OpenAI’ın GPT-4o'su yapay zekânın potansiyelini gözler önüne seriyor

13 Mayıs 2024 Pazartesi günü OpenAI, yeni amiral gemisi modeli GPT-4o’nun lansmanını duyurdu; buradaki 'o', 'omni' anlamına geliyor. GPT-4o, gerçek zamanlı metin, ses ve görüntü etkileşimleri için geliştirilmiş çok modlu bir yapay zekâ modelidir ve daha hızlı işleme, çok dilli destek ve gelişmiş güvenlik sunar.

Daha önce görülmemiş üretken yapay zekâ yeteneklerini kullanıma sunuyor. ChatGPT’nin sohbet konusundaki güçlü yönleri üzerine inşa edilen GPT-4o’nun özellikleri, insanların yapay zekâyı algılama biçiminde önemli bir ilerlemeye işaret ediyor. Artık GPT-4o ile gerçek bir insanmış gibi konuşabiliyoruz. Haydi, GPT-4o’nun tam olarak neler yapabildiğine göz atalım!

GPT-4o’yu tanımak#

OpenAI’nin ilkbahar güncellemesinde, GPT-4o’nun GPT-4 kadar zeki olmasına rağmen verileri daha hızlı işleyebildiği ve metin, görüntü ve sesle çalışmak için daha iyi donatıldığı açıklandı. Modelleri daha akıllı hâle getirmeye odaklanan önceki sürümlerin aksine bu sürüm, yapay zekânın genel kitle tarafından daha kolay kullanılabilmesi gereksinimi dikkate alınarak geliştirildi.

Şekil 1. OpenAI’nin İlkbahar Güncellemesi

Geçen yılın sonlarında kullanıma sunulan ChatGPT’nin ses modu; sesli girdileri yazıya dökmek, yazılı yanıtları anlamak ve oluşturmak ve kullanıcının yanıtı duyabilmesi için metni konuşmaya dönüştürmek üzere üç farklı modelin birlikte çalışmasını gerektiriyordu. Bu mod, gecikme sorunları yaşıyor ve pek doğal hissettirmiyordu. GPT-4o, kullanıcıya doğal bir sohbete katıldığı izlenimini vermek için metin, görüntü ve sesi tek seferde yerel olarak işleyebiliyor.

Ayrıca ses modunun aksine, artık GPT-4o konuşurken sözünü kesebilirsin ve o da tıpkı bir insan gibi tepki verir. Durup seni dinler, ardından söylediklerine göre gerçek zamanlı yanıtını verir. Ayrıca sesiyle duygularını ifade edebilir ve senin tonunu da anlayabilir.

GPT-4o’nun heyecan verici özellikleri#

GPT-4o’nun model değerlendirmesi, ne kadar gelişmiş olduğunu gösteriyor. Elde edilen en ilginç sonuçlardan biri, GPT-4o’nun tüm dillerde, özellikle de daha az kullanılanlarda, Whisper-v3’e kıyasla konuşma tanımayı büyük ölçüde iyileştirmesiydi.

Sesli ASR (Otomatik Konuşma Tanıma) performansı, bir modelin konuşulan dili metne ne kadar doğru aktardığını ölçer. GPT-4o’nun performansı, yanlış aktarılan kelimelerin yüzdesini gösteren Kelime Hata Oranı (WER) ile izlenir (daha düşük WER, daha iyi kalite anlamına gelir). Aşağıdaki grafik, GPT-4o’nun çeşitli bölgelerdeki daha düşük WER değerini göstererek kaynakları daha sınırlı dillerde konuşma tanımayı iyileştirmedeki etkililiğini ortaya koyuyor.

Şekil 2. GPT-4o birden çok dilde üstün konuşma tanıma özelliğine sahip.

GPT-4o’nun bazı diğer benzersiz özelliklerine göz atalım:

• Daha hızlı - GPT-4 Turbo’dan iki kat daha hızlıdır. Sesli girdilere yalnızca 232 milisaniyede yanıt verebilir; bu süre, insanların sohbet sırasında yanıt verme sürelerine benzerdir.
• Uygun maliyetli - GPT-4o’nun API sürümü, GPT-4 Turbo’dan %50 daha ucuzdur.
• Bellek - GPT-4o, farklı sohbetler arasındaki bağlamı koruyabilir. Farklı sohbetlerde ne hakkında konuştuğunu hatırlayabilir.
• Çok dilli - GPT-4o, 50 farklı dilde daha yüksek hız ve kalite sunacak şekilde eğitildi.

