Düşünce zinciri istemi nedir?

Bir GPT sohbet robotu kullandıysanız, ChatGPT gibi, çıktının kalitesinin değişken olduğunu fark etmişsinizdir.

Bazen tam ihtiyacınız olanı verir. Bazen de yapay zekadaki 'zeka'nın biraz abartı olduğunu düşünürsünüz.

ChatGPT kullanımınızı, ona nasıl komut verdiğinizi geliştirerek bir üst seviyeye taşıyabilirsiniz. Zincirleme düşünme istemleri, LLM ajanlarının bir görevi adım adım mantık yürüterek yanıt üretmesini teşvik eder.

Yeni nesil AI modelleri ve özellikleri, zincirleme düşünme yöntemini doğrudan entegre etmeye başlıyor; böylece modeller, ek bir komut olmadan otomatik olarak sorunu adım adım çözüyor.

Düşünce zinciri istemi nedir?

Zincirleme düşünme komutlaması, AI'da karmaşık görevleri adım adım çözerek her adımda mantık yürütmesini sağlayan bir komut mühendisliği tekniğidir.

‘Zincirleme düşünme yöntemi’ terimini de duyabilirsiniz. Bu, modelin elindeki görevi adım adım çözmek için izleyeceği süreci ifade eder.

OpenAI o1 modelleri zincirleme düşünme istemlerine ihtiyaç duymaz, çünkü bu yetenek zaten dahili olarak bulunur. Ancak, zincirleme düşünme istemlerini herhangi bir LLM tabanlı sohbetbotunda kullanabilirsiniz.

Zincirleme düşünme yöntemi nasıl çalışır?

Zincirleme düşünme, bir problemi yapay zeka sohbetbotunun sırayla çözebilmesi için daha küçük, mantıksal adımlara bölmeyi içerir.

Önce, yapay zeka sorunun ana bölümlerini belirler. Sonra her bölümü sırayla işler ve bir adımın diğerine nasıl yol açtığını dikkate alır. Her adım bir öncekine dayanır ve yapay zekanın mantıklı bir sonuca adım adım ilerlemesini sağlar.

Zincirleme düşünce istemlerine örnekler

Ünlü ‘çilek’ istemi

ChatGPT ve diğer büyük dil modellerinin iyi bilinen zayıflıkları vardır. Bunlardan biri, ‘strawberry’ kelimesinde kaç tane 'R' harfi olduğunu doğru şekilde belirleyememeleridir. (Muhtemelen o1 modellerinin kod adının Strawberry olmasının ünlü nedeni budur.)

ChatGPT-4o zincirleme düşünce mantığı kullanmaz. Bunun yerine, eğitim verilerine başvurur ve her kelimenin bir öncekini takip etme olasılığına göre yanıt üretir. Çoğu zaman doğru gibi görünse de, aslında sadece insan dilini taklit etmek için üretim yapar – mantık yürütmez veya araştırma yapmaz.

Ünlü çilek sorusunu ChatGPT-4o'ya sorduğunuzda, doğru cevabı veremiyor:

‍

Ancak, LLM tabanlı sohbet robotunun doğru cevaba ulaşmasına yardımcı olmak için zincirleme düşünme tekniğini kullanabilirsiniz:

‍

OpenAI o1-preview tarafından desteklenen ChatGPT'nin en son sürümü, ek bir komuta gerek kalmadan zincirleme düşünme yöntemini kullanan ilk büyük LLM'dir.

Yanıtı ilk denemede bulur, çünkü yukarıdaki ikinci ChatGPT-4o komutunda olduğu gibi otomatik olarak aynı süreci takip etmesi istenmiştir. Tek fark, bu süreci ek bir komut olmadan yapmasıdır.

Matematik

Daha eski bir ChatGPT sürümüne ilkokul seviyesinde bir matematik sorusu sorsaydınız, her zaman doğru yanıtı alamayabilirdiniz.

Çok adımlı matematik problemleri muhakeme gerektirir, bu da önceki LLM'lerde yoktu. Problemin her adımını ayırabilirdiniz, ancak doğru adımları bilmiyorsanız, bir LLM yardımcı olamazdı.

