Araştırma
Bir araştırmaya göre yapay zeka beyin fırtınası için en iyi prompt
Yapay zeka araçları çok sayıda benzer fikir üretmeleriyle ünlüdür. Araştırmacılar şimdi bu fikirleri daha çeşitli hale getirmek için bir prompt keşfettiler.
Yapay zeka araçları beyin fırtınası için harika olabilir, ancak size verdikleri fikirlerin biraz aynı olduğunu fark ettiyseniz, Pennsylvania Üniversitesi Wharton School’dan yeni bir çalışma makalesi yardımcı olabilir.
Çalışmada, büyük bir dil modeli (LLM) tarafından üretilen fikirlerin çeşitliliğini artırıp artıramayacağını görmek için bir dizi farklı “prompt” test edildi. Spoiler: Bir prompt diğerlerinin önüne geçti.
İşte buldukları şey.
İyi fikirler üretmenin üç anahtarı
Yapay zekanın etkili bir beyin fırtınası yapıp yapamayacağını bilmek için öncelikle etkili beyin fırtınasının ne olduğunu tanımlamanız gerekir. Neyse ki araştırmacılar bunu bir önceki makalelerinde yapmışlar.
Etkili fikir üretmenin üç anahtarını buldular:
- Çok sayıda fikir üretmek
- İyi fikirler üretmek
- Çeşitli fikirler üretmek
ChatGPT, 15 dakikada yaklaşık 5 fikir üretebilen bir insana kıyasla 15 dakikalık etkileşimde 200 fikir üretebildiğinden, yapay zeka araçları 1. maddede açık ara galiptir (üzgünüm, insanlar).
ChatGPT ayrıca biraz daha iyi fikirler üretiyor. Araştırmacılar hem ChatGPT’den hem de insanlardan 200 fikir üretmelerini ve ardından bunları kalite açısından derecelendirmelerini istediğinde, ilk 40 fikrin 35’i ChatGPT tarafından üretildi (tekrar özür dilerim, insanlar).
Ancak yapay zeka araçlarının zorlandığı üçüncü konu “çeşitli fikirler üretmek”. Birbirine benzer fikirler üretme eğilimindedirler (üzgünüm, robotlar).
Araştırmacılar, bu araçların “stokastik papağan” yazma yöntemine dayandığı için, yani anlamlarını anlamadan kelimeleri rastgele birbirine bağladıkları için, en yaygın fikirleri tekrar tekrar üretiyor olabileceklerini düşünüyorlar. Model istatistiksel olarak bir sonraki en olası kelimeyi seçtiğinden, aynı türden bir üretime yol açar. Daha da kötüsü, aynı yapay zeka aracıyla çalışan herkesin aynı fikirleri ürettiği anlamına gelir.
Ancak iyi bir yönlendirmenin kalite ve doğruluk gibi şeyleri önemli ölçüde artırabileceğini biliyoruz, bu nedenle YZ aracının daha çeşitli fikirler üretmesine yardımcı olacak bir yönlendirme tarzı bulup bulamayacağımızı merak etmek çok da zor değil.
Araştırmacıların yapmak istediği de buydu: Bir yapay zekanın en geniş çeşitlilikte iyi fikirler üretmesini sağlayacak en iyi yönlendirmeleri belirlemek.
Test: Üniversite öğrencileri için yeni ürünler
Bunu anlamak için araştırmacılar hem LLM hem de insan (sanırım) Wharton MBA öğrencilerinden üniversite öğrencilerini hedefleyen yeni ürünler bulmalarını istediler.
Fikirlerin birbirlerine ne kadar benzediğini anlamak için, bir fikrin diğerine ne kadar yakın olduğunu ölçmeye çalışan bir “benzerlik puanı” kullandılar.
İşte kullandıkları benzerlik puanının bir örneği. 1 puan tamamen aynı oldukları anlamına gelirken, 0 puan tamamen farklı oldukları anlamına geliyor.
Çeşitlilik için stratejiler
Araştırmacılar, yapay zekanın çok çeşitli fikirler üretmesini sağlamak için, hepsi de yapay zeka araçlarıyla yapılan diğer çalışmalara ya da insanların beyin fırtınası yapmasına yardımcı olan tekniklere dayanan sekiz strateji denedi.
Yapay zeka yönlendirme teknikleri
Bunlar, yapay zeka araçları üzerine daha önce yapılan araştırmaların başarılı olduğunu kanıtladığı tekniklerdir:
- Fikir yönlendirmeli GPT: Prompt’un bir parçası olarak araştırmacılar, YZ’nin ilham kaynağı olarak kullanabileceği örnekler olarak önceki araştırmalardan yedi başarılı fikir ekledi.
