Fatih Kadir Akın Anlatıyor: Açık Kaynak Kültürü ve Yapay Zekâ

Bugün yapay zekâ; içerik üretimi, kodlama ve görsel sanatlar gibi farklı alanlarda yaşanabilecek köklü değişimlerin sinyallerini veriyor. Peki, bu dönüşüm süreci yazılım dünyasını nasıl etkiliyor? Yazılımcılar için ne gibi fırsatlar sunuyor? On beş yılı aşkın süredir yazılım üzerine çalışan ve şu anda Teknasyon’da Geliştirici İlişkileri Uzmanlığı yapan Fatih Kadir Akın sorularımızı yanıtladı.

 

Sedat Erol: Fatih Bey, hoş geldiniz. Öncelikle sizi tanıyarak başlamak istiyoruz, biraz kendinizden ve mesleğinizden bahseder misiniz?

Fatih Kadir Akın: Tabii ki, ismim Fatih Kadir Akın. Web yazılımcıyım ve on beş yıldır bu sektörde çalışıyorum. Benim ilk başladığım zamanlarda yazılımcılık bu kadar popüler bir meslek değildi. Şu anda mesleğime yazılımcı olarak devam ediyorum ve Teknasyon’da Geliştirici İlişkileri Uzmanı olarak çalışıyorum. Yapay zekâ uzmanı olmasam da son yıllarda yapay zekânın hayatımıza girmesiyle bu alanda oldukça zaman geçirmeye başladım. Bir yazılımcı ve kullanıcı olarak yapay zekâyı hayatıma nasıl entegre edebileceğimi keşfetmeye çalışıyorum. 

S.E: Çalışmalarınızı incelerken en çok dikkatimizi çeken, geçtiğimiz yıl yapay zekâ ve onunla ilişkili açık kaynak olarak yayımladığınız kitaplar oldu. Aslında başlangıç aşamasında bir kılavuz oluşturdunuz. Bu süreci ve deneyimlerinizi anlatabilir misiniz?

F.K.A: ChatGPT ilk çıktığı zamanlarda çok ilgimi çekti ve internetin bulunması gibi devrimsel bir nitelikte olduğunu düşündüm. İlk yayımlandığı zamanlarda gün boyu başından kalkamadım. Sonrasında ise X’te deneyimlerimi ve yazdığım promptları paylaşmaya başladım. ChatGPT ilk çıktığı zaman şu anki gibi sohbet edemiyordu. İnsanlar bana, “Nasıl yazıyorsun, işlerini yaptırabilmek için ne yapıyorsun?” diye sormaya başladılar. Benim için doğal ve prompt yazarken zorlanmadığım bir süreçti. Bu durumun iletişim becerisiyle alâkalı olduğunu düşünüyorum. Derdini iyi anlatabilmenin yapay zekâ üzerinde de etkisi olduğunu gözlemledim. Doğru prompt giremeyen insanlar bu süreci merak etmeye başladılar.

İlk aşamada bir GitHub reposu oluşturdum ve yazdığım promptları burada biriktirmeye başladım. İnsanlar da buna katkı sağlamaya başladılar ve dünya çapında “Awesome ChatGPT Prompt” adında iki repo ortaya çıktı. OpenAI’ın Co-founderlarından birisi harika bir kaynak diyerek bunu X hesabından paylaştı. Repo bir anda dünya çapında bir üne kavuştu ve şu anda Türkiye’deki en çok star almış repo diyebiliriz. En son 117 bin starı olduğunu hatırlıyorum. Böyle bir etkileşimden sonra, yurt dışından para ile prompt yazmam için teklifler gelmeye başladı. Bu tabii ki benim uzmanlık alanım değil ve bunu para karşılığı yapacak kadar kendime güvenmiyorum. Bu süreçte “İnsanlar neden yazmıyor?” diye düşündüm ve sonra aklıma bir kılavuz yazma fikri geldi. Bir kılavuzla insanlara nasıl prompt yazılacağını anlatmayı düşündüm ve Gumroad üzerinden bir e-kitap yazmaya başladım. Bu süreçte, özellikle İngilizce çeviri kısmında ChatGPT’den yardım aldım. Yazdım ve çok beklentim olmadan paylaştım. Birileri sorarsa böyle bir şey yazdım diye referans veririm diye düşünüyordum. 