GPT-4o’nun yapabildiklerine örnekler#

Artık telefonunda GPT-4o’yu açıp kameranı etkinleştirebilir ve bir arkadaşından ister gibi GPT-4o’dan yüz ifadena bakarak ruh hâlini tahmin etmesini isteyebilirsin. GPT-4o seni kamera üzerinden görebilir ve yanıt verebilir.

Şekil 3. GPT-4o’nun video üzerinden bir insanın ruh hâlini anlaması.

GPT-4o’ya video üzerinden yazdıklarını göstererek matematik problemlerini çözmene yardımcı olmasını bile sağlayabilirsin. Alternatif olarak ekranını paylaşabilir ve aşağıda gösterildiği gibi GPT-4o’nun Khan Academy’de farklı üçgen bölümlerini geometri bağlamında göstermeni isteyen yardımcı bir öğretmene dönüşmesini sağlayabilirsin.

Şekil 4. GPT-4o’nun Khan Academy’de öğretmen olarak görev yapması.

Çocuklara matematik konusunda yardımcı olmanın ötesinde, geliştiriciler kodlarında hata ayıklamak için GPT-4o ile sohbet edebilir. Bu, ChatGPT’nin masaüstü uygulaması olarak kullanıma sunulması sayesinde mümkün. Masaüstü GPT-4o sesli uygulamasıyla konuşurken CTRL “C” tuşlarını kullanarak kodunu seçip kopyalarsan, uygulama kodunu okuyabilir. Ya da farklı diller konuşan geliştiriciler arasındaki konuşmaları çevirmek için kullanabilirsin.

GPT-4o ile yapılabilecekler sınırsız görünüyor. OpenAI’nin en ilginç demolarından birinde, GPT-4o’nun kendisinin farklı örnekleriyle konuştuğu ve birlikte şarkı söylediği iki telefon kullanılarak gösterildi.

Şekil 5. Yapay zekânın yapay zekâ ile konuşması ve şarkı söylemesi.

GPT-4o uygulamaları#

Bir demoda gösterildiği gibi GPT-4o, görme engeli veya görme bozukluğu olan kişiler için dünyayı daha erişilebilir hâle getirebilir. Daha güvenli ve bağımsız biçimde etkileşim kurmalarına ve hareket etmelerine yardımcı olabilir. Örneğin kullanıcılar videolarını etkinleştirip GPT-4o’ya sokağın görüntüsünü gösterebilir. GPT-4o daha sonra engelleri belirleme, sokak tabelalarını okuma veya onları belirli bir konuma yönlendirme gibi çevrenin gerçek zamanlı açıklamalarını sunabilir. Hatta bir taksi yaklaştığında kullanıcıları uyararak taksi çağırmalarına yardımcı olabilir.

Şekil 6. GPT-4o’nun yaklaşan bir taksi konusunda uyarı vermesi.

Benzer şekilde GPT-4o, gelişmiş yetenekleriyle çeşitli sektörleri dönüştürebilir. Perakende sektöründe gerçek zamanlı yardım sunarak, soruları yanıtlayarak ve müşterilerin hem çevrim içi hem de mağazada ürün bulmasına yardımcı olarak müşteri hizmetlerini iyileştirebilir. Bir ürün rafına baktığını ve aradığın ürünü seçemediğini varsayalım; GPT-4o sana yardımcı olabilir.

Sağlık hizmetleri alanında GPT-4o; hasta verilerini analiz ederek, belirtilere göre olası durumları önererek ve tedavi seçenekleri hakkında rehberlik sunarak tanı süreçlerine yardımcı olabilir. Ayrıca hasta kayıtlarını özetleyerek, tıbbi literatüre hızlı erişim sağlayarak ve hatta farklı diller konuşan hastalarla iletişim kurmak için gerçek zamanlı dil çevirisi sunarak sağlık profesyonellerini destekleyebilir. Bunlar yalnızca birkaç örnek. GPT-4o’nun uygulamaları, kişiselleştirilmiş ve bağlamı anlayan yardım sunarak ve bilgi ile iletişim önündeki engelleri kaldırarak günlük yaşamı kolaylaştırıyor.

GPT-4o ve model güvenliği#

Yüz milyonlarca insanın hayatını etkileyen önceki GPT sürümleri gibi GPT-4o’nun da dünya genelinde gerçek zamanlı ses ve videoyla etkileşim kurması muhtemel; bu da güvenliği bu uygulamalarda kritik bir unsur hâline getiriyor. OpenAI, GPT-4o’yu olası riskleri azaltmaya odaklanarak geliştirmeye büyük özen gösterdi.

