Temel Çıkarımlar
Yapay zekâya bir arama motoru değil, uzaylı bir stajyer gibi davranın
Mollick'in temel çerçeve değişikliği şudur: büyük dil modelleri (LLM'ler) yazılımdan çok insana benzer şekilde davranır. Geleneksel yazılım öngörülebilir ve kurallara bağlıdır; yapay zekâ ise yaratıcı, tutarsız, zaman zaman parlak ve uydurma yapmaya eğilimlidir. Mollick'in benzetmesi, sonsuz hızlı, memnun etmeye hevesli, çok okumuş ve kendinden emin ama köşeye sıkıştığında gerçeği eğip büken bir stajyerdir.
ChatGPT'den müzakere hocası olmasını istediğinde, tek bir paragraf talimat, üniversite ekibinin aylarca süren çalışma ve binlerce satır kodla inşa ettiği şeyin kabaca yüzde seksenini karşılayan çalışan bir simülasyon üretti. Harcanan çaba ile elde edilen çıktı arasındaki bu uçurum, Mollick'in bu farkındalık anının üç uykusuz geceye değdiğini söylemesinin nedenidir. Pratik ders şudur: robotik bir hassasiyet beklemeyi bırakın ve yapay zekâyı yetenekli ama güvenilmez yeni bir çalışanı yönlendirir gibi yönetmeye başlayın.
Stajyer metaforu, otomasyon yerine denetim beklentisi oluşturduğu için tam da bu yüzden işlevseldir. İnsanların akıcı ve kendinden emin çıktılara aşırı güvendiğini gösteren (otomasyon yanlılığı) onlarca yıllık insan-bilgisayar etkileşimi araştırmasını yansıtır. Çerçevenin adlandırılmaya değer bir sınırı vardır: bir stajyer oturumlar arasında öğrenir ve hatırlar, oysa temel bir model konuşma sona erdiğinde her şeyi unutur. Bu bellek yitimi, yönetim ilişkisini temelden değiştirir. Yine de, çalışma amaçlı bir sezgisel kural olarak antropomorfizm, yapay zekâyı ya bir kehanet kaynağı ya da bir hesap makinesi olarak görme hatalarından daha iyidir. Daha derin nokta epistemik alçakgönüllülüktür: bu sistemleri inşa eden mühendisler bile neden çalıştıklarını tam olarak açıklayamazlar.
Yapay zekânın yetenekleri pürüzlü, görünmez bir sınır oluşturur
Mollick ve ortak yazarları, yapay zekânın dengesiz yetkinliğini tanımlamak için Pürüzlü Sınır kavramını ortaya attı. Kuleleri dışarı fırlayan ve bazı bölümleri içeri çöken bir kale duvarı hayal edin: duvarın içindeki görevler yapay zekâ için kolay, dışındakiler zor ve duvar görünmezdir. Bir insana eşit derecede zor görünen iki görev, duvarın karşı taraflarında olabilir.
Örnekler bunu somutlaştırır. Yapay zekâ anında cilalı bir sone yazar ama tam olarak elli kelimelik bir şiir üretmekte zorlanır, çünkü kelimeler yerine belirteçler (kelime parçaları) üzerinden düşünür. Parlak iş fikirleri üretir ama temel aritmetikte tökezler. Baro sınavını yüzde doksanlık dilimde geçti ama basit bir SOS oyunu hamlesini berbat ederken, eksiksiz bir SOS oyunu kodladı. Sınırı haritalandırmanın tek yolu amansız kişisel deneydir.
Pürüzlü sınır, yapay zekânın neler yapıp yapamayacağına dair genellemelerin neden birkaç ay içinde eskidiğini açıklar. Robotikte Moravec paradoksuna benzer: insanların zor bulduğu görevler (satranç, kalkülüs) makineler için kolay, insanların önemsiz bulduğu görevler ise son derece zordur. Pratik çıkarım, uzmanlığın zayıf aktarılmasıdır. Zeki olmak, yapay zekânın yetkinliğini tahmin etmede sizi iyi yapmaz; bunu yalnızca uygulamalı deneme sağlar. Bir uyarı: sınır sabit değildir. Her yeni model sürümü onu yeniden çizer, dolayısıyla bugün oluşturulan kişisel harita eskir. Bu durum, yapay zekâ kullanımını tek seferlik bir beceri edinimi yerine sürekli bir keşif olarak ele alan kişileri kayırır.
En iyi uzmanı olmak için yapay zekâyı her şeye davet edin
Mollick'in ilk ilkesi, yasa veya etik tarafından yasaklanmayan her göreve yapay zekâyı dahil etmektir. Gerekçe, inovasyon araştırmalarından gelen bir gerçeğe dayanır: deney yapmak kuruluşlar için pahalı ama bireyler için ucuzdur. Bir şirketin bir kullanım senaryosunu çözmesi için ekiplere, bütçelere ve ürün döngülerine ihtiyacı vardır. Her gün metin yazan bir pazarlamacı, biri tutana kadar sessizce düzinelerce yaklaşımı test edebilir.
