Üretkenliğin Geleceği Yapay Zeka ve Makine Öğrenimi

Endüstri uzmanları, Yapay Zeka’nın(AI) çalışma şeklimizi nasıl değiştireceğini açıklıyor.

 

Verimlilik ve proje yönetimi pazarında patlama yaşanmaktadır ve bu durum yeni ve heyecan verici yollarla gelişmeye devam etmektedir. Proje yönetimindeki yapay zekanın geleceğinin nasıl olacağını bilmek istedim, dolayısıyla önümüzdeki beş ila 10 yıl boyunca tahminlerinin ne olduğunu sorabilmek için bu alanda her geçen gün çalışan kuruculara, verimlilik uzmanlarına ve fütüristlere ulaştım. Onların cevapları aydınlatıcıydı.

 

Yapay zekayı karar verme için değil, karar desteği için kullanacağız.

David Allen, Getting Things Done yaratıcısı inanışına göre, “Sistemler, Her durumdaki deneyimimizi her durumda en uygun hale getirmek için ilgili verileri, doğru yerde, doğru zamanda daha iyiye gidecektir. Verimlilik sistemlerini karar verme sürecimiz için destekleyici sistemler olarak düşünmeliyiz.”

 

Bu nedenle, kararlarımızı elemek ve onları makineleştirmek için yapay zekayı henüz kullanamayacağız, fakat herhangi bir durumda bir karar verirsek bu karar verme yeteneğini arttırmak için kullanacağız. Ayrıca bunun AI(Artificial Intelligence) için bir sonraki muhtemel adım olduğunu düşünüyorum. Çoğu kişi bir bilgisayara karar vermelerini istemez, ancak bu kararların alınmasına yardımcı olacak bilgileri arar.

 

Allen söylemeye devam ediyor: “Ne yeni sunum şekilleri, ne de yapay zeka gibi eğilimler sizin için karar verecek. Bu işinize yaramaz. Yapay zekanın kararlarınızı destekleyeceğini görüyorum fakat yine de kafalarımızı karar vermek için kullanacağız.” dedi.

 

Bu robot demek değil…

Çoğu insan yapay zekayı düşündükleri zaman, Jetsons’tan Rosie’e veya Ford’daki bir üretim hattındaki robotların yaptığı manuel işler bizim işlerimizi tamamladığını düşünüyor. Burdaki ilgili sorun şu, bu görüşün burada çok sınırlayıcı olması. Elbette, robotlar akıllı hale gelecek, ancak başka şeylerde. Çevrimiçi video dizisi In a Nutshell’in arkasındaki ekip, bununla ilgili oldukça açıklayıcı bir video yayınladı.

Şu anda, motivasyon seviyenizi tanımlayabilecek bir yapay zeka ve size uygun seviyede görevler verebilecek bir uygulama söz konusu değil. Basit servis sorularına cevap verebilen ve yanıtlardan öğrenebilen botlar, şimdiden bazı başarılar ve bazı büyük hatalarla birlikte çalışıyorlar.

Smartsheet CEO’su Mark Mader, yapay zekayı başıboş robotlar olarak düşünmenin “Daha da ileri giderek, otomasyonun – robotların günümüzden sıradan ve verimsiz iş adımlarını kaldırmayı düşündüğünü – sanmıyorum – şüphe yok – fakat bu durum artacak. Makine öğrenimi, çalışanların ne yapmaya çalıştıklarını tahmin edebilecek ve çalışmalarını kolaylaştıracaktır. Nasıl mı? Bilgileri otomatik olarak toplayarak bir görevi tamamlamaları, formları doldurmaları ve onları uygun kişilerle paylaşmaları gerekecek. ”

 

Her ikisinin bir kombinasyonunu görüyorum. Özellikle proje yönetiminde, makinelerin gerçek zamanlı verileri kullanarak bir değişimi öngörebileceği ve buna göre değişiklikler yapabileceği bir gelecek görüyorum. Makine öğrenimi ve robotları elinde tutan anahtar bu kombinasyondur: Sistem, ızgara ekipmanını dışarı üreten bir üretim hattını düşünün. Bu sistem, üretim hattındaki artışların oluşmasında robotlara otomatik olarak  bu durumu söyler ve yaklaşan tatilden ötürü artacak olan talebi tahmin ediyor olabilecek. Aralarında bir insan kararının olup olmayacağından emin değilim, ancak makinelerin kararlarıyla daha rahat hale gelirken onlara sürecin daha fazla kontrolünü vereceğiz.

 

Benim kararım bu.

Yapay zeka insan olmadan uzaktır, fakat insan üstü olmaya izin verir. Belirttiğim gibi, oldukça korkunç bazı sonuçlarla birlikte makine öğrenme robotları yayınladık. Makineler, bağlam veya hiciv anlamada henüz iyi değiller. Bu yüzden robotların öğrenmelerine izin verdiğimiz zaman, genellikle hedefi tutturamazlar.