Kitap büyük bir ilgi gördü ve şimdilerde yüz binden fazla indirmesi var. Çok yakın zamana kadar ücretsizdi ama şu anda 1-2 dolar gibi küçük bir meblağ ile satılıyor. Bununla ilgili çok küçük bir anım var. Netflix senaristlerinden biri beni X’ten takip etti. X’i Türkçe kullandığım için böyle bir şey beklemiyordum ama baktığımda gerçekten bir dizinin senarist ekibindendi. Ben de kendisine mesaj attım ve “Niçin takip ettiğinizi merak ettim.” diye sordum. Bana “Kitabını aldım ve çok hoşuma gitti. Bu yüzden takip ettim.” diye bir geri bildirimde bulundu. Güzel geri dönüşler alıyorum ama beğenmeyenler de oluyor. 

Herkes aynı noktada değil ama faydalanan çok insan oluyor.

S.E: Sanırım sadece ChatGPT değil, MidJourney için de aynı şekilde prompt önerileriniz vardı.

F.K.A: Toplamda üç kitap yazdım. Bir tanesi MidJourney, iki tanesi ChatGPT ile alakalıydı. MidJourney’i de aynı şekilde kullanmaya başladım ama prompt tarafında ChatGPT kadar rahat ilerleyemedim. MidJourney daha farklı bir yapıya sahip ve prompt haricinde de komutlar kullanmak gerekiyor. Aslında ana amacım fotoğraf kalitesinde çıktılar üretmekti ama ilk başlarda MidJourney’de bunu yapmak zordu. Şu an ise çok kolay, özellikle X’in Grok’u inanılmaz seviyelere geldi. İlk zamanlarda bu kalitede çıktılar almak zordu, kaliteli çıktılar almak için ısrarla farklı promptlar yazıyordum. Sonra ise bunu öğrendim ve bunu da paylaşayım dedim. MidJourney’i yazması daha uzun sürdü, örneklerle anlatmak gerekiyordu. Bu sürecin çıkış noktası da bu oldu ve böyle gelişti. Şu an daha çok ChatGPT’nin DALL-E’sini ve Grok’u kullanıyorum. 

Ozan Günel: Araştırma Görevlisi olduğum dönemde fark ettiğim bir şey vardı: Google’da doğru arama yapabilmek bile bir yeti. Üniversite bana bunu gösterdi. Bu benim için her zaman yapılabilen ve kolay bir şeydi. Sanırım yapay zekâda da bunu görüyoruz. 

F.K.A: Google örneği kesinlikle yerinde bir örnek oldu. Google’da arama yapmayı bilen insan için bu çok doğal bir süreç ama bilmeyen insan gerçekten bulamıyor. Google’da arayabilmek bir yeti ve yapay zekâda da benzer bir süreç var. Herkes aynı yeteneğe sahip olamayabiliyor. 

O.G: Daha önce Ethem Onur Bilgiç ile de konuşmuştuk. Üretilen görsellerde bazı temel gerçekliklerin ortaya çıktığını gözlemliyorum. Özellikle kadın bedeninin kullanımı, estetik ve güler yüzler gibi. Bu konuda uzman olmadığınızı söylüyorsunuz ama yıllardır bu konular üzerinde düşünen birisiniz. Sizce yapay zekâ ürettiklerini, insanların bunları sevdiğini bildiği için mi üretiyor, yoksa arkada piyasa koşulu olduğunu bilen bir kodlama mı var?

F.K.A: Yapay zekânın verdiği sonuçlarda genelde estetik kaygı hissediliyor. Modelin nerelerden eğitildiği çok önemli, dolayısıyla önyargı meselesi var. Mesela ChatGPT 2.0’da çok fazla önyargı varmış ve bazı düzeltmeler yapılmak zorunda kalınmış. Görsel modellerde de bu sorun mevcut. 

“Güzel bir kadın çiz” dediğiniz zaman ürettiği çıktı kime göre güzel? Eğitildiği veri setinde güzel olarak tanımlananı güzel olarak kabul ediyor. Güzel olduğunu düşündüğü için değil, veriler o şekilde girildiği için o çıktıyı veriyor. 

Umut Yiğit: Yapay zekânın dil bariyerini kaldıracağı konuşuluyor. Siz bu konu hakkında ne düşünüyorsunuz?

