Bilişsel arama nedir?
Bilişsel arama, çeşitli sorgu türlerinde alakalı ve doğru arama sonuçlarını hızla bulmak için yapay zeka (AI) kullanan bir arama motoru teknolojisidir. Modern işletmeler; kılavuzlar, SSS, araştırma raporları, müşteri hizmeti rehberleri ve insan kaynakları belgeleri gibi büyük miktarda bilgiyi çeşitli sistemlerde depolar. Bilişsel arama teknolojileri, kullanıcıların sorularına yanıt bulmak için, farklı bilgiler içeren büyük veritabanlarını tarar ve verileri ilişkilendirir. Örneğin, “Geçen yıl makine onarımları için ne kadar harcama yapıldı?” gibi bir soru sorabilirsiniz. Ardından bilişsel arama, soruyu alakalı belgelerle eşleştirir ve spesifik bir yanıt sunar.
Bilişsel aramanın avantajları nelerdir?
Bilişsel aramayı faydalı bir arama motoru teknolojisi yapan birçok unsur vardır. Aşağıda belirtilen avantajlar, bilişsel aramanın başlıca faydalarından bazılarıdır.
Doğal dili anlar
Bilişsel bir arama hizmeti sayesinde kullanıcıdan çok fazla ayrıntı alınmasına gerek kalmadan daha hatasız sonuçlar üretilebilir. Çok sayıda kaynağı göz önünde bulundurarak ve yapılandırılmış ve yapılandırılmamış veriler arasında taramalar yaparak net arama sonuçları üretilebilir. Bilişsel arama motoru teknolojisi, sağlanan sonuçlar aracılığıyla bağlamı da anlar. İnsan dilinde mevcut olan bağlamı, kalıpları ve anlamı belirlemek için doğal dil işleme (NLP) yönteminden yararlanır.
Üretkenliği artırır
Bilişsel arama, birden fazla veri kaynağından gelen bilgileri birleştirir ve bunun sonucunda kapsamlı bir yanıt üretir. Alışılagelmiş anahtar kelime arama yönteminde, gerekli tüm bilgileri birkaç sayfa arasından bulmanız gerekir. Ardından; bilgileri kendiniz okur, analiz eder ve özetlersiniz.
Buna karşılık, aynı anda birçok belgeden bilgi toplamak amacıyla kapsamlı arama işlevinden yararlanabilirsiniz. İhtiyaç duyulan verilere daha hızlı erişebilirsiniz. Böylelikle, organizasyon bünyesinde verimliliği artırabilir ve verilerle ilgili iş süreçlerini kolaylaştırabilirsiniz.
Arama sonuçlarını kişiselleştirir
Bilişsel arama, zaman içinde kullanıcılar için sonuçları kişiselleştiren makine öğrenimininden (ML) yararlanır. Sürekli olarak aynı bilgileri üretmek yerine, kullanıldığı zaman verileri ve arama modellerini toplar. Kullanıcıların ilk sorgudan sonra hangi sonuçlara tıklayabileceklerini kaydederek kendini geliştirir ve alakalı sonuçları çok daha hızlı bir şekilde kullanıcıya sunar. Zamanla daha akıllı, daha hatasız ve daha kullanışlı hale gelir.
Bilişsel aramanın bazı kullanım örnekleri nelerdir?
Bilişsel arama, net sonuçlar üretebilmek için doğal dil işleme ve diğer yapay zeka teknolojilerinden yararlanır. Bunlar bilişsel aramanın kullandığı adımlardan bazılarıdır.
Veri alımı
Bilişsel arama, öncelikle arama yapmak için bilgiye ihtiyaç duyar. Belgelerden, web sitelerinden, e-postalardan, dahili depolardan, kılavuzlardan ve kullanmak istediğiniz diğer bilgilerden veri alabilir. Optik karakter tanıma (OCR), varlık tanıma ve NLP teknikleri gibi özütleme teknikleri aracılığıyla kaynaklardan bilgi toplar.
Özütleme süreci, bilişsel aramanın bilgiyi bir insanın anlayacağı gibi anlamasını ve ardından içeriği kataloglamasını sağlamayı amaçlamaktadır.
Veri dizini oluşturma
Bilişsel arama, veri alımından sonra, sağladığınız tüm bilgilerin aranabilir bir dizinini oluşturur. Verileri etiketlemek için anahtar kelimeler kullanmanın yanı sıra, tüm bilgileri etkin bir şekilde kataloglamak için meta verileri, veriler arasındaki ilişkileri ve ek bilgileri de kullanır.
Bilişsel arama, bir kullanıcı arama yaptığı zaman ilgili bilgileri çok daha hızlı bulmak için bu dizinlere başvurur.
Kullanıcı girdisi
Bir kullanıcı bilişsel aramaya bir soru yönelttiği zaman, sorulan unsuru bileşenlerine ayırmak ve anlamak için NLP’den yararlanır. Alışılagelmiş anahtar kelime arama yönteminde, kullanılan arama motoru anahtar kelimeleri tanır ve bu anahtar kelimeyle uyumlu veriler üretir.
