Modern iş süreçlerinde üretken yapay zekânın benimsenmesi, yalnızca bir araç olarak kullanılmanın ötesine geçerek sistematik entegrasyon aşamasına girmektedir.
Bunun ötesinde, yeni bir zekâ çağı yatmaktadır: "Senfonik Zekâ."
Bu makale, üretken yapay zekâ kullanımının mevcut durumunu ve gelecekteki beklentilerini yinelemeli çalışma ve akış çalışması olmak üzere iki bakış açısından inceleyecektir.
Yinelemeli Çalışma
Daha önceki bir makalede, üretken yapay zekânın iş görevlerini yerine getirmesini sağlamak için "yinelemeli çalışma ve araçlar" ile "akış çalışması ve sistemler" arasındaki perspektifleri analiz etmiştik.
Yinelemeli çalışma, insanların birden fazla farklı somut görevi yarı-bilinçsiz bir şekilde birleştirerek deneme yanılma yoluyla ilerlediği görevleri ifade eder.
Ve bu yinelemeli çalışma için araçlar en uygunudur. Çeşitli görevlere uygun araçlar seçilerek iş verimli bir şekilde ilerletilebilir. Bu nedenle, gerekli araç setini bir araya getirmek ve kullanımında yetkin olmak gereklidir.
Şu anda, üretken yapay zekâ iş dünyasında kullanıldığında, vakaların büyük çoğunluğu üretken yapay zekâyı bir araç olarak içermektedir.
Üretken yapay zekâ ile iş verimliliğini artırma hakkındaki tartışmaların çoğu, neredeyse her zaman bu yeni ve güçlü aracı, insanların yinelemeli çalışma için kullandığı mevcut araç setine eklemeyi ifade etmektedir.
Yinelemeli Çalışmanın Sorunu
Öte yandan, önceki makalede de belirtildiği gibi, yinelemeli çalışmada araçlardan elde edilen verimlilik kazanımları nispeten sınırlıdır.
Araçlar daha verimli hale geldikçe, insanlar sonunda darboğaz haline gelir. Sonuç olarak, insan çalışma saatlerinin engeli aşılamaz.
Ayrıca, kıdemli çalışanlar ile yeni işe alınanlar arasında yinelemeli çalışmanın verimliliği ve doğruluğunda önemli bir fark vardır ve bu farkı kapatmak zordur. Bu nedenle, önümüzdeki ay iş yükünü iki katına çıkarmak isteseniz bile, kıdemli becerilere sahip insanlar olmadan bunu başaramazsınız.
İnsanların darboğaz olma sorununu çözmek için, nihayetinde her şeyi yapay zekâ ile değiştirmeye varır.
Ancak, mevcut üretken yapay zekâ henüz bu performans seviyesine sahip değildir.
Üstelik, görünüşte basit yinelemeli görevler bile, yakından incelendiğinde, çok sayıda bilinçsiz görevden oluşur.
Bu nedenle, geleneksel BT sistemlerine veya herkesin takip edebileceği kılavuzlara indirgenememiş ve dolayısıyla insan yeterliliğine bağımlı kalmışlardır.
Bu çok sayıdaki bilinçsiz, yetkinlik gerektiren görevler organize edilmedikçe ve her biri için gerekli bilgi birikimi bilgiye dönüştürülmedikçe, üretken yapay zekâ performansı ne kadar gelişirse gelişsin insan emeğinin yerini alamaz.
Akış Çalışmasına ve Sistemleştirmeye Dönüşüm
Üretken yapay zekânın mevcut performans sınırları içinde görevleri dağıtma hedefine ve bilinçsiz görevleri düzenleme ile bilgi birikimini kodlama hedefine ulaşmak için, deneme yanılma tabanlı yinelemeli çalışmayı standartlaştırılmış akış çalışması olarak organize etmek büyük önem taşımaktadır.
Standartlaştırılmış akış çalışması sadece araçlara değil, aynı zamanda sistemlere de uygundur.
