Few-Shot Tekniği: Yapay Zekaya Örnek Vererek Sonuç Alma

Few-shot tekniği nedir?

Few-shot prompt tekniği, yapay zekaya bir görevi yaptırmadan önce ona çözülmüş birkaç örnek göstermektir. "Few" kelimesi "az sayıda" demektir; yani modele iki, üç ya da beş örnek verir, ardından kendi görevini eklersin. Model bu örneklerdeki kalıbı yakalar ve yeni girdini aynı kalıba uygun şekilde tamamlar.

Bunu yeni bir çalışana iş öğretmek gibi düşünebilirsin. Birine "müşteri e-postalarına kibar cevap yaz" demek soyuttur. Ama ona daha önce yazılmış üç güzel cevap gösterirsen, dördüncüsünü çok daha isabetli yazar. Yapay zeka da aynı şekilde çalışır: örnekler ona neyin "doğru" sayıldığını sessizce öğretir.

Bu teknik, daha az örnek kullanan iki yaklaşımla birlikte anılır:

• Zero-shot (sıfır örnek): Hiç örnek vermeden sadece talimat yazarsın. "Bu metni özetle" demek gibi.
• One-shot (tek örnek): Tek bir örnek gösterip ondan sonra görevini verirsin.
• Few-shot (az örnek): Genellikle iki ila beş örnek gösterip kalıbı netleştirirsin.

Few-shot neden işe yarar?

Yapay zeka, talimatları yorumlarken çoğu zaman tahmin yapar. "Resmi bir dil kullan" dediğinde, modelin senin kafandaki "resmi" tanımını bilmesi imkânsızdır. Bir örnek gösterdiğinde ise tahmin ortadan kalkar; model artık kelimelerin değil, somut bir çıktının peşinden gider.

Talimat modele ne yapması gerektiğini söyler; örnek ise neyin başarı sayıldığını gösterir. İkisi birlikte, tek başına her birinden daha güçlüdür.

Few-shot tekniğinin en güçlü olduğu yerler şunlardır:

• Tutarlı format gerektiren işler: Her çıktının aynı düzende olması gerektiğinde, örnekler şablonu kusursuz aktarır.
• Belirli bir ton ve üslup: Markanın sesi, mizah seviyesi ya da nezaket tonu kelimelerle zor anlatılır; örnekle kolayca yakalanır.
• Öznel sınıflandırma: "Olumlu / nötr / olumsuz" gibi etiketlerin senin tanımına göre yapılması gerektiğinde.
• Niş veya alışılmadık görevler: Modelin daha önce az gördüğü, kendine özgü bir işte örnek yön gösterir.

Adım adım nasıl uygulanır?

İyi bir few-shot prompt kurmak için şu sırayı izleyebilirsin:

1. Görevi tek cümleyle tanımla. Modelin ne yapacağını başta net yaz: "Aşağıdaki müşteri yorumlarını duygu durumuna göre etiketle."
2. 2-4 temsili örnek seç. Örneklerin gerçek işini yansıtması önemli; kolay olanları değil, sık karşılaştığın durumları koy.
3. Örnekleri aynı yapıda yaz. Her örneği "Girdi → Çıktı" biçiminde, tutarlı etiketlerle göster. Tutarsız örnekler modeli şaşırtır.
4. Yeni girdini en sona ekle ve çıktıyı boş bırak. Model kalıbı tamamlamak için devam eder.
5. Sonucu kontrol et, gerekirse örnekleri değiştir. Çıktı istediğin gibi değilse yeni talimat eklemek yerine örneği düzelt; bu çoğu zaman daha hızlı sonuç verir.

Somut bir örnek: ürün yorumlarını etiketleme

Diyelim ki gelen müşteri yorumlarını hızlıca sınıflandırmak istiyorsun. Şöyle bir prompt kurabilirsin:

Aşağıdaki yorumları "Olumlu", "Nötr" veya "Olumsuz" olarak etiketle.

Yorum: "Kargo çok hızlı geldi, bayıldım." → Olumlu
Yorum: "Ürün fena değil ama kutusu ezikti." → Nötr
Yorum: "İki hafta bekledim, hâlâ elime ulaşmadı." → Olumsuz

Yorum: "Fiyatına göre gayet iyi, tekrar alırım." →

Burada üç örnek modele senin "nötr" tanımının ne olduğunu öğretir. Tek başına talimat verseydin, model "kutusu ezikti" yorumunu olumsuz sayabilirdi. Örnek, kararı senin yerine değil senin gibi vermesini sağlar.

