Görsel: Gezdiren için yapay zekâ ile üretilmiş sembolik editoryal çalışma.
Bir yapay zekâya haftalarca nasıl resim yapacağını, nasıl yazacağını veya nasıl video üreteceğini öğretiyorsunuz. Bilgisayarınızda birlikte çalışırken verdiğiniz yeni kararlar sonuçları gerçekten iyileştiriyor. Sonra esas üretim sunucuda başlıyor. Karşınıza, daha geçen gün düzelttiğiniz hataları yeniden yapan eski bir sanatçı çıkıyor. Sistem de hiçbir şey bozulmamış gibi davranıyor.
Yazılım geliştirenler bu sorunu uzun zamandır tanıyor. Kodun hangi sürümünün nerede çalıştığı, hangi değişikliğin kim tarafından yapıldığı ve bir kararın geliştirme ortamından üretime ne zaman geçtiği kayıt altındadır. Git veya benzeri araçlar yalnızca dosyaları saklamaz; değişikliklerin geçmişini ve aralarındaki ilişkiyi de görünür kılar. Yapay zekâ destekli kodlama araçları da bu disipline yaslanabilir. Modelle tartıştığınız bir kuralı gerekli dosyaya yazdırır, değişikliği inceler, test eder ve üretime alırsınız.
Dali, Picasso ve Da Vinci karışımı bir ressam
Dali, Picasso ve Da Vinci karışımı hayalî bir ressam yarattınız. Ona yalnızca “iyi resim yap” demiyorsunuz. Işığın nereden geleceğini, insan yüzlerinin ne kadar gerçekçi olacağını, hangi renklerden kaçınacağını, başlıkları resmin neresine yerleştireceğini ve daha önce yaptığı hangi hataları tekrarlamaması gerektiğini zaman içinde öğretiyorsunuz. Yazılımda alıştığımız değişiklik disiplini, yaratıcı işlerde çoğu zaman bu noktada kayboluyor.
Bu ressam bilgisayarınızda gelişiyor, ürünlerini ise sunucuda veriyor.
Sabah yaptığınız çalışmada önemli bir karar alıyorsunuz: Çocuk yüzleri yetişkin gibi görünmeyecek. Bu karar konuşma geçmişinde kalıyor. Bir başka not proje klasöründeki geçici dosyaya, üçüncüsü uygulamanın kendi hafızasına yazılıyor. Sunucudaki üretim başladığında sistem bu notların bir bölümünü taşımıyor. Çünkü onların kalıcı üretim kuralı mı, tek bir denemeye ait talimat mı, yoksa sabah kahvesinde konuşulup bırakılmış bir fikir mi olduğunu ayırt edecek mekanizması bulunmuyor.
Yapay zekânın unutkanlığı görünen arıza. Altta ise yaratıcı kararların statüsüyle ilgili bir eksik var.
Bir not ne zaman denemedir? Ne zaman onaylanmış kural olur? Hangi sanatçıya, seriye veya ürüne aittir? Eski bir kuralla çeliştiğinde hangisi geçerlidir? Üretim sunucusuna kim, hangi aşamada ve hangi kanıtla taşır? Bugünkü yaratıcı yapay zekâ uygulamalarının önemli bir bölümü bu sorulara açık cevap vermiyor.
Yazılım dosyayı, yaratıcı iş niyeti sürümler
Yazılımda çalışan ürün büyük ölçüde dosyalarda temsil edilir. Yaratıcı üretimde ise ürünün kimliği dosyaların yanında dağınık kararların içindedir: üslup notları, seçilmiş örnekler, reddedilmiş sonuçlar, karakter kuralları, görsel devamlılık kararları, editoryal sınırlar ve bazen tek cümlelik bir uyarı.
Bu kararların hepsini uzun bir ana komuta eklemek de çözüm değildir. Yüzlerce kuralın aynı metne yığılması, hangi kuralın neden konduğunu ve hâlâ geçerli olup olmadığını görünmez hâle getirir. Bağlam penceresini büyütmek de sürüm yönetiminin yerini tutmaz. Bir sistemin daha çok şeyi okuyabilmesi, doğru ve onaylı şeyi seçebildiği anlamına gelmez.
Yaratıcı yapay zekâ için hafızanın yanında yönetişim gerekiyor. Her önemli kararın en az dört niteliği olmalı: hangi ürüne ait olduğu, deneme mi yoksa üretim kuralı mı sayıldığı, ne zaman onaylandığı ve hangi eski kararın yerini aldığı. Geliştirme ortamında işe yarayan bir bulgu kendiliğinden üretim kuralına dönüşmemeli; fakat onaylanmış bir kural da uygulamanın keyfine göre yerelde bırakılmamalı.
Modelin akıl yürütmesi yanlış yerde başlıyor
Buradaki ilginç hata, yapay zekânın bazen gereğinden az, bazen gereğinden fazla inisiyatif kullanmasıdır. Uygulama ona “gerekli olanı sunucuya taşı” dediğinde model, insan adına editoryal bir karar vermeye başlar. Bir notu önemli bulur, diğerini geçici sayar. Bunu çoğu zaman görünür bir karar kaydı üretmeden yapar.
Oysa modelin görevi notların önemini sessizce tahmin etmek olmamalı. Çelişkiyi bulabilir, iki kuralın aynı şeyi söylediğini gösterebilir, eksik alanları işaretleyebilir ve üretimde hangi sonuçların değişeceğini açıklayabilir. Son kararın statüsü ise açık olmalıdır: önerildi, denendi, onaylandı, üretime alındı veya geri çekildi.
Bu ayrım yapılmadığında yaratıcı üretim bir sohbetin insafına kalıyor. Ortaya çıkan resim, yazı veya video kötü olduğunda bunun model sınırından mı, eski talimattan mı, eksik aktarımdan mı yoksa yanlış ortamdan mı kaynaklandığını anlayamıyoruz. Hata düzeltmek yerine yeniden konuşmaya başlıyoruz. Aynı bedeli tekrar tekrar ödüyoruz.
Yaratıcı üretimin de bir “commit”e ihtiyacı var
Yapay zekâ şirketleri bugüne kadar yaratıcı araçları büyük ölçüde komut verme ve sonuç alma arayüzleri olarak tasarladı. Bu yaklaşım tek seferlik işler için yeterli olabilir. Fakat düzenli yayın yapan bir gazete, aynı karakterlerle dizi üreten bir stüdyo, her hafta kampanya hazırlayan bir ajans veya tutarlı bir görsel kimlik kuran marka için sohbet geçmişi üretim altyapısı değildir.
Bu kurumların yeni bir araca ihtiyacı var: yaratıcı karar kaydı. Bir ressamın, yazarın ya da video serisinin kuralları sürümlenmeli. Değişiklik önce geliştirme ortamında sınanmalı. İnsan tarafından onaylandığında üretime terfi etmeli. Üretimde hangi sürümün kullanıldığı görülebilmeli. Sonuç bozulduğunda bir önceki çalışan sürüme dönülebilmeli. Yaratıcı yapay zekânın da bir “commit”, inceleme ve yayınlama düzenine ihtiyacı var.
Bugünkü eksik model zekâsı değil. Yapay zekâ geliştiricilerinin yazılım dışındaki üretimi hâlâ tek bir komut ile tek bir çıktı arasındaki ilişki sanması. Oysa yaratıcı iş, zaman içinde biriken kararların oluşturduğu canlı bir sistemdir.
O sistemi sürümleyemiyorsanız yarattığınız sanatçıyı yönetmiyorsunuz. Her üretimde ona yeniden rastlıyorsunuz.