Bu durum, danışmanları veya BT departmanlarını değil, sıradan çalışanları çığır açan kullanımların en olası keşifçileri yapar. Mollick yapay zekâyı kitabın kendisinde bile kullandı: sıkışmış ve meşgulken, kitabı yazmamayı bir varsayılan durum yerine canlı bir kayıp olarak yeniden çerçevelemesini istedi ve kendi statüko yanlılığını istismar etti. Motivasyon konuşması işe yaradı. Mesele şudur: yapay zekâ kullanım kılavuzu olmayan genel amaçlı bir araçtır, dolayısıyla yetkinlik ancak kişisel deneme-yanılmadan gelir.
Bu, Eric von Hippel'in öncü kullanıcıların, üreticilerin değil, birçok çığır açan ürünü ürettiğini bulan kullanıcı inovasyonu araştırmasını anımsatan bir şekilde inovasyonu demokratikleştirir. Mollick bu mantığı bilgi işine genişletir. Gerilim örgütseldir: firmalar öngörülebilirliği ödüllendirir, bu ilkenin gerektirdiği dağınık deneyciliği değil; üstelik birçoğu ChatGPT'yi doğrudan yasakladı. Ayrıca bir hayatta kalma riski de vardır. Her akıllı prompt hilesi genelleştirilemez veya ölçeklendirilemez ve bireysel deneme-yanılma, kendine özgü, doğrulanmamış iş akışlarını pekiştirebilir. Ancak hızla değişen bir alanda kişisel strateji olarak agresif deneycilik, zaten eskimiş olarak gelen resmi rehberliği beklemeye baskın gelir.
Döngüdeki insan olarak kalın, yoksa direksiyonda uyuyakalırsınız
Yapay zekâ uydurur ya da halüsinasyon görür; makul, kendinden emin ve yanlış yanıtlar üretir çünkü doğru olmaktan çok sizi mutlu etmeyi optimize eder. New Yorklu bir avukat bunu, ChatGPT'nin uydurduğu altı sahte dava içtihadını mahkemeye sunduğunda ve 5.000 dolarlık para cezası aldığında öğrendi. LLM'ler gerçekleri değil örüntüleri depoladığından, kesin hatırlama gerektiren her şey uydurma riski taşır ve yapay zekâ itiraz edildiğinde hatalarını savunur.
Mollick'in ikinci ilkesi, yargı, gözetim ve hesap verebilirlik sağlayarak döngüdeki insan olarak kalmaktır. Ancak bir tuzak vardır. Boston Consulting Group çalışmasında, sınırın dışında olacak şekilde tasarlanmış bir görevde yapay zekâ kullanan danışmanlar, yapay zekâ kullanmayanlara göre daha kötü sonuç aldı (yüzde 60-70'e karşı yüzde 84). İlgili bir araştırma, yüksek kaliteli yapay zekâ verilen işe alım uzmanlarının tembelleşip dikkatsizleştiğini ortaya koydu; Fabrizio Dell'Acqua buna direksiyonda uyuyakalmak diyor.
Buradaki paradoks keskindir: yapay zekâ ne kadar iyiyse, insanları o kadar çok vazgeçmeye iter ve hatalarını yakalamak için gereken yargıyı zayıflatır. Bu, havacılık araştırmacılarının onlarca yıl önce belgelediği otomasyon ironisidir; otopilotlar, krizler onları gerektirene kadar pilotların manuel becerilerini aşındırmıştır. Rahatsız edici çıkarım şudur: yapay zekâ, insanları tetikte tutarak hafifçe güvenilmez olduğunda en güvenli, neredeyse mükemmel olduğunda ise en tehlikeli olabilir. Tam otomasyonun peşinden koşan kuruluşlar, hibrit sistemlerin ilişkili ve sessiz şekillerde başarısız olduğunu not etmelidir. İnsan şüpheciliğini korumak nostalji değildir; tıpkı gerçek gibi okunan, kendinden emin bir şekilde sunulan saçmalığa karşı işlevsel bir güvencedir.
Bugünkü yapay zekânın kullanacağınız en kötüsü olduğunu varsayın
Mollick'in dördüncü ilkesi, yapay zekâyı mevcut kusurlarına bakarak küçümseme içgüdüsüne karşı çıkar. İlerleme baş döndürücü olmuştur: model boyutu yılda bir büyüklük sırası artmış, ChatGPT tarihteki herhangi bir üründen daha hızlı 100 milyon kullanıcıya ulaşmış ve GPT-4, GPT-3.5'in yüzde onluk baro sınavı diliminden yüzde doksanlık dilime sıçramıştır. Görsel kanıtı şapka takan bir su samuru: 2022 versiyonu Lovecraft'vari bir kürk yumağıydı, 2023 versiyonu ise temiz, tanınabilir bir görüntü.
