Düşünce Zinciri Promptu: Yapay Zekayı Adım Adım Düşündür
Akıl yürütme görevlerinde yapay zekanın doğruluk oranını yüzde 18'den yüzde 79'a çıkaran basit prompt tekniği — günlük işlerin için kopyala-yapıştır örneklerle.
ChatGPT'ye düşünmeyi gerektiren bir soru sordun — belki iki seçeneği karşılaştırıyordun, bir kararı analiz ediyordun ya da çok adımlı bir problemi çözmeye çalışıyordun. Yapay zeka anında, kendinden emin bir cevap verdi. Tek sorun: cevap tamamen yanlıştı.
Bu, sandığından çok daha sık oluyor. Yapay zeka asistanları, problemleri gerçekten akıl yürüterek çözmek için değil, kulağa makul gelen yanıtlar üretmek için eğitiliyor. Karmaşık bir soruyu sıradan biçimde sorduğunda, yapay zeka çoğu zaman düşünme kısmını atlayıp doğrudan bir cevaba atlar — bazen mutlak bir kesinlikle, ama korkunç derecede yanlış.
Bu tekniğin adı düşünce zinciri promptu (chain-of-thought) ve işe yaramasının nedeni, yapay zekayı sonuca atlamak yerine düşüncesini göstermeye zorlaması. İşte bu tekniği — sadece matematik problemlerinde değil — gerçek işler için nasıl kullanacağın.
Düşünce zinciri promptu nedir?
Düşünce zinciri (CoT) promptu, kulağa nasıl geliyorsa öyle çalışır: yapay zekadan, son cevabı vermeden önce akıl yürütmesini adım adım açıklamasını istersin. "Cevap ne?" demek yerine "Beni düşüncenin içinden geçir, sonra cevabı ver" dersin.
Bunu, bir iş arkadaşından çözümünü göstermesini istemek gibi düşün. Birisi sana açıklama yapmadan bir öneri verirse, gerçekten düşünmüş mü yoksa tahmin mi etmiş anlayamazsın. Ama akıl yürütmesini paylaşırsa — "X'i değerlendirdim, Z yüzünden Y'yi eledim, bu da beni şu sonuca götürdü" — mantığındaki açıkları yakalayabilirsin.
Aynı ilke yapay zekada da geçerli. Ara adımları açıkça ifade etmeye zorlandığında iki şey olur:
Yapay zeka kendi hatalarını akıl yürütürken yakalar
Cevap yanlışsa, mantığın tam olarak nerede saptığını görebilirsin
Yapay zeka neden adım atlar (ve neden hata yapar)
Çoğu kişinin fark etmediği bir şey var: yapay zeka modelleri aslında insanların düşündüğü gibi "düşünmüyor". Milyarlarca metin örneğine karşı örüntü eşleştirmesi yapıp bir sonraki kelimelerin ne olması gerektiğini tahmin ediyorlar. Sade bir soru sorduğunda, istatistiksel olarak en olası cevaba atlıyorlar.
Basit sorular için bu yeterli. "Fransa'nın başkenti neresi?" akıl yürütme gerektirmiyor — yapay zeka bu soru ve cevabı milyonlarca kez birlikte görmüş.
Ama gerçek mantık gerektiren her şeyde — seçenekleri karşılaştırırken, tercihleri tartarken, çok adımlı problemleri çözerken — örüntü eşleştirme yaklaşımı dağılır. Yapay zeka, kulağa doğru gelen bir cevap seçer ama o cevabın gerçekten doğru olduğunu doğrulamak için gereken işi yapmaz.
Düşünce zinciri promptu bu kestirmeyi keser. Yapay zekadan sesli düşünmesini isteyerek ara adımları üretmeye zorlarsın — ve o adımlar, son cevabın ne olabileceğini sınırlar. Seni oraya götüren yolu göstermek zorunda kaldığında, yanlış sonuca varman zorlaşır.
Doğrudan cevaba atlayan yapay zeka ile cevap vermeden önce adımlardan geçerek akıl yürüten yapay zekanın karşılaştırması
Düşünce zincirini kullanmanın en basit yolu
En kolay sürüm sıfır hazırlık ister. Promptunun sonuna şu cümlelerden birini ekle:
"Adım adım düşünelim."
