Yapay zeka ve benzeri uygulamaların e-ticaret ve dijital dünyadaki rolü ve geleceğini Medipol Üniversitesi Öğretim Görevlisi Fatih Pınarbaşı anlatıyor.
Basitçe nedir bu teknoloji?
Yapay zeka ve ilişkili teknolojilerle bir içeriğin üretilmesiyle ilgili olarak ilk bilinmesi gereken kavram makine öğrenmesi kavramı, konu ise makinelerin belirli koşullarda nasıl tahmin yapabildiği konusudur. Bilgisayar biliminde önceki dönemlere gittiğimizde bir makinenin belirli bir karar verme mekanizması ile ilgili olarak mantıksal açıdan 1 ve 0 şeklindeki ikili bir yapıdan söz edebiliriz. Eğer bir elektrik akımı mevcut ise, sistemi çalıştır gibi basit bir karar verme mekanizmasında, elektrik akımı mevcut olmama durumu sistemi çalıştırmayacaktır. Bu basit kurgunun üzerine eklemlediğimiz yeni kural setleri ve sistematik geliştirmeler ile bugünkü teknolojilere kadar gelmiş bulunmaktayız.
Peki makineler nasıl öğreniyor? sorusunu ele aldığımızda ise sistemin işleyişi veya değişkenler arası kural dizilerini incelememiz gerekir. Örneğin e-ticaret sitesinde tüketicilerin belirli bir reklamı görüntüleme veya tıklama verileri ve aynı tüketicilerin satın alma davranışları şeklinde iki ayrı değişken incelenecek olsun. Burada reklamı görüntüleme veya tıklama değişkeni ile satın alma davranışı arasında bir nedensel bağı istatistiksel olarak regresyon analizi gibi bir yöntem ile tespit etmiş olalım.
Bu yöntem sonucunda reklamı görüntüleme veya tıklama değişkenindeki bir birimlik artışın, satın alma davranışında neden olacağı etki matematiksel açıdan hesaplanabilir. Burada elde edilen basit regresyon denklemi bu iki değişken arasındaki ilişkinin belirli bir kuralının çıkarılmasını ifade eder. (not: etkilenen bağımlı değişkeni etkileyen farklı bağımsız değişkenler her zaman olabilir). Buradaki kural bir bağımsız değişken bir bağımlı değişken biçiminden, yüzlerce bağımsız değişken ve bir bağımlı değişkene doğru bir denklem olarak ifade edilebilir.
Örneğin bir sigorta şirketinde tüketicinin belirli bir sigorta ürününü alması veya kullanmayı bırakması bir sonuç / bağımlı değişken olarak düşünüldüğünde, bu değişkeni etkileyecek oldukça fazla sayıda bağımsız değişken devreye girebilir. Kişinin yaşı cinsiyeti gibi demografik özellikleri, gelir düzeyi ve harcama miktarları, ilgili şirketin ürün/hizmetlerini kullanma sıklığı ve biçimi, kullanılan diğer araçlar, hatta şirketin iletişim kanallarıyla iletişime geçme gibi birçok farklı değişken tüketicinin nihai kararını etkileyebilir.
Burada çok daha gelişmiş bir nedensellik bağı kurulduğunda onlarca farklı değişkenden belirli bir düzeyde etkilenen bir bağımlı değişken ve dolayısıyla arada çalışan bir kural saptanabilir. Bu kuralın Türkiye’nin en büyük sigorta şirketlerinden birine ait 1 milyonluk kişinin gerçek hayat verisiyle araştırılıp, incelendiği düşünüldüğü senaryoda gerçek hayata dair bir kural bir matematiksel denklem olarak saptanabilir.
Saptanan kuralın makinaya aktarılıp, 1.000.001’i veriye yönelik olarak kestirim / tahmin yapması işlemine basit olarak makine öğrenmesiyle tahmin adı verilir. Hangi değişkenlerin bağımlı değişkeni tahmin ettiğini makineye araştırmacı aktardığında gözetimli öğrenme (Kaynak: Wikipedia) söz konusu olmaktadır. Öte yandan eldeki veriye dair belirli bir kural seti olmadığında, örneğin tüketicilerin çeşitli özelliklere göre gruplara / kümelere ayrıldığı kümeleme analizinde ise gözetimsiz öğrenmeden söz edilebilir.
