Metin için kategorizasyon yöntemleriyle AI kullanarak soru cevaplamalarının analizi

Soru Cevaplama (QA); Yapay Zeka (AI), Bilgi Erişimi (IR) ve Doğal Dil İşleme (NLP) gibi çok disiplinli alanlardan oluşan bir Bilgisayar Mühendisliği alanıdır. Bu soru cevaplama sistemlerinin temel amacı, insanlar tarafından sorulan sorulara, verilen pasaja göre doğal bir dilde cevap verebilecek sistemler oluşturmaktır. Soru Cevaplama, donanım sınırlamaları ve tamamlanması çok uzun zaman alan görevleri tamamlamak için gereken yazılım modellerinin eksikliği nedeniyle önceki dönemlerde bilgisayarlar için zor bir görevdi. Günümüzde Bilgisayar Donanımı'nın hızlanması, özellikle de GPU birimlerindeki gelişmeler, paralel olarak görevleri çok daha hızlı tamamlamayı mümkün kılmıştır, ayrıca AI modellerinde ve yazılımlarında son zamanlarda yapılan iyileştirmeler ve araştırmalar, bu hedefe daha hızlı ulaşmak için önceden eğitimli modellerin kullanılmasını mümkün kılmıştır. Bu tezde en popüler modellerden biri olan Google'in geliştirdiği BERT'in İnce Ayarları üzerinde analizler yapılarak sınırları anlamaya çalışıldı ve bu ince ayarlı modelin insanlara verilen herhangi bir alanda nasıl yardımcı olabileceğini anlamak için bir vaka çalışması yaptık. Yapılan çalışma sonucunda, eğitim parçaları için büyük modeller ve veri kümeleriyle çalışmanın hala uzun zaman aldığını ve İnce Ayarlı BERT modelinin tasarlandığı belirli görev için daha iyi performans gösterdiği sonucunu edindik.