamına gelir; bu da geliştirme sürecinde hızla bir darboğaz yaratır. Ayrıca, bakım açısından da zorludur – çünkü dil kullanımı değiştikçe, ifadeler de değişir.
3. Zayıf dil anlayışı
Niyet sınıflandırıcılar gerçek anlamda dil anlayışına sahip değildir. Dilin farklı kullanımlarında zorlanırlar, örneğin:
- Eşanlamlılar
- Parafrazlar
- Belirsiz ifadeler
- Yazım hataları
- Alışılmadık deyimler
- Parçalı girdiler
Ayrıca genellikle her ifadeyi tek başına işlerler, yani bir konuşma boyunca bağlamı koruma yetenekleri yoktur.
4. Aşırı uyum (overfitting)
Niyet sınıflandırıcılar aşırı uyuma eğilimlidir; yani eğitimde gördükleri örnekleri ezberler, genel kalıpları öğrenemezler.
Bu da, daha önce gördükleri ifadelerde iyi performans gösterirken, yeni veya farklı girdilerde zorlanmaları anlamına gelir. Bu yüzden profesyonel kullanım için oldukça kırılgandırlar.
LLM'lerin Daha İyi Olmasının 6 Nedeni
LLM'ler bu sorunları neredeyse tamamen çözdü. Bağlamı ve nüansı anlarlar ve geliştiricilerin onları başlatmak için eğitim verisiyle doldurmasına gerek yoktur. LLM tabanlı bir ajan oluşturulduğu anda konuşmaya başlayabilir.
1. Sıfır örnekle öğrenme yeteneği
LLM'lerin öğrenmek için örneklere ihtiyacı yoktur. Geniş ön eğitimleri sayesinde, geliştiricilerin özel örnekler vermesine gerek kalmadan bağlamı, nüansı ve niyeti zaten anlarlar.
2. Nüans kavrama yeteneği
LLM'ler, niyet sınıflandırıcıların yetersiz kaldığı yerlerde başarılıdır. Deyimleri, alaycı ifadeleri ve belirsiz dili kolayca yorumlayabilirler.
Çeşitli veri setleriyle kapsamlı eğitimleri, insan iletişimindeki ince ayrıntıları kavrama yeteneği kazandırır; bu da niyet sınıflandırıcıların çoğu zaman kaçırdığı bir şeydir.
3. Daha iyi bağlam
LLM'ler konuşmanın akışını kaybetmez. Önceki konuşmaları hatırlarlar, bu da etkileşimlerin daha doğal ve tutarlı olmasını sağlar.
Bu bağlam, belirsizlikleri gidermelerine de yardımcı olur. Girdi belirsiz veya karmaşık olsa bile, daha geniş konuşmaya bakarak anlamlandırabilirler.
4. Ölçeklenebilirlik
LLM'ler ölçeklenebilirlikte çok daha iyidir. Yeni konulara geçmek için yeniden eğitilmeye ihtiyaç duymazlar; çünkü dili geniş kapsamda anlarlar.
Bu da onları kutudan çıkar çıkmaz hemen her kullanım senaryosuna hazır hale getirir. Çoklu ajan sistemleri için, niyet sınıflandırıcı yerine LLM kullanmak kesinlikle daha mantıklıdır.
5. Esneklik
LLM'ler katı şablonlara bağlı değildir. Esneklikleri sayesinde yanıtlar doğal, çeşitli ve konuşmaya tam uyumlu olur. Kullanıcılar için kırılgan niyet sınıflandırıcılardan çok daha iyi bir deneyim sunarlar.
6. Daha az eğitim verisi ihtiyacı
LLM'ler görev odaklı etiketli verilere ihtiyaç duymaz. Güçlerini, çeşitli metinler üzerinde yapılan büyük ölçekli ön eğitimden alırlar; bu yüzden özenle etiketlenmiş veri setlerine bağımlı değillerdir.
Gerekirse, geliştiriciler bir LLM'i özelleştirebilir. Örneğin, LLM'ler az miktarda veriyle ince ayar yapılabilir; böylece özel kullanım alanlarına veya sektörlere hızla uyum sağlayabilirler.
Diğer şirketler neden niyet sınıflandırıcıları kullanıyor?
İyi bir soru. Eğer LLM'ler niyetleri sınıflandırmada bu kadar iyiyse, neden hâlâ pek çok şirket niyet sınıflandırıcıları kullanıyor?
Cevabı pek hoş değil ve çok diplomatik de sayılmaz: Bu, eski teknoloji sorunu.
Çoğu şirket, niyet sınıflandırıcıları kullanmaya devam etmekte çıkar sahibidir. Bu sistemler üzerine kurulu büyük kullanıcı tabanları var. Kendi kurdukları sistemden kullanıcılarını uzaklaştırmak için bir sebepleri yok.
Ama Botpress LLM-öncelikli
LLM'ler, eski tip niyet sınıflandırıcılardan çok daha iyi niyet tespiti yapar. Bu yüzden 2020'de sıfırdan LLM-öncelikli olacak şekilde yeniden geliştirdik.
Daha iyi bir teknolojinin geldiğini biliyorduk ve eskiye tutunmak yerine, ileriye atılım yapmaya yatırım yaptık.
Niyet sınıflandırıcıları ekleyecek miyiz?
Hayır. Geliştirici deneyimine ve kullanıcılarının deneyimine çok önem veriyoruz.
Niyet sınıflandırmanın geleceği
Niyet sınıflandırıcılar artık geçmişte kaldı. Bu yüzden tamamen LLM'lere yöneldik.
LLM'ler geliştikçe, Botpress üzerinde inşa edilen yapay zeka ajanları da gelişecek. Konuşma tabanlı yapay zekanın neler yapabileceği konusunda çıtayı yükseltmeye hazır ve heyecanlıyız.
LLM destekli esnek yapay zeka ajanları oluşturmak istiyorsanız, Botpress'te geliştirmeye başlayabilirsiniz. Ücretsizdir.