Pratik tutum, her zayıflığı geçici ve her iş akışını geçici kabul etmektir. Bunu, PlayStation 6'ların geleceği bir dünyada Pac-Man oynamaya benzetir. Geliştirme yarın donsa bile, mevcut yetenekler işi, eğitimi ve günlük yaşamı dönüştürmeye yeterdi. İyileşmeye karşı bahis oynamak hep kaybettiren bir strateji olmuştur.
Bu ilke stratejik olarak sağlam ama psikolojik olarak zorlayıcıdır, çünkü insanlardan henüz var olmayan bir yeteneğe göre plan yapmalarını ister. Gerçek bir karşı argüman vardır: üstel eğriler eninde sonunda bükülür. Eğitim verisi tükenebilir (bir tahmine göre yüksek kaliteli metin 2026'ya kadar tükenir), maliyetler model başına 100 milyon doları aşar ve Yann LeCun gibi bilim insanları LLM'lerin mimari tavanlarla karşı karşıya olduğunu savunur. Mollick'in kendisi de büyümenin durduğu bir senaryo çizer. Daha güvenli okuma yönseldir, birebir değil: iyileşme muhtemelen yıllarca devam edecektir, dolayısıyla mevcut sınırlamalar etrafında katı süreçler inşa etmek asıl risktir. Gelecek hakkındaki alçakgönüllülük her iki yöne de keser.
Yapay zekâya bir kişilik verin, sıradan varsayılanlarını kırın
LLM'ler istatistiksel olarak en olası sonraki belirteci tahmin ettiğinden, varsayılan çıktıları genel, herkesi memnun eden ortalamalara yönelir. Mollick'in üçüncü ilkesi: yapay zekâya bir insan gibi davranın, ama ona tam olarak ne tür bir insan olduğunu söyleyin. Bir rol atamak ve bağlam ile kısıtlamalar eklemek kalıbı kırar ve daha keskin sonuçlar verir.
Akıllı saat sloganlarını doğrudan istemek unutulabilir dolgu malzemesi üretir. Yapay zekâya esprili bir komedyen gibi davranmasını söylemek şakalar üretir. Öğrencileri, yapay zekâya beş paragraflık bir makale yazdırmakla görevlendirildiğinde, belirsiz istemlerden vasat sonuçlar aldı ama yapay zekâyı karşılıklı iyileştirmede bir ortak editör olarak ele aldığında mükemmel sonuçlar elde etti. İlginç bir şekilde, araştırmalar Google'ın modelinin derin bir nefes al ve adım adım çalış denildiğinde en iyi performansı gösterdiğini ortaya koydu; ciğerleri olmamasına rağmen. İstem mühendisliği bilimden çok sanattır ve modeller niyeti okumada geliştikçe geçici bir beceridir.
Kişilik istemi, geniş bir olasılık uzayını eğitim dağılımının belirli bir bölgesine daraltarak çalışır ve modeli etkili bir şekilde koşullandırır. Bu, insan bilişindeki çerçeveleme ve hazırlama araştırmalarıyla bağlantılıdır, ancak mekanizma farklıdır. Mollick'in istem mühendisliğinin geçici olduğu konusundaki dürüstlüğü, altı haneli istem mühendisi rolleri etrafındaki abartının ortasında ferahlatıcıdır. Daha derin içgörü şudur: kalıcı avantaj istem hilelerinden değil, alan bilgisinden gelir: sanat tarihini veya edebi üslubu bilen beşeri bilimler mezunları, teknik kullanıcılardan daha zengin çıktılar elde edebilir. Beceri büyü değildir; mükemmelliğin neye benzediğini talep edecek ve tanıyacak kadar iyi bilmektir.
Yapay zekâ, daha iyi iş fikirleri üretmede Wharton MBA'lerini geçiyor
Otomasyonun önce tekrarlayan işleri vurduğu varsayımının aksine, yapay zekâ yaratıcı görevlerde üstün başarı gösterir. Mollick yaratıcılığı yeniden birleştirme olarak çerçeveler: Wright kardeşler bisiklet mekaniğini kuş gözlemiyle birleştirdi ve inovasyon genellikle uzak fikirleri bağlamak anlamına gelir. LLM'ler bağlantı makineleridir ve yenilik onların güçlü yanıdır.
Kanıtlar açıktır. Alternatif Kullanımlar Testi'nde (sıradan bir nesne için kullanım alanları sayma) bir insan iki dakikada 5 ila 10 tane bulur; yapay zekâ 122 tane üretti. Wharton'da GPT-4'ü ürün fikirleri konusunda 200 öğrenciye karşı yarıştıran bir yarışmada, en iyi 40 fikrin 35'i yapay zekâdan geldi; daha hızlı, daha ucuz ve satın alma değerliliği açısından daha yüksek puan aldı. Bir uyarı: yapay zekâ benzer fikirlere yönelir, bu nedenle çeşitli bir insan grubu hâlâ daha fazla çeşitlilik üretir ve en yaratıcı insanlar en az fayda görür. Yapay zekâyı her beyin fırtınasına getirin, özellikle kendi yaratıcılığınızdan şüphe duyuyorsanız.
