Deliberate Prompt – (Kasıtlı ve Sistematik Düşünmeye Yönlendiren İstem)

Deliberate Prompt, üretken yapay zekâ modelini hızlı ve doğrudan bir yanıt vermek yerine, problemi daha dikkatli değerlendirmeye, ilgili koşulları göz önünde bulundurmaya, olası alternatifleri karşılaştırmaya ve ardından daha kontrollü bir sonuç üretmeye yönlendiren istem yaklaşımıdır. Buradaki deliberate kavramı, “bilinçli, dikkatli ve üzerinde düşünülmüş” anlamında kullanılmaktadır. Dolayısıyla Deliberate Prompting’in temel amacı, özellikle karmaşık görevlerde modelin ilk akla gelen cevabı üretmesinden ziyade daha sistematik bir değerlendirme süreci yürütmesini sağlamaktır.

Basit bir istem şu şekilde olabilir: “Bu araştırma modeli uygun mu?”

Deliberate Prompt yaklaşımıyla aynı görev şöyle yapılandırılabilir: “Bu araştırma modelini dikkatli biçimde değerlendir. Önce değişkenler arasındaki teorik ilişkilerin mantığını kontrol et. Ardından alternatif modelleri değerlendir. Her seçeneğin güçlü ve zayıf yönlerini karşılaştır. Son kararını yalnızca mevcut bilgilerle desteklenebilen noktalar üzerinden ver ve belirsiz kalan hususları ayrıca belirt.”

İkinci istemde modelden yalnızca bir sonuç istenmemektedir. Sonuca ulaşmadan önce problemi farklı açılardan değerlendirmesi, alternatifleri karşılaştırması ve belirsizlikleri dikkate alması istenmektedir. Bu nedenle Deliberate Prompting özellikle tek bir açık cevabın bulunmadığı, yorum ve değerlendirme gerektiren görevlerde yararlı olabilir.

Deliberate Prompting; akademik araştırma, karar verme, stratejik analiz, matematiksel problem çözme, kod inceleme, veri analizi, bilimsel değerlendirme ve karmaşık planlama görevlerinde kullanılabilir. Örneğin akademik bir çalışmada modelden doğrudan hipotez oluşturmasını istemek yerine, önce kuramsal dayanakları değerlendirmesi, değişkenler arasındaki olası ilişkileri karşılaştırması, çelişkili literatürü dikkate alması ve ardından en savunulabilir hipotezi önermesi istenebilir. Benzer biçimde bir hakem değerlendirmesinde model, doğrudan “kabul” veya “ret” önerisi vermek yerine yöntem, örneklem, analizler, kuramsal katkı ve bulguların geçerliliğini ayrı ayrı değerlendirerek nihai kanaate ulaşmaya yönlendirilebilir.

Bu yaklaşımın önemli unsurlarından biri alternatiflerin değerlendirilmesidir. Modelden yalnızca bir çözüm üretmesini istemek yerine iki veya daha fazla olası yaklaşımı incelemesi ve bunları belirli ölçütlere göre karşılaştırması istenebilir. Örneğin: “Bu veri setinin analizinde doğrusal regresyon ve sıralı lojistik regresyon seçeneklerini değerlendir. Her yöntemin varsayımlarını ve bağımlı değişkenin yapısına uygunluğunu karşılaştır. Ardından hangi yöntemin daha savunulabilir olduğunu gerekçesiyle belirt.” Bu yapı, modelin doğrudan tek bir yönteme yönelmesi yerine kararın dayanaklarını değerlendirmesini sağlar.

Deliberate Prompting’in bir diğer önemli özelliği öz-denetim ve doğrulama adımlarının eklenebilmesidir. Modelden cevabını oluşturduktan sonra varsayımlarını kontrol etmesi, olası karşı argümanları değerlendirmesi veya sonuçta aşırı kesin ifadeler bulunup bulunmadığını incelemesi istenebilir. Böylece istem yalnızca üretim değil, aynı zamanda kalite kontrol aşamasını da kapsar. Bununla birlikte yapay zekânın yaptığı bu kontrol, bağımsız bir doğrulama olarak görülmemelidir. Model aynı bilgi ve muhakeme sınırları içinde kendi çıktısını değerlendirdiğinden, özellikle bilimsel ve yüksek riskli konularda dış kaynaklarla doğrulama yine gereklidir.

Deliberate Prompting ile Chain-of-Thought Prompting birbirine yakın olmakla birlikte aynı kavram değildir. Chain-of-Thought yaklaşımı, özellikle problemin ara muhakeme adımlarına ayrılmasıyla ilişkilidir. Deliberate Prompting ise daha geniş biçimde dikkatli değerlendirme, alternatifleri karşılaştırma, varsayımları kontrol etme, belirsizlikleri belirleme ve nihai cevabı gözden geçirme sürecine odaklanır. Bu nedenle kullanıcı açısından ayrıntılı iç muhakeme adımlarının görülmesi gerekli değildir; önemli olan modelin daha kontrollü ve gerekçelendirilmiş bir nihai çıktı üretmesidir.

Deliberate Prompting ayrıca Guided Prompting ve Recursive Prompting ile birlikte kullanılabilir. Guided Prompting modelin izlemesi gereken değerlendirme çerçevesini belirlerken, Deliberate Prompting bu çerçeve içerisinde acele etmeden seçenekleri değerlendirmeye odaklanır. Recursive Prompting ise ilk çıktının yeniden değerlendirilerek geliştirilmesini sağlar. Örneğin model önce belirli kriterlere göre bir makaleyi inceleyebilir, daha sonra kendi değerlendirmesindeki zayıf noktaları kontrol ederek nihai hakem raporunu geliştirebilir.

Bu yaklaşımın avantajı, özellikle karmaşık ve belirsiz problemlerde daha temkinli, karşılaştırmalı ve gerekçelendirilmiş çıktılar elde edilmesine yardımcı olmasıdır. Bununla birlikte her görevde Deliberate Prompt kullanmak gerekli değildir. Basit çeviri, kısa tanım, biçim dönüştürme veya doğrudan bilgi çıkarımı gibi görevlerde ek değerlendirme aşamaları gereksiz işlem yükü yaratabilir. Deliberate Prompting daha çok karar verme, analiz, eleştirel değerlendirme ve birden fazla olası çözümün bulunduğu problemlerde anlamlıdır.

Sonuç olarak Deliberate Prompt, yapay zekâya yalnızca “cevabı ver” demek yerine, “cevaba ulaşmadan önce ilgili unsurları dikkatle değerlendir, alternatifleri karşılaştır, belirsizlikleri kontrol et ve ardından gerekçelendirilmiş bir sonuç sun” yaklaşımını benimseyen istem tasarımıdır. Bu özelliği nedeniyle özellikle akademik araştırma, bilimsel değerlendirme ve karmaşık karar destek görevlerinde ileri düzey Prompt Engineering yaklaşımı olarak kullanılabilir.

Not: “Deliberate Prompt” veya “Deliberate Prompting”, Zero-shot ve Few-shot Prompting kadar tek ve evrensel biçimde standartlaştırılmış bir terim değildir. Literatürde deliberative prompting, deliberate reasoning ve benzeri adlandırmalarla ilişkili yaklaşımlar bulunabilir. Bu nedenle kavram kullanılırken belirli bir araştırma veya yönteme atıf yapılıyorsa ilgili kaynaktaki özgün tanım esas alınmalıdır.