Güvenliği ve güvenilirliği sağlamak için OpenAI, titiz güvenlik önlemleri uyguladı. Bunlar arasında eğitim verilerini filtrelemek, eğitim sonrasında modelin davranışını iyileştirmek ve ses çıktılarının yönetimi için yeni güvenlik sistemleri eklemek yer alıyor. Ayrıca GPT-4o; sosyal psikoloji, önyargı ve adalet ile yanlış bilgilendirme gibi alanlarda 70’ten fazla harici uzman tarafından kapsamlı biçimde test edildi. Harici testler, yeni özelliklerin ortaya çıkardığı veya artırdığı risklerin belirlenmesini ve ele alınmasını sağlıyor.

Yüksek güvenlik standartlarını korumak için OpenAI, GPT-4o’nun özelliklerini önümüzdeki birkaç hafta içinde kademeli olarak kullanıma sunuyor. Aşamalı kullanıma sunma, OpenAI’nin performansı izlemesine, sorunları ele almasına ve kullanıcı geri bildirimleri toplamasına olanak tanır. Dikkatli bir yaklaşım, GPT-4o’nun en yüksek güvenlik ve etik kullanım standartlarını korurken gelişmiş yetenekler sunmasını sağlar.

GPT-4o’yu kendin dene#

GPT-4o ücretsiz olarak kullanılabilir. Yukarıda bahsedilen gerçek zamanlı sohbet özelliklerini denemek için ChatGPT uygulamasını Google Play Store’dan veya Apple App Store’dan doğrudan telefonuna indirebilirsin.

Giriş yaptıktan sonra ekranın sağ üst köşesindeki üç noktaya dokunarak görüntülenen listeden GPT-4o’yu seçebilirsin. GPT-4o’nun etkin olduğu bir sohbete geçtikten sonra ekranın sol alt köşesindeki artı işaretine dokunursan birden çok girdi seçeneği görürsün. Ekranın sağ alt köşesinde bir kulaklık simgesi göreceksin. Kulaklık simgesini seçtiğinde GPT-4o’nun eller serbest sürümünü kullanmak isteyip istemediğin sorulacak. Kabul ettikten sonra aşağıda gösterildiği gibi GPT-4o’yu deneyebilirsin.

Şekil 7. ChatGPT mobil uygulamasında GPT-4o’yu denemek.

GPT-4o’nun gelişmiş yeteneklerini kendi projelerine entegre etmek istersen, geliştiriciler için bir API olarak kullanılabilir. GPT-4o’nun güçlü konuşma tanıma, çok dilli destek ve gerçek zamanlı sohbet yeteneklerini uygulamalarına dahil etmeni sağlar. API’yi kullanarak kullanıcı deneyimlerini geliştirebilir, daha akıllı uygulamalar oluşturabilir ve en son yapay zekâ teknolojisini farklı sektörlere taşıyabilirsin.

GPT-4o: Henüz tam anlamıyla insan değil#

GPT-4o önceki yapay zekâ modellerinden çok daha gelişmiş olsa da GPT-4o’nun kendine özgü sınırlamaları olduğunu unutmamak önemli. OpenAI, konuşma sırasında bazen İngilizceden Fransızcaya geçerek dilleri rastgele değiştirebildiğini belirtti. Ayrıca GPT-4o’nun diller arasında hatalı çeviri yaptığını da gördüler. Daha fazla kişi modeli denedikçe GPT-4o’nun hangi alanlarda başarılı olduğunu ve hangi konularda daha fazla geliştirmeye ihtiyaç duyduğunu anlayacağız.

Özetle#

OpenAI’nin GPT-4o’su gelişmiş metin, görüntü ve ses işleme özellikleriyle yapay zekâ için yeni kapılar açıyor ve doğal, insan benzeri etkileşimler sunuyor. Hız, maliyet verimliliği ve çok dilli destek açısından öne çıkıyor. GPT-4o; eğitim, erişilebilirlik ve gerçek zamanlı yardım için çok yönlü bir araçtır. Kullanıcılar GPT-4o’nun yeteneklerini keşfettikçe geri bildirimler gelişimini yönlendirecek. GPT-4o, yapay zekânın dünyamızı gerçekten değiştirdiğini ve günlük yaşamımızın bir parçası hâline geldiğini kanıtlıyor.

Yapay zekâyı daha derinlemesine keşfetmek için GitHub depomuzu inceleyebilir ve topluluğumuza katılabilirsin. Yapay zekânın üretim ve tarım gibi sektörleri nasıl dönüştürdüğünü görmek için çözümler sayfalarımızı ziyaret et.