Akış çalışması içinde, üretken yapay zekâ tarafından yürütülen görevler ve insanlar tarafından yürütülen görevler bulunur. Bunları bir sistemle birbirine bağlayarak, tüm akış çalışması yürütülebilir hale gelir.
Akış çalışmasına ve sistemleştirmeye dönüşüm, birçok önemli etki yaratır.
Bunlardan biri, üretken yapay zekânın bireysel görevler için özelleşmesi ve her görev için üretken yapay zekânın verimliliğini ve doğruluğunu nasıl optimize edeceğinin netleşmesidir.
İkincisi, birden fazla çalışan üretken yapay zekâya bilgi ekleyebilir ve bu faydalar herkese yayılır.
Üçüncüsü, bu çalışma içindeki görev bölümünü aşamalı olarak üretken yapay zekâya kaydırmak kolaylaşır.
Bu şekilde, yinelemeli çalışmayı akış çalışmasına dönüştürerek ve her görev için üretken yapay zekânın ihtiyaç duyduğu bilgiyi bir sistem olarak biriktirerek, entelektüel çalışma bir fabrika hattı gibi otomasyona yaklaşır.
Ve zamanla gelişen üretken yapay zekânın temel performansındaki iyileştirmeleri dahil ederek ve çeşitli görevler için özelleşmiş birikmiş bilgiyi kullanarak, tüm akış çalışmasını üretken yapay zekâ tarafından yönlendirilen otomatik bir süreç haline getirmek mümkün olacaktır.
Sanal Zekâ
Bu, yinelemeli çalışma ve araçlar ile akış çalışması ve sistemler perspektifinden yapılan analizi tamamlamaktadır.
Yakın zamanda yazdığım başka bir makale bu tartışmayı daha da geliştirmektedir.
O makalede, sanal zekâ tarafından yapılan orkestrasyon konusuna değinmiştim.
Şu anda ve çok yakın gelecekte, performans sınırlamaları nedeniyle, üretken yapay zekâ, belirli görevlere odaklandığında verimlilik ve doğruluk açısından daha iyi performans göstermektedir.
Bu nedenle, daha önce akış çalışması ve sistemlerle tartışıldığı gibi, ideal bir mekanizma, her bir görev için özelleşmiş üretken yapay zekâları bir sistem aracılığıyla birbirine bağlamaktı.
Ancak, üretken yapay zekânın performansı önemli ölçüde gelişse bile, çeşitli görevleri basitçe paralel olarak işlemek yerine, tek bir işlem çalıştırması içinde rolleri değiştirerek ve farklı bilgileri kullanarak işlem yapmak daha verimli ve doğru olabilir.
Bu yöntem, üretken yapay zekâları birbirine bağlamak için bir sisteme olan ihtiyacı ortadan kaldıracaktır. Sistem entegrasyonuna benzer işlemler, üretken yapay zekânın içinde gerçekleşecektir.
Ayrıca, sistem değişiklikleri olmadan görev yeniden düzenlemesinin veya eklemelerin imkansız olduğu bir durumdan, üretken yapay zekânın kendisi esnek bir şekilde yanıt verebilecektir.
Bu, akışa göre işlenmiş ve sistemleştirilmiş görevleri tekrar yinelemeli çalışmaya döndürmek anlamına gelir.
Ancak, bu akışa göre işleme ve sistemleştirme sürecinden geçtikten sonra geri dönen yinelemeli çalışma, üretken yapay zekâ sayısı artırılsa veya sürümleri değiştirilse bile, yeniden kullanılabilir bilginin oluştuğu bir durumda olacaktır.
Bu, insan yinelemeli çalışmasının sorunlarını çözer ve insanlar tarafından yapılanlara benzer esnek görevlerin yerine getirilmesini sağlar.