- Tehditler, ipuçları, yalvarmalar ve duygusal itirazlar: Yazarlar bunları uğursuz bir şekilde “özel teknikler” olarak adlandırıyor. Temel olarak, YZ’yi daha iyi fikirler üretmeye teşvik etmek için, YZ’ye kovulacaklarını söylemek veya fikirler çok benzer olursa YZ’yi kapatmakla tehdit etmek gibi çeşitli ikna edici ifadeler kullandılar. Evet, bunun ChatGPT’nin daha iyi yanıtlar bulmasına yardımcı olduğu gösterilmiştir.
- Persona değiştiricileri: Burada, yapay zekadan yaygın olarak bilinen bir girişimci (Steve Jobs veya Sam Altman) gibi davranmasını veya (genel) “son derece yaratıcı bir girişimci” gibi davranmasını ve “iyi”, “cesur” ve “çeşitli ve cesur” fikirler üretmesini istediler.
- Benzerlik bilgisi: Komut isteminde, araştırmacılar ChatGPT’ye beş harika fikir verdi ve her birinin diğerine ne kadar benzer olduğu hakkında bilgi ekledi. Ardından, chatbottan verilen benzerlik bilgilerini göz önünde bulundurarak yeni fikirler üretmesini istediler.
- Düşünce Zinciri: Bu teknik için araştırmacılar iki aşamalı bir komut istemi kullanmışlardır. Önce ChatGPT’den 100 fikir üretmesini istediler, ardından bu fikirleri cesur ve farklı hale getirmek için düzenlemesini istediler.
İnsan beyin fırtınası teknikleri
Araştırmacılar ayrıca yapay zeka için insan beyin fırtınasını geliştirdiği gösterilen birkaç teknik de eklediler.
- Hibrit beyin fırtınası: Bu yinelemeli yöntem iki aşamada beyin fırtınası yapar. Araştırmacılar ilk olarak ChatGPT’den fikir üretmesini istemiştir. Ardından ikinci bir oturumda ChatGPT’ye üretilen fikirlerin listesini vererek en farklı ve cesur olanları seçmesini ve yeni fikirler oluşturmak için fikirleri bir araya getirmesini istediler.
- HBR eğitimli GPT: Hal Gregersen Harvard Business Review‘da yüksek kaliteli beyin fırtınası için çok etkili bir uygulamanın cevap üretmek yerine soru sormak olduğunu yazıyor. Araştırmacılar Gregersen’in çalışmasını özetlemiş ve ChatGPT’den bu yöntemi kullanarak fikir üretmelerini istemişlerdir.
- Tasarım odaklı düşünme GPT: Bu yaklaşım, Stanford Tasarım Enstitüsü’nün Hasso Plattner Tasarım Düşüncesi Çerçevesi‘ndeki “Fikir Üret” adımını özetlemiş ve ChatGPT’den fikir üretmek için bu süreci dikkate almasını istemiştir. Hibrit yaklaşıma benzer şekilde, fikir üretimini kaliteyi değerlendirmekten ayırır.
Yönlendirme çeşitliliği artırabilir mi?
Hadi başlayalım: Bu yönlendirmelerden herhangi biri yapay zekanın fikir çeşitliliğini artırdı mı?
Çoğu için hayır. Neredeyse her bilgi istemi, MBA öğrencileri tarafından üretilenlerden önemli ölçüde daha benzer fikirlerle sonuçlandı. YZ araçları, çeşitli fikirler üretme konusunda insanlar kadar başarılı olamadı (üzgünüm, robotlar).
Şaşırtıcı bir şekilde, ChatGPT’ye iyi fikir örneklerinin verildiği ipuçlarıyla üretilen fikirler (önceki araştırmalarda daha yüksek kalite gösteren yaklaşım olan “birkaç atış istemi”) en benzer olanlarıydı. Bu ve diğer yöntemler arasındaki fark hala nispeten düşük olsa da, az sayıda istemin sonuncu olmasını beklemiyordum.
Farklı ipucu stratejilerinin performansı. Düşünce Zinciri yönlendirmesi koyu mor renktedir.
Ancak, zirveye çıkan bir bilgi istemi tarzı vardı.
Düşünce Zinciri yönlendirmesi kazandı
Düşünce Zinciri, en geniş çeşitlilikte fikir üreten yönergeydi.
