Aynen öyle. Yorumlarda da epey saçmalık var. Aşırı kapılıp gitmek de doğru değil ama yazılım mühendisliğinin o kadar da önemli bir şey olmadığını düşünüyorsanız o işi bırakın. Dürüst olmak gerekirse, çıtayı düşürürseniz kolay bir iş ama öyle değilse zor bir iş olduğu bir gerçek değil mi? Dünyadaki çoğu meslek gibi.

Diğer meslekleri özellikle küçümseyen bir yazı da değil ama böyle yazılar daha da komik geliyor.

Bu son o3’te halüsinasyon sorunu inanılmaz derecede ciddiydi.
Bunun da onlardan biri olabileceğini düşündüm ama doğrudan iletişime geçmeleri ilginçmiş.

[Güncelleme] OpenAI, Lumi’ye resmî olarak yanıt verdi
OpenAI bu gönderiyle ilgili olarak bizimle iletişime geçti ve özel karakterin bir filigran olmadığını bildirdi. OpenAI’ye göre bu yalnızca “büyük ölçekli pekiştirmeli öğrenmenin bir tuhaflığı”. Ancak gelecekteki okurların ChatGPT o3/o4 yanıtlarında bu özel (ve potansiyel olarak istenmeyen) karakterler sorununu hâlâ görebilmesi için gönderiyi yayında bırakıyoruz.

hahaha

Literal parse edildiğinde değişkenlerin bile string olarak çıkması sorunu çözülmüş gibi görünüyor. Paylaşım için teşekkürler.

Düşününce, elm'de de oluyor.

Gleam de bunu destekliyor, bu sayede kodu oldukça temiz yazabiliyorsunuz.

Bu arada, sanırım metinde kod bloğu olduğu için mobilde de masaüstü düzeninde görünüyor.

Hizmet büyüdükçe artan karmaşıklığa, ilk yöntemleri olduğu gibi uyguladığınızda bunun artık geçerli olmayabileceği gerçeğinin gözden kaçırıldığı bir içerik gibi görünüyor.
Elbette başlangıçta hızlı yaklaşım kolay ve etkiliydi, ancak artık bunun çalışmayabileceğini kabul etmezseniz ek personeli sanki verimsiz ve yeterince adanmış değilmiş gibi değerlendirmeye varan bir algı oluşabilir.
Bu stratejinin artık işe yaramadığını ise ancak çok sonra fark edersiniz.

Ayrıca, bir şirkette sistem olmamasını "hızlı uygulama gücü" diye adlandırmanın övünülecek bir şey olduğunu düşünmüyorum.

Onlar kadar para vermeyecekken, üretkenlikleri çıkmıyor diye ne kadar sıkıştırsanız da işini iyi yapan insanlar kaçar...

Google önerilerinde tesadüfen karşıma çıkıp geldim ama bu yazı fazlasıyla geek bakış açısından yazılmış bir yazı. İş açısından bakıldığında hiç de doğru bir anlatı değil. Neden mi?

1. Big Tech’in kullandığı büyük araçlar için uzman bulmak kolaydır.
   Big Tech’e girmek için bunları öğrenen çok kişi var ve sırf Big Tech seçti diye bunları çalışan da çok. Doğal olarak bu konuda bilgili insan bulmak da kolay, deneyimli ya da uzman kişileri işe almak da daha rahattır. Peki ya ilk kez gördüğünüz bir araçsa? Buna yoğunlaşmış insanlar hiç yok değildir ama böyle kişileri bulmak, Big Tech araçlarının uzmanlarını bulmaktan çok daha zor olacaktır.

2. Big Tech’in kullandığı büyük araçlar için referans ve kaynak bol olur
   Birçok kişinin kullandığı büyük araçlarda, sorun çözmeye yardımcı olacak kaynaklar ve Google arama sonuçları bolca bulunur. Sorunların çoğu büyük ihtimalle başkalarının da yaşadığı türdendir ve basit bir aramayla problemi kolayca tespit edebilirsiniz. Ama ilk kez gördüğünüz bir aracın sorunlarında referans bulmak zordur; bir problem çıkarsa sebebini anlamak için ciddi zaman harcanması çok olasıdır. Bunun hepsi sonuçta para demek. Bu sorun yeni devreye alınmış küçük bir aracın sorunu mu? Yoksa başka taraftaki bir problemi yanlış mı yorumluyorsunuz?

Aslında Big Tech şirketleri bunları değiştirmekte daha rahattır. Çünkü devasa veri işleme ölçekleri nedeniyle, küçük bir I/O kazancı bile onlar için büyük bir kazanca dönüşebilir. Ayrıca sırf Big Tech benimsedi diye bunu öğrenmek isteyen de çok olur. Ancak küçük ve orta ölçekli şirketlerde, görece küçük veri ölçeği yüzünden ufak bir I/O kazancı o kadar da büyük bir fayda sağlamazken, yukarıdaki sorunlar çok daha ciddidir. Küçük ve orta ölçekli şirketlerin benimsediği çözümleri öğrenmek isteyen kişi sayısı da azdır. Bu yüzden KOBİ ölçeğindeki bir işletmeyseniz, bir geek gibi böyle şeyleri tek tek tartmak yerine Big Tech’in araçlarını taklit etmenin daha ekonomik olduğu sonucuna varmanız sık görülen bir durumdur.

Koreceyi de merakla bekliyorum!!

Belki de yapay zeka tarafından üretilen verileri eğitim verisi olarak kullanmamak içindir diye düşünüyorum (model collapse).

Sanki sınava özel birebir ders almış gibi… sadece testlerde iyi.
Ama gerçekten konuşmaya başlayınca… tam bir fiyasko.

"Uzun süreceğini düşünürsen uzun sürer, çabuk biteceğini düşünürsen çabuk biter." sözünü görünce Parkinson Yasası aklıma geldi.

Parkinson Yasası: Parkinson Yasası, bir işi yapmak için harcanan sürenin, o iş için verilen süreye göre uzadığını söyler.

Sadece öldürmek istemiş olamazlar mıydı?

Yapay zekâ da algıya benzer bir şeye sahip olduğu için, yapay zekâyla birlikte yaşayacaksak yapay zekâ için kurumlar ya da yasalar oluşturulması gerekecektir. 22. yüzyılın yeni bir yaşam formu olarak ona bir oyuncakmış gibi sataşılmamalı; ayrıca bir bakıma tehlikeli de olabileceği için yapay zekâyı yalnızca geliştirmek ve kullanmak değil, güvenli şekilde kullanılabilmesini sağlamak da gerekli.

Az miktarda veri ve yukarıdaki örnekteki gibi basit seviyedeki kodlarda, görünüm olarak da fena olmadığını düşünüyorum.

Ama map() içine azar azar kod girmeye başladıkça ... kodu giderek şişirme eğilimi oluyor ve
dile ya da kullanılan kütüphane implementasyonuna göre etkisi değişse de, veri miktarı arttığında sadece veri yapısına veri biriktirip ya da onu manipüle ederek işlemeye kıyasla kolayca binlerce kat daha yavaşlayabildiği için,

Bir de sonradan bunu tercih etmememe yol açan yeni bir neden daha ortaya çıktı: Bu haberi telefonda gördüğümde PC seviyesindeki genişlik aynen korunmuştu ve yazı boyutu gözle zor seçilecek kadar küçülmüştü; bu yüzden haberi okumak çok zordu T.T

Temel olarak bunu tercih etmiyorum ve özellikle böyle yazmaya da çaba göstermiyorum.

MAUI ... TT