Örneğin bir spor ayakkabısını satın alan e-ticaret tüketicileri; cinsiyet, yaş, alışveriş miktarı ve sıklığı, teknolojik alet kullanma sıklığı ve hatta kullanılan cihazlar açısından kümelere ayrılabilir. Buradan teknolojiyi yoğun kullanan bütçesi orta düzey gençler; teknolojiye uzak bütçesi orta düzey yaşlılar, teknolojiyi yoğun kullanan bütçesi yüksek orta yaşlılar gibi kümeler elde edilebilir. Makineye tespit ettirilen bu kümeler ile 1.000.000 verilik bir öğrenme yapıldığında, 1.000.001. kişinin hangi kümeye ait olduğunun tespit ettirilmesi ise gözetimsiz öğrenme örneğidir.
Teknik altyapı bilgisinden hareketle günümüzdeki yapay zekanın içerik üretilmesiyle ilgili olarak openai oluşumunun GPT-2 ve GPT-3 modelinden bahsedilebilir. GPT2 modeli openai oluşumu tarafından basit bir görev ile eğitilmiştir, bu basit görev belirli bir metinde yer alan önceki kelimelerden hareketle bir sonraki kelimenin tespit edilmesidir (Kaynak: openai).
Örneğin bir filmle ilgili yorum yazılarında belirli bir kelimeyi tahmin etme gibi bir görev için, makinaya film değerlendirmeleriyle ilgili 1.000.000 verilik bir set öğretildiğinde, hangi kelimelerin ardından hangi kelimelerin geldiğiyle ilgili kural seti oluşturulabilir. Buradan hareketle belirli bir noktada kesilen cümlenin devamıyla ilgili kestirim yapılabilir.
Kestirim yapmanın farklı biçimlerde kullanılışlarıyla beraber yaratıcı fikirler elde etmek mümkündür. Günümüzde openai oluşumunun örnekleri https://beta.openai.com/examples/ adresinden incelenebilir. Burada yer alan örneklerden birinde verilen soruya göre makine tarafından yanıt üretilirken; bir başka örnekte belirli bir metin 2.sınıf öğrencisine anlatılacak biçimde özetlenmektedir.
E-ticarette nasıl kullanılabilir?
E-ticaret sistemi oluşturulan içerikler alanından değerlendirildiğinde metin ve multimedya şeklinde iki temel ayrımdan söz edilebilir. Bunlardan metin bazlı içerikler ürün ve kategori sayfalarında yer alan içerikleri ifade ederken multimedya içerikler ise ürün, kategori, ana sayfa gibi sayfalarda yer alan görsel ve işitsel ögeleri ifade eder. Metin bazlı içeriklerin fonksiyonlarından birisi tüketicilere ürün ve kategori hakkında bilgi vermesi iken, diğer bir fonksiyonu ise arama motoru optimizasyonu açısından etkili olmasıdır.
Openai projesi örneklerinden gidilecek olursa https://beta.openai.com/examples/default-ad-product-description adresinde belirli ürün özelliklerinden yola çıkarak bir reklam metni yazılmasının örneği yer almaktadır. Bu örnekteki yaklaşım üzerinden yola çıkılarak ürüne dair belirli özellikler üzerinden tanıtıcı metinler sıfırdan üretilebilir. Öte yandan tüm sektörde birbirinin çok benzeri olan ürün tanıtım yazıları söz konusu olduğunda, farklı tanıtım yazıları ile mevcut içeriklerde düzenlemeler yapılarak, e-ticaret içerik yönetim operasyonunun iş yükünü hafifletmesi sağlanabilir.
Bir başka Openai projesi örneğinde https://beta.openai.com/examples/default-product-name-gen adresinde ürüne dair bir tanıtıcı metin ve makineyi beslemeye yönelik kelimeler eklenmekte, sonuç olarak da ürün ismi önerileri alınmaktadır. Buradaki yaklaşımdan hareketle, yeni isim bulma fikrinin gerektiği durumlarda beyin fırtınasında kullanılmak üzere fikir havuzu oluşturmaya yönelik fikirler elde edilebilir.
