Yeni uzman röportajlarıYapay zekanın okullar, çevremiz ve verilerin korunması üzerinde nasıl bir etkisi var?

1. Yapay zeka zaten her şeyi biliyorsa, gelecekte hala bir şeyleri ezberlememiz gerekecek mi?

Falck: Bu soruya hem "evet" hem de "hayır" şeklinde cevap verebilirim: Hayır, çünkü dünyanın bilgisine kişiselleştirilmiş ve her yerde mevcut bir şekilde erişebiliyoruz. Birçok yerde bu, bilgiyi dışarıdan temin etme ve her zaman hazır bulundurmak zorunda olmama fırsatlarını yaratıyor. Ve evet, çünkü bilgi beceri geliştirmenin temelidir ve YZ tarafından üretilen çıktılarla etkili bir şekilde çalışabilmek için bir dizi beceriye ihtiyacımız var. Elbette, ChatGPT veya Gemini gibi üretken YZ araçları güçlü ve yararlı araçlardır: bize doğal dilde cevap verirler ve birçok alanda yüksek düzeyde uzmanlığa sahiptirler. Onlara neredeyse her şeyi sorabilir ve çoğu durumda yararlı yanıtlar alabilirsiniz. Aynı zamanda, bu "cevaplar" olasılıklara dayanmaktadır. Bu, sohbet robotlarının ilk başta hiçbir şey "bilmediği" anlamına gelir. Verileri makul bir şekilde birleştirmede iyidirler. Bu, her yapay zeka çıktısının nihayetinde biz insanlar tarafından değerlendirilmesi gerektiği anlamına gelir. Bu da bilgi olmadan mümkün değildir.

Flick: Hatta bir adım daha ileri gideceğim: YZ günlük (okul) yaşamda ne kadar çok rol oynarsa, bu araçları sorumlu, eleştirel ve refleksif bir şekilde kullanabilmek için temel düzeyde bilgi sahibi olmanın o kadar önemli olacağına inanıyorum. Bunun nedeni, sohbet robotları gibi yapay zeka araçlarının etkili kullanımının sağlam temel ve uzmanlık bilgisinin yanı sıra temel becerilerin istikrarlı bir temelini gerektirmesidir. Bu bilgi aynı zamanda bağlamları anlamak ve YZ içeriğini eleştirel bir şekilde inceleyip kategorize edebilmek için pratik bilgiyi de içerir.

2 YZ her şeyi yapabiliyorsa öğrenciler neden hala öğrenmeli?

Flick: YZ sistemleri halihazırda birçok alanda çok güçlü olsa bile, gelecekte YZ ile değiştirilemeyecek veya en azından sadece sınırlı ölçüde değiştirilebilecek son derece insani beceriler vardır. Otantik iletişim, empati, gerçek işbirliği ve yaratıcılıktan bahsediyorum. Bu becerilerin öğrenme bağlamında her zamankinden daha fazla vurgulanması gerekiyor. Ayrıca uygulamada, öğrencilerin kendilerine öğretilen içeriğin iş ya da yaşam dünyasıyla gerçek bir bağlantısı olduğunu fark ettiklerinde her şeyden önce bir şeyleri anlamak ve ustalaşmak istediklerini deneyimliyorum. İşte o zaman motivasyon ortaya çıkıyor. Öğrenciler teknolojiye tamamen bağımlı olmak istemezler - kendilerini yetkin olarak algılamak isterler! Bu nedenle "Neden (bunu) öğreniyoruz?" sorusu her zaman derslere eşlik etmelidir.

Falck: Öğrenme ve her şeyden önce eğitim, bilgi birikiminden çok daha fazlasıdır. Öğrenmemizin merakla ve dünyayı nasıl anladığımızla, kişiliğimizin nasıl geliştiğiyle ve eylem seçeneklerimizi nasıl genişlettiğimizle bir ilgisi vardır. Ayrıca belirli kişisel hedefler nedeniyle ya da bir şeylerden kaçınmak için de öğreniriz. Bu nedenle eğitim kurumları anlam aktarmaya ve harekete geçirici öğrenme ortamları yaratmaya daha fazla odaklanmalıdır. Kendi kaderini tayin etme, bireysel hedefler, deneyim ve kişisel anlamlılık bileşenlerine daha fazla ihtiyacımız var. Bu, örneğin daha fazla katılım ve ders kitaplarından ziyade gerçeğe daha yakın olan proje temelli çalışma biçimleriyle ve aynı zamanda iletişim, işbirliği ve yaratıcılık gibi geleceğe yönelik becerilere daha fazla odaklanılmasıyla sağlanabilir.