F.K.A: Özellikle iş çevresinde dil bariyeri büyük oranda kalkıyor. Yabancı biriyle mailleşirken ChatGPT’yi kullanıyorum. Bazen anlamadığım ifadeler oluyor ve maili hızlıca ChatGPT’ye çevirtiyorum. Çok iyi çeviriler yapabiliyorsunuz, çevirmenler de bu konuda biraz endişelenmeye başlamışlar. Zaten direkt olarak “Large Language Model” adı verilen bir dil modeli. Böyle olunca da iyi anlıyor, iyi çeviriyor. Yine de tamamen ortadan kalkmadı. Sosyal bir hayat var, kafeye gidiyorsunuz, yabancı arkadaşlarınız var ve orada dil bariyerine takılabiliyorsunuz. 

S.E: ChatGPT ilk yaygınlaştığı zamanlarda prompt mühendisliği çok konuşulan bir meslekti ve geleceğin mesleği deniliyordu. Sizce mesleğe dönüşmesi söz konusu mu?

F.K.A: Modeller geliştikçe görece anlama kabiliyetleri daha iyi hâle geliyor. ChatGPT’nin ilk popüler olduğu zamanlarda prompt mühendisliği çok önemli diye konuşuluyordu.

O kavram aslında vektör uzayında, vektörü oluşturabilme kabiliyeti oluyor. Bu model geliştikçe ve bizi daha iyi anlamaya başladıkça, gereksinimi düşen bir alan durumuna geliyor. 

ChatGPT O1 modelini çıkardı. Bu model, yazdığınız promptu ne demek istediğinize göre düzenliyor. Düşünür gibi yapıyor ve promptunuzu genişletip, ‘Bunu mu demek istiyorsun?’ diye çıktı veriyor. Gelecekte bu durum leb demeden leblebiyi anlayacak bir duruma geleceğini gösteriyor. Bir yandan da bellek özelliği geldi. Yapay zekâ ile etkileşime geçtikçe bizi daha iyi anlamaya başlıyor. İlk zamanlar derdimizi iyi anlatmamız gerekiyordu ama şimdi normal bir konuşmada iyi çıktılar verebiliyor.

Dolayısıyla prompt mühendisliğinin bir geleceği olacağını zannetmiyorum.

O.G: Birkaç sene içinde yapay zekâ ile ilgili kurslar çıkar mı, ne düşünüyorsunuz?

F.K.A: Birçok anlamda halka inmiş durumda. ChatGPT’yi herkes indirip kullanabiliyor, sadece insanların haberi yok. Yavaş yavaş yayılıyor ve gün geçtikçe daha fazla kişi tarafından kullanılmaya başlanıyor. Benim eşim ortaokul öğretmenliği yapıyor. Geçen okuluna gittim, bir veli toplantısı vardı. Eşimin yanına oturdum ve öğretmenlerin sürekli yapay zekâ hakkında konuştuklarını duydum. Bu çok hoşuma gitti, normalde teknolojiyle çok ilgili olmuyorlar. Word’de sınav hazırlamanın dışında pek fazla deneyimleri yok. Şu anda ise mevcut duruma adapte olmuşlar. Öğrenciler zaten “Ödevleri buna nasıl yaptırırız?” noktasında hızlıca adapte oluyorlar. Bir noktada bu belediye kurslarına inecek seviyeye gelebilir. İnsanlar “Daha hızlı nasıl adapte oluruz, daha iyi nasıl kullanırız?” sorularını sormaya başlayacak. Çok fazla eğitim almamış insanlar da şu an prompt yazabiliyor, artık o seviyede bir anlama kabiliyeti var. Özellikle iyi modelleri kullanıyorlarsa gayet iyi sonuçlar alabiliyorlar. 

S.E: ChatGPT’nin kod yazılım süreçlerine çok fazla katkı verdiğini görüyoruz. Sizin meslek pratiğiniz bu anlamda nasıl dönüştü? Mesleğe bakınca ne öngörüyorsunuz?

F.K.A: Bu tartışılan bir konu, yazılımcılar içerisinde de bir kriz var. Son gelişmelerde, Anthropic’in Claude 3.5 Sonnet modeli ortaya çıktı ve gerçekten çok iyi kod yazıyor. Tabii ki tamamen özgür değil ama diğer alanlardan olduğu gibi ezberlediklerini yazıyor. Neticede biz de birçok şeyi ezberden ve reflekslerimizle yazıyoruz. Bu nedenle, üzerimizden belli bir oranda yük kalkıyor. En azından ben kendi adıma söyleyebilirim ama yaratıcı çözümleri sağlayamıyor. O noktada 

da yine bizim desteğimize ihtiyaç duyuyor. 

