Bugün hepimizi bir şekilde etkileyen bir konuya değinmek istiyorum: Yapay zeka yazılım mühendislerinin yerini alacak mı? Bu sadece teknoloji endüstrisinin farklı aktörlerinden okuduğum ve duyduğum bir korku değil. Örneğin, Mart 2024’te NVIDIA CEO’su Jen Sen Huang, çocukların programlama öğrenmemelerine gerek kalmadığını, çünkü gelecekte insanların sorunlarını doğal dilde anlatacaklarını ve yapay zekanın bundan kod üreteceğini söyledi. AWS CEO’su Matt Garman çalışanlara, çoğu mühendislerinin yakında kod yazmayı bırakabileceğini, çünkü işi çoğunlukla yapay zekanın yapacağını ve diğer görevlere odaklanabileceklerini söyledi.
Bu tür tartışmalar yeni değil, aslında bunu geçmişteki birçok başka değişikliğe de bağlayabiliriz. Şirket iş akışlarını otomatikleştirmek ve özel yazılım çözümlerinin miktarını azaltmak için No-Code veya Low-Code çözümleri, zemin planları oluşturan yazılımların mimarları modası geçmiş hale getireceğini ve Blockchain sayesinde geleneksel bankacılığın sonunun geldiğini hatırlıyor musunuz? Tüm bu durumlarda, teknolojik ilerlemenin gelip X disiplinini gereksiz hale getireceği hep öngörülmüştü – yazılım mühendislerinin yerini yapay zekanın alması gibi. Peki, gerçekten yapay zeka yazılım mühendislerinin yerini alacak mı?
Yapay Zeka Nedir?
Yapay Zeka’nın kökleri Alan Turing’in “Hesaplama Makineleri ve Zeka” makalesinde potansiyel olarak düşünen makineler fikrini ortaya attığı 1940-1950’lerin başlarına dayanmaktadır. İlk sistemler mantık ve kuralları uygulayarak problemleri çözdü ancak çok sınırlıydı ve bu nedenle bir “AI Winter” dönemi (1970’ler-1980’ler) izledi. Daha sonra 1980’lerden 2000’lere kadar Makine Öğrenimi ve Sinir Ağları, veri madenciliği, konuşma tanıma ve diğer uzman sistemlerdeki uygulamaların gelişmesine yardımcı oldu. Ancak bunlar hala çok sınırlıydı. 2010’lardan itibaren, büyük miktarda veriyi işlemek için birden fazla Sinir Ağı katmanı (Neural Network) kullanan bir Makine Öğrenimi (Machine Learning) alt kümesi olan “Derin Öğrenme” (Deep Learning) alanında büyük bir ilerleme gerçekleşti. Örneğin, tarihte ilk kez ve tahmin edilenden daha önce, Google’ın AlphaGo’su, dünyada bilinen tüm strateji oyunları arasında en zor olarak kabul edilen geleneksel Go oyununda dünya şampiyonu Lee Sedol’a karşı kazandı.
2010 yılının ortalarından itibaren ChatGPT gibi Büyük Dil Modelleri (LLM) dönemi başladı. LLM’ler, büyük miktarda metin verisinden yararlanarak doğal dili işlemek ve üretmek için tasarlanmış belirli türde yapay zeka modelleridir. Bunu bir örnekle açıklamak gerekirse: 80 yaşına gelen, hayatının ilk gününden itibaren kitap okumaya başlayan ve hayatı boyunca başka hiçbir şey yapmayan bir kişi yaklaşık 30.000 kitap okuyacaktır. ChatGPT gibi bir LLM yaklaşık 570.000 kitap ile eğitilir. Yani temel olarak, bir LLM çok fazla bilgiye sahiptir, sonraki kelimelerin (veya belirteçlerin) olasılığını tahmin edebilir ve doğal dil biçiminde sonuçlar üretir.
Yapay Zeka Neden İnsanların Yerini Alamaz?
LLM’lerin (AI) nasıl çalıştığını düşünmek için bir dakikanızı ayırın: sorulan soruya cevap olarak mevcut kelimeyi takip eden bir sonraki kelimeyi – teknik terimi ile “token” – tahmin eden karmaşık bir matematiksel model. Cümledeki en önemli kelimeyi “tahmin eder”. LLM sonuçları tekrarlanabilir değildir ve genellikle yüzeysel kalacaktır. Bir soruyu iki kez yaptığınızda, genellikle farklı bir yanıt alırsınız. Bu, “bilgi işlem” olarak bildiğimiz şeyle çelişir ve otomasyon için (yazılım mühendisliğinde) daha az uygundur.