1 YZ sistemleri son yıllarda neden böyle bir "patlama" yaşadı?

Lorig: YZ sistemlerinin son yıllarda giderek daha iyi hale gelmesi, büyük ölçüde eğitildikleri büyük miktarda veriden kaynaklanmaktadır. Bir yapay zekanın insan benzeri metinler oluşturabilmesi için, sistemin öncelikle insanların kendilerini nasıl ifade ettiklerini, birbirleriyle nasıl iletişim kurduklarını ve belirli konulardaki görüşlerini tanıması gerekir. Bu amaçla sistemler, örneğin biz kullanıcıların sosyal medyada geride bıraktığımız büyük miktarda veri ile eğitildi ve eğitiliyor. Bu sadece metinler için değil, aynı zamanda oraya yüklediğimiz görüntüler için de geçerlidir - bunlar da görüntü ve video oluşturucuları eğitmek için kullanılmıştır ve kullanılmaktadır.

2. Yapay zeka sistemleri okullarda kullanıldığında veri koruma açısından ne gibi özel riskler ortaya çıkıyor?

Lorig: Çocuklardan ve gençlerden elde edilen veriler, YZ sistemlerini eğitmek için özellikle ilgi çekicidir, çünkü kendilerini ifade etme biçimleri kamuya açık metinlerde nadiren bulunur. Bu nedenle, okullar gibi kamu kurumları YZ sistemleri kullanıyorsa, öğrencilerin girdilerinin ticari eğitim ve sağlayıcının ürününün daha da geliştirilmesi için kullanılmaması sağlanmalıdır. Bazı sistemler, ayarlarda eğitim amaçlı girdilerin işlenmesini devre dışı bırakmayı mümkün kılar. Bazı araçlar oturum açmadan veya "gizli modda" da kullanılabilir, bu da oturumdan oturuma daha az bilgi kaydedildiği anlamına gelir. Bununla birlikte, yapay zeka sistemleriyle ilgili bir sorun şeffaflık eksikliğidir. Verileri işlemek için hangi algoritmanın kullanıldığını bilmiyoruz. Bu, yalnızca eğitim amacıyla bir yapay zeka sistemine beslenen verilerin kaldırılmasını neredeyse imkansız hale getirmekle kalmaz. Görebiliyoruz

1. yapay zekanin sürdürülebi̇li̇rli̇kle ne i̇lgi̇si̇ var?

Doria: İlk bakışta göründüğünden çok daha fazlası. Ancak öncelikle "sürdürülebilirlik" ve "yapay zeka" kelimelerinin gerçekte ne anlama geldiğini açıklığa kavuşturmamız gerekiyor. "Sürdürülebilirlik" terimi 18. yüzyılda Ore Dağları'ndaki madencilik endüstrisine odun sağlayan Hans Carl von Carlowitz tarafından ortaya atıldı. Temel fikri, ormandan aynı dönemde yetişenden daha fazla odun alırsanız, "sürdürülebilir" bir kereste endüstrisi işletemeyeceğinizdi. Buna dayanarak, amaç her zaman bugünün kaynaklarını gelecekte de korunabilecek şekilde kullanmak olmalıdır. Öte yandan "yapay zeka" terimi yanıltıcıdır - çünkü bu teknolojilere daha yakından bakarsanız, ne "akıllı" ne de "yapay" olduklarını fark edersiniz. Yapay zeka sistemleri akıllı davranışları taklit eder ve insan emeği olmadan çalışamaz. Bu nedenle sözde "yapay zeka "dan bahsetmek, bunları geliştiren ve işleten insanların artık sorumluluk almak istememesine yol açmamalıdır. Ne yazık ki, cep telefonlarımızdaki renkli uygulamalar, genellikle göz ardı edilen çok sorunlu bir tarafı gizlemektedir.

2. "Yapay zeka ve sürdürülebilirlik" ile ilgili sorun nedir?

Doria: Prof Aimee van Wynsberghe "yapay zeka ve sürdürülebilirlik" söz konusu olduğunda iki alanı birbirinden ayırıyor: Bir yandan sürdürülebilirlik hedeflerine ulaşmak için YZ'nin kullanımı (Sürdürülebilirlik için YZ) ve diğer yandan YZ'nin kendisinin sürdürülebilirliği (YZ'nin Sürdürülebilirliği). Burada iki sorun özellikle önemlidir: Ana sorun, YZ'nin yüksek enerji ve kaynak tüketiminde yatmaktadır.

Bunu ele almak için öncelikle YZ'nin nasıl çalıştığını anlamamız gerekiyor. Bugün "YZ" hakkında konuştuğumuzda, genellikle "makine öğrenimini" kastediyoruz. Bu, bir YZ sistemine büyük miktarda verideki örüntüleri tanımasının öğretildiği anlamına gelir. Burada genellikle "büyük olan daha iyidir" yaklaşımı geçerlidir: başka bir deyişle, bir YZ sistemi eğitim için ne kadar çok veri alırsa, o kadar etkili olur. Burada tanınan örüntüler ve korelasyonlar daha sonra eğitilmiş bir model tarafından bir sonuca ulaşmak için yeni, bilinmeyen verilere uygulanabilir.

