Geleceğin teknolojisi 'AI' değil, 'odaklanma'

• LLM'ler tekrar eden işleri otomatikleştirme ve beyin fırtınası gibi konularda faydalıdır, ancak körü körüne bağımlılık sorun çözme yeteneğinde düşüşe yol açabilir
• Özellikle yeni sorunlarda LLM'lere duyulan güven düşüktür; bu nedenle insan mühendisin muhakemesi önemlidir
• Google gibi arama motorları keşif ve kullanım arasında denge sunarken, LLM'ler yalnızca anında ‘kullanım’a (exploitation) yönlendirir
• Yalnızca hızlı doğru cevaplara dayanma alışkanlığı, temel sorun çözme yeteneği ile odaklanmanın (focus) zayıflamasına neden olur
• Geleceğin temel yetkinliği, AI'ı kullanma becerisinden çok derin düşünme ve odaklanma gibi insana özgü beceriler olacaktır

---

LLM'ler güçlüdür ama dikkatle kullanılmalıdır

• LLM'ler tekrar eden işleri otomatikleştirir ve kod yazma ya da debug desteği gibi alanlarda büyük yardım sağlar
• Ancak önyargı, tutarsızlık ve halüsinasyon (hallucination) gibi sorunlar nedeniyle üretilen çıktılar her zaman gözden geçirilmelidir
• Özellikle eğitim verileri mevcut sorunların çözümlerini içerir, ancak gerçekten yeni sorunlara yanıt verme kabiliyeti düşüktür
• Sonuç olarak, mühendis LLM'lere bağımlı hale gelirse kendi sorun çözme becerisi zayıflayabilir

Eleştirel olmayan kabulün riskleri

• LLM'nin verdiği cevabı anlamadan aynen kabul etmek, sorunu çözmekten çok cevabı almaya odaklanmaya yol açar
• Karmaşık sorunların çözümü sonuçta temel becerilerin ve düşünme yetisinin birikimini gerektirir; LLM bunu ikame edemez
• Önemli olan çıktı değil, neden o şekilde çözüldüğünü anlama ve düşünme sürecidir

Arama motorları ile LLM'ler arasındaki önemli fark

• Arama motorları, keşif (exploration) ve kullanım (exploitation) arasında dengeli bir yaklaşımı mümkün kılar
• Buna karşılık LLM'ler en baştan doğru cevabı vermeye çalışır ve kullanıcı da bunu doğrulamadan kullanma eğilimindedir
• Keşif olmadan yalnızca kullanımın olduğu sistemler, istikrarsızlık ve bağımlılığı büyütür

Bilgisayar mühendisliğinin asli amacı: insanın sorun çözmeye odaklanmasını sağlayan araçlar

• İnsanlar tekrar eden işleri azaltmak için araçlar geliştirdi ve algoritmalar üzerindeki inisiyatif insandaydı
• Ancak bugün hızlı sonuç üretme baskısı nedeniyle odaklanma ve düşünme becerisini geliştirme fırsatları azalıyor
• Bu akış sonunda insan yaratıcılığının ve derin düşünmenin zayıflamasına yol açabilir

Gelecek için gerçek teknoloji: Odaklanma (Focus)

• Teknoloji geliştikçe insana özgü düşünme yetisi ve odaklanma daha da önemli hale gelir
• AI'ın performansından daha önemli olan, karmaşık sorunları fark edip çözebilen insan kapasitesidir
• LLM kullanma becerisinden ziyade odaklanma ve özünü kavrama yeteneği geleceğin temel becerisi olma ihtimali yüksektir

[GN⁺]

Hacker News görüşü

• Yeni öğrencilerin odaklarını kaybetmesi yaygın bir durum. Yalnızca LLM'ler değil, neredeyse tüm uygulamalar ve startup'lar da kullanıcının sınırlı dikkatini çekmek için yarışıyor

  • LLM'ler, öğrencilerin bir cevabı bulmak için çaba göstermesini gerektiren engeli ortadan kaldırdı. Hızlı yanıtlara bağımlı olmak kolay; bir şeyin neden çalıştığını sormayı unutmak da öyle
  • Ancak doğru yaklaşıldığında LLM'ler keşfi destekleyebilir. Öğrencilerin ilk yanıta itiraz edip daha derin içgörüler keşfettiği anları gördüm
  • Asıl risk araçların kendisi değil, onları dikkatli kullanmayı unutmak

