Yapay zeka şirketi Musubi, salı günü içerik denetimini gerçek zamanlı olarak üstlenebilecek hafif bir karar modeli olan PolicyLM-1.7B’yi açık ağırlıklı (open weights) olarak yayımladı. Şirketin kurucularından ve baş yapay zeka sorumlusu Filip Jankovic, düz İngilizceyle yazılmış bir içerik politikasını mesajlara 50 milisekunden kısa sürede uygulayan modelin, sosyal platformlarda kullanılan sınıflandırıcı sistemlerle benzer hız ve maliyette çalışırken modern büyük dil modellerinin (LLM) esnekliğini de sunduğunu açıkladı. Model, politika değişikliklerinde yeniden eğitilme ihtiyacını ortadan kaldırarak içerik denetiminin daha ölçeklenebilir ve özelleştirilebilir hale gelmesini hedefliyor.
Karar modelleri, yapay zeka dünyasında son dönemde sıkça konuşulan bir konu haline geldi. Eylül ayında TypeSafe AI’nın Jev adlı modelinin yayımlanmasının ardından OpenAI ve Amazon’dan rekabetçi karar modelleri geldi. Metin üretmek yerine sonuç olasılıklarını ortaya koyan bu modeller, bu örnekte ikili bir yargı sunuyor: İçerik istenilen kategoriye ait ya da değil. Önceden belirlenmiş belirli seçeneklerle sınırlanan model çıktısı, dönüştürücü (transformer) mimarisinin esnekliğini korurken karar modellerinin büyük dil modellerine göre daha hızlı ve ucuz çalışmasını sağlıyor.
Karar Modelleri İçerik Denetiminde Nasıl İşliyor?
Musubi’nin yaklaşımı, düz bir içerik politikasını metne uygulayarak denetim sürecini otomatikleştirmeye dayanıyor. Model, karmaşık politikaları özel eğitim olmadan uygulayabildiği için platform yöneticilerinin içeriği proaktif biçimde etiketlemesine olanak tanıyor. Jankovic, ürün ekiplerinin özellikle içerik miktarının katlanarak arttığı bu dönemde kendi platformlarında neler olduğunu daha iyi anlamak istediğini vurguladı.
“Ekip liderleri, içerik miktarı katlanarak artarken platformlarında ne olup bittiğini daha iyi anlamak istiyor. Bu içeriğin tamamını çok ölçeklenebilir ve özelleştirilebilir bir şekilde etiketleyebilmek son derece değerli.”
Filip Jankovic — Musubi Kurucusu ve Baş Yapay Zeka Sorumlusu
Karar modellerinin erken kullanım alanlarından biri, yapay zeka ajanlarının kötü davranışlarını dengelemek. Bu teknolojinin insan kaynaklı kötü davranışları düzenlemeye uygulanması ise doğal bir gelişme olarak görüldü.
Tarihsel Arka Plan ve Rekabet
Jankovic, karar modellerine olan ilgisinin Jev’den önceki döneme dayandığını, bu ilgini 2024 yılında başlatan GLiNER (Genel Amaçlı Varlık Tanıma Modeli) adlı projeye kadar izlediğini belirtti. Bu proje, Musubi’nin modelinde kullandığı tekniklerin çoğunu zaten hayata geçirmişti.
Musubi, kendi ürününü rakip modellerle karşılaştırmaktan çekinmiyor; aksine karar modelllerine yönelik yeni ilgiden yararlanarak içerik denetimine daha fazla ışık tutmak istiyor. Ürün duyurusunda bu konuya değinilen metinde şu ifadeler yer alıyor.
“Jev dikkatinizi çektiyse, PolicyLM-1.7B de içerik denetimi için özel olarak eğitilmiş ve kendi başınıza çalıştırabileceğiniz aynı türde bir modeldir.”
Musubi — Ürün Duyurusu
Şirketin açık ağırlıklı olarak yayımladığı model, içerik denetimini platform sahiplerinin kendi altyapısında yürütebilmesine olanak tanıyarak sektörün bu alandaki bağımsızlığını da artırma potansiyeli taşıyor.
Bu Gelişmeyi Toplulukta Değerlendirin
Haber hakkındaki düşüncelerinizi, donanım deneyimlerinizi ve teknik sorularınızı topluluk üyeleriyle anlık olarak tartışın.
Söz sizde.
Deneyiminizi, sorularınızı ve katkılarınızı paylaşın. E-posta adresiniz yayımlanmaz.