Üretken Yapay Zekanın Eğitime Yansıması Nasıl Olacak?

by Burcu Aybat

Yapay zeka bile insana öykünüyor. Bize benzer yeteneklere sahip olmaya çalışıyor, bizim gibi düşünmeye hatta neredeyse bizim gibi hissetmeye. Bilgisayar programları ve algoritmaların getirdiği rasyonelliğin ve analitik perspektifin kombinasyonu ile insanın karmaşıklığı ve çok sesliliği nasıl örtüşecek bilmiyorum ama her gün bu yakınlaşmaya hayal gücümüzle yaklaşıyoruz. Hayal gücünün götüremeyeceği nokta yok. Eğitim de bundan nasibini alacak hiç şüphesiz.

Yapay zekanın pek çok alt alanı kapsadığını biliyoruz. Üzerine konuştuğumuz bu alanlar makina öğrenmesi, derin öğrenme, doğal dil işleme, görüntü işleme gibi sıklıkla duyduğumuz kavramları içeriyor. Bir yandan da yapay zeka ve üretken yapay zeka iki farklı kavram olarak karşımıza çıkıyor. Yapay zeka, insan benzeri zeka görevlerini gerçekleştiren bilgisayar sistemlerini ifade ederken, üretken yapay zeka, yaratıcı içeriklerin üretimi için tasarlanmış bilgisayar sistemlerini temsil ediyor. Yapay zeka, resim tanıma, metin analizi, ses tanıma, özerk araçlar ve daha birçok uygulama alanında kullanılırken, üretken yapay zekanın, özellikle sanat, tasarım ve içerik üretimi gibi alanlarda kullanıldığını görüyoruz.

McKinsey’in üretken yapay zeka ile ilgili yaptığı araştırmaya göre (The State of AI in 2023: Generative AI’s breakout year), araştırmaya katılan kurumların ve organizasyonların üçte biri, bazı üretken AI araçları bir yıldan az sürede ortaya çıkmasına rağmen, bunları en azından bir iş sürecinde sıklıkla kullandıklarını ifade ediyorlar. Araştırmaya katılan kurumların %40’ndan fazlasında ise liderler, üretken yapay zekaya yatırım yapacaklarını söylüyorlar. Dolayısıyla artık günümüzde kurumlar ve organizasyonların, bu kavramları sıklıkla kullanmaya başlamakla kalmayıp aynı zamanda çok hızlı iş süreçlerine dahil ettiklerini ve üretken yapay zekaya yatırım yapmaya gönüllü olduklarını görebiliyoruz. 

Yine aynı araştırmada, üretken yapay zeka uygulamalarının satış pazarlama, ürün ve hizmet geliştirme ve hizmet operasyonları (müşteri hizmetleri ve iş süreçlerindeki idari, finansal ve destekleyici faaliyetler vb.) alanlarında sıklıkla kullanıldığı ifade edilmiş. Bir yandan da araştırmada bazı alanların üretken yapay zekanın da etkisiyle bozulmaya (disruption) uğrayacağına dair göndermeler var. Özellikle bilgi işçiliğinin olduğu bu alanlar arasında bankacılık, eczacılık ve medikal ürünler olduğu gibi ilginç bir şekilde eğitimin de ismi geçiyor. Bunun aksine üretim tabanlı endüstriler (havacılık, otomotiv ve ileri teknolojiler gibi) ise daha az bozulma ile karşılaşacak. Bu durum, üretimi en çok etkileyen önceki teknoloji dalgalarının etkisiyle tezat oluşturuyor ve fiziksel emek gerektirenlerin aksine, üretken yapay zekanın dile dayalı faaliyetlerdeki güçlü yönlerinden kaynaklanıyor.

Üretken yapay zekanın kullanımındaki riskler göz önüne alındığında en çok sözü geçen risk faktörü “inaccuracy” (yanlışlık, hata) olduğu dikkati çekiyor. Bu risk daha önceki yapay zeka araştırmalarında ortaya çıkan risk faktörleri siber güvenlik (cybersecurity) ve düzenlilik uyumu (regulatory compliance) den önde gelmeye başlamış. Bir yandan da pek çok kurum ve organizasyon üretken yapay zekanın risklerini ele almakla uğraşmak istemiyor. Halbuki bu riskleri ve hatta fırsatları ele almak, bunları planlı, yapılandırılmış ve bütünsel bir bakış açısıyla anlamaya çalışmak, üretken yapay zekanın bu sektörlerdeki gelişimi için çok önemli. 

Peki tüm bu gelişmelerin içinde üretken yapay zeka ile bağlantılı yetenek ihtiyacı nasıl değişim gösteriyor? Geçtiğimiz yıl veri mühendisleri, makine öğrenmesi mühendisleri ve yapay zeka veri bilimciler popüler meslekler olarak karşımıza çıkmıştı. Yine geçtiğimiz yıl en çok işe alınan meslek olarak yazılım mühendisleri görünürken bu oranın bu sene azaldığını görüyoruz. Kurumlar ve organizasyonlar artık bu rollerin geçen seneye göre daha kolay doldurulabildiğini ifade ediyor. Bir taraftan da “prompt engineering” (istem mühendisi) rolü ortaya çıkıverdi. Teknoloji arka planı olmayan pek çok kişinin online kurslar alarak bu işe soyunduğunu duyuyoruz etrafımızda.