Bunu bir örnekle açıklayayım: eğer bir yapay zeka CT görüntülerinde akciğer kanserini tanımayı "öğrenecekse", öncelikle sisteme sağlık durumu, yaş ve cinsiyet açısından farklılık gösteren birçok akciğer görüntüsü göstermem gerekir. Eğer kanser görünüyorsa, yapay zekaya her zaman "Bu akciğer kanseri" ipucunu veririm. Zamanla model, hastalıklı akciğerleri sağlıklı olanlardan ayırt etme konusunda giderek daha doğru hale geliyor. Eğitim aşamasından sonra, yeni BT görüntülerinde akciğer kanserini tanıyabilmelidir.

Şimdi enerji tüketimine geri dönelim: Bir yapay zeka modelini belirli bir amaç için kullanabilmek için öncelikle çok güçlü bilgisayarlarla "eğitilmesi" gerekir. Bunun için ne kadar enerji tüketileceği çeşitli faktörlere bağlıdır - örneğin, modelin ne kadar karmaşık olduğu, donanımın ne kadar güçlü olduğu ve konumdaki enerji karışımının ne kadar sürdürülebilir olduğu. Ancak büyüklük sırası hakkında bir fikir edinmek için size iki örnek vereceğim: Uzmanlar, ChatGPT'nin bir önceki modelini eğitmenin New York ve San Francisco arasında yaklaşık 300 dönüş uçuşu kadar CO2 emisyonuna neden olduğunu tahmin ediyor. Dahası, çip üreticisi Nvidia'nın donanımla donattığı yapay zeka veri merkezleri yılda İsveç'in tamamı kadar elektrik tüketiyor.

Eğitime ek olarak, "çıkarım aşaması" - eğitilmiş bir yapay zeka sisteminin gerçekten kullanıldığı nokta - da çok fazla bilgi işlem gücü gerektiriyor. Bunun nedeni, bir yapay zeka ile her etkileşime girdiğimde, örneğin bir komut istemi aracılığıyla, daha fazla enerjiye mal olmasıdır. Özellikle de modelin benim etkileşimlerimden (kullanıcı verilerinden) "öğrenmesi" ve gelişmesi gerekiyorsa. Yine, bunu kategorize etmek için bazı örnekler verelim: Bir yapay zeka görüntüsü oluşturmak, bir akıllı telefonu şarj etmek kadar güç gerektirir. ChatGPT'nin yıllık toplam enerji tüketimi ise kabaca üç milyondan fazla elektrikli arabayı şarj etmek için gereken güce eşdeğer.

"Bulut" kelimesi, enerjinin yanı sıra değerli hammaddelere de ihtiyaç duyan enerji yoğun veri merkezlerinden bahsettiğimiz gerçeğini tamamen göz ardı ediyor. Örneğin, bilgisayar çipleri için silikon, kablo bağlantıları için bakır ve kurulan yapay zeka çiplerini kalıcı olarak soğutmak için muazzam miktarlarda tatlı su. 2015 Paris iklim koruma anlaşmasında, küresel ısınmayı 1,5 derece ile sınırlandırmayı küresel olarak kabul ettik. Ancak bu rakamlar göz önüne alındığında, bu bana giderek daha tartışmalı görünüyor.

Bir başka sorun da belirli iş süreçlerinin düşük ücretli ülkelerdeki sözde tıklama işçilerine yaptırılması. Çünkü verilerin yapay zeka eğitimi için kullanılabilmesi için önce gerçek insanlar tarafından görüntülenmesi ve "etiketlenmesi" gerekiyor (örneğin görüntülerin "bu kanser" / "kanser değil" şeklinde etiketlenmesi). Bu, genellikle manuel olarak yapılan çok zaman alıcı bir süreçtir. OpenAI (ChatGPT) gibi büyük yapay zeka şirketleri, ücretler çok daha düşük olduğu için bu işi Küresel Güney'deki tıklama işçilerine yaptırmayı tercih ediyor. Örneğin OpenAI'nin Kenya'daki tıklama işçilerine taşeronlar aracılığıyla saat başına sadece 2 ABD doları ödediğini biliyoruz. Ancak etik açıdan bakıldığında sorunlu olan sadece düşük saatlik ücret değil, aynı zamanda bu işin neden olduğu zihinsel strestir. Zira bu kişiler Almanya'da reşit olmayanların korunması kapsamına girecek içerikleri de haklı nedenlerle görüntülemektedir.