Yapay Zeka Komedi Yazarlığı: COMIC ve Ajanik Video Üretiminin Yeni Paradigması

Giriş

Yapay zeka modellerine şaka yapmasını istediğinizde, genellikle babacık esprileri (dad jokes) veya kaba kuvvetle oluşturulmuş kelime oyunlarıyla karşılaşırsınız. Mizah, üretken yapay zeka araştırmalarının henüz çözemediği en zorlu problemlerden biri olarak duruyor. Matematiksel problemler veya kod yazma gibi görevlerin aksine, mizah öznel, çok boyutlu ve kültürel bağlama aşırı duyarlı bir alan. Washington Üniversitesi'nden Hong, Curless, Kemelmacher-Shlizerman ve Seitz tarafından sunulan "COMIC: Agentic Sketch Comedy Generation" başlıklı çalışma, bu zorluğa tam otomatik bir üretim sistemiyle yaklaşıyor ve profesyonel sketch komedi kalitesine yaklaşan videolar üretmeyi başarıyor.

COMIC (Content Optimization via Multi-agent Iterative Competition), sadece karakter tanımları (metin, görüntü, ses) ve arka plan referansları alarak, 1-2 dakikalık komedi skeçleri üreten ajanik bir çerçeve. Sistemin temel yeniliği, mizahı değerlendirme problemini, gerçek YouTube izleyici verileriyle hizalanmış LLM (büyük dil modeli) eleştirmenleri aracılığıyla çözmek ve üretim stüdyolarının insan organizasyonunu taklit eden bir ajan hiyerarşisi kurmak.

Ana Analiz: Üç Katmanlı Üretim Süreci

Evrimsel Yazım ve Çoklu Ada Stratejisi

COMIC'in mimarisi, Saturday Night Live (SNL) gibi profesyonel komedi yapımlarının organizasyonel yapısını model alıyor. Sistemde yazar (writer), editör (editor), yönetmen (director) ve eleştirmen (critic) rollerine karşılık gelen ajanlar bulunuyor. Ancak bu basit bir iş bölümü değil; evrimsel hesaplama (evolutionary computation) prensiplerine dayanan bir optimizasyon süreci.

Sistem, tek bir komedi senaryosu üzerinde odaklanmak yerine, ada tabanlı popülasyon (island-based population) stratejisi kullanıyor. Her ada, farklı mizah felsefelerini temsil eden eleştirmen komiteleri tarafından yönetiliyor. Örneğin, bir ada slapstick (fiziksel komedi) odaklıyken, diğeri kuru veya absürt mizahı tercih edebiliyor. Bu yapı, mizahın çok modal doğasını yakalıyor; "iyi" komedi tek bir formülle tanımlanamayacağı için, farklı yaklaşımların rekabet etmesine izin veriyor.

Her ada içinde, senaryolar round-robin turnuvaları aracılığıyla evriliyor. Kaybeden senaryolar, kazananlardan alınan geri bildirimlerle rafine ediliyor. Bu süreç, çıkarım zamanı hesaplama kapasitesini (inference-time compute) yaratıcı bir şekilde ölçeklendiriyor. Araştırmacılar, altın arama sürecine benzetiyor bu yaklaşımı: Yeterince derine kazıp yeterince malzeme topladıktan sonra, komik nüveleri ayıklamak mümkün oluyor.

Gerçek İzleyici Verilerine Dayalı Mizah Değerlendirmesi

COMIC'in en kritik katkısı, mizahı otomatik olarak değerlendirme problemine getirdiği çözüm. Doğal dil işlemede sıklıkla kullanılan RLHF (Reinforcement Learning from Human Feedback) yöntemleri, komedi gibi öznel alanlarda yetersiz kalıyor. Çünkü mizahın "doğru" cevabı yok; matematik veya kodlamanın aksine, objektif bir başarı metriği tanımlamak güç.

Bu sorunu aşmak için araştırmacılar, YouTube'daki komedi skeç videolarından oluşan büyük bir korpus analiz etmiş. Bu videoların izleyici etkileşim verilerini (beğeniler, yorumlar, izlenme süreleri) kullanarak, gerçek izleyici tercihleriyle hizalanmış LLM eleştirmenleri eğitmişler. Bu eleştirmen ajanlar, bir senaryonun komik olup olmadığını, viral olma potansiyelini veya belirli demografik gruplar tarafından beğenilme olasılığını değerlendirebiliyor.

Bu yaklaşım, üretken yapay zekada önemli bir kayma temsil ediyor. Artık model, sadece eğitim verilerindeki istatistiksel kalıpları tekrarlamıyor; sosyal medya platformlarından çekilen gerçek dünya geri bildirim döngülerini simüle ediyor. Bu, özellikle pahalı test gösterimleri (test screenings) gerektiren komedi yapım sürecinde, maliyetleri ve iterasyon süresini dramatik şekilde düşürüyor.