"Akıl yürütmeni benimle paylaş."
"Son cevabı vermeden önce düşüncelerini açıkla."
"Bunu adım adım parçalara ayır."
Araştırmacılar testlerinde "Adım adım düşünelim" cümlesinin en iyi sonucu verdiğini gördü; ancak sonraki bir araştırma daha da iyi bir formülasyon buldu: "Doğru cevaba ulaştığımızdan emin olmak için bunu adım adım çalışalım."
Pratikte nasıl göründüğünü anlatayım. Diyelim ki bir iş teklifini kabul edip etmemeye karar vermeye çalışıyorsun.
Düşünce zinciri olmadan:
Yüzde 20 daha fazla maaş veren ama yaşam maliyeti yüzde 40 daha yüksek bir şehre taşınmamı gerektiren iş teklifini kabul etmeli miyim?
Yapay zeka, yüzeysel bir örüntü eşleştirmesine dayanarak hızlı bir "evet" ya da "hayır" verebilir.
Düşünce zinciri ile:
Yüzde 20 daha fazla maaş veren ama yaşam maliyeti yüzde 40 daha yüksek bir şehre taşınmamı gerektiren iş teklifini kabul etmeli miyim?
Bunu adım adım düşünelim; finansal etkileri, yaşam kalitesi faktörlerini ve kariyer etkisini göz önünde bulundurup ardından bir sonuca varalım.
Artık yapay zeka her faktörü ayrıştıracak, yüzde 20 fazla maaşın yüzde 40 daha yüksek maliyetleri karşılayıp karşılamadığını hesaplayacak, neyi kazandığını veya kaybettiğini değerlendirecek ve gerekçeli bir öneri sunacak.
Few-shot CoT: yapay zekaya nasıl düşüneceğini göster
"Adım adım düşünelim" yaklaşımına zero-shot CoT deniyor; çünkü hiçbir örnek göstermiyorsun. Birçok durumda iyi çalışıyor, ama karmaşık ya da uzmanlık gerektiren görevlerde, istediğin akıl yürütme örüntüsünü göstererek daha da iyi sonuçlar alabilirsin.
Buna few-shot CoT deniyor — benzer problemlerde yapay zekanın nasıl akıl yürütmesini istediğini gösteren bir veya iki çözülmüş örnek eklersin.
İş kararlarını analiz etmek için bir şablon:
Seçenekleri değerlendirmek için yardımına ihtiyacım var. Her birini şu şekilde akıl yürütmeni istiyorum:
Örnek:
Soru: Aylık faturalandırmadan yıllık faturalandırmaya geçmeli miyiz?
Adım 1 - Anahtar faktörleri belirle: Nakit akışı öngörülebilirliği, müşteri kaybı riski, fiyatlandırma psikolojisi.
Adım 2 - Her faktörü analiz et:
- Nakit akışı: Yıllık faturalandırma geliri peşin alır, öngörülebilirliği artırır
- Müşteri kaybı riski: Yıllık ödeme yapan müşterilerde kayıp oranı daha düşük
- Fiyatlandırma: Para kaybetmeden yıllık plana indirim sunabiliriz
Adım 3 - Tercihleri tart: Asıl olumsuz yan, yeni kayıtlar için engelin daha yüksek olması.
Adım 4 - Sonuç: Evet, ama her iki seçeneği de sun ve yıllık planda yüzde 15 indirim ver.
Şimdi aynı akıl yürütme yapısını şu soruma uygula:
{{question}}
Örneğin tam olarak senin sorunla eşleşmesi gerekmiyor — sadece istediğin akıl yürütme yapısını göstermeli. Yapay zeka, örüntüyü senin durumuna uyarlayacak.
Düşünce zinciri ne zaman işe yarar (ne zaman yaramaz)
CoT promptu her yapay zeka etkileşimi için sihirli bir çözüm değil. Wharton'dan bir araştırma, bu yöntemin zor problemlerde performansı artırdığını ama kolay sorularda gereksiz karmaşıklık yaratıp doğruluğu düşürebildiğini gösterdi.