İkinci örnek: tutarlı e-posta yanıtları

Aynı mantık üslup işlerinde de geçerlidir. Müşteri sorularına markanın sıcak ama profesyonel tonuyla cevap yazdırmak istiyorsan, iki gerçek yanıt örneğini prompt'a yapıştırıp ardından yeni soruyu eklemen yeterli. Model, örneklerdeki selamlama biçimini, cümle uzunluğunu ve kapanış cümlesini taklit eder. Bu yaklaşım, özellikle yapay zeka ile sunum hazırlama gibi çıktının belirli bir formata oturması gereken işlerde de çok işe yarar.

İyi örnek seçmenin püf noktaları

Few-shot tekniğinde sonucu belirleyen şey örneklerin sayısı değil kalitesidir. Üç iyi seçilmiş örnek, on rastgele örnekten daha iyi çalışır. Dikkat etmen gereken birkaç nokta:

• Çeşitlilik: Örneklerin hepsi aynı tipte olmasın; farklı durumları kapsasınlar ki model kalıbı dar yorumlamasın.
• Tutarlılık: Etiketleri, formatı ve noktalama biçimini tüm örneklerde aynı tut. En küçük tutarsızlık bile çıktıya yansır.
• Temsil gücü: Gerçekte sık karşılaştığın zor durumları örnek yap; istisnaları değil, tipik işleri göster.
• Sıra etkisi: Bazı modellerde son örnek çıktıyı daha çok etkiler. Önemli kalıbı sona koymayı deneyebilirsin.
• Denge: Sınıflandırma yaptırıyorsan, her etiketten en az bir örnek olsun; aksi halde model eksik etikete yönelmeyebilir.

Zero-shot mu, few-shot mu? Hızlı karar tablosu

Her görev için örnek vermek gerekmez. Aşağıdaki tablo hangi durumda hangisinin daha mantıklı olduğunu özetliyor:

Durum	Önerilen yaklaşım
Basit, herkesçe bilinen bir görev (özetleme, çeviri)	Zero-shot çoğu zaman yeterli
Belirli bir format ya da şablon şart	Few-shot
Markaya özgü ton ve üslup gerekiyor	Few-shot
Senin tanımına göre öznel sınıflandırma	Few-shot
Tek seferlik, hızlı bir soru	Zero-shot

Sık yapılan hatalar

Few-shot tekniğini ilk kullanırken karşılaşılan tipik sorunlar şunlardır:

• Çelişen örnekler: İki örnekte benzer girdiye farklı çıktı verirsen, model hangisini izleyeceğini bilemez.
• Fazla örnek: Onlarca örnek eklemek hem prompt'u şişirir hem de modeli yorabilir. Az ve öz tut.
• Yanlış kalıbı öğretmek: Örneklerinde dikkatsizce bir hata yaparsan, model o hatayı sadık biçimde tekrarlar.
• Doğrulamayı atlamak: Örnekle yönlendirmek çıktıyı daha tutarlı yapar ama doğru yapmaz. Yapay zeka hâlâ halüsinasyon üretebilir, yani inandırıcı ama yanlış bilgi verebilir.

Bu yüzden few-shot bir kalite garantisi değil, bir yön verme aracıdır. Üretilen her çıktıyı, özellikle sayılar, isimler ve olgusal iddialar söz konusuysa, kendin doğrulamayı alışkanlık hâline getir.

Küçük bir alıştırma

Tekniği oturtmanın en hızlı yolu denemek. Bugün yaptığın tekrar eden bir işi seç: gelen mesajları kategorize etmek, başlık üretmek ya da kısa açıklamalar yazmak gibi. Önce örneksiz (zero-shot) bir prompt yaz, çıktıyı kaydet. Sonra üç iyi örnek ekleyip aynı görevi tekrar çalıştır. İki çıktıyı yan yana koyduğunda farkı net göreceksin. Bu küçük karşılaştırma, neredeyse her görevde few-shot tekniğinin nerede değer kattığını sana öğretir; ayrıca adım adım pratik rehberlerle ilerlemek konuyu kalıcı kılar.