Veri listeleme, tablo listeleme ya da görselleştirme gibi rutin görevleri çok hızlı çalışıyor. Bu da bizim için büyük bir avantaj oluyor. Normalde 1-2 gün sürecek işleri birkaç saate indiriyor ve iyi kod yazıyor. Tabii saçmaladığı kısımlar da oluyor ama onu yönlendirmelerle düzeltebiliyoruz ya da kendimiz yazıyoruz. Netice itibarıyla, benim işimi hallettiği için ben çok memnunum. ChatGPT’yi kullanarak bazı şeyler yazıyorduk ama şu an bir projenin tamamını anlar noktaya geldik. Özellikle yeni çıkan editörlerle, projedeki kod yapısını anlıyor ve ne yapmak istediğimizi, hangi dosyayı nereye koymak istediğimizi çok daha iyi belirliyor. Hatta bug varsa düzeltiyor. Bu noktada bizim mesleği daha pozitif etkileyeceğini düşünüyorum.

Aslı Şen: İki ayrı kişi farklı zamanlarda aynı promptu girerek bir uygulama kodu yazmak isteseler, ikisine de aynı çıktıyı verir mi?

F.K.A: Yakın sonuçlar olabilir ama aynı sonucu vermez. Bu sizin promptu nasıl keskinleştirdiğinizle alâkalı bir durum. Çok net tanımlar yaparsanız, çok net çıktılar verecektir. Aynı promptu yazsak bile çıktısının aynı olacağının garantisi yok. Çünkü LLM, “Bir sonraki token ne olacak?” diye hesap yapmaya çalışır. Konferanslarda verdiğim gibi bir örnekle açıklamak istiyorum. En sevdiğim canlı “K” diye bir cümle yazarsam, model sonraki token’ı bulmaya çalışır. %20 ihtimalle E, %18 ihtimalle Ö, %9 ihtimalle A olabilir gibi bir listesi var.  Bu noktada “Temperature” (sıcaklık) ve “Top P” gibi parametreler devreye giriyor. Top P, “Üst sıradaki kaç ihtimal arasından seçeyim?” sorusuna yanıt verir.

Temperature ise rasgelelik seviyesini kontrol eder. Örneğin, bir şiir yazdırmak istiyorsanız Temperature değerini yüksek yapmalısınız. Bu sayede rasgelelik artar. Doğru bir bilgi üretmek istiyorsanız, Temperature’ı düşük yapmalısınız ki model, daha yüksek ihtimalleri seçerek yanılma payını azaltsın. Örneğe dönersek, en sevdiğim canlı “K” yazdım ve model “E” seçerek “Kedi” kelimesini oluştudu. Aynı cümlenin başına “Eve kulübe aldım, çünkü en sevdiğim hayvan ‘K’ ”  yazarsam modelin ihtimalleri değişir. Model, kulübe ve köpek kelimesinin vektör uzayında yan yana geçtiğini bildiği için “Köpek” tahmini olası duruma gelir. Temperature artırılırsa, “kedi” deme ihtimali yeniden ortaya çıkar. Temperature düşürülürse, daha kesin bir şekilde “köpek” diyecektir. Bu süreçte, promptun akışını kontrol etmek için yazarken bu tür detayları dikkate alıyoruz. Modelin yaptığı şey, “next token prediction” (bir sonraki token tahmini). Bu süreç, eğitilmiş veri setleri üzerinden çalışır. Örneğin, arka planda kod yazan bir araç düşünelim. Bu araç, kendisine öğretilen kodlarla istatistik yaparak çalışır. Genellikle belirli bir koddan sonra hangi token’ın geleceğini bilir ve bu doğrultuda bir tahmin yapar. Ancak bu tahminler, temperature ve promptun netliğine bağlı olarak değişkenlik gösterebilir.

O.G: Görsel kısımdan bir soru sormak istiyorum. Grok çok fazla kulladığım bir platform ve gerçekten başarılı çıktılar veriyor. Ahlaki açıdan bir skalası ise yok. Bu durumun etkilerini merak ediyorum. 

