Program
AI Temelleri
10 sa
OpenAI kısa süre önce, yakında çıkacak o3 modeli tabanlı Deep Research adında bir yapay zekâ aracısı yayınladı. Web'de gezinecek, birden fazla kaynağı analiz edecek ve büyük miktarda bilgiyi sentezleyecek şekilde tasarlandı.
Aklınıza şu gelebilir: Bunu ChatGPT zaten yapmıyor mu?
Hızlı yanıtlar üreten sıradan bir ChatGPT oturumundan farklı olarak, Deep Research çok adımlı incelemeler yapabilir, birden fazla kaynağa atıfta bulunabilir ve yapılandırılmış raporlar üretebilir.
Örneğin, en iyi arabayı araştırdıysanız—incelemeleri karşılaştırma, maliyetleri tartma vb.—güvenilir bilgi bulmanın zaman ve çokça internet taraması gerektirdiğini bilirsiniz. Deep Research tam da bu tür işler için geliştirildi.
Deep Research'ü test ettim ve hem etkilendim hem de hayal kırıklığına uğradım. Büyük bir potansiyel gösteriyor, ancak hatalı bilgiler ve çıkarımlar da üretiyor. Bu blogda, insan aracınız olarak Deep Research hakkında bilmeniz gereken her şeyi özetleyeceğim. Sizi uygulamalı örneklerle yönlendirecek, komut yazma ipuçları paylaşacak ve Deep Research'ün parladığı noktaları—ve daha dikkatli olmanız gereken yerleri—göstereceğim.
OpenAI’nin Deep Research’ü Nedir?
OpenAI’nin Deep Research’ü, internette derinlemesine, çok adımlı araştırma yapmak üzere tasarlanmış yapay zekâ destekli bir aracıdır. Hızlı yanıtlar sunan standart ChatGPT gezinme yeteneklerinden farklı olarak, Deep Research yüzlerce çevrimiçi kaynaktan bilgiyi kendi kendine bulur, analiz eder ve sentezler.
Deep Research, kapsamlı ve güvenilir araştırmaya ihtiyaç duyan herkes için tasarlandı. Örneğin:
- İyi atıf yapılmış, yapılandırılmış raporlara ihtiyaç duyan finans, bilim, politika ve mühendislik profesyonelleri
- Rekabet analizi veya trend öngörüleri yapan iş stratejistleri
- Birden fazla kaynaktan bilgi toplayan araştırmacılar ve öğrenciler
- Yüksek önemde satın alma kararları veren alışveriş yapanlar ve tüketiciler (ör. arabalar, beyaz eşya, gayrimenkul)
- Doğrulanmış, çok kaynaklı içgörülere ihtiyaç duyan yazarlar, gazeteciler ve analistler
Özetle, bir görev birden çok kaynağı taramayı, verileri çapraz referanslamayı ve bilgiyi kullanışlı bir biçimde sentezlemeyi içeriyorsa, bu iş için uygun araç Deep Research'tür.
Deep Research Nasıl Çalışır?
Yakında çıkacak o3 modelinin bir sürümüyle güçlendirilen Deep Research, OpenAI’nin akıl yürütme modellerindeki ilerlemeleri temel alır ancak özellikle web'de gezinme ve gerçek dünya verilerini analiz etme için optimize edilmiştir.
Bunu başarmak için OpenAI, Deep Research’ü gerçek dünya gezinme ve akıl yürütme görevlerinde pekiştirmeli öğrenme ile eğitti. Bu sayede model, yinelemeli, adım adım bir araştırma sürecini izleyebilir ve karmaşık konuları yapılandırılmış raporlara dönüştürme yeteneğini geliştirir.
Deep Research Kıyaslamaları
Humanity’s Last Exam
Humanity’s Last Exam, dilbilimden roket bilimine, ekolojiden matematiğe 100’den fazla konuda uzman düzeyinde çoktan seçmeli ve kısa yanıtlı sorularla yapay zekâyı test etmek için tasarlanmış, yeni yayımlanan bir kıyaslamadır. Bu değerlendirme, bir yapay zekânın disiplinler arası akıl yürütme ve gerektiğinde uzmanlaşmış bilgiyi bulma becerisini ölçer—araştırma odaklı modeller için kritik bir yetenek.