Yaratıcılığın yeniden birleştirme teorisi, Schumpeter'in yeni kombinasyonlarından Arthur Koestler'in çift-çağrışımına kadar güçlü bir soyağacına sahiptir. İnsanları rahatsız eden şey, özgünlüğün sofistike bir remikse indirgenmesidir. Yine de yapay zekânın yaratıcı çıktıyı eşitlediği, en zayıf fikir üreticilerini en çok yükselttiği bulgusu, çalışmaların işaret ettiği gizli bir bedel taşır: yakınsama. Herkes aynı modelle beyin fırtınası yaparsa, bireysel kalite artsa bile kolektif fikir çeşitliliği azalır; bu, tüm sektörler için bir homojenleşme riskidir. Optimal yapılandırma, bireysel fikir üretimi için yapay zekâ, ardından çeşitlilik için insan küratörlüğü olabilir. Tür düzeyinde bir portföy olarak yaratıcılık, anlaşmazlıktan fayda görür ve tek bir baskın model bunu sessizce aşındırır.
İşinizi Sadece Ben, Devredilmiş ve Otomatik görevlere ayırın
İşler, sistemler içindeki görev demetleridir, bu nedenle yapay zekâ nadiren bir işin tamamını değiştirir ama bileşenlerini yeniden şekillendirir. Mollick bir sınıflandırma çerçevesi sunar:
1. Sadece Ben Görevleri: yapay zekânın iyi yapamadığı veya etik ya da kişisel nedenlerle insana ait kalmasını istediğiniz işler (tavsiye mektuplarını ve bu kitabı kendisi yazar).
2. Devredilmiş Görevler: devrettiğiniz ama yine de kontrol ettiğiniz sıkıcı işler, çünkü yapay zekâ uydurur.
3. Otomatik Görevler: tamamen yapay zekâya bıraktığınız işler; hata oranları göz önüne alındığında hâlâ küçük bir kategori.
İş birliği içinde, görevleri insan ve makine arasında net bir şekilde bölen Sentorları (mitolojik yarı insan yarı at gibi) ve ikisini sürekli harmanlayan, yapay zekâya yarım kalmış bir cümle veren Siborglardan ayırır. Bu kategoriler geçirgendir ve yapay zekâ geliştikçe değişir. BCG çalışması, yapay zekâ destekli danışmanların 118 analizde daha hızlı ve daha iyi olduğunu buldu.
Bu görev düzeyinde ayrıştırma, kitabın operasyonel olarak en kullanışlı çerçevesidir ve meslekleri monolitler yerine görev demetleri olarak modelleyen Autor, Felten ve diğer çalışma ekonomistleriyle uyumludur. Hem kıyametçi hem de inkârcı uçları etkisizleştirir: işiniz ortadan kalkmadan önce değişir. Sentor-Siborg ayrımı, entegrasyon derinliğinin bir yelpazesini faydalı bir şekilde yakalar. Yeterince araştırılmamış bir gerilim: insanların en çok Sadece Ben olarak tutmak istediği görevler (yazma, yargı, mentorluk) tam da yapay zekânın en hızlı geliştiği alanlardır, dolayısıyla sınır sürekli baskı altındadır. Ve sıkıcı giriş seviyesi görevleri devretmek, gelecekteki uzmanları yetiştiren çıraklık hattını sessizce tehdit eder; bireysel düzeyde gözden kaçırılması kolay sistemik bir maliyettir.
Bire bir özel dersin iki-sigma hayali nihayet inşa edilebilir
1984'te Benjamin Bloom, bire bir özel ders alan öğrencilerin sınıf arkadaşlarını iki standart sapma geride bıraktığını, yani yüzde 98'inden daha iyi performans gösterdiğini buldu. Bu, iki-sigma problemi olarak adlandırıldı: özel ders olağanüstü işe yarar ama ölçeklendirmek için çok pahalıdır. Eğitimciler onlarca yıl bunu gruplar için tekrarlamaya çalışıp başarısız oldu. Ucuz, kişiselleştirilmiş yapay zekâ özel ders sistemleri sonunda bu sorunu çözebilir.