Düşünce zincirini şu durumlarda kullan:
Birden çok seçeneği karşılaştırıyorsun ya da tercihleri tartıyorsun
Görev çok adımlı akıl yürütme veya hesaplama içeriyor
Bir problemi tespit etmen veya teşhis etmen gerekiyor
Cevap sebep-sonuç analizi gerektiriyor
Sadece cevabı değil, yapay zekanın akıl yürütmesini de görmek istiyorsun
Düşünce zincirini şu durumlarda atla:
Basit gerçekler ya da tanımlar soruyorsun
Beyin fırtınası veya yazım gibi yaratıcı bir çıktıya ihtiyacın var
Özet ya da çeviri istiyorsun
Hız, doğruluktan daha önemli
Görev mantıksal akıl yürütme içermiyor
Bir not daha: CoT promptu, küçük yapay zeka modellerinde daha az etkilidir. Google'ın orijinal araştırması, anlamlı iyileşmelerin yalnızca 100+ milyar parametreli modellerde ortaya çıktığını buldu. ChatGPT-4, Claude ve Gemini gibi güncel tüketici yapay zeka araçlarıyla doğru aralıktasın. Ama daha eski veya küçük modeller kullanıyorsan sonuçlar değişebilir.
Gerçek iş için kullanıma hazır 5 CoT promptu
İşte bugünden kullanmaya başlayabileceğin kopyala-yapıştır promptlar. Her birinin içine düşünce zinciri yapısı yerleştirilmiş.
1. Karar analizi
Karar vermeme yardım et: {{decision_to_make}}
Bunu adım adım çalışalım:
1. Göz önünde bulundurmam gereken anahtar faktörleri listele
2. Her seçeneğin bu faktörlerde nasıl performans gösterdiğini analiz et
3. Ana riskleri ve tercihleri belirle
4. Bana gerekçesiyle birlikte önerini sun
Genel tavsiye yerine benim gerçek durumuma odaklan, somut ol.
2. Artılar ve eksiler karşılaştırması
Şu seçenekleri karşılaştır: {{option_1}} vs {{option_2}}
Bunu sistemli şekilde düşün:
1. Önce, bu tür bir karar için en önemli 5 kriteri belirle
2. Her seçeneği her kriter karşısında değerlendir
3. Vazgeçilmez şartları ya da olmazsa olmazları not et
4. Genel tercihleri tart
5. Bana net bir öneri sun
Sadece artıları ve eksileri sıralama — hangi faktörlerin daha önemli olduğunu ve neden olduğunu gerçekten akıl yürüt.
3. Kök neden analizi
Bunun neden olduğunu çözmeme yardım et: {{problem_description}}
Şu akıl yürütme sürecini kullan:
1. Gerçekte ne olduğunu ve ne olması gerektiğini netleştir
2. Olası tüm nedenleri listele (zayıf ihtimalliler dahil)
3. Her neden için, hangi kanıtın onu doğrulayacağını ya da eleyeceğini düşün
4. Eldeki bilgilere dayanarak en olası kök nedeni belirle
5. Bunu nasıl doğrulayacağımı ve ne yapmam gerektiğini öner
4. Adım adım planlama
Şunu yapmam gerekiyor: {{goal}}.
Bunu adımlara böl:
1. Önce, başka her şeyden önce ne olması gerektiğini belirle (ön koşullar)
2. Sonra ana aşamaları veya kilometre taşlarını çıkar
3. Her aşama için gereken somut eylemleri listele
4. Bağımlılıkları işaretle (bir şey başlamadan önce ne olması gerekiyor)
5. Olası engelleri ve nasıl ele alacağını not et
Somut ol — belirsiz tavsiye değil, uygulanabilir adımlar ver.
5. Karmaşık soru analizi
{{complex_question}}
Cevap vermeden önce, bunu dikkatlice çalışalım:
1. Bu sorunun gerçekte ne sorduğunu parçalara ayır
2. Soruya yerleşmiş varsayımları belirle
3. Cevabı etkileyen anahtar faktörleri düşün
4. Her faktörü akıl yürüt
5. Ardından cevabını, onu destekleyen akıl yürütmeyle birlikte sun
Gerçek bir belirsizlik varsa, kesinmiş gibi davranmak yerine bunu kabul et.
