Yapay zekanın başlıca değeri Ar-Ge’den değil, geniş ölçekli otomasyondan doğar

• Genel olarak, yapay zekanın ekonomik değerinin araştırma ve geliştirme (Ar-Ge) otomasyonu yoluyla yaratılacağı görüşü yaygın
  • Dario Amodei, yapay zekanın biyoloji, nörobilim ve ekonomi alanlarındaki Ar-Ge’ye olumlu etki yapacağını savunuyor
  • Demis Hassabis, yapay zekanın tüm hastalıkları tedavi etmek ve enerji sorunlarını çözmek gibi katkıları Ar-Ge üzerinden topluma sunacağını açıklıyor
  • Sam Altman, yapay zekanın yarı iletkenler gibi tüm sektörleri etkileyebileceğini, ancak en büyük etkisinin bilimsel ilerleme üzerinde olacağını belirtiyor
• Ar-Ge uzun vadeli ekonomik büyümeye katkı sağlasa da bu katkı abartılıyor
  • ABD Çalışma İstatistikleri Bürosu (BLS) verilerine göre özel sektör Ar-Ge harcamaları, 1988–2022 döneminde toplam faktör verimliliği (TFP) büyümesine yalnızca yıllık %0,2 katkı yaptı
  • Kamu Ar-Ge harcamaları toplam Ar-Ge harcamalarının yaklaşık %25’ini oluşturuyor ve toplam TFP büyümesine Ar-Ge’nin katkısı yaklaşık yıllık %0,4 düzeyinde
  • İş gücü verimliliği artışının yalnızca yaklaşık %20’si Ar-Ge’den geliyor; kalanı sermaye birikimi, yönetim iyileştirmeleri, öğrenme etkileri gibi unsurlardan kaynaklanıyor
• Ar-Ge işlerinin çoğu, basit mantıksal akıl yürütmeden ziyade karmaşık yetenekler gerektiriyor
  • Örnek: ajanlık, çok modlu işleme yeteneği, uzun vadeli tutarlılık
• Araştırmacı işlerini tamamen otomatikleştirebilecek düzeyde bir yapay zeka, ekonominin diğer pek çok alanında da otomasyonu mümkün kılar → daha büyük ekonomik değer yaratma potansiyeli

Yapay zekanın başlıca ekonomik değeri, geniş ölçekli iş gücü otomasyonundan gelecek