Mollick, değişimin sezgilere aykırı olduğunu savunur. Yapay zekâ önce bir Ödev Kıyameti başlattı, çünkü makaleler, özetler ve problem setleri kolayca kopya çekilebilir hale geldi ve yapay zekâ tarafından üretilen metin tespit edilemez (dedektörler anadili İngilizce olmayan konuşmacıları yanlışlıkla suçlar). Ancak öğretmenlerin yerini almak yerine, yapay zekâ ters-yüz sınıfları mümkün kılarak sınıfları daha gerekli hale getirir; içerik evde öğrenilir ve ders saati aktif problem çözmeye ayrılır. Khan Academy'nin Khanmigo'su gibi araçlar zaten özel ders veriyor, bir öğrencinin neden zorlandığını teşhis ediyor ve bir konunun neden önemli olduğunu açıklıyor. Küresel boyuttaki riskler muazzamdır: dünya beceri açığını kapatmak, yıllık küresel GSYİH'nın beş katı değerinde olabilir.
Mollick'in başvurduğu hesap makinesi emsal olayı yerindedir: 1970'lerde kaybedilen aritmetik beceriler konusundaki panik, pratik bir uzlaşıya dönüştü ve matematik eğitimi ayakta kaldı. Ancak benzetmenin sınırları vardır. Hesap makineleri pahalı donanım olarak on yılda yayıldı ve okullara uyum sağlama zamanı tanıdı; yapay zekâ ise ücretsiz ve anında geldi. İki-sigma vaadi de incelemeyi hak eder. Bloom'un orijinal etkisi tam büyüklüğünde tekrarlanması zor olmuştur ve EdTech'in aşırı vaatli devrimlerin mezarlığı vardır (her çocuğa bir dizüstü bilgisayar, MOOC'lar). Darboğaz hiçbir zaman içerik sunumu değil, motivasyon, geri bildirim ve ilişkilerdi. Bir yapay zekâ özel ders sisteminin bu insani bileşenleri sağlayıp sağlamadığı, yoksa yalnızca teslim edilebilir kısmı otomatikleştirip otomatikleştirmediği, açık soru olarak kalmaktadır.
Yapay zekâ sahayı eşitler, en zayıf performans gösterenleri en çok yükseltir
Araştırma üstüne araştırmada, yapay zekâdan en çok fayda gören çalışanlar en az becerili olanlardır ve performans farkları daralır. BCG danışmanlık deneyinde, üst ve alt performans gösterenler arasındaki fark, herkes GPT-4 kullandığında yüzde 22'den yüzde 4'e düştü. Bir çağrı merkezinde, en düşük performans gösterenler yüzde 35 daha üretken hale gelirken deneyimliler neredeyse hiç değişmedi. Hukuk öğrencileri arasında, en kötü yazarlar en iyilere yetişti (en iyiler hafifçe geriledi). Yaratıcı yazarlıkta yapay zekâ, daha az ve daha çok yaratıcı insanlar arasındaki puanları eşitledi.
Mollick bunu, yapay zekânın zayıf performans gösterenleri iyi performans gösterenlere dönüştüren büyük bir eşitleyici olarak çerçeveler. Olumlu tarafı demokratikleştirilmiş yetkinlik ve azaltılmış eşitsizliktir. Olumsuz tarafı tedirgin edicidir: intihal tespit şirketi Turnitin'in CEO'su, on sekiz ay içinde mühendislerinin yalnızca yüzde 20'sine ihtiyaç duyacağını ve dört yıllık üniversiteler yerine liselerden işe alacağını öngördü.
Eşitleme etkisi, kitabın ekonomik olarak en önemli iddialarından biridir ve yapay zekânın elitleri güçlendirdiği yönündeki olağan korkuya karşı çıkar. Yapay zekâ kıt uzmanlığın yerine geçerse, uzmanlığın sağladığı ücret primini sıkıştırır; bu, kazananları (acemiler, tüketiciler) ve kaybedenleri (yerleşik uzmanlar, yetkinlik kapı bekçileri) olan bir yeniden dağılımdır. Erik Brynjolfsson gibi ekonomistler bu sıkışmayı ampirik olarak belgelemiştir. Ancak eşitleme, Mollick'in başka yerlerde kendisinin de işaret ettiği bir paradoks doğurur: yapay zekâ uzmanları yetiştiren giriş seviyesi işi yapıyorsa, yarın yapay zekâyı denetleyecek uzman kim olacak? Kısa vadeli eşitlik, uzun vadeli bir uzmanlık kıtlığı pahasına gelebilir. Bu değişimin dağılımsal politikası henüz başlangıç aşamasındadır.
Yapay zekâ çağında uzmanlık daha az değil, daha çok önemlidir
Yapay zekâ her şeyi biliyorsa, gerçekleri ezberlemenin gereksiz olduğu mantıklı görünür. Mollick bunun tersini savunur. Eleştirel düşünmek, yapay zekâ hatalarını tespit etmek ve çıktıları değerlendirmek için konu uzmanlığına ihtiyacınız vardır. Bir yapay zekâ bina planını yalnızca deneyimli bir mimar değerlendirebilir; bir yapay zekâ teşhisini yalnızca yetenekli bir hekim denetleyebilir. İnsan-yapay zekâ iş birliğine ne kadar yaklaşırsak, döngüde uzman insanlara o kadar çok ihtiyaç duyarız.