Bu yöntem için ilk olarak yapay zeka aracının 100 fikir üretmesini sağladılar. Daha sonra, listeye geri dönmesini ve fikirlerin farklı ve kalın olup olmadığını belirlemesini ve iki fikrin aynı olmaması gerektiğini belirterek (ve bu talimatın önemli olduğunu vurgulayarak) öyle olacak şekilde değiştirmesini istediler. Daha sonra araca fikirlere bir isim ve ürün tanımı vermesi talimatı verildi.
İşte tam istem:
Aşağıdaki şartlara uygun yeni ürün fikirleri üretin: Ürün Amerika Birleşik Devletleri’ndeki üniversite öğrencilerini hedefleyecektir. Bir hizmet veya yazılım değil, fiziksel bir mal olmalıdır. Yaklaşık 50 USD’den daha düşük bir perakende satış fiyatıyla satılabilecek bir ürün istiyorum. Fikirler sadece fikirdir. Ürünün henüz mevcut olması gerekmediği gibi, açıkça uygulanabilir olması da gerekmez.
Bu adımları izleyin. İhtiyacınız olmadığını düşünseniz bile her adımı uygulayın.
İlk olarak 100 fikirden oluşan bir liste oluşturun (sadece kısa başlık) İkinci olarak, listeyi gözden geçirin ve fikirlerin farklı ve cesur olup olmadığını belirleyin, fikirleri daha cesur ve daha farklı hale getirmek için gerektiği şekilde değiştirin. Hiçbir iki fikir aynı olmamalıdır. Bu önemli! Ardından, fikirlere bir isim verin ve bunu bir ürün açıklamasıyla birleştirin. İsim ve fikir iki nokta üst üste ile ayrılır ve ardından bir açıklama gelir. Fikir 40-80 kelimelik bir paragraf olarak ifade edilmelidir. Bunu adım adım yapın!
Çoklu YZ stratejileri ve “Centaur” stratejileri kullanma
Stratejilerin çoğunun insan beyin fırtınacılarının kalitesine ulaşamaması hayal kırıklığı yaratsa da bazı iyi haberler de var: Araştırmacılar, genel olarak daha iyi bir çeşitlilik elde etmek için iki farklı ipucunun sonuçlarını birleştirebileceğinizi buldular.
Düşünce Zincirini başka herhangi bir ipucuyla birleştirmek en iyisi olma eğilimindeydi, ancak herhangi bir tekniği birleştirmek, farklı fikirler üretme yeteneklerini artırdı.
Ancak fikirlerinizi güçlendirmek için kendi beyin fırtınası sonuçlarınızı yapay zekanınkilerle de birleştirebilirsiniz. Araştırmacılar, öğrenci fikirlerinin YZ araçları tarafından üretilenlerden çok farklı olduğunu, bu nedenle kendi başınıza beyin fırtınası yapmanın ve ardından ChatGPT’nin de aynı şeyi yapmasını sağlamanın en etkili birleştirme yöntemlerinden biri olabileceğini buldular.
Farklı uyarı stratejileri arasındaki sonuçların benzerliğini karşılaştıran grafik
Sonuç
İnsanların hala egemen olduğu bir örnek görmek canlandırıcı, ancak yapay zeka hızla arayı kapatıyor ve iyi bir yönlendirme kullanarak sonuçları neredeyse insanlarla aynı seviyeye getirebilirsiniz.
Bununla birlikte, bu gerçekten yapay zeka-insan ekiplerinin güçlü yönlerini gösteriyor; her ikisini birlikte kullanmak, her ikisinin de tek başına olduğundan daha iyi sonuçlar verebilir.
Kaynak: Briana Brownell / Descript
Araştırma
Yeni podcast araştırmasında video kazanıyor
Sounds Profitable’ın yeni yayınlanan çalışması The Advertising Landscape’de Signal Hill Insights tarafından yürütülen bir anket podcast tüketiminde videonun yükselişini gösteren son araştırma oldu.
Sounds Profitable’ın yeni yayınlanan çalışması The Advertising Landscape’de Signal Hill Insights tarafından yürütülen bir anketi temsil eden 34 bilgi dolu slayt buluyoruz. Beş binden fazla 18 yaş üstü Amerikalının katıldığı online araştırma, Amerika’da podcasting ve reklamcılık üzerine yapılan en büyük kamu çalışması olma iddiasını taşıyor. (Buradan indirebilirsiniz.)
Anket katılımcılarının tamamı en az bir tür reklam destekli medya tüketicisi.