• Yapay zekanın ekonomik değeri hakkında iki iddia
  • ✅ Ar-Ge otomasyonu yıllık ekonomik büyüme oranını birkaç puan veya daha fazla artırabilir
    • Eğer teknoloji Ar-Ge’yi tamamen otomatikleştirebilirse önemli ölçüde ekonomik değer yaratabilir
    • Ekonomik büyümeye anlamlı katkı sağlama olasılığı yüksek
  • ❌ Yapay zekanın en büyük ekonomik değeri Ar-Ge otomasyonundan doğacak
    • Ar-Ge değerli olsa da yapay zekanın ekonomik büyüme motorunun çekirdeği olmayacak
    • Yapay zeka insan performansını aştıktan sonra bile Ar-Ge otomasyonunun en önemli ekonomik değer kaynağı olma ihtimali düşük
• Ar-Ge’nin gerçek ekonomik değerini ölçmek
  • ABD Çalışma İstatistikleri Bürosu (BLS) verilerine göre:
    • 1988–2022 döneminde toplam faktör verimliliği (TFP) büyüme oranı: yıllık %0,8
    • Özel sektör Ar-Ge katkısı: yıllık %0,2 → toplam TFP büyümesinin yaklaşık %25’i
    • İş gücü verimliliği büyüme oranı: yıllık %1,9 → Ar-Ge katkısı yalnızca yaklaşık %20
  • Kamu Ar-Ge harcamaları, toplam Ar-Ge harcamalarının yaklaşık %25’ini oluşturuyor
    • Kamu Ar-Ge’sinin dışsallıkları ile özel sektör Ar-Ge’sinin dışsallıkları birbirini dengeliyor
    • Sonuç olarak toplam Ar-Ge katkısı yıllık %0,4 seviyesinde
• Sermaye birikimi ile verimlilik büyümesi arasındaki ilişki
  • Sermaye birikimi, iş gücü verimliliği büyümesinin yaklaşık %50’sini oluşturuyor
  • Geri kalan büyüme; yönetim iyileştirmeleri, öğrenme etkileri, bilgi yayılımı gibi unsurlardan geliyor
  • ABD ekonomisinde sermaye birikimi ile Ar-Ge yatırımının oranı:
    • Yıllık sermaye yatırımı: 5 trilyon dolar
    • Yıllık özel sektör Ar-Ge yatırımı: 1 trilyon dolar
    • Sermaye yatırımı, Ar-Ge yatırımından yaklaşık 5 kat fazla
• Emeğin çıktı esnekliği (0,6), Ar-Ge’nin çıktı esnekliğinden yaklaşık 5 kat daha yüksek
  • İş gücü otomasyonu ekonomik olarak daha büyük katkı potansiyeline sahip
  • Mevcut ekonomide en büyük maliyet kalemi olan emeği otomatikleştirmek, ekonomik değeri maksimize edebilir
  • İş gücü otomasyonundan doğan fazla çıktı yeniden sermayeye yatırılarak ek büyüme sağlanabilir
• Ar-Ge’nin büyüme etkisinin olduğundan düşük ölçüldüğünü savunan görüşler de var
  • Ar-Ge dışsallıkları veya mükerrer araştırmadan kaynaklanan sürtünmeler hesaba katılmamış olabilir
  • Ancak Bloom et al. (2020) çalışmasına göre:
    • Ar-Ge yatırımının çıktıya esnekliği 0,3; bu değer sermayeye benziyor ve emeğin yalnızca yarısı kadar
• Sonuç olarak, günümüz ekonomik büyümesi esas olarak Ar-Ge dışındaki faktörlerden geliyor

Yalnızca yapay zeka Ar-Ge otomasyonu, yapay zeka gelişimini dramatik biçimde hızlandırmak için yeterli olmayabilir

• Yapay zeka Ar-Ge’sinin ekonomik değeri beklendiği kadar büyük olmayabilir; yine de yapay zekanın kendi Ar-Ge’sini otomatikleştirmesi önemli etkiler yaratabilir
  • Eğer yapay zeka kendi yazılım Ar-Ge sürecini otomatikleştirebilirse yalnızca yazılıma dayalı tekillik (software-only singularity) ortaya çıkabilir
  • Sabit bilgi işlem kaynakları üzerinde, yapay zeka araştırmacıları kendi algoritmalarını geliştirip bunun üzerinden daha fazla yapay zeka araştırmacısı oluşturarak ek yazılım ilerlemesi sağlayabilir
• Fikir bulmanın maliyetinin ne kadar hızlı arttığı temel değişken
  • Yalnızca araştırmacı çabasıyla çok sayıda yazılım Ar-Ge başarısı elde edilebileceği varsayımı gerekli, ancak bunun doğru olmama ihtimali yüksek
  • Daha gerçekçi model, araştırma çıktısının bilişsel çaba + veri tamamlayıcılığıyla ortaya çıkmasıdır
• Yapay zekada bugün deney temelli bilgi işlem performansı ve yazılım ilerleme hızı yılda yaklaşık 3–4 kat artıyor
  • Yazılım ilerlemesi deney temelli veriler üzerinden gerçekleşiyor → veri, araştırmacı çabasının önemli bir tamamlayıcısı olabilir
• İki girdi (bilişsel çaba + veri) birbirini tamamlıyorsa, bilgi işlem kaynakları darboğaz yaratabilir
  • Sonuçta daha fazla GPU tedariki ve üretimi için fiziksel çalışma gerekebilir
  • Bu da yapay zekanın yarı iletken tedarik zinciri ve genel ekonomi boyunca geniş biçimde devreye alınması gerektiği anlamına gelir
• Tamamlayıcılığın gücü, yalnızca yazılıma dayalı tekilliğin sürdürülebilirliğini belirler
  • Diğer sektörlerde tamamlayıcılık genellikle güçlüdür → yapay zeka Ar-Ge’sinde de güçlü olma ihtimali yüksek
    • Örnek: Oberfield ve Raval (2014) çalışmasında ABD imalatında sermaye ile emek arasındaki ikame esnekliği 0,7
    • Bu, yalnızca yazılıma dayalı tekilliğin verimlilik artışında 1 katın altında kalma ihtimalinin yüksek olduğuna işaret eder
• Bugüne kadar programlama otomasyonu ve araştırma ekipmanı otomasyonu bilimsel ilerlemeyi keskin biçimde hızlandırmadı
  • Uzman kütüphane geliştirme → programlama işlerinin otomasyonu
  • LLM araçlarıyla kodlamanın hızlanması → etkisi kısmi kaldı
  • Fiziksel deney ekipmanlarının otomasyonu → ani bilimsel sıçrama yerine kademeli iyileşmeler üretti