Uzmanlık geliştirmek, uzun süreli bellekte depolanan gerçekleri (çalışma belleği 30 saniyeden kısa sürede yalnızca 3 ila 5 öğe tutar) ve psikolog Anders Ericsson'a göre kasıtlı pratiği gerektirir: geri bildirim veren bir koçla birlikte, artan zorlukta, bağlı çalışma. Koçlar nadirdir ve yapay zekânın tam da yardımcı olduğu yer burasıdır. Mollick, bir yapay zekânın risk sermayedarı rolü oynadığı, diğerinin gizlice not verdiği ve üçüncüsünün mentorluk yaptığı bir Wharton sunum simülatörü kurdu; kasıtlı pratiğin gerektirdiği hızlı geri bildirim döngüsünü sağladı.
Bu, bilgi çalışanları için kitabın en güven verici argümanıdır ve sağlam bilişsel bilime dayanır: uzmanlık, çalışma belleğini akıl yürütme için serbest bırakan, uzun süreli bellekteki gruplanmış bilgidir. Mollick'in adlandırdığı tehdit gerçektir ve sıklıkla gözden kaçar: yapay zekâ çıraklığı aşındırır. Robotlarla eğitim alan cerrahlar, tek operatörlü bir konsola uygulamalı saatlerini zaten kaybediyor ve YouTube üzerinden gölge öğrenmeye zorlanıyor. Yapay zekâ her yerde alt düzey görevleri emerse, acemiden uzmana geleneksel merdiven basamaklarını kaybeder. Çözülmemiş gerilim kuşaksaldır: uzmanlık daha önemli hale gelir, ancak onu edinme yolları sessizce kapanmaktadır. Bunu çözmek, istem mühendisliğinden ziyade eğitimin merkezi sorunu olabilir.
Dört yapay zekâ geleceği ve yalnızca ortadaki ikisi kontrolü bize bırakıyor
Mollick dört senaryo çizer. Olabileceğinin En İyisi: yapay zekâ şimdi durur (teknik olarak olası değil, ama öyle bile olsa tespit edilemez sahteler ve bilgi kaosu zaten kilitlenmiştir). Yavaş Büyüme: toplumun absorbe edebileceği doğrusal yıllık kazanımlar; yapay zekâ muhtemelen durağanlaşmış bilimsel ilerlemeyi yeniden başlatabilir (buluş üretkenliği her 13 yılda yüzde 50 düşmektedir). Üstel Büyüme: her şeyi yeniden şekillendiren Moore Yasası tarzı hızlanma; yapay zekâ tasarımlı patojenlerden insanlardan daha çekici yapay zekâ yoldaşlarına kadar. Makine Tanrı: yapay genel zekâ ve süper zekâ; insan üstünlüğünün sona erdiği nokta.
Mollick bilinçli olarak yalnızca kıyamet düşüncesini küçümser ve bunun tüm kararları bir avuç Silikon Vadisi yöneticisine bırakarak sıradan insanları faillikten yoksun bıraktığını savunur. Tolkien'in ökatastrofi terimini (peri masallarında ani sevinçli dönüş) ödünç alarak birçok küçük iyi sonucu hedeflemeyi önerir: sıkıcı işin anlamlı hale getirilmesi, öğrencilere yeni yollar açılması, üretkenliğin büyümeyi beslemesi. Eylemsizliğin felaketi varsayılan hale getirdiği uyarısında bulunur.
Varoluşsal riskin konuşmayı tekelleştirmesine izin vermemek, kurnaz bir retorik ve sivil hamledir. Kıyamet anlatıları tam da failliği yoğunlaştırdıkları için felç edicidir ve Mollick onu öğretmenlere, yöneticilere ve yerel kararlar alan çalışanlara yeniden dağıtır. Ökatastrofi çerçevesi iyimser ama naif değildir; iyi sonuçların şansa değil kasıtlı eyleme bağlı olduğunu vurgular. Senaryo yelpazesi belirsizlik konusunda dürüsttür ve sahte kesinliği reddeder. Adil bir eleştiri: süper zekâ tartışmasını failliği gasp eden bir şey olarak paranteze alarak, kitap ne kadar olasılıksız olursa olsun sonsuz risk taşıyan kuyruk risklerini hafife alıyor olabilir. Yine de, yaygın ama kontrol edilebilir orta senaryolarda yol alan büyük çoğunluk için, şimdiki zamandaki insan seçimlerine yaptığı vurgu daha eyleme dönüştürülebilir bir tavsiyedir.
Analiz
Co-Intelligence başarılı olur çünkü Ethan Mollick alışılmadık bir bakış açısına sahiptir: bilgisayar bilimcisi değil, teknolojilerin gerçekte nasıl kullanıldığını inceleyen bir Wharton yönetim profesörüdür. Bu, ona yapay zekâ söylemini domine eden hem nefes kesici abartıyı hem de kıyameti atlatma imkânı verir ve bunun yerine kendi saha deneylerinden (BCG danışmanlık çalışması, Wharton fikir yarışmaları, sınıf uygulamaları) beslenen pragmatik bir kullanıcı kılavuzu sunar.