Deep Research, OpenAI’nin kendi o1 (9.1%), DeepSeek-R1 (9.4%) ve Claude 3.5 Sonnet (4.3%) dahil önceki modelleri açık ara geride bırakarak rekor düzeyde %26,6 doğruluk elde etti. Özellikle, OpenAI’nin o1 modeline kıyasla en büyük iyileşmeler kimya, beşerî bilimler ve sosyal bilimler ile matematikte görüldü; Deep Research, karmaşık soruları parçalara ayırma ve yetkin bilgi kaynaklarına ulaşma becerisini sergiledi.
|
Model |
Doğruluk (%) |
|
GPT-4o |
3.3 |
|
Claude 3.5 Sonnet |
4.3 |
|
Gemini Thinking |
6.2 |
|
OpenAI o1 |
9.1 |
|
DeepSeek-R1* |
9.4 |
|
OpenAI o3-mini (high)* |
13.0 |
|
OpenAI Deep Research (gezinti + Python araçları ile) |
26.6 |
* Sınavın yalnızca metin alt kümesinde test edildi; çünkü çok kipli değiller. Kaynak: OpenAI
GAIA
GAIA (Genel Yapay Zekâ Aracısı kıyaslaması), yapay zekâ sistemlerinin akıl yürütme, web'de gezinme, çok kipli yetkinlik ve araç kullanımı gibi becerileri bir araya getirerek gerçek dünya sorularıyla nasıl başa çıktığını değerlendirir.
Deep Research yeni bir en güncel durum (SOTA) rekoru kırdı ve tüm zorluk seviyelerinde güçlü performansla haricî GAIA lider panosunda zirveye yerleşti. Model, karmaşık, çok adımlı araştırma ve sentez gerektiren Seviye 3 görevlerinde özellikle yüksek doğruluk gösterdi.
|
GAIA Değerlendirmesi |
Seviye 1 |
Seviye 2 |
Seviye 3 |
Ortalama |
|
Önceki SOTA |
%67,92 |
%67,44 |
%42,31 |
%63,64 |
|
Deep Research (pass@1) |
%74,29 |
%69,06 |
%47,6 |
%67,36 |
|
Deep Research (cons@64) |
%78,66 |
%73,21 |
%58,03 |
%72,57 |
Kaynak: OpenAI
Deep Research’ün yüksek pass@1 puanı, GAIA sorularına verdiği ilk yanıtın bile önceki modellerden daha isabetli olduğunu gösteriyor. cons@64 (birden fazla yanıt denemesiyle performansı ölçer) puanı ise yeni bilgilere göre kendi kendini düzeltme ve yanıtlarını iyileştirme yeteneğini daha da öne çıkarıyor.
Dahili değerlendirmeler
OpenAI ayrıca, Deep Research’ün uzman düzeyindeki görevlerde alan uzmanlarınca değerlendirildiği dahili testler gerçekleştirdi. Bu dahili değerlendirmeleri oldukça ilginç buldum!
Aşağıdaki grafik, modelin daha fazla araç çağrısı yaptıkça başarı oranının arttığını gösteriyor. Bu da onun yinelemeli olarak gezinmesine ve bilgiyi analiz etmesine izin vermenin önemini vurguluyor—düşünmesi için daha fazla zaman tanımak daha iyi sonuçlara yol açıyor.
Kaynak: OpenAI
Bir başka grafiğe daha bakalım—aşağıda görebilirsiniz. Deep Research, tahmini ekonomik değeri daha düşük görevlerde en iyi performansı sergiliyor; görevin potansiyel finansal etkisi arttıkça doğruluk düşüyor. Bu da ekonomik olarak daha önemli görevlerin genellikle daha karmaşık olduğunu veya çevrimiçi ortamda yaygın olarak erişilemeyen mülkiyetli bilgilere dayandığını düşündürüyor.