Ar-Ge’nin tam otomasyonu için çok geniş bir yetenek yelpazesi gerekiyor

• Bilim insanlarının işi yüzeyde fikir üretimi, hipotez kurma, veri analizi, kod yazma, matematiksel akıl yürütme gibi soyut akıl yürütme görevleri etrafında dönüyor gibi görünebilir
  • Bu nedenle soyut akıl yürütme yapabilen modeller ortaya çıktığında araştırmacı işlerinin hızla otomatikleşeceği beklentisi oluşuyor
  • Ancak gerçekte araştırmacı işi, basit akıl yürütmeden çok daha karmaşık yetenekler gerektiriyor
• Tıp bilimcisi işlerine örnek
  • Toksik maddelerin işlenmesi, ilaç etkisinin değerlendirilmesi, hastalık araştırmalarının tasarlanması ve yürütülmesi, hücre örneklerinin analizi gibi işler yalnızca akıl yürütme değil, karmaşık beceriler ve uzman ekipman kullanımı gerektiriyor
  • İlaç dozajının standardizasyonu, tıbbi ve deneysel prosedürlerin yönlendirilmesi, makale yazımı, araştırma hibesi başvurusu gibi işler görece akıl yürütme temelli otomasyona daha uygun
  • Tıp bilimcisinin başlıca ilk 5 görevi içinde yalnızca 1 tanesi sadece akıl yürütmeyle otomatikleştirilebilir
  • Toplam 14 görevin yalnızca 6’sının yalnızca soyut akıl yürütmeyle otomatikleştirilebileceği değerlendiriliyor
• Araştırmacı işinin özü, basit akıl yürütmeden ziyade şu karmaşık yetenekleri içeriyor:
  • Teknik ekipman kullanımı → karmaşık deney cihazlarını kullanma becerisi
  • Takım çalışması → insan araştırma ekipleriyle iş birliği ve koordinasyon becerisi
  • Uzun vadeli icra kabiliyeti → uzun süreli karmaşık projeleri yürütme
  • Fiziksel çevreyi manipüle etme → deney ve uygulamalarda fiziksel müdahale becerisi
• Yapay zekanın araştırmacı işinin gerektirdiği tüm bu karmaşık becerileri edinmesi önemli zaman alacaktır
  • Bu nedenle genel iş gücü otomasyonunun, araştırmacı işlerinin otomasyonundan önce gerçekleşme ihtimali yüksek
  • Yapay zekanın önce bilimsel atılım yapıp sonra diğer sektörlere yayılacağı varsayımı pek gerçekçi görünmüyor
  • Daha gerçekçi senaryo, yapay zekanın önce geniş ölçekli iş gücü otomasyonunu gerçekleştirmesi, ardından bilim ve teknoloji ilerlemesini hızlandırmasıdır
• Yapay zeka bilimsel ilerlemeyi hızlandırsa bile, bu muhtemelen araştırmacıların yerini almakla değil araştırma altyapısının kurulmasının otomatikleştirilmesiyle gerçekleşecektir
• Ar-Ge otomasyonu mevcut ekonomik büyümede büyük paya sahip olmadığından, yapay zekanın ekonomik büyümeyi Ar-Ge dışı işlerin otomasyonu üzerinden yönlendirmesi daha olasıdır