ChatGPT-4o, sorunun adımlarını parçalara ayırarak cevabı mantık yoluyla bulabiliyor:

Hubspot’a bağlı AI Ajanları

Gerçek bir uygulama için, Hubspot’a entegre edilmiş LLM destekli bir yapay zeka ajanı örneğini ele alalım. Bir satış ekibi, bu yapay zeka ajanını farklı kanallardan toplanan yeni potansiyel müşterileri işlemek için kullanıyor.

Senaryo

‍Bir satış temsilcisi yeni bir potansiyel müşteriyi yapay zeka ajanına gönderir ve onu Hubspot'a kaydetmesini ve ilk temas e-postasını göndermesini ister, ancak müşteri zaten potansiyel müşteri olan bir şirkette çalışıyorsa kaydetmemesini ister.

Zincirleme düşünce olmadan LLM

‍LLM tabanlı yapay zekâ ajanı potansiyel müşteriyi kaydeder ve e-postayı gönderir, ancak şirketin zaten bir aday olup olmadığını kontrol etmez; yani temel koşulu atlar.

Zincirleme düşünce mantığına sahip LLM

‍LLM destekli yapay zeka ajanı, şirketin zaten potansiyel müşteri olup olmadığını kontrol eder. Eğer potansiyel müşteri ise kayıt ve e-posta adımlarını atlar; değilse, potansiyel müşteriyi kaydeder ve satıcının talimatlarına uygun şekilde e-posta gönderir.

Zincirleme düşünce istemini ne zaman kullanmalıyım?

Adım adım akıl yürütme gerektiren senaryolarda zincirleme düşünce istemleri en iyi sonucu verir.

Mantıksal çıkarımlar, matematik problemleri, prosedürel görevler veya çok adımlı cevap gerektiren herhangi bir durum, başlıca adaylardır.

Ama durun: mantık yürütme kulağa harika geliyor – neden her zaman kullanmayayım ki?

Güzel soru. Tüm sorular mantık yürütmeyi gerektirmez. Örneğin:

• ‘Kanada’nın başkenti nedir?’ gibi basit bilgi soruları.
• ‘145 + 37 kaç eder?’ gibi tek adımlı problemler
• İçerik üretim görevleri, örneğin ‘Çalışma arkadaşımın projesini bitirip bitirmediğini nazikçe soran 3 cümlelik bir e-posta yaz.’

Prompting değişikliği ve düşünce zinciriyle prompting

Benzer isimlere sahip olsalar da, prompt chaining ve chain-of-thought prompting, üretken yapay zeka çıktısını iyileştirmek için farklı yönlendirme stratejileridir.

Chain-of-thought prompting

Zincirleme düşünce yönlendirmesinde, kullanıcı yapay zekadan verdiği cevabın arkasındaki mantığı tek bir yanıtta açıklamasını ister. Bu, yapay zekanın problem çözme sürecinin her adımını gözden geçirmesini teşvik eder, ancak tek bir istem ve yanıtla tamamlanır.

Örneğin, bir düşünce zinciri istemi tek bir mesajda şöyle olabilir:

"Bir İK ekibi, 5 çalışan performans değerlendirmesini gözden geçirmeli. Her biri 30 dakika sürüyor ve öncesinde 15 dakika hazırlık gerekiyor. Kıdemli değerlendirmeler için her birine fazladan 10 dakika eklenmeli. 5 kıdemli ve 25 genç değerlendirmeyi tamamlamak ne kadar sürer? Mantığını adım adım açıkla."

İpucu zincirleme

İstem zincirlemede ise görev, birden fazla istemle ayrı adımlara bölünür ve her adım önceki sonuca dayanır. Bu, yapay zekayı karmaşık bir görevde yapılandırmak ve yönlendirmek için faydalıdır.

İlk istem şöyle olabilir:

İpucu 1: Bir şirketin uzaktan çalışmaya geçerken karşılaşabileceği ana zorlukları belirleyin.

Çıktı:

• İletişim eksiklikleri
• Verimliliği sürdürmek
• Teknoloji altyapısı
• Çalışan bağlılığı

Sonraki istemler bu kavramları daha da derinleştirebilir. Örneğin:

Komut 2: Bir şirketin uzaktan çalışmaya geçerken iletişimdeki boşluklara nasıl çözüm bulabileceğini açıklar mısınız?