Görsel Tutarlılık ve Sahne Yönetimi

Senaryo oluşturulduktan sonra, ikinci büyük zorluk uzun formatta video üretimi. Mevcut video üretim modelleri genellikle kısa klipler (3-10 saniye) üretebiliyor ve karakter tutarlılığı, arka plan sürekliliği gibi konularda zorlanıyor. COMIC, Scene Director (Sahne Yönetmeni) ajanları aracılığıyla bu problemi çözüyor.

Sahne yönetmeni, senaryoyu ardışık çekimlere (shots) ayırıyor. Her çekim için karakter pozisyonları, diyaloglar, yüz ifadeleri ve arka planlar ayrı ayrı planlanıyor. Kritik nokta, Asset Memory (Varlık Hafızası) mekanizması: Her çekim tamamlandığında, sonraki çekimlerin yönetmenleri önceki görsel öğelere referans verebiliyor. Bu, karakter kıyafetlerinin, nesnelerin ve mekanların bütün videoda tutarlı kalmasını sağlıyor.

Ayrıca, her çekim için script-conditioned rendering critics (senaryo koşullu render eleştirmenleri) devreye giriyor. Bu ajanlar, anlatının görsel olarak nasıl gerçekleştirilmesi gerektiği konusunda farklı yorumları temsil ediyor. Örneğin, bir diyalog sahnesinin yakın plan mı yoksa geniş açı mı çekilmesi gerektiği konusunda rekabet eden görsel felsefeler. Bu eleştiriler doğrultusunda çekimler iteratif olarak iyileştiriliyor.

Kendi Yorumum: Üretim Kapasitesinden Yaratıcı Yönetime Kayış

COMIC sisteminin getirdiği en derin dönüşüm, komedi yapımındaki darboğazın yerini değiştirmesi. Geleneksel olarak, bağımsız içerik üreticileri için SNL kalitesinde sketch üretmek, bütçe, stüdyo erişimi ve prodüksiyon kapasitesi gerektiriyordu. COMIC, bu kapasite kısıtını ortadan kaldırarak, darboğazı yaratıcı yönetime (creative direction) kaydırıyor.

Artık sorun "nasıl çekeceğim?" değil, "ne anlatacağım?" olacak. Bu, içerik ekosisteminde önemli bir demokratikleşme potansiyeli taşıyor. Ancak dikkat edilmesi gereken bir risk var: Eğer tüm sistem, mevcut YouTube verilerine dayalı eleştirmenlerle hizalanırsa, mizahın homojenleşme riski artar. Viral olan formüller tekrarlanmaya başlanabilir ve deneysel, avanggarde komedi türleri marjinalize edilebilir.

Diğer yandan, kişiselleştirilmiş komedi kanalları vizyonu oldukça ilgi çekici. Sistem, belirli bir izleyicinin geçmişte beğendiği içerikleri analiz ederek, o kişinin mizah profiline özel skeçler üretebilir. Bu, "küçük veri" (small data) çağında bireysel tercihlerin makine öğrenmesiyle birleşmesinin bir örneği. Ancak burada da bir filtre balonu (filter bubble) riski bulunuyor; izleyiciler sadece kendi komik buldukları şeyleri görmeye başlayınca, mizahın sosyal bağlayıcı işlevi zayıflayabilir.

Teknik olarak, COMIC'in inference-time compute yaklaşımı, yapay zeka optimizasyonunda yeni bir trendi temsil ediyor. Model parametrelerini değiştirmeden (fine-tuning yapmadan), çıkarım aşamasında daha fazla hesaplama kullanarak kalite artışı sağlamak. Bu, özellikle yaratıcı görevlerde etkili görünüyor çünkü mizah ve yaratıcılık, tek bir forward pass ile çözülebilecek deterministik problemler değil.

Sonuç

COMIC: Agentic Sketch Comedy Generation çalışması, yapay zeka ve yaratıcılık kesişiminde önemli bir kilometre taşı. Sadece teknik olarak uzun formatta tutarlı video üretmekle kalmıyor, aynı zamanda öznel bir alan olan mizahı değerlendirmek için veri odaklı, ölçeklenebilir bir çerçeve sunuyor.

Ajanik sistemlerin, evrimsel stratejilerle birleştiğinde, yaratıcı endüstrilerde nasıl bir rol oynayabileceğini gösteriyor. Üretim döngüsünün haftalardan dakikalara düşmesi, bağımsız yaratıcılar için eşitlenmemiş fırsatlar yaratırken, aynı zamanda "yapay zeka mizahı" kavramının estetik ve kültürel sınırlarını da zorluyor.

Gelecekte, bu tür sistemlerin sadece video üretmekle kalmayıp, canlı performanslara adapte olabilen, izleyici tepkilerini gerçek zamanlı analiz eden interaktif komedi ajanlarına evrilmesi beklenmeli. Ancak bu yolculukta, mizahın insani bağlamını ve kültürel çeşitliliğini korumak, teknik başarı kadar önemli bir araştırma gündemi olmaya devam edecek.