Şubat ayının başında, dünyanın en ünlü yapay zekâ firması OpenAI, “derinlemesine ve çok adımlı araştırma yapabilen” yeni aracı Deep Research’ü tanıttı. Kullanıcıların sadece birkaç komutla neredeyse her konuda bir makale oluşturmasını sağlayan bu araç, kısa sürede akademisyenlerin ilgisini çekti.
Pennsylvania Üniversitesi’nden Ethan Mollick, bu aracı kullanmanın oldukça verimli olduğunu söylerken, Toronto Üniversitesi’nden ekonomist Kevin Bryan, “b düzeyindeki akademik dergiler için bu araçla bir günde yayınlanabilecek makale üretilebilir” diyor. George Mason Üniversitesi’nden Tyler Cowen ise Deep Research’ün, iyi bir doktora düzeyinde araştırma asistanı gibi çalıştığını belirtiyor. Ancak Cowen’in daha önce Clubhouse ve Web3 gibi geçici hevesleri desteklemiş olması, bazı kesimlerde temkinli yaklaşımı beraberinde getiriyor.
Peki, aylık 200 dolarlık bu araç gerçekten bu ücreti hak ediyor mu? Bu sorunun yanıtı, ne aradığınıza göre değişiyor. Deep Research, Peru’da anket düzenlemekten ya da bir CEO’nun beden dilini gözlemlemekten aciz. Ayrıca kahve yapamıyor. Yani insan asistanların fiziksel ve sezgisel yeteneklerine sahip değil. Bir diğer sorun ise çıktılarının sıkıcı olması. Canlı yazması istense bile, genellikle ağır ve mekanik bir üsluba sahip.
Ancak daha derinlemesine kullanımda üç önemli zayıf nokta ortaya çıkıyor: “veri yaratıcılığı”, “çoğunluğun zorbalığı” ve “entelektüel tembellik”.
Veri yaratıcılığı sınırlı
Deep Research, temel verileri işlemek konusunda oldukça başarılı. Örneğin, “2023’te Fransa’nın işsizlik oranı nedir?” gibi sorulara doğru yanıt verebiliyor. Hatta Fransa, Almanya ve İtalya’nın 2023 ortalama işsizlik oranını nüfusa göre ağırlıklı hesaplayabiliyor. Ancak veriyle yaratıcı ilişki kurması gereken durumlarda başarısız oluyor. Örneğin, ABD’de 25-34 yaş arası hanehalklarının 2021’de viskiye ne kadar harcadığını yanlış tahmin ediyor; oysa bu bilgi Bureau of Labour Statistics verilerinde açıkça yer alıyor.
Çoğunluğun zorbalığına dikkat
Modelin eğitildiği geniş veri kümesi, sık tekrar edilen görüşlerin daha nadir ama değerli fikirlerin önüne geçmesine yol açıyor. Örneğin Deep Research, ABD’deki gelir eşitsizliğinin 1960’lardan bu yana arttığı yönündeki genel kanıyı tekrar ediyor; oysa bazı uzmanlar eşitsizliğin sabit kaldığını savunuyor. Adam Smith’in “görünmez el” kavramı hakkında da 1994’te Harvard’dan Emma Rothschild’in bu terimin yanlış anlaşıldığını kanıtladığı çalışmasına rağmen model, hâlâ popüler ama hatalı yorumlara yer veriyor.
Entelektüel tembellik tuzağı
Deep Research’ün en ciddi riski, kullanıcılarının düşünme becerilerini yavaş yavaş terk etmeleri. Girişimci Paul Graham’ın da ifade ettiği gibi, “yazmak düşünmektir”. Aynı şey araştırma için de geçerli. Araştırma yapmak, yerleşik kabulleri sorgulamak, çelişkileri fark etmek anlamına gelir. Bu süreci tamamen bir yapay zekâya devretmek, özgün fikirlerin ortaya çıkma ihtimalini azaltabilir.
Gelecekte Deep Research teknik sorunlarını çözebilir ve bir asistan olmaktan çıkıp baş araştırmacı rolüne bürünebilir. Ancak şu an için, aylık 200 dolara alınan bu araç bir insan asistanın yerini tutmaktan uzak. Dahası, düşünsel olarak tembelleşme riskine karşı da dikkatli kullanılmalı.
(Kaynak: The Economist)