E-ticaret içerik operasyonunda bir başka kullanım örneği ise var olan içeriğin farklı biçimlerdeki formatlara uyumlu hale getirilmesi / dönüştürülmesi aşamasında kullanılabilir. Örneğin e-ticaret sitelerinde yer alan teknolojik cihazların ürün sayfalarında oldukça fazla uzunlukta teknik içerik yer alabilir. Bu aşamada örneğin sosyal medya için daha kısa süreye sahip bir video içeriği oluşturulmak istendiğinde, bahsi geçen teknolojinin özetleme fonksiyonu kullanılabilir.
Openai projelerinden https://beta.openai.com/examples/default-tldr-summary adresinde yer alan proje ile belirli bir metnin özetlenmesi söz konusu olabilir. E-ticaret sitesinde yer alan uzun içeriğin bu sisteme aktarılması -> ardından özet bilginin elde edilmesi -> elde edilen verinin düzenlenerek video içeriğe uyumlu hale getirilmesi biçiminde bir akış söz konusu olabilir.
E-ticaret açısından bahsi geçen teknolojilerin düzenlenerek kullanılması da avantaj sağlayabilir. Örneğin teknolojik bir ürün olan projeksiyon cihazının ürün tanıtım yazısının üretici firma tarafından tüm teknoloji tedarikçilerine gönderildiği senaryo değerlendirildiğinde, aynı konuda ürün satışı yapan e-ticaret sitelerinde aynı yazıların yer alması gibi bir sonuç söz konusudur.
Teknolojiden yararlanılarak öncelikle özetleme işlemi uygulanabilir. Ardından firmaya özgü kelimelerin manuel olarak eklenmesi veya eş anlamlı kelimeler gibi bazı kalıpların değiştirilmesi gibi çeşitli işlemler uygulanarak, teknolojinin sunduğuna iyileştirmeler yapmak söz konusu olacaktır. Böylece başlangıçta uzun ve diğer sitelerde aynısı bulunan metin; öncelikli olarak daha kısa bir özete dönüşmüş olacaktır, ardından da e-ticaret içerik yöneticisinin otomatik veya manuel müdahalesi geliştirilmiş olacaktır.
Özgünlük / Sıradanlık ayrımı
Bahsi geçen yapay zeka teknolojisinde üretilen içeriklerin arka planında makinenin öğrenme yaptığı veriseti / verisetleri vardır ve üretilen içerikler bu veri kümesinin sınıfından doğrudan etkilenir. Belirli bir sınırla sınırlandırılmış veri seti üzerinden içeriklerde de benzerliğin olması kaçınılmaz olacaktır. Bu kaçınılmaz senaryoda, aynı yerden hizmet alan birçok e-ticaret sitesinin olması durumunda benzer özellikler veya anlatım diline sahip içeriklerin pazarda yer alması söz konusu olabilir.
Konunun bu denli büyüdüğü, kapsam olarak makro kapsamdaki bir boyutta pazardaki üretilen içerik göz önüne alındığında üretilen içerikte olası bir tehlike olarak sıradanlık bir problem olabilirken, üretilen içeriğin özgünleştirilmesi de bir fırsat olabilecektir. Bu aşamada öğrenmede kullanılacak veri setlerinin firmaya ve sektöre özel olarak hazırlanarak, öğrenme modelinin iyileştirilmesine yönelik faaliyetler gerçekleştirilebilir. Bu şekilde temelini openai gibi bir hizmetin sunduğu teknolojiden alan, öte yandan çeşitli geliştirmeleri firma ve sektör bilgisi üzerinden alarak modelin iyileştirilmesi / geliştirilmesi gibi bir çalışma gerçekleşebilir.
E-Ticaret siteleri için yol haritası
E-ticaret siteleri için bu teknolojilerin kullanımıyla ilgili olarak aşağıdaki yol haritası faydalı olacaktır.
Aşama 1: Teknolojiyi öğrenmek ve kullanılabilir fonksiyonları tespit etmek
Aşama 2: E-ticaret sitesinin operasyonları ve üretilen içerikler dikkate alınarak teknolojinin kullanılacağı noktaları tespit etmek.