Bununla birlikte, bir karara yardımcı olmak için makinelerin kullanılması, şu an için ileriye doğru giden tek yol gibi görünüyor. Bu karar desteğinin bir şekli olarak, verimlilik uzmanı Carl Pullein “Makine öğrenimi ve yapay zeka (ilerleyecek) verimlilik yaratmaya yönelik görüşmelerinizin listesini, görevlerinizi yapabilir ve içeriğinizin tamamlanmasına bağlı olarak ihtiyacınız olanı bilebilecek, nerde olduğunuz ve neye ihtiyacınız varsa onu tamamlayabilecek.

 

Grammarly gibi makine öğrenme araçları, zaten piyasada bulunuyor, ancak bu gibi karar verme yardımcıları daha iyi bilinir hale geldikçe, daha karmaşık alanlara giriyorlar. Bunu, Facebook zaman çizelgesi algoritması veya spam filtresi olarak değil de, yapılacaklar listesi için düşünebilirsiniz.

 

Tıpkı eğitim gibi, erişim makine öğrenmenin anahtarıdır.Şimdi nerede olduğumuzu algılamak için, her zaman öğrenen ve onun üzerindeki sistemleri düşünün. Bilgisayarınızdaki tarayıcıdan tutun, Google’a ve Facebook’ yaptığınız işin, tıklayıp satın almanın ötesine geçtiği herhangi bir sayıdaki şirketle konuşuyorsunuz. Şimdi IoT‘nin son trendiyle bu şeyler bilgisayarlarımızdan ve cep telefonlarımızdan uzaklaşıyor ve günlük hayatımızın bir parçası haline geliyor ve ((Nesnelerin interneti (Internet of Things, kısaca IoT)) günlük hayatımızda yer alarak yol boyunca verilere erişiyor. Akıllı buzdolabınız, yerel süpermarkete haftada ne kadar su içtiğinizi söyleyebilir. Yerel bölgedeki herkes akıllı bir buzdolabına sahip olursa, aynı süpermarkette stoklanacak miktardaki suyun daha iyi olacağı konusunda karar verebilir.

Verimlilik psikoloğu Melissa Gratias, iş yerimizde bizim için dahi bu sistem çalışmasını görür.” Çoğu uygulamalar ve programlar bu kullanım arayüzü amacıyla ve araçlarıyla birlikte kullanıcıya ihtiyaç duyar. Nerede olursa olsun, kullanıcının her zaman erişebilmesini sağlayan daha akıllı evler, akıllı araçlar ve sesle aktive edilen giriş noktaları görürüz. Örneğin, görev listesine bir şeyler eklemek için yaptığı işleri durdurmak zorunda kalmaz. ”

 

Bu nedenle, süpermarket ne stoklayacağınızı bilmez, ancak buzdolabınız önümüzdeki hafta alışveriş listesine ne ekleyeceğinizi bilecektir. Otomatik olarak, öğrenilmiş davranış yoluyla.

 

Konuştuğum uzmanların tamamı, karar desteklerinin kısa vadede ilerlemenin tek yol olduğuna karar verdiler. Makinelere, insanların karar tercihleri öğretilmektedir, çünkü bu bağlamı kendi başlarına ayırt edemezler. Bu yüzden, bir insan gibi düşünmesinde insanların öğrendiği gibi makineleri de eğitmeye ihtiyacımız var. Alphabet gibi şirketler, AI(Artificial Intelligence) ve makine öğrenme teknolojilerinin ön planında olan DeepMind gibi projelerle zaten üzerinde çalışıyorlar. Diğerleri, Elon Musk’ın OpenAI ve ekibi gibi, insanlığın kötü niyetli bir AI’nın korkularının asla gerçekleştirilmemesini sağlamak için çalışıyorlar. Bu sistemlere güvenmeyi öğrendiğimize göre, bunu benimsemeye hızlıca adapte olucağız. Ve çok evrensel olduklarından, kesinlikle tüm endüstrilere temas edecektir.

 

Çevirmen: Yunus Emre Sürün

MARTIN WELKER
GUEST WRITER
Founder and CEO of Zenkit
© 5846 sayılı Fikir ve Sanat Eserleri Kanunu maddeleri gereğince yapılan her türlü izinsiz alıntılanma, yayınlama hakkında yasal işlem başlatılacaktır.

Bir Cevap Yazın

Aşağıya bilgilerinizi girin veya oturum açmak için bir simgeye tıklayın:

WordPress.com Logosu

WordPress.com hesabınızı kullanarak yorum yapıyorsunuz. Çıkış  Yap /  Değiştir )

Google+ fotoğrafı

Google+ hesabınızı kullanarak yorum yapıyorsunuz. Çıkış  Yap /  Değiştir )

Twitter resmi

Twitter hesabınızı kullanarak yorum yapıyorsunuz. Çıkış  Yap /  Değiştir )

Facebook fotoğrafı

Facebook hesabınızı kullanarak yorum yapıyorsunuz. Çıkış  Yap /  Değiştir )

Connecting to %s

This site uses Akismet to reduce spam. Learn how your comment data is processed.