Türkiye'de Türkçe yapay zekâ modellerinin geliştirilmesine katkı sağlayacak önemli bir açık kaynak projesi kullanıma sunuldu. Trendyol Group bünyesindeki açık kaynak çalışmaları kapsamında hazırlanan "Türkçe Atlas", yaklaşık 336 bin yapılandırılmış veri örneğiyle yapay zekâ geliştiricileri ve araştırmacıların erişimine açıldı.
Türkçe büyük dil modellerinin eğitim süreçlerini desteklemek amacıyla geliştirilen veri kümesi; komut takibi, soru-cevap, özetleme ve yapılandırılmış çıktı üretimi gibi temel yapay zekâ görevlerine odaklanıyor. Projenin, Türkçe yapay zekâ çalışmalarında yüksek kaliteli eğitim verisine erişimi kolaylaştırması ve dışa bağımlılığın azaltılmasına katkı sağlaması hedefleniyor.
Türkçe Atlas Nedir?
Türkçe Atlas, büyük dil modellerinin denetimli ince ayar olarak bilinen SFT (Supervised Fine-Tuning) süreçlerinde kullanılmak üzere hazırlanan geniş ölçekli bir Türkçe veri kümesi olarak öne çıkıyor.
Büyük dil modellerinin kullanıcıların verdiği komutları doğru anlaması, doğal yanıtlar üretmesi ve belirli görevleri başarıyla yerine getirebilmesi için kaliteli eğitim verileri büyük önem taşıyor. Türkçe Atlas, özellikle Türkçe dil modellerinin bu alandaki veri ihtiyacını karşılamayı amaçlıyor.
Yaklaşık 336 bin yapılandırılmış örnek içeren veri kümesi, açık erişimli güncel web kaynaklarından elde edilen içeriklerin işlenmesi ve filtrelenmesiyle oluşturuldu.
336 Bin Yapılandırılmış Veri Örneği Sunuluyor
Türkçe Atlas'ın en dikkat çekici özelliklerinden biri, geniş kapsamlı ve doğrudan eğitim süreçlerinde kullanılabilecek şekilde hazırlanmış olması.
Veri kümesinde dil modellerinin farklı yeteneklerini geliştirmeye yönelik çeşitli görevler bulunuyor. Bunlar arasında:
- Komut takibi
- Soru-cevap
- Metin özetleme
- Yapılandırılmış çıktı üretimi
gibi yapay zekâ modellerinin günlük ve profesyonel kullanım alanlarında ihtiyaç duyduğu temel yetenekler yer alıyor.
Bu yapı sayesinde geliştiriciler, Türkçe dil modellerini yalnızca genel metin üretimi için değil, farklı görevleri yerine getirebilen daha işlevsel yapay zekâ sistemleri oluşturmak için de eğitebilecek.
SFT Eğitimine Uygun JSONL Formatında Hazırlandı
Türkçe Atlas, modern büyük dil modellerinin eğitim süreçleriyle uyumlu olacak şekilde yapılandırıldı. Veri kümesindeki kayıtlar standart sohbet mimarisinde hazırlanarak "system-user-assistant" yapısını kullanıyor.
"System" bölümü modelin üstleneceği rolü ve izlemesi gereken kuralları belirlerken, "User" alanı kullanıcı tarafından verilen soru veya komutu içeriyor. "Assistant" bölümü ise modelden beklenen yanıtı temsil ediyor.
Tüm verilerin JSONL (JSON Lines) formatında sunulması, geliştiricilerin veri kümesini ek dönüştürme işlemlerine ihtiyaç duymadan eğitim süreçlerine dahil edebilmesini kolaylaştırıyor.
Türkçe Dil Modellerinin Komut Takibi Güçlenecek
Bir yapay zekâ modelinin başarısında, kullanıcının verdiği talimatları doğru şekilde anlaması ve uygulaması kritik önem taşıyor. Türkçe Atlas'taki komut takibi örnekleri, dil modellerinin karmaşık yönergeleri daha doğru analiz etmesine ve verilen görevleri daha tutarlı biçimde yerine getirmesine yardımcı olmayı hedefliyor. Soru-cevap örnekleri ise modellerin Türkçe dil bilgisi kurallarına uygun, anlaşılır ve doğal yanıtlar üretme yeteneğinin geliştirilmesine katkı sağlayacak.
Özetleme ve Yapılandırılmış Veri Üretimi Destekleniyor
Veri kümesinin önemli kullanım alanlarından biri de uzun metinlerin analiz edilmesi ve özetlenmesi. Türkçe Atlas içerisinde yer alan özetleme örnekleri, yapay zekâ modellerinin uzun içeriklerdeki temel bilgileri belirlemesine ve ana fikri koruyarak daha kısa metinler oluşturmasına yardımcı olmayı amaçlıyor.
Yapılandırılmış çıktı üretme örnekleri sayesinde ise modellerin yalnızca düz metin değil, belirli kurallara ve formatlara uygun sonuçlar oluşturabilmesi hedefleniyor. Bu yetenek, özellikle yapay zekâ sistemlerinin kurumsal yazılımlara ve otomasyon süreçlerine entegre edilmesi açısından önem taşıyor.
Türkçe Yapay Zekâ Ekosistemine Açık Kaynak Desteği
Türkçe Atlas'ın açık kaynak olarak paylaşılması, Türkiye'deki yapay zekâ geliştiricileri, araştırmacılar, girişimler ve teknoloji şirketleri açısından önemli bir kaynak oluşturuyor.
Yüksek kaliteli Türkçe eğitim verilerinin artırılması, yerli yapay zekâ modellerinin geliştirilmesinde karşılaşılan önemli sorunlardan birinin çözülmesine katkı sağlayabilir. Böylece geliştiricilerin yabancı dilde hazırlanmış veri kümelerini Türkçeye çevirmek yerine, doğrudan Türkçe için oluşturulmuş kaynaklardan yararlanabilmesi mümkün hale geliyor.
Yerli Yapay Zekâ Çalışmalarına Katkı Sağlaması Bekleniyor
Yapay zekâ teknolojilerinin hızla gelişmesiyle birlikte ülkelerin kendi dillerine ve veri ekosistemlerine uygun modeller geliştirmesi giderek daha önemli hale geliyor. Türkçe Atlas gibi geniş kapsamlı veri kümeleri, Türkçe büyük dil modellerinin daha yetenekli ve doğal hale gelmesine katkı sağlayabilecek önemli altyapı çalışmaları arasında gösteriliyor.
Projenin gelecekte Türkçe yapay zekâ asistanları, müşteri hizmetleri sistemleri, kurumsal analiz araçları ve farklı sektörlere yönelik yapay zekâ uygulamalarının geliştirilmesinde kullanılabilecek önemli bir kaynak olması bekleniyor. Yaklaşık 336 bin yapılandırılmış örnekten oluşan Türkçe Atlas, açık kaynak yaklaşımıyla Türkçe yapay zekâ ekosisteminin gelişmesine ve yerli teknoloji çalışmalarının güçlenmesine katkı sağlamayı hedefliyor.