Kitabın entelektüel omurgası bir çerçeve değişikliğidir: LLM'ler yazılımdan çok, insanlığı taklit eden uzaylı bir zekâya benzer davranır. Buradan dört ilke (yapay zekâyı her şeye davet edin, döngüdeki insan olun, ona tanımlanmış bir rolle bir insan gibi davranın, kullanacağınız en kötüsü olduğunu varsayın) ve birkaç akılda kalıcı çerçeve (Pürüzlü Sınır, Sentorlar ve Siborglar, görev sınıflandırması) doğar. Bunlar gerçekten faydalıdır çünkü teknik değil davranışsaldır ve model güncellemelerinden sağ çıkar.
Kitabın yüzeye çıkardığı, bazen tam olarak çözmeden bıraktığı en derin gerilimler işaret edilmeye değerdir. Birincisi, otomasyon paradoksu: daha iyi yapay zekâ daha fazla insan rehavetine yol açar, dolayısıyla güvenilirlik ve güvenlik ödünleşebilir. İkincisi, uzmanlık paradoksu: yapay zekâ hem uzmanlığı daha değerli kılar (denetim için) hem de uzman yetiştiren çıraklık hattını aşındırır. Üçüncüsü, eşitleme paradoksu: performans farklarını daraltmak kısa vadede acemilere yardımcı olurken, profesyonellerin ücret primlerini ve kariyer merdivenlerini tehdit eder.
Mollick'in en büyük katkısı failliği yeniden dağıtmasıdır. Sıradan çalışanların ve eğitimcilerin, ucuz kişisel deneyler yoluyla yapay zekânın kullanımlarının gerçek keşifçileri olduğunu ısrarla savunarak, bir avuç laboratuvarın her şeye karar verdiği anlatıya karşı çıkar. Ökatastrofi çerçevesi, tek bir büyük çöküşten korkmak yerine birçok küçük iyi sonucu hedeflemek, olgun bir sivil tutumdur. Kitabın dürüstçe kabul edilen zayıflığı güncelliğidir: hızlı değişim ortasında yazılmış olması, belirli kıyaslamaların çabuk eskimesine neden olur; ancak ilkeleri ve deneysel alçakgönüllülük duruşu kalıcıdır.
İnceleme Özeti
Ortak Zeka: Yapay Zeka ile Yaşamak ve Çalışmak, yapay zekayı iş birlikçi bir araç olarak kullanma konusunda pratik tavsiyeler sunar. Okuyucular, Mollick'in yapay zekanın potansiyelini öne çıkarırken sınırlamalarını da kabul eden dengeli yaklaşımını takdir etmektedir. Kitap, çeşitli alanlarda etkili yapay zeka entegrasyonu için stratejiler sunarak insan denetimini ve eleştirel düşünmeyi vurgular. Bazıları kitabı yapay zekaya yeni başlayanlar için değerli bir giriş olarak görürken, konuya aşina olanlar biraz yüzeysel bulmaktadır. Kitabın güncel içgörüleri, yapay zekadaki hızlı gelişmeler nedeniyle çabuk eskiyebilir. Genel olarak, gelişen yapay zeka ortamında yol bulmak için erişilebilir bir rehber olarak değerlendirilmektedir.
Diğer Okunanlar
Sözlük
Ortak Zeka (Co-Intelligence)
İş birlikçi düşünce ortağı olarak yapay zekaMollick'in temel kavramı: Yapay zeka salt bir araç ya da otomasyon değil, insan düşüncesini güçlendiren, insanlarla bir tür ortak gibi yan yana çalışan yabancı bir zeka olarak işlev görür. İnsan olmadan ya da bilinç taşımadan insanların nasıl düşündüğünü ve yazdığını taklit eder; yalnızca fiziksel veya tekrarlayan görevleri değil, entelektüel çalışmayı da güçlendirir (veya potansiyel olarak yerini alır).
Pürüzlü Sınır (Jagged Frontier)
Yapay zekanın düzensiz, görünmez yetenek sınırıMollick ve ortak yazarlarının yapay zekanın öngörülemeyen yetkinliği için türettiği bir terim. Kuleleri ve girintileri olan bir kale duvarı hayal edin: bazı görevler duvarın içinde kalır (yapay zeka için kolay), bazıları dışında (zor), ama duvar görünmezdir. Görünüşte eşit zorlukta olan görevler karşıt taraflarda olabilir, dolayısıyla sınırın nerede olduğunu yalnızca uygulamalı deneyim ortaya çıkarır.
