LLM'e 95 Ruhu Üflemek: Nostaljik Dokümantasyon Rehberi

Nostalji ve Teknoloji: Neden 1995?

Selamlar herkese, ben Alper. Bugün biraz eskilere, o pikselli günlere, internetin çevirmeli bağlantı sesiyle hayatımıza girdiği 90’ların ortasına gidiyoruz. Hatırlayanlar bilir; o zamanlar yazılım dokümantasyonları şimdikiler gibi "modern, sade ve minimalist" değildi. Daha samimi, bazen biraz daha teknik ama her zaman kendine has bir üslubu vardı. Windows 95 yeni çıkmıştı, her şey README.txt (Beni Oku) dosyaları etrafında dönüyordu ve ASCII sanatıyla yapılmış başlıklar her şey demekti.

Peki, bugün elimizdeki devasa Büyük Dil Modellerini (Large Language Models - LLM) alıp, onlara sanki 1995 yılında bir yazılım geliştiricisiymiş gibi dokümantasyon yazdırabilir miyiz? Cevap: Kesinlikle evet! İşte bu sürece biz İnce Ayar (Fine-tuning) diyoruz. Gelin, modern bir yapay zekayı zaman makinesine bindirip 95 yılına nasıl ışınlayacağımıza birlikte bakalım.

İnce Ayar (Fine-tuning) Nedir ve Neden Gerekli?

Öncelikle şu terimi bir netleştirelim. İnce ayar (fine-tuning), halihazırda devasa verilerle eğitilmiş genel amaçlı bir modeli (örneğin Llama 3 veya Mistral), daha spesifik bir veri setiyle tekrar eğiterek belirli bir alanda veya tarzda uzmanlaştırma işlemidir. Bizim durumumuzda modelimiz zaten Türkçe ve İngilizce biliyor ama biz ona "90'lar dokümantasyon dili" dediğimiz o özel üslubu öğretmek istiyoruz.

Neden sadece Prompt Engineering (istem mühendisliği) yapıp "95 yılındaymış gibi yaz" demiyoruz? Çünkü prompt ile bir yere kadar gidebilirsiniz. Modelin o dönemin terminolojisini, nezaket kurallarını, teknik kısıtlamalarını ve hatta o dönem popüler olan yazım hatalarını tam anlamıyla içselleştirmesi için veriyi doğrudan modelin ağırlıklarına işlemesi gerekir.

Veri Seti Hazırlığı: Zaman Makinesinin Yakıtı

Bir yapay zekayı eğitmenin en kritik aşaması veri seti (dataset) hazırlamaktır. "Çöp girerse çöp çıkar" kuralı burada da geçerli. 1995 ruhunu yakalamak için şu kaynaklardan veri topluyoruz:

• Eski Yardım Dosyaları: .hlp uzantılı dosyaların içindeki metinler.
• Beni Oku Dosyaları: 90'lardan kalma oyun ve yazılımların içinden çıkan README.txt dosyaları.
• BBS Kayıtları: İnternet öncesi dönemin forumları diyebileceğimiz Bulletin Board System mesajlaşmaları.
• Dönemin Dergileri: 1995-1998 arası yayınlanmış teknoloji dergilerinin dijital arşivleri.

Bu verileri topladıktan sonra bunları JSONL formatına dönüştürmemiz gerekiyor. Her bir veri örneği, bir "instruction" (talimat) ve ona karşılık gelen "output" (çıktı) içermeli. Örneğin, talimat "Yeni bir yazılımın kurulumunu anlat" ise, çıktı mutlaka "Lütfen disket sürücünüze 1 numaralı kurulum disketini takınız..." gibi bir cümleyle başlamalı.

Model Seçimi ve Eğitim Süreci (LoRA ve QLoRA)

Eskiden bir modeli eğitmek için binlerce dolarlık ekran kartlarına (GPU) ihtiyacımız vardı. Ancak günümüzde LoRA (Low-Rank Adaptation) ve QLoRA gibi teknikler sayesinde, evdeki bilgisayarımızda bile bu işi yapabiliyoruz. Bu teknikler, modelin tüm parametrelerini değiştirmek yerine, sadece küçük bir kısmına "yama" yaparak öğrenmesini sağlıyor. Bu hem bellekten (VRAM) tasarruf sağlıyor hem de süreci hızlandırıyor.

Ben bu projede genellikle Llama-3-8B veya Mistral-7B gibi orta ölçekli modelleri tercih ediyorum. Bu modeller hem Türkçe komutları iyi anlıyor hem de ince ayar yapıldığında karakter değişimine çok hızlı uyum sağlıyorlar.

95 Tarzı Bir Dokümantasyonun Olmazsa Olmazları

Eğitim bittikten sonra modelden aldığımız çıktılarda şu özellikleri görmeyi bekliyoruz:

• Teknik Terimler: "Bellek" yerine "RAM", "Sabit Disk" yerine "Harddisk" veya "Sabit Sürücü" kullanımı.
• ASCII Sanatı: Başlıkların etrafında yıldızlar (*) veya tireler (-) ile oluşturulmuş çerçeveler.
• Sistem Gereksinimleri: Mutlaka "Intel 486 DX2" veya "Pentium 75 MHz" gibi işlemci tavsiyeleri ve "8 MB RAM" gibi bugün komik gelen gereksinimler.
• Nezaket: "Yazılımımızı tercih ettiğiniz için teşekkür ederiz. Herhangi bir sorunla karşılaşırsanız lütfen teknik destek hattımızı arayınız."

Sonuç: Geçmişin Ruhuyla Geleceği Yazmak

İnce ayar işlemi bittiğinde, artık elimizde sadece bir yapay zeka değil, aynı zamanda 1995 yılından kalma sanal bir asistan oluyor. Bir Python kütüphanesini bu modele dokümante ettirdiğinizde, size "Bu modülü kullanmak için sisteminizde en az 16 bitlik bir işletim sistemi yüklü olmalıdır" diyebiliyor. Bu, teknolojinin ne kadar ilerlediğini görmemizi sağlayan hem eğlenceli hem de öğretici bir deneyim.

Bu tarz projeler, yapay zekanın sadece bilgi veren bir araç değil, aynı zamanda bir stil transferi aracı olduğunu da kanıtlıyor. Bugün 1995'i simüle ediyoruz, yarın belki de 2050'nin dokümantasyon dilini hayal edeceğiz. Eğer siz de kendi nostaljik modelinizi eğitmek isterseniz, Hugging Face üzerindeki açık kaynaklı veri setlerine göz atarak başlayabilirsiniz.

Teknolojiyle kalın, ama bazen o eski "Beni Oku" dosyalarındaki samimiyeti de aramayı unutmayın!