Bilgi kesim tarihi: yapay zeka modeli neden güncel olayları bilmez?
Bilgi kesim tarihi, bir dil modelinin eğitim verisinin sona erdiği noktadır; model bu tarihten sonra olanları kendi başına bilmez. Güncel olmayan yanıtların nedenini ve nasıl önlendiğini öğrenirsiniz.
Bir bakışta
- Model, eğitim verisindeki dünyayı bilir. Eğitim bittikten sonra yaşanan gelişmeler modelin bilgisinde yer almaz.
- Kesim tarihi ile kullanım tarihi arasında boşluk vardır. Model kullanıcıya ulaştığında dünya ilerlemiştir.
- Model eksik bilgiyi çoğu zaman belirtmez. Eski bilgiyi güncelmiş gibi sunabilir; bu hallüsinasyondan ayrı bir sorundur.
- Çözüm, güncel bilgiyi modele vermektir. Web araması, belge ekleme ve RAG yöntemleri bu amaçla kullanılır.
Bilgi kesim tarihi nedir?
Bilgi kesim tarihi (knowledge cutoff, training data cutoff), bir büyük dil modelinin eğitiminde kullanılan verinin son bulduğu tarihtir. Model, bu tarihe kadar yazılmış metinlerden dil kalıplarını ve olgusal bilgiyi öğrenir. Sonrasındaki olaylar, ürünler, kanun değişiklikleri ve haberler modelin parametrelerinde bulunmaz.
Bu bir hata değil, modellerin çalışma biçiminin sonucudur: eğitim pahalı ve zaman alıcıdır, bu yüzden model her gün yeniden eğitilmez. Dolayısıyla her model, belirli bir andaki dünyanın fotoğrafıyla çalışır.
Model eğitim anındaki dünyayı bilir, kullanım ise çok daha sonra başlar
- EğitimVeri toplanırModel bu veriyle öğrenir.
- KesimBilgi kesim tarihiBu andan sonrası modele girmez.
- YayınModel kullanıcıya açılırTest ve hazırlık nedeniyle kesimden sonra gelir.
- KullanımKullanıcı soru sorarDünya modelden daha ileridedir.
Güncel olmayan yanıtlar nasıl ortaya çıkar?
Model kesim tarihinden sonraki bir gelişmeyi sorduğunda iki şey olabilir. Ya "bu konuda bilgim yok" der, ya da en yakın bildiği bilgiyi güncelmiş gibi sunar. İkincisi daha sorunludur, çünkü kullanıcı yanıtın eski olduğunu fark etmeyebilir.
Tipik örnekler:
- yeni çıkan bir yazılım sürümü hakkında eski sürümün özelliklerini anlatmak
- değişmiş bir mevzuatı eski haliyle aktarmak
- "en yeni" ya da "son" gibi göreli ifadeleri kendi bilgi sınırına göre yorumlamak
- güncel fiyat, kadro ya da sonuç sorularına eski veriyle yanıt vermek
Modelin içinde kendi kesim tarihini kesin bilmesini sağlayan bir mekanizma da yoktur; bu bilgiyi sistem talimatından ya da eğitim ipuçlarından çıkarır.
Hallüsinasyondan farkı
Bilgi kesim tarihi ile hallüsinasyon sık karıştırılır. Hallüsinasyon, modelin eğitim verisinde hiç olmayan ya da doğru olmayan bir bilgiyi inandırıcı şekilde üretmesidir. Kesim tarihi sorunu ise bilginin bir zamanlar doğru olması ama artık geçerli olmamasıdır.
İkisi birlikte de görülebilir: model bilmediği güncel bir konuda eksik bilgiyi uydurmayla doldurabilir. Ancak çözümleri farklıdır; hallüsinasyonda doğrulama, kesim tarihinde ise güncel kaynak eklemek gerekir.
Örnek: mevzuat sorusu
Kurgusal bir örnekte bir insan kaynakları uzmanı yapay zeka asistanına bir izin uygulamasını sorar. Asistan, eğitim verisinde yer alan eski düzenlemeyi eksiksiz ve kendinden emin biçimde anlatır. Oysa düzenleme sonradan güncellenmiştir.
Uzman, resmî kaynağı kontrol ettiğinde farkı fark eder. İşe yarayan yaklaşım, asistana güncel metni vermek ve sorunun o metne göre yanıtlanmasını istemektir. Bu, modelin kesim tarihi sınırını aşmak için kullanılan en sade yöntemdir.
Sınırı aşmanın yolları
Kesim tarihi sorununu azaltmak için birkaç yaklaşım kullanılır:
- web araması: model yanıtı vermeden önce güncel sayfaları tarar
- belge ekleme: kullanıcı güncel metni bağlama ekler ve yanıtı ona dayandırır
- RAG: kurumun güncel belgeleri arama yoluyla bulunur ve yanıta eklenir
- istemde tarih belirtmek: güncel tarihi bilinen bir kaynaktan modele vermek
- kritik bilgiyi yine de doğrulamak: özellikle mevzuat, fiyat ve sürüm bilgisi için
Bu yöntemler kesim tarihini değiştirmez; modele ihtiyaç duyduğu bilgiyi başka yoldan sağlar.
Mindset programlarında nerede çalışılır?
Yapay zeka asistanlarını iş akışına alan ekipler için güncellik sınırı, güvenilir kullanımın ilk kuralıdır. Yapay Zeka ve Otomasyon Uzmanlığı Sertifika Programı'nın veri, doğrulama ve eleştirel kullanım haftası ile Prompt Mühendisliği programının büyük dil modellerinin nasıl çalıştığı bölümü bu sınırın pratikte nasıl yönetileceğini ele alır.
İlgili Mindset programı
Yapay Zeka ve Otomasyon Uzmanlığı Sertifika Programı - Uygulamalı
Sık sorulan sorular
Modelin bilgi kesim tarihini nasıl öğrenirim?
Model sağlayıcısının belgelerinde genellikle bir kesim tarihi belirtilir. Modele doğrudan sormak da mümkündür ama yanıt her zaman güvenilir olmayabilir. Güncel gelişmeler gerektiren işlerde kesim tarihine güvenmek yerine, kaynak ekleme ya da arama yöntemlerini tercih etmek daha sağlıklıdır.
Web aramalı modeller de kesim tarihi sorunu yaşar mı?
Daha az yaşar ama tamamen kurtulmaz. Arama, güncel sayfaları getirir; ancak model aldığı sayfayı yanlış yorumlayabilir ya da arama sonuçları güncel olmayabilir. Önemli bilgi için arama sonucundaki kaynağı kontrol etmek hâlâ gereklidir.
Kesim tarihi neden yayın tarihinden önce gelir?
Eğitimden sonra model değerlendirilir, güvenlik testlerinden geçirilir ve ürüne hazırlanır. Bu süreç zaman aldığından kullanıcıya ulaşan model, kesim tarihinden bir süre sonra yayınlanır. Bu nedenle model kullanıldığı anda bile güncellik açısından geridedir.
Modeli yeniden eğitmek bu sorunu çözer mi?
Yeni bir model yeni bir kesim tarihi getirir, ama sorunu ortadan kaldırmaz; sadece boşluğu öteler. Kurumlar bunun yerine güncel bilgiyi sürekli akıtan RAG gibi yöntemleri ya da arama araçlarını tercih eder, çünkü bu yöntemler modeli yeniden eğitmekten daha hızlı ve ucuzdur.