Dahası, yapay zeka sistemleri genel olarak onlara sunduğumuz veri kadar iyidir. Örneğin, Microsoft’un 2016 yılında piyasaya sürdüğü Makine Öğrenimine dayalı bir Twitter-Chatbot’u olan Tay, kullanıcıların kasıtlı olarak zararlı içerikler sunmasını öğrendiğinden beri ırkçı ve cinsiyetçi ifadeler tweetlemeye başladı.
COMPAS, ABD adaletinin hüküm giymiş bir kişinin yeniden suç işleme olasılığını tahmin etmesine yardımcı olması gereken bir başka algoritma. Ancak araştırmalar, gerçek yeniden suç işleme oranlarında herhangi bir farklılık olmamasına rağmen, algoritmanın sistematik olarak siyahi sanıkları beyaz sanıklardan daha yüksek riskli olarak kategorize ettiğini gösterdi. Büyük teknoloji şirketlerinin işe alım araçları sistematik olarak kadınları dezavantajlı hale getirmeye başladı ve yüz tanıma araçları koyu tenli insanları sınıflandırıyordu.
Sadece dolaylı olarak konu ile alakali olan bir başka nokta ise, yapay zeka sistemlerinin enerjiye olan ihtiyacı. Raporlar, yapay zekanın halihazırda küçük bir şehir kadar enerji kullandığını ve 2026’da muhtemelen bunu ikiye katlayacağını söylüyor. Bir başka rapor ChatGPT-3’ün eğitiminin yaklaşık 5,4 milyon litre su kullanıldığını söylüyor.
Yapay zeka yüzeysel kalıyor
Yapay zeka sistemleri hataya meyillidir. Sonuçları izlemek ve gerektiğinde ayarlama yapmak için insan gözetimi şarttır. Ancak bunun dışında göz önünde bulundurmamız gereken başka bir nokta daha var: günümüzün yapay zeka sistemlerinin tümü, genel verilerle eğitiliyor. Bu, yapay zekanın genel görevlerin üstesinden gelmesini sağlar, ancak özel kullanım durumları için – tescilli verilere sahip şirketler gibi – özel, alana özgü veriler üzerinde ek eğitim gereklidir.
Kamuya açık veriler, modern ve karmaşık dünyamızın yüzeyini bile oluşturmuyor. En iyi sonuçları almak için, özel veriler, şirket sırları veya sözleşmeler gibi şeyler de dahil olmak üzere verilere mümkün olduğunca erişilebilmelidir. En iyi sonuçları elde etmek için aynı sektördeki şirketler verilerini aynı modele eşit olarak sunmalıdır. Bu öğrenme sürecini birleştirmeye yönelik yaklaşımlar olsa da benim kişisel görüşüm bunun gerçekleşmeyeceği yönünde. Ne insanlar ne de şirketler verilerini herkese açık hale getirmekle ilgileniyor.
Bazı Düşünceler
Yapay zeka etrafındaki güncel olaylar çok önemli ve sadece tek değil, bir çok adım ileri olarak görülmeli. Ancak yapay zeka son iki yılda propagandası yapıldığı gibi de değil: Elon Musk’ın insanoğlunun sonu konusunda uyardığı (ancak paralel olarak bir yapay zeka şirketi kurduğu), bazı ülkelerin bir Yapay Zeka Bakanlığı kurduğu veya şirketlerin her şeyi yapay zeka ile sarmaladığı zamanları hatırlıyor musunuz? Bence bu dönemler artık geride kaldı.
Jen Sen Huang ya da Matt Garman gibi yöneticiler, pahalı yazılım mühendislerinin yerini yapay zeka ile alabilecekleri bir dünya hayal ediyor – yatırım yok, maksimum kâr. Gerçekte ise, tarih bize bir şeylerin basitçe yok olmadığını, ancak doğasını değiştirdiğini göstermiştir. Yapay zeka muhtemelen geliştiricilerin kod yazma şeklini değiştirecek – hatta değiştirdi bile. Pek çok geliştirici, ChatGPT gibi araçları şablon kod üretmek, yeni şeylerin açıklanmasını sağlamak ve kodlarını doğrulamak için kullanıyor. Artık yapay zekanın üstlendiği şeyler için daha az zaman harcarken, üretkenlik düzeyini artırabilir ve başka şeyler için zaman harcayabiliriz.
Bence, bu şekilde ilerleyecektir. Nasıl, ne zaman ve neden olacağını bilmiyoruz ama teknolojik gelişme durdurulamaz. Sadece uyum sağlayabiliriz.