Tam da bu nedenle McKinsey’in raporunda beni en çok etkileyen yorum Lareina Yee’den geldi. Yee’ye göre geleneksel yapay zeka kapsamında, makina öğrenmesi, veri bilimi ve robotik gibi alanlarda derinlemesine teknik becerilere sahip kişilere ihtiyaç vardı ancak üretken yapay zeka oyunun kurallarını değiştirdi. Yine, dil modellerini geliştirmek ve üretken modelleri eğitmek için yüksek beceri setine sahip insanlara ihtiyaç var ancak bu kişiler herkes olabilir. Bu kişilerin etkili olması için veri bilimi lisans derecelerine ya da makine öğrenme uzmanlıklarına ihtiyacı olmayacak. Yee, bunu aynen şu analojiye benzetiyor: Önceden ana bilgisayarları yüksek teknik becerilere sahip uzmanlar kullanabiliyordu, şimdi ise kişisel bilgisayarları herkes kullanabiliyor. “Bu, insanların teknolojiyi etkili bir araç olarak nasıl kullanabileceği konusunda devrim niteliğinde bir değişim.”

Artık şirketler ve organizasyonlar üretken yapay zekanın insan faaliyetlerini geliştirme rolünü ön plana çıkarıyorlar, insanın yerine yapay zekayı koymaya niyetli değiller. Bu bakış açısıyla yola çıkıldığında ve güncel McKinsey araştırmasına genel olarak göz atıldığında, eğitimin alabileceği çok ders var. İşte bunları dört başlık altında topladım:

Eğitimi Dönüştürme Potansiyeli: Üretken yapay zeka hayatımıza geleneksel yapay zekadan daha hızlı dahil oluyor. Çünkü herkes kullanabiliyor, derinlemesine teknik bilgi ve beceriye ihtiyaç yok, uygulamalar kolay ve her yaşa hitap ediyor. Çok hızlı geliştiği ve dile dayalı faaliyetler üretken yapay zekada ön planda olduğu için eğitim alanında bizleri önümüzdeki dönemlerde fazlasıyla etkileyecek. 

Riskler ve Fırsatlar: Üretken yapay zekanın getirmiş olduğu riskleri ve fırsatları eğitim alanında iyi analiz etmemiz gerekiyor. Özellikle kullanıcıların hatalı ve yanlış üretilen içerikleri tespit edebilmesi ve doğrulama tekniklerini öğrenebilmesi gerekecek. Bunun yanında üretken yapay zekayı doğru yönlendirebilmek için “prompt” (istem) yazma konusunda uzmanlaşmak yeni fırsatlar yaratabilir.

Prompt (istem) Mühendisleri: İstem mühendisi, kısaca üretken yapay zeka modellerine doğru talimatlar vermek için kullanılan metin tabanlı girişlerin tasarımı ve ayarlanması. Böylece, modellerin istenen sonuçları daha etkili bir şekilde üretmelerini sağlıyor. Doğru istem kullanımı, yapay zeka sistemlerinin performansını artırıyor. Hepimiz gelecekte birer istem mühendisi olacağız kuşkusuz. İstem yazma üzerine çalışmalar yapmamız ve hatta bu yetkinliği geliştirmenin yollarını müfredatın bir parçası haline getirmemiz gerekiyor.

Üretken Yapay Zeka Müfredatı: Öğrencilerimizin üretken yapay zekayı günlük hayatında nasıl etkili bir şekilde kullanabileceğine dair bir müfredat geliştirmek elzem. Üretken yapay zeka müfredatı, yapay zeka ve derin öğrenme alanlarında öğrencilere metin, görüntü ve ses üretimi gibi yetenekler kazandırmayı hedefleyebilir. Bu programda, ağlar, doğal dil işleme ve derin öğrenme temellerine değinilebilir. Uygulama alanlarına odaklanarak sanat, veri artırma, otomatik metin üretimi ve diyalog sistemleri gibi konular ele alınabilir. Ayrıca, etik ve güvenlik konuları da vurgulanarak yapay zeka projelerinin sorumlu ve güvenilir bir şekilde geliştirilmesi teşvik edilebilir.

Her gün bizi büyüleyen gelişmeler devam edecek, yapay zeka evrimleşecek ve geleceğimizi şekillendirecek. Peki biz eğitimciler bu sürece ne kadar uyumlanacağız? Çocuklarımız gelecekte onları bekleyen bu teknolojilere ne kadar hazır olacaklar? Yaratıcılığı ve üretkenliği destekleyebilecek miyiz? Ya da etik sorumluluk, veri gizliliği ve güvenlik konuları mı gündemimizi meşgul edecek? İşte üretken yapay zekayı hayatımıza alarak tüm bu soruları dert edineceğimiz bir döneme giriyoruz.

You may also like

Leave a Comment