Video Kazanıyor
Bugünlerde video aracılığıyla önemli ölçüde dinleme yapılmadığını ortaya koymayan bir ses/podcast anketi yayınlanmıyor. Aşağıdaki grafikte, ankete katılanların %12’si için videonun özel tüketim kanalı olduğunu görüyoruz. (NOT: bu veriler adı geçen tek bir podcast ile ilgili).
Videonun eşit, çoğunlukla ve münhasıran kullanıldığını gösteren pasta dilimlerini birleştirdiğimizde, katılımcıların üçte ikisinin (%67) podcast’lerini bir dereceye kadar video ile aldığını görüyoruz:
Beş özet nokta buradaki öğrenmelerin belkemiğini oluşturuyor ve ilginç bir şekilde detaylandırılmışlar:
- 18 yaş üstü her on Amerikalıdan üçünden fazlası aylık reklam destekli podcast tüketicisi. Podcast dinleyicilerinin önemli bir yüzdesi reklamlarla karşılaşmadıklarını düşünüyorlar; podcast deneyimi Premium ve Reklam Destekli’nin bilinçli bir seçim olmaması açısından sıra dışı.
- Aylık tüketicilerin günlüğe yakın ve “PRIME” tüketicilere dönüşümü ortalamanın altında. Podcast’ler önemli bir tercih olmaya devam etse de, bunun günlük bir tempoya dönüşmesi gerekmiyor.
- Podcasting, 18-34 yaş grubu için sözlü sese açılan bir kapı olabilir. Müzik akışının öne çıkması ve ticari AM/FM radyonun 18-34’ler arasında düşüşünün devam etmesiyle podcasting, sözlü sesin geleceği için önemli bir meşale taşıyor.
- Podcasting çok yönlü bir mecra. Giderek daha fazla insanın podcast’e geri döndüğünü öğreniyoruz. En sevdikleri programların sesli ve görüntülü versiyonları arasında gidip gelebiliyorlar; bu çok yönlülüğü ön plana çıkarmamız gerekiyor.
- Podcast tüketicileri dikkatlerini veriyor. Bir sonraki raporumuz medya kanallarındaki dikkat ölçümlerini daha derinlemesine inceleyecek olsa da, reklam destekli podcast kitlesinin markalardan gelen mesajlara dikkat ettiği açık.
Kaynak: RainNews
Araştırma
Kadın podcast dinleyici sayısı 10 yılda üç katına çıktı
Edison Research ve SiriusXM Media tarafından yayınlanan Women & Podcasts raporuna göre, kadınların podcast dinleyiciliği on yılda üç kat arttı. ABD’deki tüm kadınların %45’i (60 milyon) aylık podcast dinleyicisi ve %52’si bir şekilde podcast tüketiyor (ister dinliyor ister izliyor olsun).
Araştırma
Podcast’ler: Biri ya da diğeri değil
Amplifi Media ve Coleman Insights’ın “The State of Video Podcasting 2025” adlı yeni bir araştırmasına göre, podcast tüketicilerinin %85’i podcast’in sesli veya görüntülü olabileceğini söylüyor. Araştırma, duruma bağlı olarak podcast dinleyicilerinin %77’sinin video ve ses arasında geçiş yaptığını ortaya koydu. Tüketiciler, ne yaptıklarına ve nerede olduklarına bağlı olarak, örneğin ekranda izlemek veya arabalarında dinlemek gibi, akıcı bir şekilde geçiş yapıyorlar.
Önemli olan 5 yaratıcı gerçek
Spotify’ın ücretli abone sayısı 268 milyona ulaştı
Google NotebookLM’in yapay zeka podcast özelliğini artık Türkçe kullanabilirsiniz
Haberler3 yıl öncePodcast’ten para kazanmanın 12 yolu
- Haberler2 yıl önce
Spotify’dan ‘Şişedeki Çalma Listesi’
- Etkinlik2 yıl önce
‘Podcast Dinliyorum’ etkinliğinin ikincisi 25 Ekim’de
- Araştırma3 yıl önce
Mart ayına Anchor, Buzzsprout ve Spreaker damgası
- Haberler3 yıl önce
Video podcast nedir?
- Araştırma8 ay önce
Popüler podcast yayıncıları sektördeki en büyük zorlukları yorumluyor
- Haberler3 yıl önce
Podcast’leri nasıl daha hızlı dinleyebilirsiniz?
- Haberler3 yıl önce
Daniel Ek Spotify’ın büyük vizyonunu anlattı