• Gunbound'da aimbot kullanmak oyuncuları daha iyi hale getirmedi. Oyun ekosistemini bozdu

  • İnsanlığın "okuryazarlık aimbot"unu sorumlu şekilde kullanıp kullanamayacağını bilmiyorum
  • ABS, kaygan koşullarda frenlemeyi daha kolay ve güvenli hale getirdi. İnsanlar daha iyi fren yapmayı öğrenmedi; hâlâ pedala daha sert basmanın aracı daha hızlı durduracağını düşünüyorlardı
  • Birçok insanın odaklanmaya ihtiyacı var. Bazılarının yok ve onların ölçeklenmesi gerekiyor. Bazı sistemlerin aimbot'a ihtiyacı var, bazılarının yok
  • Gelecekte her tür teknolojinin bir arada var olması gerekecek

• Arama motorları keşif (sonuç listesini ve sayfaları gezmek) ile kullanım/yararlanma (üst sıradaki sonuca tıklamak) arasında iyi bir seçim sunar

  • LLM'ler bu seçeneği sunmuyor
  • LLM'ler keşif için çok faydalı. Karmaşık sorunları çözmeye ve fikirleri rafine etmeye yardımcı oluyor. İnsan bir partnerle bile kurulması zor geri bildirim döngüleri oluşturabiliyor

• Bugünlerde odaklanabilmek bir ayrıcalık gibi görünüyor

  • 90'larda haftalarca kesintisiz çalışabiliyordunuz. Bugün ise sürekli güncelleme ya da plan isteyen yöneticiler var
  • Gerçek iş, konuşmaların gerisine itiliyor

• Bilginin bol olduğu bir dünyada, bilgi bolluğu başka bir şeyin kıtlığı anlamına gelir. Bilgi, alıcının dikkatini tüketir

  • Bilgi bolluğu dikkat yoksulluğu yaratır ve bunun verimli biçimde tahsis edilmesi gerekir

• Odağın zıttı tepkiselliktir. SO'ya gönderi yazarsanız doğru cevabı alabilirsiniz ama doğru soruyu yazacak ve yanıtı bekleyecek sabra ihtiyaç vardır

  • LLM yanlış şeyi size anında söyleyebilir. Tepkiseldir
  • Harika bir mühendis ekip arkadaşlarına, yöneticilere, müşterilere ve işe karşı tepkisel olmalıdır. Aynı zamanda odaklanacak zaman da bulmalıdır
  • Covid sonrasında, asenkron ve uzaktan olmayan herkesin tamamen çevrimiçi ortama geçmesiyle büyük bir kültürel değişim yaşandı
  • Tepkiselliği ölçmek kolaydır ama kaliteyi ve gelişimi ölçmek zordur

• LLM'leri kullanırken odağımı kaybediyorum

  • Kopyala-yapıştır, kopyala-yapıştır. Çözüm hakkında gerçek bir anlayış yok
  • Belki daha fazla iş yapabiliyorum ama bundan keyif almıyorum. Artık Google'da aramaya geri dönemiyorum
  • Keşke hiç icat edilmemiş olsaydı

• Bu, farklı bir odak türü olacak

  • Teknolojinin, daha önce önemli sayılan becerileri düzenli olarak azaltacağı sık sık öngörülür
  • Hesap makineleri çocukların elde aritmetik yapma ihtiyacını ortadan kaldırdı. Ama sonuçları yorumlama becerisi hâlâ gerekli
  • Arama motorları insanların saniyeler içinde yanıt bulmasını sağladı. Ama yine de neyi arayacağını ve bulduğunu nasıl kullanacağını bilmek gerekiyor

• 10 yıl önce akıllı telefonların ve sosyal medyanın her şeyi değiştireceğini söyleyen uzmanlar vardı. Onları akıllıca kullanmayı öğrenmek gerekiyor

• LLM devrimini, 90'lardaki Google benzeri arama motorlarının yükselişiyle bir tutmaya katılmıyorum

  • LLM'ler anlık kullanımı/yararlanmayı teşvik ediyor. Kullanıcılar ilk çözüm işe yaramadığında keşfe yönelebilir
  • LLM kullanımının çoğu aslında arama motorlarına benziyor. Mevcut tasarım kararlarını açıklamak, ihtiyaca uygun kütüphane aramak ya da ilgili sorgular üretmek gibi