F.K.A: Grok, sektöre radikal bir noktadan ve hızlıca giriş yaptı. Diğerleri ünlülerin yüzlerini ve seslerini kullanmamayı tercih ederken Elon Musk, kendine olan güveniyle modellerini doğrudan bunun üzerine eğitti. MidJourney’e “ünlülerin yüzü” 

bile yazamıyorduk, Grok ise “Ben her şeyi yapabilen bir yapay zekâyım.” diye çıktı. Tabii bu konular etik tartışmaları doğuruyor. Ben, Çin gibi devletlerin herhangi bir kısıtlama olmadan çalışan yapay zekâ ile rekabete girmek için teknolojiler geliştireceklerini veya mevcut olan yapay zekâlardaki regülasyonları gevşetmek zorunda kalacaklarını düşünüyorum. Rekabetten geri kalmak isteyeceklerini düşünmüyorum. Etik tarafından birer tuğla çekecekler ve devam edecekler. 

U.Y: Öğrenciler artık arama motoruna yazmaktan ziyade yapay zekâyı kullanmaya başladılar. Gelecekte, insanlar kendi alanlarına özel yapay zekâlar üretmeye başlayabilirler mi? Custom GPT’lerle birlikte kendinize özel alanlar oluşturabiliyorsunuz. Sadece girilen konularda eğitimliymiş gibi davranan bir yapı. Aslında üzerine bir katman koyuyorsunuz ama bu benim çok bilmediğim, öngörü yapmaktan kaçındığım bir alan. Yine de bunda büyük bir potansiyel görüyorum. Ben olaya karamsar bakmak yerine daha pozitif bakmayı tercih ediyorum. 

F.K.A: İnsanoğlu tembel bir varlık ve tembelliğimiz arttıkça başka uğraşlar buluyoruz. Sürekli verdiğim bir örnek var. Bundan 2 bin yıl önce avlanmak, aç kalmamak için temel bir ihtiyaçtı. Günümüzde ise etrafımda avlanarak beslenen kimseyi tanımıyorum. 

Hepimiz gidiyoruz ve marketten alıyoruz. Bu da aslında benzer bir süreç. Avlanmak istememişiz, tehlikeli olduğunu, zarar görebileceğimizi düşünmüşüz ve bunu endüstriyel hâle getirmişiz. Şimdi ise endüstrileşen başka şeyler var. Eskiden üzerine uzun vakitler harcadığımız şeyler, yavaş yavaş daha otomatize hale geliyor. Bu noktada, “Biz yine uğraşacak bir şeyler buluruz, boşta kalmayız.” diye düşünüyorum. Eğer bir şey otomatize olabiliyorsa, bırakın otomatize olsun. Biz de otomatize olmayan başka bir alana yöneliriz.

S.E: Biraz yapay zekâdan uzaklaşıp, oldukça aktif olduğunuz X platformundan soru sormak istiyorum. Birçok kişi Mastadon, Bluesky gibi başka platformlara yelken açtı. Bu durumda X’in geleceği nasıl olur?

F.K.A: Bluesky, alternatif olarak büyük bir iddiayla geldi ama ben uzun zamandır Twitter kullanıyorum. Facebook, FriendFeed’i satın alıp kapattıktan sonra biz de Twitter’a geçtik. Diğer sosyal medya mecralarını pek kullanmıyorum. Instagram’a da kafamı dağıtmak için günde yarım saat bakıyorum. Sosyal medyada vaktimin çoğunu X’te geçiriyorum, batana kadar burada kalmaya devam ederim diye düşünüyorum.

Bluesky’a girince canım sıkılıyor, orası çok boş. Sadece Ekşi Sözlük’ün kurucusu SSG (Sedat Kaplanoğlu) var, onun dışında pek kimseyi görmüyorum. Bluesky veya Mastodon gibi platformlarda daha çok teknik konular konuşuluyor. Teknik insanlar için faydalı olabilir ama benim için X şu an hâlâ en etkili yer. Kısacası, X uzun bir süre daha devam edecek gibi görünüyor. 

U.Y: Çok teşekkür ediyoruz. Fatih Kadir Akın bizlerleydi. Harika bir söyleşi oldu. 

F.K.A: Davetiniz için ben teşekkür ederim.