Yapay zeka sıçraması muhtemelen geniş yayılımlı ve belirgin olacak

• Yapay zekanın ekonomik ve teknolojik etkisi tam anlamıyla görünür hale gelmeden önce bile, yapay zeka otomasyonu geniş yayılımlı ve belirgin bir biçimde ortaya çıkabilir
• Geniş yayılımlı (Diffuse) → yapay zeka otomasyonu belirli Ar-Ge meslekleriyle sınırlı kalmayıp ekonominin geneline yayılacak
• Belirgin (Salient) → yapay zekanın etkisi, çoğu insanın açıkça fark edeceği kadar büyük olacak ve iş gücü piyasasında büyük çaplı sarsıntılar yaratabilecek

• Yapay zekanın başlıca ekonomik etkisi, Ar-Ge otomasyonundan değil geniş ölçekli otomasyondan doğacak

  • Yapay zekanın dünyaya yapacağı dönüştürücü etkinin açık Ar-Ge otomasyonundan gelmeme ihtimali yüksek
  • Bunun yerine geniş ölçekli iş gücü otomasyonu, ekonomik ve teknolojik ilerlemenin ana itici gücü olacak

• Yapay zeka sıçraması için gerçekçi senaryo

  • 1. Yapay zekanın görev kapsamının genişlemesi
    • Yapay zeka zamanla yerine getirebildiği görevlerin kapsamını kademeli olarak genişletecek
    • Bu süreç büyük olasılıkla esas olarak bilgi işlem altyapısının büyümesi tarafından yönlendirilecek
  • 2. Ekonomi genelinde geniş ölçekli iş gücü otomasyonu
    • Yapay zeka giderek daha çeşitli emek görevlerini otomatikleştirecek
    • Sonuç olarak ekonomik büyümenin hızlanmasına yol açacak
  • 3. Büyük çaplı iş gücü piyasası değişimleri
    • Yapay zeka ekonomik ve teknolojik atılımlar üretmeden önce bile iş gücü otomasyonu dalgası yaşanacak
    • Bu süreçte iş gücü piyasası köklü biçimde yeniden şekillenecek ve yapay zekaya dair kamu algısı değişecek
  • 4. Geniş ölçekli Ar-Ge dışı görev otomasyonu, büyümenin ana itici gücü olacak
    • Yapay zeka ekonomik ve teknolojik büyümeyi hızlandırsa bile bu, Ar-Ge dışı görev otomasyonu üzerinden gerçekleşecek
    • Ar-Ge otomasyonunun büyümedeki payı görece küçük kalabilir

• "Genel otomasyon patlaması" senaryosu

  • Yapay zeka sıçramasının, "dehaların laboratuvarlarda Ar-Ge çıktıları patlatması" biçiminde gerçekleşmesi pek olası görünmüyor
  • Bunun yerine yapay zeka sıçraması geniş ölçekli otomasyon patlaması şeklini alacak
  • Yani büyümenin ana motoru, belirli bir alandaki çıktılar değil, yapay zekanın genel otomasyon kapsamı ve ölçeği olacak

