Yapay zeka ile çalışırken 3 farklı yaklaşım denedim. Aynı görevi, aynı resimleri verdim. Sadece prompt'u değiştirdim.
Deney: Binary Tree Decision UI
Yapay zekaya bir UI tasarlatmak istedim. 3 resim verdim, konsept anlattım. Sonra 3 farklı yaklaşımla sordum.
1. ONE SHOT - Tek Seferde Her Şeyi Ver
Yapay zekaya istediğimi komple verdim. Tüm resimleri, tüm açıklamaları bir seferde.
Yapay Zekanın İlk Tepkisi
Direkt "Anladım" deyip konsepti verdi:
Sonuç: Hotkey çalışıyor, stack view çalışıyor, her şey düzgün.
2. CONCEPT FIRST - Önce Konsept, Sonra Implement
Yapay zekaya önce konsepti çıkartmasını, sonra resimleri okuyup düzeltmesini söyledim.
Yapay Zekanın İlk Tepkisi
Önce konsepti verdi, sonra resimleri okuyup güncelledi:
Sonuç: Stack view düzgün. Ama hotkey'ler bozuk.
3. ITERATIVE - Her Resim İçin Ayrı Düşün
En detaylı yaklaşım. Her resmi oku, konsepti güncelle, tekrar oku, tekrar güncelle.
Yapay Zekanın İlk Tepkisi
Sürekli kafasındaki konsepti güncelledi. 3 resim için 3 kere bunu yaptı:
ASCII art olarak mükemmel gösterdi:
Sonuç: En kötü çıktı. Siyah alanlar, bozuk UI. İstediğimi verdi ama gerisi boş.
Yaklaşım
Tahmin Kalitesi
Gerçek Çıktı
En kötü çıktı vermesini beklediğim ONE SHOT, en iyi çıktıyı verdi.
Neden?
Belirsizlik = Fırsat
Yapay zekaya eksik bilgi verdiğimde, yüksek belirsizlikle kendi bilgisini daha iyi doldurabiliyor. Kendisinden bir şey katabilmesi için daha yüksek oranda fırsat bırakıyorum.
ITERATIVE yaklaşımda her şeyi detaylı verdim. Yapay zeka sadece söylediğimi yaptı. Kendi bilgisini katmadı.
ONE SHOT'ta ise boşluk bıraktım. Yapay zeka o boşluğu kendi deneyimiyle doldurdu.
Deneysel beklentimin tam tersi çıktı.
Daha az detay = Daha iyi çıktı
Daha çok kontrol = Daha kötü çıktı
Yapay zekaya güvenip boşluk bırakmak, her şeyi kontrol etmeye çalışmaktan daha iyi sonuç veriyor.