Bilişsel arama ise aratılan ögenin tam bağlamını ve kullanıcının tercihleri gibi kişisel faktörleri anlamaya çalışır. Kullanıcının aramalarından ne elde etmek istediğini anlamak için belirteç analizi ve anlamsal analiz gibi NLP tekniklerini birleştirir.
Arama ve veri alma
Bilişsel arama, kullanıcının sorduğu soru aracılığıyla daha sonra veri dizinlerini tarar ve kaynaklarında ilgili bilgileri bulur. Dizinler arasında gezinir, en ilgili sonuçları arar ve bu sonuçları katman katman filtreler. İlgili her sonuca bir uygunluk düzeyi puanı atanır. Bilişsel arama, sonuçları puanlara göre sıralayarak en alakalı bilgileri görüntüler.
Sürekli iyileştirme
Kullanıcılar, daha spesifik sonuçlar elde edebilmek için bilişsel arama esnasında ek filtreler veya özellikler ekleyebilirler. Bilişsel arama, önceki etkileşimlere dayalı olarak sorulan sorulara ilişkin yaklaşımını geliştirir.
Örneğin, bilişsel arama, kullanıcıların aradıklarını ve arama sorgularının sırasını kaydeder. Kullanıcılar genellikle yapılan aramadan hemen sonra belirli bir soru sorarsa, bilişsel arama proaktif olarak sonraki soruya ilişkin bilgileri de sunar.
Bilişsel arama zamanla kullanıcının arama sorgularının temelinde yatan duygular ve anlam hakkında daha fazla bilgi edinir. Böylelikle, yapılan aramalara ilişkin verdiği doğrudan yanıtları geliştirir.
Örneğin, bir kullanıcı belirli bir soru sorduğunda, bilişsel arama belirli bir yanıt verir. Alternatif olarak, daha genel bir soru sorulduğunda daha uzun bir yanıt elde edilir. Bilişsel öğrenme, etkileşimleri sürekli kaydederek ve etkileşimlerden öğrenerek daha hatasız bir hale gelir ve zamanla daha alakalı bilgiler sunar.
Bilişsel arama nasıl çalışır?
Bilişsel aramayı kendi yararınıza kullanmak için bazı fırsatlar.
Birleşik arama deneyimi
Birleşik bir arama deneyimi oluşturmak için bilişsel aramayı kullanabilirsiniz. Doğal dil işleme sayesinde, çok sayıda yapılandırılmamış ve yapılandırılmış veri havuzundan bilgi alarak son derece ayrıntılı ve doğru yanıtlar alabilirsiniz. Çeşitli kaynaklardan ve veri türlerinden yararlanarak veriye dayalı kararları daha kolay alabilirsiniz.
Örneğin, biyoteknoloji şirketi Gilead Sciences, Inc. bilişsel arama için AWS'yi kullanmaktadır. Şirket, bu teknolojiyi hem yapılandırılmış hem de yapılandırılmamış verileri düzenlemek için kullanıyor. Bilgiler sayısı dokuza varan kurumsal sistemlerden; belgeler ise bilgi havuzlarından elde edilmektedir.
Bilişsel arama, Gilead için manuel veri yönetimi görevlerini önemli ölçüde azaltmıştır. Bilgi arama süresi yaklaşık yüzde 50 oranında kısalmıştır. Bu ilerleme de değerli araştırmaları, deneyleri ve farmasötik atılımları beraberinde getirmektedir.
Self servis botlar
Yerinde müşteri desteğini iyileştirmeye yardımcı olan self servis botlarda bilişsel arama çözümlerini kullanabilirsiniz. Belirli bir görevi veya işlevi nasıl yerine getireceğini öğrenmek isteyen kullanıcılar insan dilinde yazabilir ve özelleştirilmiş bir yanıt alabilir. Bilişsel arama, çeşitli kılavuzlardan, destek belgelerinden ve kaynaklardan bilgi toplayarak bilgi keşfini destekler.
Örneğin, Citibot, vatandaşlar ve yerel yönetimler ve eyalet yönetimleri için iletişim araçları sağlamak üzere AWS'yi kullanmaktadır. Citibot, bileşenlerle etkileşimin ölçeklenebilirliğini ve etkinliğini artırmak için chatbot teknolojisini bilişsel arama ile entegre etmektedir. Vatandaşlar, bekleme sürelerini yüzde 90'a kadar azaltan chatbot ile etkileşime geçerek aradıkları yanıtları hızlı bir şekilde bulabiliyorlar.
Veri arşivi araması
Birçok kuruluşun milyonlarca belge, görüntü ve kopyalanmış metin dosyası içeren geçmiş veri depoları vardır. Bilişsel arama, veri deposundaki bilgileri ortaya çıkarıp analiz ve araştırma için özet haline getirebilir.
