Obsidian’ı bilmeyenler için aslında Markdown kullanan bir not tutma uygulaması. Zettelkasten mantığı ile yola çıkıyor, akademisyenlerin de işine yarar. Bu ve kullandığım diğer bazı uygulamalar için [[Akademik Hayatı Kolaylaştıracak Uygulamalar|şu sayfa]] mevcut. Ben bu uygulamayı kullanacağım ama birçok uygulama ile openAI API üzerinden aynı şeyleri yapabilirsiniz. Obsidian için çok sayıda LLM plugini var, [Text Generator](https://github.com/nhaouari/obsidian-textgenerator-plugin) bunlardan biri. Eğer Obsidian kuruluysa Ayarlar –> Topluluk Eklentileri kısmında da arama yaparak kolayca yükleyebilirsiniz. Kabaca LLM kullanarak sorulara cevap vermeye, metin ya da görsel oluşturmaya yarıyor, temelde her kelimenin ardından ne gelecek diye istatisiksel olarak eğiliyor. Aslında buna yapay zeka demek ne kadar doğru bilmiyorum ama artık afilli regresyonlara bile yapay zeka ile modelleme deniyor. Bu kez pek bir afilli ekonometri, neyse. Kullanmak için bir sağlayıcı lazım. OpenAI bu konuda iyiydi, artık lider oldu gibi. Normalde ücretli ama 18$ değerinde deneme vardı en son yeni üyelikte, muhtemelen devam ediyordur. Başlangıç için rahat rahat yeterli. [Buradan](https://openai.com/api/login/) üye olunabiliyor. Nihayetinde de bittiğinde kullandığnız kadar ödüyor ve sınır koyabiliyorsunuz, prompt ile oluşturduğu 4-5 paragraf yaklaşık 0.5 dolara denk geliyor, biraz gözlemlemek lazım. sitesinde fiyatlar [mevcut](https://openai.com/pricing#language-models). Üye olduktan sonra sağ üste tıklayıp “View API Keys” kısmına tıklayın. “Create new secret key” diyerek oluşturun.  Daha sonra Obsidian’da ayarlara gelip Text Generator (altlara doğru) sekmesine gelip üstte oluşan anahtarı girin.  Kısayollar var çalıştırmak için (Mac’te cmd+J, ya da daha iyisi cmd+opt+J, oluşan metni uzatmak için de var da şu an gerek yok yine de set_max_tokens’a kısayol atayıp kullanabilirsiniz). Soru sorulabilir, şu cümleye sonuç yaz denilebilir, çeviri yap, metni tamamla gibi komutlar uygulanabilir, aslında aşağı yukarı chatGPT'deki çoğu yaklaşım verimli çalışır. Bazı paramatreler var: cevabın uzunluğu, aynı kelimelerin ne kadar geçeceği, ne kadar yaratıcı olacağı vb. Bilimsel konularda temkinli davranmakta fayda var. Jasper (ücretli) vs. için direk blog, ürün tanıtımı vs. yazan scriptler var (recipe diyorlar), birkaç seneye bunlar veri de yorumlar, akademik makale de yazar. Metin uzadıkça alakasızlaşıyor ve basit hatalar olabiliyor, yine de heyecan verici. ARCH, GARCH, ağ modelleme, dalgacık vs. uğraşmadan veriden çıktıları almak, yorumlamak, kırılmaları yakalamak veya ilerideki olasılıklara dayalı tahmin yapmak için eğitilmiş bir yapay zeka bize bol bol boş zaman sağlayabilir. Belki de artık yapmamız gereken de budur. #### Örnek Ben [[IS - LM]] modeli için basit bir anlatım oluşturdum, ardından da deepl ile Türkçe'ye çevirdim bir örnek olması açısından. Belirli noktaları vurgula, şu başlığı daha da fazla detaylandır şeklinde genişletmek mümkün.