Kaynak: OpenAI
Aşağıdaki grafik, başarı oranlarını bir insanın her görevi tamamlamasının tahminî saatleriyle karşılaştırıyor. Model, bir kişinin 1-3 saatini alacak görevlerde en iyi performansı gösteriyor; ancak performans zamanla tutarlı biçimde düşmüyor—bu da yapay zekânın zorlandığı şeylerin, insanların zaman alan bulduklarıyla her zaman örtüşmediğini gösteriyor.
Kaynak: OpenAI
Deep Research Nasıl Kullanılır: Uygulamalı Örnekler
Bu makalenin yayımlandığı tarihte, Deep Research yalnızca Pro kullanıcılara ayda 100 sorgu sınırıyla sunuluyor; ancak OpenAI yakında erişimi Plus, Team ve Enterprise kullanıcılarına genişletmeyi planlıyor.
Bana göre Deep Research hâlâ erken aşamada. Büyük umut vaat ediyor; ancak aşağıdaki ilk örnek birçok sorununu ortaya koyuyor. Buna karşın ikinci örnek, muazzam potansiyelini gösteriyor.
Örnek 1: Yapay zekâ ekosistemleri
Farklı şirketlerin yapay zekâ ekosistemlerinin tam bir genel görünümünü elde etmekte sürekli zorlanıyorum. Örneğin Google’ı ele alalım—Gemini 2.0 Flash, Imagen 3, Veo 2, Project Mariner, Project Astra’ları var… başka neleri kaçırıyorum? Nihayet net bir genel bakış elde etmek için OpenAI’nin Deep Research aracına şu isteği verdim.
Modelin araştırmaya doğrudan başlamayıp netleştirme soruları sorduğuna dikkat edin. Yaptığım tüm denemelerde, ilk komutum ne kadar spesifik olursa olsun, model her zaman araştırma kapsamını daraltmaya çalıştı. Bu bence faydalı; çünkü çoğu zaman komutumu açık ve spesifik sandığım hâlde, bir parça iyileştirmeden yararlanıyor.
Modelin sorularını yanıtladım ve ardından araştırma başladı. Tarayıcının sağ tarafında, aracının etkinliğini ve kaynaklarını gerçek zamanlı gösteren bir panel açıldı:
11 dakika sürdü ve model 25 kaynağa başvurdu. Bir kaynağın ana bir web sitesi olduğunu ve modelin o siteden birden çok sayfayı gezinebileceğini unutmayın—25 kaynak ve kaynak başına ortalama dört sayfa ile, modelin yaklaşık 100 web sayfasını gezmiş olmasını bekleyebilirsiniz.
Genel olarak sonuçtan hayal kırıklığına uğradım—Deep Research’ün yanıtını buradan okuyabilirsiniz. Ancak önce hoşuma giden yönlerinden başlayalım:
- Herhangi bir yapı belirtmemiş olmama rağmen, yanıt iyi organize edilmişti; net bölümler, uygun kalın yazım, punto ve madde işaretleri kullanılmıştı.
- Kaynaklar, atıfta bulundukları bilginin hemen ardından yer alıyor ve bu sistem gerçek denetimini kolaylaştırıyor.
- Rapor, ayrıntı ve uzunluk arasında iyi bir denge kurmuştu—yüzeysel değildi ama bir saatlik okuma da değildi. Daha fazlasına ihtiyaç duyarsam her zaman ek ayrıntı isteyebilirim.
Buna karşın, yanıtta birkaç sorun vardı; ben başlıcalara odaklanacağım:
- Hatalar: DeepSeek-V3 ile DeepSeek-R1'i karıştırdı (yanıtı kendinizin de buradan okuyabileceğinizi unutmayın).
- Güncellik sorunu: Özellikle güncel bir rapor istemiş olmama rağmen, Deep Research Meta’nın en son modelinin Llama 2, Anthropic’inkinin ise Claude 2 olduğunu iddia edip “kod adı” Sonnet ve Haiku hakkında söylentilerden söz etti. Başta komik geldi ama sonra kaç kişinin bu yanıtları olduğu gibi kabul edebileceğini düşündüm.