Başlıca çıkarımlar

• Yakın gelecekte yapay zeka laboratuvarlarının genel görev otomasyonuna odaklanması daha kârlı olabilir
  • Örnek: internette gezinme, ticari yazılımları kullanma, genel ofis işlerini yürütme
  • Biyoloji ve tıp araştırmalarına destek gibi yüksek düzeyde akıl yürütme modelleri geliştirmektense, genel görev otomasyonu daha büyük ekonomik değer yaratabilir
  • Bu nedenle yapay zeka performansını değerlendirirken Ar-Ge çıktılarından çok genel görev yapabilme yeteneğini izlemek daha önemli olabilir
• Yapay zeka dünyada dönüştürücü etki yaratana kadar kamuoyunun yapay zeka algısı büyük ölçüde değişebilir
  • Yapay zekanın ekonomik büyüme ve insan ömrünü uzatma gibi sonuçları ortaya çıkmadan önce bile iş gücü otomasyonunun yol açtığı büyük sarsıntılar yaşanabilir
  • Bu nedenle bugünkü yapay zeka algısının uzun vadede değişmeden kalacağını varsaymak risklidir
• Yapay zekanın insanların tüm işlerini bir anda ikame etmesi pek olası değil → kademeli otomasyon beklenmeli
  • Yapay zeka, birkaç yıl boyunca insan işlerini adım adım otomatikleştirebilir
  • Yapay zeka Ar-Ge otomasyonu nedeniyle ani bir süperzeka patlaması yaşanacağı senaryosuna kıyasla, kademeli geçiş daha gerçekçi
  • Yapay zeka bazı görevlerde insanı aşsa bile, başka tamamlayıcı görevlerde insanların üstünlüğünü koruma ihtimali yüksek
• Yapay zeka sonunda insanların ekonomik faaliyetlerinin çoğunda üstün hale gelecek
  • Ancak bunun on yıllara yayılan kademeli otomasyondan sonra gerçekleşmesi daha olası
  • Ekonomik büyümenin hızlanmasına, Ar-Ge otomasyonundan çok genel görev otomasyonu daha büyük katkı sağlayacak

[redcrash0721]

https://freederia.com/%ed%94%84%eb%a1%ac%ed%94%84%ed%8a%b8-%ea%b0%a4%e… R&D otomasyonunu test ediyorum. Kolay değil ama çok uzak bir gelecek de değil.

[GN⁺]

Hacker News görüşleri

• Teknoloji iyimserliğinin gerçekten iç karartıcı geldiğini düşünen başka biri olup olmadığını merak ediyorum. Bunun sebebi sadece teknolojinin insanın yerini alması değil; gerçekleşme ihtimali düşük abartılara heyecan duyamamak da moral bozucu geliyor

  • Topluma somut bir fayda sağlamıyormuş gibi hissettiriyor

• Şu anda neredeyse 300 yorum var ve kimsenin kısıt programlamadan (CP) bahsetmemesi şaşırtıcı. CP, olasılıksal veri tabanlı yapay zekanın deterministik kardeşi

  • 14 görevden yalnızca 6’sının sadece soyut akıl yürütmeyle yapılabildiğini tahmin ediyorum. Tıp bilimcileri için en önemli görevlerden yalnızca biri sadece soyut akıl yürütmeye dayanıyor diye sınıflandırılmış
  • Önemli görevlerin çoğu teknik beceri, başkalarıyla incelikli koordinasyon, uzman ekipman kullanımı, uzun bağlam kapasitesi ve karmaşık çok modlu anlayış gerektiriyor
  • 14 Ar-Ge görevinin neredeyse tamamı, soyut akıl yürütmeye sahip veri tabanlı yapay zeka için uygun değil; buna karşılık CP ile çözülebilir
  • Modern mantık, optimizasyon ve kısıt programlamanın kurucusu, Geoffrey Everest Hinton’un büyükbabası George Boole’dur

• Bu makale benim gözümde güvenilirliğini burada tamamen kaybediyor

  • “1988’den bu yana ABD’de iş gücü verimliliği artışının yalnızca %20’si Ar-Ge harcamaları tarafından yönlendirildi” iddiası, Jeff Dean’in net servetinin programlama becerisinden değil banka hesabındaki sermaye yoğunlaşmasından kaynaklandığını söylemek gibi
  • Yazarlar kavramları aşırı soyut bir düzeyde ele alıyor ve söyledikleri şeyle temaslarını kaybediyorlar

• 2015 tarihli teknoloji yayılımı klasiğini okumadıysanız, okumaya değer

  • Hâlâ GenAI’nin keşif aşamasında olduğunu hissediyorum, ama ML sanki dağıtım aşamasına geçmiş gibi görünüyor