Örneğin, Wall Street Journal, bilişsel arama için AWS'yi kullanmaktadır. Bilişsel arama, Talk2020'nin gelişimini hızlandırmaya yardımcı olmuştur. Talk2020, yayın kuruluşunun, okuyucularının son 30 yılda başkan adayları tarafından yapılan basın açıklamalarını hızlı bir şekilde aramalarına ve analiz etmelerine yardımcı olan akıllı bir arama aracıdır. Bu teknoloji, konuşma kalıplarını keşfederek ve metin analizleri yaparak belirli konuların zaman içinde derinlemesine araştırılmasını kolaylaştırmaktadır.
Çalışan oryantasyonu
Bilişsel arama, çalışanların oryantasyon veya yeni beceriler öğrenme gibi tüm self servis görevlerinde onlara yardımcı olur. Çalışanlar için çapraz referans görevi görür. Çalışanlar, bir şeyin nasıl yapılacağını öğrenmek için yöneticileriyle iletişime geçmek yerine, bilişsel aramaya sorabilirler. Bu kullanım, self servis görevlerini kolaylaştırmaya ve üretkenliği artırmaya yardımcı olur.
Örneğin, Workgrid Software, bir çalışan deneyimi platformunda yazılım çözümleri sunmak için AWS'yi kullanmaktadır. Bu, işlerini daha bağlantılı, etkin ve verimli hale getirmelerini sağlıyor. Çalışanlar, bilişsel aramayı kullanarak kuruluşun veritabanındaki dijital içerikte arama yapabilirler. Bu sayede, çalıştıkları sırada akıllarına gelen soruların yanıtlarını bulabilirler.
Üretici yapay zeka bilişsel aramayı nasıl geliştirir?
Üretici yapay zeka; konuşmalar, hikayeler, görüntüler, videolar ve müzik dahil olmak üzere yeni içerik ve fikirler oluşturabilen bir yapay zeka türüdür. Üretici yapay zeka; bilişsel aramayı kolaylaştırmaya, kullanıcının amacını daha iyi anlamaya ve verilen genel yanıtları iyileştirmeye yardımcı olur. Aşağıda bazı örnekleri görebilirsiniz.
Üretici yapay zekâ hakkında bilgi edinin »
Bağlam analizi
Birçok üretici yapay zeka aracı, dönüştürücü tabanlı makine öğrenimi modellerini kullanır. Bu modeller, anlamı kavramak için metinsel verileri analiz etmek üzere sinir ağları ile donatılmışlardır.
Transformatör tabanlı yapay zeka modelleri, doğal dil işleme ve anlama için kullanışlıdır. Kullanıcıyı, veri bağlamını ve kullanıcı niyetini göz önünde bulundurduklarından dolayı aramanın temelindeki amacı daha iyi anlayabilirler. Bilişsel arama, gelişmiş sorgu anlayışı sayesinde daha net bilgiler sunabilir.
Sonuç özeti
Üretici yapay zeka, daha uzun metinleri daha kısa bölümler ile özetleyebilir. Bilişsel arama, farklı belgelerin anlamsal olarak en alakalı kısımlarını tespit edebilir. Ardından, ilgili kısımları birleştirmek ve tam olarak kullanıcının istediği sonucu üretebilmek için üretici yapay zekadan yararlanabilir. Üretici yapay zeka, ayrıca sonuç metnini anlayarak ve gereksiz bilgileri bertaraf ederek bir arama sonucunun kalitesini en üst düzeye çıkarabilir.
İçerik filtreleme
Üretici yapay zeka; bilişsel arama sonuçlarını kullanıcı yetkilendirmesi, sorgu alaka düzeyi ve kullanıcı tercihi dahil olmak üzere farklı parametrelere göre filtreleyebilir. Sonuç metnini oluştururken, yalnızca kullanıcının erişim yetkisine sahip olduğu kaynakların kullanılabilmesini sağlayabilir. Sonuçlar güvenlikten ödün vermeden uygunluklarını ve kullanışlılıklarını korurlar.
AWS, kurumsal bilişsel arama çözümlerinizi nasıl geliştirebilir?
Amazon Web Services (AWS), Amazon Kendra'yı bilişsel arama çözümü olarak sunar.
Amazon Kendra, makine öğrenimi ile desteklenen, tam kapasitede yönetilebilen, doğruluk oranı yüksek ve kullanımı kolay bir bilişsel arama hizmetidir. Uygulamalarınıza arama becerileri eklemek için geliştiricileriniz tarafından kullanılabilir. Böylelikle geliştiricileriniz şirketinizin geneline yayılmış çok miktarda içerik içinde depolanan bilgileri keşfedebilirler.
Amazon Kendra’yı kullanabileceğiniz yollardan bazıları şunlardır:
- Hem yapılandırılmış hem de yapılandırılmamış içerik depolarını kapsayan birleşik arama deneyimi
- Sorulan sorulara Makine Öğrenimi destekli araçlar vasıtasıyla yanıt üretmek
- Yanıt doğruluğunu artırmaya yardımcı olan tam olarak yönetilen yanıt sıralama özelliklerine erişim
- Yanıtlara kendi özel kriterlerinizin yanı sıra kullanıcı davranışı ve içerik tazeliği gibi diğer özelliklere göre ince ayar yapabilme
Hemen bir hesap oluşturarak AWS'de etkileşimli yapay zekayı kullanmaya başlayın.