Burada, üretken yapay zekânın tek bir yürütme sırasında rolleri ve bilgiyi değiştirebilme yeteneğini "sanal zekâ" olarak adlandırıyorum. Bu, bir bilgisayarın sanal makinesine benzer.
Sanal makine teknolojisinin, tek bir donanım üzerinde çalışan tamamen farklı bilgisayarları simüle etmesi gibi, tek bir üretken yapay zekâ da birden fazla rol arasında geçiş yaparak işlem yapar.
Üretken yapay zekâ bu sanal zekâ yeteneğini zaten doğal olarak kazanmıştır. Bu nedenle üretken yapay zekâ, birden fazla kişinin dahil olduğu tartışmaları simüle edebilir veya birden fazla karakterin yer aldığı romanlar üretebilir.
Bu sanal zekâ yeteneği gelişirse ve yeterli bilgiyle donatılırsa, yinelemeli çalışma yapmak mümkün hale gelecektir.
Zekâ Orkestrasyonu
Dahası, birden fazla rolü ve bilgiyi görevleri yerine getirmek üzere serbestçe birleştirme yeteneğine "zekâ orkestrasyonu" diyorum.
Bu, birden fazla sanal makineyi yöneten orkestrasyon teknolojisine benzer.
Tıpkı orkestrasyon teknolojisinin gerektiğinde gerekli sanal makineleri başlatarak sistemleri verimli bir şekilde çalıştırması gibi, gelişmiş zekâ orkestrasyonu becerilerine sahip (sanal zekânın bir yeteneği olan) üretken bir yapay zekâ, çok sayıda rolü ve bilgiyi uygun şekilde kullanarak, verimliliği ve doğruluğu korurken yinelemeli çalışmayı esnek bir şekilde gerçekleştirebilecektir.
Senfonik Zekâ
Bu aşamaya ulaşan üretken yapay zekâya Senfonik Zekâ denilebilir.
Tıpkı her müzisyenin kendi enstrümanında usta olduğu bir orkestranın, kendi rollerini yerine getirirken tek bir eseri çalması gibi, Senfonik Zekâ da entelektüel çalışmanın bir senfonisini çalabilir.
Bu Senfonik Zekâ, üretken yapay zekâ için bir bitiş noktasını temsil eden yeni bir kavramdır.
Ancak Senfonik Zekâ'nın kendisi zaten mevcuttur.
O, bizim insan zekâmızdır.
İnsan olarak Senfonik Zekâ'ya sahip olmamız sayesinde, bilinçsizce, yinelemeli çalışma yoluyla karmaşık entelektüel görevleri esnek bir şekilde, çok sayıda bilgi birikimini kullanarak yerine getirebiliriz.
Sonuç: YZGT'nin Biçimi
Senfonik Zekâyı simüle edebilen üretken yapay zekâya, diğer görevler için akış iş süreçleri ve bilgi tabanları sağlanarak, birden fazla yinelemeli görevi yerine getirebilmesi sağlanacaktır.
Çok sayıda farklı yinelemeli görevi yerine getirebildikçe, bu görevler arasındaki ortak prensipleri ve bilginin yapısal modellerini kavraması muhtemeldir.
Bu noktada, tamamen bilinmeyen yinelemeli görevler için, insandan basit bir açıklama ile, bir insanın o görevi nasıl yerine getirdiğini gözlemleyerek sadece o görevin bilgi birikimini öğrenebilecektir.
İşte bu gerçek Senfonik Zekâ'dır. Bu aşamaya ulaşıldığında, insanların akış çalışması veya bilgi birikimini kodlama için çaba harcamasına gerek kalmayacaktır.
Ayrıca, üretken yapay zekânın bu şekilde otomatik olarak biriktirdiği bilgi, üretken yapay zekâların kendi aralarında paylaşılabilir.
Bu olduğunda, üretken yapay zekânın öğrenme kapasitesi insanlarınkini çok aşacaktır.
Bu, Yapay Genel Zekâ'nın (AGI) bir biçimi olarak kabul edilebilir.