• Tipik Silikon Vadisi argümanı, Ar-Ge’nin “karmaşık”, diğer her şeyin ise “basit” olduğu yönünde

  • 10 yıl önce biri size AI’nin matematikte/kodda insanların %99’undan daha iyi olacağını, ama DoorDash’ten sosisli sandviç sipariş etmenin en ileri seviye problem olarak kalıp neredeyse imkânsız olacağını söyleseydi şaşırırdınız
  • “Genel” görevlerin daha değerli olduğuna katılıyorum, ancak bu görevlerin kolayca otomatikleştirilebileceği iddiası cehalete dayalı bir bakış açısı
  • RPA 10 yıldan uzun süredir var, ama pek çok işte kullanılmıyor. AI için de aynı şey geçerli; verilere büyük ölçekli ve sınırsız erişim olmadan otomasyon gerçekleşmeyecek

• Ar-Ge ile genel otomasyon arasında hangisinin daha fazla getiri sağlayacağını tartışıyorlar. Bunun üzerine tartışmanın ne anlamı olduğunu sorguluyorum

  • Süren gelişmeler (ör. alphafold), Ar-Ge yatırımı, oranlar ve geçmişte tahmin edilen etkiler gibi tarihsel istatistiklerden cevap çıkarmaya çalışma arasındaki kopukluk tuhaf
  • AI’nin kendisi ve süregelen atılımlar zaten Ar-Ge’dir

• Bu, sanayi devrimi ile tarım devriminin yeniden yaşanması gibi. Emeğin geniş çaplı otomasyonu toplumsal ilerleme değil, sermayenin ilerlemesini getirecek

  • Emeğin AI ile ikame edilmesinden doğacak “toplumsal karmaşa”dan söz ediyorlar, ama bunu hükümetin çözmesi gereken bir mesele diye kenara itiyorlar
  • Emeği ortadan kaldırırlarsa, ürünlerini kim satın alacak ve bunu hangi gelirle yapacak diye soruyorum
  • Sermaye, tüketimden uzaklaşıp uygarlığı daha yüce hedefler doğrultusunda bütünüyle yeniden kurmak zorunda kalacak; ancak bu, bugün kâr ettikleri güç ve servet yapılarının yıkılması anlamına gelir

• Mesele, üretim faktörlerinin göreli değeri. Soru, AI’nin insan emeğinin makinelere, hammaddelere ve toprağa kıyasla göreli değerini artırıp artırmayacağı ya da azaltıp azaltmayacağı

  • Özellikle bilgi çalışanları için emeğin orta düzeydeki göreli değerinin düşeceğine dair bir sezgim var
  • Düzenlemeye tabi mesleklerde korunuyor olmak önemli

• Bu makaleye tamamen katılıyorum; geçmişte maliyet/ödül hesabının anlamlı olmadığı pek çok fırsat vardı

  • Excel VBA’nın ne kadar yaygın olduğunu düşününce, bunun hâlâ çoğu insan için ileri seviye bir beceri sayılacağı açık

• Teknoloji iyimserleri, orta sınıfın ve yoksulların aklındaki sorulara cevap vermeli

  • AI’nin büyük ölçekte işleri ikame ettiği bir gelecek karşısında nasıl teknoloji iyimseri olunabileceğini merak ediyorum
  • AI yüzünden toplu işten çıkarmalar yaşanırken kira ya da vergilerin nasıl ödeneceğini merak ediyorum
  • UBI burada işe yaramaz; artan kiralar, kira yükü, çocuk bakım masrafları, vergiler vb. ile birlikte fazla gerçek dışı ve idealist kalıyor
  • AI çağında yeni işlerin yaratılacağı yönünde bir anlatı var, ama bence AI işleri yaratabildiğinden daha hızlı biçimde yerlerine geçecek
  • Teknoloji iyimserleri zengin yatırımcı sınıfından geliyor ve kendi anlatılarını ileri itmeye maddi olarak bağlılar