Bir sonraki çıktıdan sonra, zincirin bir sonraki halkası şöyle olabilir:

Komut 3: Şirketler bu çözümleri benimsediğinde karşılaştıkları yaygın zorluklar nelerdir?

Yani, iki yöntem benzer görünse de, üretken yapay zeka araçlarından en ayrıntılı ve ilgili içeriği elde etmek için farklı yaklaşımlar sunar.

Botpress'te zincirleme düşünme yönlendirmesi

Botpress kullanıcıları, zincirleme düşünce mantığı kullanan bir özelliğe zaten aşina.

Autonomous Node, Temmuz 2024'te Botpress'te, yapay zeka ajanları oluşturmak için bir platformda tanıtıldı. Autonomous Node, çok adımlı iş akışlarını otomatikleştirme ve kendi başına kararlar alma yeteneğine sahiptir.

Otonom bir Düğüm, ‘Amacın nitelikli potansiyel müşteriler oluşturmak. Bir kullanıcı satın alma niyeti gösterdiğinde Salesforce’ta potansiyel müşteri oluştur.’ gibi basit bir metinle oluşturulup yönlendirilebilir.

Bu Otonom Düğüm ile oluşturduğunuz yapay zeka ajanı, hedefine ulaşmak için insan tarafından tasarlanmış iş akışlarından bağımsız olarak çeşitli eylemler gerçekleştirecek. Ayrıca gerektiğinde farklı LLM'ler arasında geçiş yapabilir, hız veya güç önceliğini kendi kararına göre belirleyebilir.

Özel bir otonom ajan oluşturun

Botpress, gerçekten otonom ajanlar oluşturmanıza olanak tanıyan tek yapay zeka ajan platformudur.

Açık ve esnek Botpress Studio, İK'dan müşteri adayı oluşturmaya kadar her sektörde sınırsız kullanım alanı sunar. Hazır entegrasyon kütüphanemiz ve kapsamlı eğitimlerimiz sayesinde kullanıcılar sıfırdan kolayca yapay zeka ajanları oluşturabilir.

Bugün oluşturmaya başlayın. Ücretsizdir.

Ya da satış ekibimizle iletişime geçin.

Sıkça Sorulan Sorular

1. Zincirleme düşünme yalnızca yapay zeka modelleri için mi faydalı, yoksa insan problem çözme sürecini de mi yansıtıyor?

Zincirleme düşünme yönlendirmesi hem yapay zeka modelleri hem de insanlar için faydalıdır; çünkü insanlar karmaşık sorunları adım adım mantık yürüterek çözer ve bu yöntemi taklit eder.

2. Zincirleme düşünce akıl yürütmesi, sadece “adım adım düşünmekten” nasıl farklıdır?

"Adım adım düşünmek" genel bir yaklaşımken, zincirleme düşünme yöntemi daha yapılandırılmış ve bilinçli bir süreçtir; AI modelinin ara düşünme adımlarını açıkça ifade etmesini teşvik eder, böylece doğrudan sonuca atlamaz.

3. Neden bazı LLM'ler varsayılan olarak zincirleme düşünme yöntemini kullanmaz?

Bazı LLM'ler, özellikle eski veya küçük modeller, zincirleme düşünme yöntemini varsayılan olarak kullanmaz çünkü çok adımlı çıktılar üretmek için ince ayar yapılmamıştır; bunun yerine eğitim verilerindeki desenlere göre olası yanıtları tahmin etmeye odaklanırlar.

4. Zincirleme düşünce istemleri, modelin çıkarım sırasında 'eğitilmesi'nin bir biçimi midir?

Hayır, zincirleme düşünme yönlendirmesi bir eğitim biçimi değildir; modelin ağırlıklarını veya bilgisini değiştirmez. Bunun yerine, modelin çıktı davranışını, istem sırasında yapılandırılmış mantık yürütmeye teşvik ederek yönlendirir.

5. Zincirleme düşünce promptları her zaman doğruluğu artırır mı?

Chain-of-thought prompting her zaman doğruluğu artırmaz. Çok adımlı akıl yürütme gerektiren görevlerde faydalı olabilir, ancak basit görevlerde gereksiz karmaşıklık ekleyip performansı düşürebilir.