Yapay zekâ, veri ve güvenlik · Ayrıntılı terim
Bilgi Getirmeli Üretim — RAG nedir?
RAG, bir yapay zekâ yanıt üretmeden önce ilgili belge veya pasajları haricî bir kaynaktan bulup modelin bağlamına ekleyen mimaridir. Güncel veya kuruma özgü bilgiye dayalı yanıtları destekler; yanlış belge bulma ve hatalı yorumlama riskini tamamen ortadan kaldırmaz.
Tanım
Bilgi Getirmeli Üretim — RAG
Retrieval-Augmented Generation, üretken modelin yalnız eğitim sırasında öğrendiği parametrelerle yanıt vermek yerine, soru anında bir arama veya getirme katmanından ilgili içerikleri almasını sağlar. Bulunan pasajlar modelin bağlamına eklenir ve yanıt bu malzemeye dayanarak oluşturulur.
Hukuki kullanımda RAG; mevzuat, karar, sözleşme havuzu veya kurum içi bilgi bankası üzerinde çalışabilir. Sistemin kalitesi belge kapsamı, parçalama yöntemi, erişim yetkileri, arama başarısı ve yanıtın hangi pasaja dayandığını gösterebilmesiyle birlikte değerlendirilmelidir.
Tipik işlem hattında belgeler önce toplanır, temizlenir ve anlamlı parçalara ayrılır. Bu parçalar anahtar kelime veya vektör temsilleriyle aranabilir hâle getirilir. Kullanıcı sorusu geldiğinde aday parçalar bulunur, gerekirse yeniden sıralanır ve yalnız seçilen kanıtlar modelin bağlamına verilir. Model yanıtı üretirken kullanılan pasajlara bağlantı veya alıntı konumu ekleyebilir.
Hata iki ayrı aşamada oluşabilir. Arama katmanı doğru belgeyi hiç bulamayabilir, güncel olmayan sürümü seçebilir veya kullanıcının görmemesi gereken bir parçayı getirebilir. Üretim katmanı ise doğru pasajı eksik yorumlayabilir, farklı belgeleri yanlış birleştirebilir ya da kaynakta bulunmayan sonuç ekleyebilir. Bu nedenle yalnız nihai cevabı değil, getirilen kanıt kümesini de test etmek gerekir.
Değerlendirme soruları kurumun gerçek bilgi ihtiyacını temsil etmelidir. Beklenen kaynak ve cevap önceden belirlenerek bulunabilirlik, kaynak doğruluğu, cevabın kanıtla desteklenme oranı ve eksik bilgi karşısında sistemin davranışı ölçülebilir. Belge düzeyindeki erişim yetkileri arama anında uygulanmalı; modelin bağlamına yetkisiz içerik girdikten sonra yalnız arayüzde gizlemek yeterli değildir.
Sınırlar
Ne değildir?
- Modeli yeni verilerle yeniden eğitmek veya fine-tuning yapmak değildir.
- Doğru kaynak getirildiğinde modelin o kaynağı mutlaka doğru yorumlayacağı garantisi değildir.
- İnternete veya belge havuzuna bağlanan her sohbet arayüzü güvenilir bir RAG sistemi sayılmaz.
- Belge veritabanı, arama motoru veya büyük dil modelinin tek başına başka bir adla sunulması değildir.
Yerel çerçeve
Türkiye bağlamı
Türk hukuku RAG uygulamalarında yürürlük tarihi, kararın dairesi ve sonucu, mevzuat değişiklikleri, kişisel veri ve meslek sırrı erişimleri özellikle önemlidir. Kullanıcı, yanıtın dayandığı belgeyi ve ilgili pasajı açabilmelidir.
Aynı mevzuatın farklı tarihli sürümleri veya aynı konuda farklı daire kararları ayrı metadata ile tutulmalıdır. Arama sonucu yalnız metin benzerliğine göre değil; kaynak türü, tarih, yürürlük ve yetki alanı gibi filtrelerle daraltılabilir. Kurum içi görüşler ile resmî mevzuat ve kararların aynı cevapta kullanılması hâlinde her iddianın hangi kaynak türüne dayandığı açıkça gösterilmelidir.
Pratik örnek
Günlük işte nasıl görünür?
Kullanıcı bir şirket politikasındaki izin süresini sorar. Sistem yalnız kullanıcının yetkili olduğu güncel politika belgelerinde arama yapar, eski sürümü tarih filtresiyle eler ve ilgili iki maddeyi getirir. Yanıt her cümleyi dayandığı pasajla ilişkilendirir; belgelerde özel durum açıklanmıyorsa bunu açıkça belirtir ve tahmin üretmez. Kullanıcı kaynak bağlantısını açarak metni kontrol eder. Test ekibi ayrıca eski politika, benzer başlıklı belge ve yetkisiz personel dosyasıyla sorgular çalıştırarak hem doğruluk hem erişim sınırlarını doğrular.
İlişkili kavramlar
Buradan devam edin
Kaynaklar