Aşama 3: Teknolojiyi hem doğrudan, hem de üretilen içeriğin düzenlenmesi açısından kullanacak ekiplerin tespiti ve eğitimi.
Aşama 4: Üretilen içeriklerin tüketicilerle kontrollü olarak buluşturulması ve ilk sonuçların alınması
Aşama 5: Üretilen içeriklerin geleneksel yolla üretilen içeriklerle karşılaştırılması
Aşama 6: Sürekli olarak performansın izlenerek, gerekli düzenlemelerin yapılması
Konunun geleceği
Yapay zeka ile içeriklerin oluşturulmasının gelecekteki gündem maddelerinden birisi bahsi geçen özgünlük / sıradanlık ayrımı olacak. Burada yeni içeriğin oluşturulmasında kaynak olarak kullanılacak verisetlerinin sektöre / incelenen çerçeveye -hatta daha ileri düzeyde markaya- özel olarak hazırlanması söz konusu olacaktır. Örneğin sektörün en büyük markasının periyodik olarak yeni versiyonunu duyurduğu ürünün metin içerikte ifade ediliş biçimi sektörden sektöre değişebileceğinden, ilgili sektörden yazılarla veriseti oluşturarak, makineye öğretimin bu özel verisetiyle iyileştirilmesi faydalı olacaktır.
Öte yandan yapay zekanın içeriklerin hazırlanmasında önemli aktörlerden biri haline gelmesiyle beraber, işletmelerin doğacak yeni ihtiyacı ise özgünlük veya eskilerin ifadesiyle “şahsına münhasırlık” olacaktır. Telefon ürünlerine dair inceleme yazılarının yapay zekaya yazdırılmasında “Apple gibi yazmak”, “Samsung gibi ifade etmek” gibi ayrımların olduğunu düşünün. Bu ayrımlar metin içeriklerinde kullanılan dile dair biçimsel ögeler, üslup gibi konularda belirli biçimleri kullanmayı ifade ederken, görsel dilde ise renk, biçim, kompozisyon gibi ögeleri içerebilecektir. Buradan hareketle, içerik üreticilerinin kendi “dil” lerini makinelere öğretmesi gereken bir dönem yaklaşıyor denebilir.
Konunun geleceği ile ilgili bir diğer kapsam ise tüketici davranışları olacaktır. Günümüze kadar yaşanan mevcut durumda; insanlar tarafından üretilen içeriklerin yine insanlar tarafından tüketilmesi biçiminde bir döngü söz konusuyken, zaman içerisinde “mekanik” olarak üretilen içeriklerin insanlar tarafından tüketilmesi biçimine bir döngü de bir pazar gerçeği haline gelebilir. Buradan hareketle aşağıdaki sorular geleceğin soruları olabilir.
- Tüketiciler yapay zeka ile üretilen içerikler ile insanlar tarafından üretilen içerikler arasında karşılaştırma yaptığında hangi türü daha çok beğeniyor?
- Uzun vadede tüketicilerin en çok beğendiği içeriklerin daha çok üretildiği bir içerik dünyasında tüketicinin bir sonraki tatmin noktası nasıl şekillenir?
- Yaratıcılık ve tüketici beğenisine yönelik günümüze kadar henüz üzerinde durulmamış yeni denklemler, yeni neden-sonuç ilişkileri çıkarılabilir mi?
Konunun geleceği ile ilgili son bahsedilecek konu ise insanlık tarihinde daha önce üretilmiş olan içeriklerin sisteme dâhil edilmesiyle elde edilebilecek yeni veriler ve çıkarımlar sonucundaki bilgi düzeyimiz olacaktır. Örneğin 1900-1920 arasında dünyada üretilen reklam metinlerinde insanların kullandığı tercihler nasıldı sorusu ile 1950 sonrası insanların ürettiği reklam metinleri gibi farklı zaman dilimlerine ait bilgiler sayesinde, konunun zaman boyutu ile ele alınması mümkün olabilir. Farklı zaman boyutları ve farklı coğrafi bölgeler, hatta farklı gruplamalar ile tercihlerin de sistematik bir biçime dönüştürülmesiyle yeni üretilecek içeriklere rehberlik edecek altyapılarda zenginlik mümkün olabilecektir.