- Düşük komut uyumu: Deep Research'ten açıkça GPT-4'ü hariç tutmasını ve en yeni modellere odaklanmasını istedim; yine de bu yönergeyi izlemedi.
- Eksik yanıtlar: OpenAI bölümünde o1 gibi kilit modellerden bahsedilmedi; Google bölümünde ise Veo tamamen atlanmıştı.
Bu sorunlar, OpenAI’nin Deep Research aracına güvenmeyi zorlaştırıyor. Yanıtı denetleyebilmek için bilerek iyi bildiğim bir konuda test ettim—peki ya hiçbir şey bilmediğim bir konuda Deep Research'e güvenmek zorunda kalsaydım?
Örnek 2: Zamanı aşan bir konu
Belki de Deep Research’ün sorunu, en güncel bilgileri belirlemede henüz o kadar iyi olmaması. Bu yüzden, yakın gelişmelere fazla bağlı olmayan, daha zamandan bağımsız bir konuda test etmeye karar verdim.
2013 model bir araba kullanıyorum ve ara sıra değiştirmeyi düşünüyorum. Ama hep aynı soruda takılıyorum: sıfır mı ikinci el mi? Yeni bir araba hızla değer kaybeder; ancak eski olan da daha yüksek tamir masrafları anlamına gelebilir. Uzmanların bu konuda ne düşündüğünü bilmek istiyorum; bu yüzden, Deep Research'ten çeşitli çalışmalar ve görüşleri tarayıp bir rapor derlemesini istemek için harika bir fırsattı.
Devam etmeden önce bir ipucu vereyim: Deep Research'e komut vermeden önce, favori LLM'inizi kullanarak komutunuzu iyileştirin. Şöyle başlayın: “Siz bir komut (prompt) mühendisisiniz. Lütfen şu komutu optimize etmeme yardım edin: (komutunuz)”. İşte Deep Research için kullandığım optimize edilmiş komut:
Yine, Deep Research başlamadan önce netleştirme soruları sordu ve ardından 12 kaynakta birden çok web sayfasını tarayarak altı dakikada araştırmayı tamamladı. Tam raporu buradan okuyabilirsiniz.
Bu kez rapor iyiydi—hem de çok iyi!
Bu meseleye bu kadar çok açıdan bakılabileceğini hiç düşünmemiştim. Bilginin genişliği etkileyiciydi ve tahminimce Deep Research bana 10+ saatlik gezinme ve araştırma süresi kazandırdı. Akademik çalışmalar, sektör raporları, pazar trend analizleri, sigorta maliyeti karşılaştırmaları vb. pek çok kaynağı bir araya getirdi.
Bu alanda uzman değilim; bu yüzden raporun doğruluğunu tamamen değerlendiremiyorum. Ancak bir tüketici perspektifinden bakınca, bilgilerin çoğu mantıklıydı ve gerçekten faydalıydı. Atıf yapılan birkaç ayrıntıyı kaynaklarıyla karşılaştırarak doğruladım ve bir sorun bulmadım.
İlk örnekte olduğu gibi, derinlik iyi dengelenmişti ve çıktı yapısı mükemmeldi. Özellikle aşağıdaki tabloyu beğendim—şu amortisman değerlerine bir bakın; neden 12 yıllık hibridime bir süre daha tutunacağımı anlarsınız.
Sonuç
OpenAI’nin Deep Research aracı büyük bir potansiyel gösteriyor ve araştırma zamanımızdan çok tasarruf ettirebilir. Ancak, güncel bilgilere gelince hâlâ güvenilir değil; bazen hatalı gerçekler veya kusurlu çıkarımlar üretebiliyor.
Ben hâlâ Deep Research’ün erken aşamada olduğunu düşünüyorum ve OpenAI ekibi de bunu duyuru yazılarında açıkça kabul ediyor.
Açıkçası, Deep Research'e dönmeye devam edeceğim ve gitgide daha iyi olmasını umuyorum.