Bu promptlar aynı örüntüyü izliyor: ne istediğini söyle, sonra yapay zekanın izlemesini istediğin akıl yürütme sürecini açıkça tarif et. Yapı, yapay zekayı sonuca atlamak yerine kapsamlı bir analiz yapmaya yönlendiriyor.
Farklı görevler için değişken yer tutucuları özelleştirilen bir prompt şablon kartı
Eğer kendini bu promptları tekrar tekrar kullanırken bulursan — her seferinde farklı kararlar, problemler ya da sorular yerleştirerek — PromptNest gibi bir araç, bunları {{variables}} zaten yerinde olacak şekilde kaydetmene izin veriyor. Birine ihtiyacın olduğunda boşlukları doldur ve eksiksiz promptu kopyala.
Sorun giderme: akıl yürütme yanlış gittiğinde
Bazen düşünce zinciri promptunu kullanırsın ve yapay zeka adımlarını gösterir... ama yine de yanlış bir sonuca varır. İşte bunu nasıl yöneteceğin.
Akıl yürütme iyi görünüyor ama sonuç yanlış. Yapay zeka hatalı bir varsayımdan yola çıkmış olabilir. Şunu sor: "Burada hangi varsayımları yapıyorsun? Hepsini açıkça listele." Hata çoğu zaman mantığın kendisinde değil, dile getirilmemiş bir öncülde olur.
Yapay zeka önemli faktörleri atlamış. Şunu yaz: "{{factor}} faktörünü dikkate almadın. Bu, analizini nasıl değiştirir?" Yapay zeka yeni bilgiyi dahil edecek ve çoğu zaman sonucunu güncelleyecek.
Akıl yürütme döngüsel ya da muğlak. Daha fazla somutluk iste: "2. adımda 'bu riskli olabilir' dedin. Hangi spesifik risklerden bahsediyorsun ve bunları nasıl ölçerdin?" Somut detaylar istemek bulanık düşünmeyi açığa çıkarır.
Yapay zekanın aşırı kendinden emin olduğundan şüpheleniyorsun. Şunu dene: "Şeytanın avukatlığını yap. Bu sonuca karşı en güçlü argüman ne?" Bu yöntem, ilk seferde geçilen zayıflıkları çoğu zaman gün yüzüne çıkarır.
Düşünce zinciri promptunun amacı yalnızca daha iyi cevaplar almak değil — yapay zekanın akıl yürütmesini görünür kılarak hataları yakalayıp düzeltebilmen. İlk yanıtı bir başlangıç noktası olarak gör, son cevap olarak değil.
Düşünce zincirini bugün kullanmaya başla
Teknikleri ezberlemen ya da karmaşık çerçeveler izlemen gerekmiyor. Sadece şu fikri hatırla: yapay zekanın tahmin etmek yerine gerçekten düşünmesini istediğinde, ona düşüncesini göstermesini söyle.
Yapay zekayı düzenli olarak kullandığın bir görevle başla — analiz, karşılaştırma ya da sorun giderme içeren bir şey. "Bunu adım adım düşünelim" cümlesini ekle ve yanıtın nasıl değiştiğini gör. Farkı bir kez gördüğünde, bu tekniği ne zaman kullanman gerektiğini sezmeye başlayacaksın.
Yukarıdaki gibi bir akıl yürütme prompt kütüphanesi kurmak istersen, bunları herhangi bir yere kaydedebilirsin — bir not uygulaması, bir doküman, zaten kullandığın her ne ise. Ya da bu iş için yapılmış bir şey istersen, PromptNest yerel Mac uygulaması ($19.99 tek seferlik, Mac App Store'da, abonelik yok, hesap yok, lokalde çalışır) promptlarını değişkenleriyle birlikte düzenli tutar. Hangisi olursa olsun, asıl mesele en iyi promptlarını ihtiyacın olduğunda hazır bulundurman — eski sohbet geçmişlerinde gömülü kalmaması.
Düşünmene yardım eden yapay zeka ile yalnızca kendinden emin görünen yapay zeka arasındaki fark, çoğu zaman beş kelimeye iniyor: "Bunu adım adım düşünelim."