Sentaur (Centaur)
Net insan-yapay zeka görev paylaşımıMitolojik yarı insan, yarı at yaratıktan adını alan bir iş birliği tarzı. Sentaur, insan ve makine çalışması arasında net bir çizgi korur ve her görevi hangisi daha güçlüyse ona stratejik olarak atar. Bir kişi analitik yaklaşıma karar verirken grafik üretimini yapay zekaya bırakabilir ve her birinin yeteneklerine göre ikisi arasında geçiş yapabilir.
Siborg (Cyborg)
Derinden iç içe geçmiş insan-yapay zeka çalışmasıGörevleri temiz bir şekilde bölmek yerine insan ve makine çabasını sürekli olarak iç içe geçiren bir iş birliği tarzı. Siborg, yapay zekaya iş parçaları verir (tamamlanması için bir cümlenin başlangıcı gibi), Pürüzlü Sınır boyunca ileri geri hareket eder ve böylece insan ile yapay zeka çıktıları tek bir görev içinde sorunsuzca harmanlanır.
Halüsinasyon (Konfabülasyon)
Güvenle sunulan, makul görünen, yanlış yapay zeka çıktısıBüyük dil modellerinin yanlış ama makul görünen bilgiler üretme eğilimi. Depolanmış gerçekleri almak yerine olası kelime dizilerini tahmin ettikleri ve doğru olmaktan çok kullanıcıyı memnun etmeye optimize edildikleri için, alıntıları, aktarmaları ve ayrıntıları güvenle uydururlar, ardından sorgulandığında hataları savunurlar. Bir avukat, yapay zekanın uydurduğu altı sahte mahkeme kararını sunduğu için para cezasına çarptırıldı.
Düğme (The Button)
Tek tıkla yapay zeka taslağı oluşturma cazibesiMollick'in her ofis uygulamasına ve e-posta istemcisine eklenen yapay zeka taslak oluşturma özelliği için kullandığı kısa ifade. Boş bir sayfayla karşılaşan insanlar denemeler, e-postalar ve raporlar başlatmak için Düğmeye basacaktır. Bu durum, yapay zekanın ilk fikrine bağımlı kalmamıza, kendi düşüncemizi azaltmamıza ve değeri insan çabasından gelen görevlerin anlamını yitirmesine yol açma tehdidi taşır.
İki Sigma Problemi
Birebir öğretimin ölçeklenemeyen büyük avantajıEğitim psikoloğu Benjamin Bloom tarafından 1984'te ortaya atılan kavram: birebir özel ders alan öğrenciler, sınıf arkadaşlarından iki standart sapma daha iyi performans göstererek onların yüzde 98'inden üstün puan aldı. Sorun şu ki bireysel öğretim ölçeklendirilemeyecek kadar pahalıdır ve onlarca yıllık araştırma bu etkiyi gruplar için tekrarlayamamıştır. Ucuz yapay zeka öğretmenleri bu sorunu nihayet çözebilir.
Direksiyonda Uyuyakalma
İyi yapay zekaya aşırı güvenmekten kaynaklanan rehavetAraştırmacı Fabrizio Dell'Acqua'nın yüksek kaliteli yapay zekanın insanları nasıl pasifleştirdiğini anlatan ifadesi. Çalışmasında, en iyi yapay zekayı kullanan işe alım uzmanları tembelleşip daha az eleştirel hale geldi, önerileri körü körüne takip etti ve güçlü adayları kaçırdı; daha kötü yapay zeka kullananlar ise uyanık kaldı ve performanslarını artırdı. Yapay zeka ne kadar iyiyse, yargıyı terk etme cazibesini o kadar büyük.
Eukatastrofi (Eucatastrophe)
Sonuçlarda ani olumlu dönüşJ.R.R. Tolkien'in masallarda sıkça görülen neşeli, beklenmedik mutlu dönüş için türettiği bir terim. Mollick bu kavramı, yapay zekanın felaket getirmek zorunda olmadığını savunmak için ödünç alır; bilinçli insan tercihleriyle pek çok küçük olumlu sonuç mühendisliği yapılabilir, sıkıcı işler verimli işlere dönüştürülebilir ve zorlanan öğrencilere yeni yollar açılabilir.
Genel Amaçlı Teknoloji
Çağ tanımlayan, her şeye dokunan teknolojiBuhar gücü, elektrik ve internet gibi her sektöre dokunan, nesilde bir görülen teknolojiler için kullanılan bir ekonomi terimi (ironik bir şekilde kısaltması da GPT'dir). Bu tür teknolojiler genellikle yavaş yayılır, ancak Mollick üretken yapay zekanın daha hızlı benimsendiğini ve iş ile eğitimi daha sert vurabilecğini savunur; erken çalışmalar buhar gücünün yüzde 18-22'sine karşılık yüzde 20 ila 80 verimlilik artışı göstermektedir.
PDF İndir
EPUB İndir
.epub digital book format is ideal for reading ebooks on phones, tablets, and e-readers.
