Yapay zeka beşeri bilimleri daha önemli hale getiriyor, ama aynı zamanda çok daha tuhaflaştırıyor

• Üretken yapay zeka, beşeri bilimler eğitimini ve araştırmasını şimdiden değiştiriyor; onu yalnızca abartı ya da yasaklanacak bir şey olarak ele alan yaklaşımın uzun ömürlü olması zor
• LLM’lerin çeviri, sınıflandırma ve dil işleme yetenekleri beşeri bilimler bilgisiyle kesişiyor; GPT-4o’nun yağcılık sorunu gibi örneklerde de yapay zeka sistemlerini iyileştirmek için dil, kültür ve retorik yargılar önem kazanıyor
• Teknik geçmişi olmayan beşeri bilimler araştırmacıları da yapay zeka yardımıyla özelleştirilmiş araştırma ve eğitim araçları geliştirebilir; 17. yüzyıl eczacı simülatörü ve Young Darwin, hem olasılıkları hem de halüsinasyonları kontrol etmenin zorluğunu gösteriyor
• ChatGPT gibi sohbet botları öğrencilerin yazılarını değerlendirmeyi zorlaştırıyor ve öğrencilerin zihinsel çabayı atlayarak yoğun düşünme deneyimini kaybetme riskini artırıyor
• Eğitimciler yapay zeka tabanlı ödevleri ve araçları bizzat tasarlamazsa, özelleştirilmiş öğretmen-öğrenci ilişkisini zayıflatan ticari yapay zeka öğrenme araçları eğitim ortamını doldurabilir

---

Beşeri bilimlerde yapay zekayı görmezden gelmenin neden zor olduğu

• D. Graham Burnett, The New Yorker’daki yazısında, üniversitelerin yapay zekayı yalnızca yasaklayıcı yönergelerle ele almasını ya da mevcut yöntemlerle direnmeye çalışmasını eleştiriyor
• Bir üniversite bölümünün taslak halindeki yapay zeka karşıtı politikası, kelimesi kelimesine yorumlandığında yapay zekayı merkeze alan ödevleri bile engelleyebilecek nitelikteydi; daha sonra düzeltildi
• Dış değerlendirme, tarih bölümünün eğitim ve araştırmada yaklaşan yapay zeka karmaşasına acilen yanıt vermesi gerektiğini önerdi, ancak tepki soğuktu
• Asıl nokta, üretken yapay zekanın özü gereği iyi olduğu değil; beşeri bilimleri şimdiden değiştirdiği için onu abartı diye geçiştirmenin ya da görmezden gelmenin zor olduğudur

Yapay zeka araştırmasının kendisi için önemli hale gelen beşeri bilimler becerileri

• LLM’ler “kelimeler için hesap makinesi” gibi çeviri, hizalama ve sınıflandırmada güçlüdür; paleografi, veri madenciliği ve eski dil çevirisi gibi alanları etkilemeye başlamıştır
• Son birkaç yılda beşeri bilimler becerileri, yapay zekayı kullanma yeteneğinin ötesine geçerek yapay zeka araştırmasının kendisi için de önemli hale geldi
• OpenAI’ın GPT-4o’nun tuhaf yağcılık eğilimini düzeltmek için ilk uyguladığı önlem yeni kod değil, yeni İngilizce cümleler biçimindeki bir sistem prompt’uydu
  • Simon Willison, OpenAI’ın uyguladığı sistem prompt’u değişikliğini analiz etti
  • “thumbs up” düğmesi üzerinden gelen kullanıcı geri bildirimlerine öncelik verilmesi de başka bir etken olarak gündeme geldi; bu da dilin davranış üzerindeki etkisi, kültürel farklılıklar, retorik, tür ve ton meseleleriyle bağlantılıdır
• 1950’lerde IBM ana bilgisayarları ya da 1850’lerde buhar makineleri bozulduğunda, tamircinin dil, kültür ve teknoloji felsefesi üzerine düşünmesi pek gerekmiyordu; ancak yapay zeka sistemleri bu tür düşünceler eksik olduğunda gerçekten bozulmuş gibi davranabilir

Teknik olmayan beşeri bilimcilerin bizzat geliştirdiği araştırma ve eğitim araçları

• Üretken yapay zeka, beşeri bilimler alanındaki teknik olmayan kullanıcıların da doğrudan kod yazmayı denemesini mümkün kılıyor
• Yeni kuşak tarihçilerin, özelleştirilmiş araştırma ve eğitim araçlarını neredeyse ücretsiz biçimde geliştirmeyi ve dağıtmayı doğal karşılaması muhtemel
• İlk deneme, ücretsiz oynanabilen 17. yüzyıl eczacı simülatörüydü
  • Öğrenci, 1680’ler Mexico City’sinde yarı-kurgusal bir kadın eczacı olan Maria de Lima olarak oynuyor
  • Erken modern döneme ait gerçek tıbbi reçeteleri okuyup kullanarak, gerçek tarihsel kişilere dayanan hastaları tedavi etmesi gerekiyor
  • Hatalar ve kullanılabilirlik sorunları vardı; LLM kaynaklı halüsinasyonların tarihsel gerçeklikten sapması sorunu hızla ortaya çıktı
  • Bir oynanışta Maria, İngiltere’ye giden bir ticaret gemisinin gemi cerrahı oluyor ve Londra’da Isaac Newton’la tanışıp çay ikramı alıyordu
• İkinci deneme olan Young Darwin, 1835’te Galápagos Adaları’nda genç Darwin olarak ispinoz ve örnek topladığınız bir oyun
  • Darwin’in Voyage of the Beagle eserindeki gerçek topoğrafyaya dayanan arazi hareket sistemi, yapay zekanın kelimesi kelimesine dayanağını korumasını sağlıyor
  • Adadan ayrılmak zor ve karşılaşılan hayvanlar ile arazi unsurları doğrudan Darwin’in gerçek yazılarından alındığı için halüsinasyon eğilimi azalıyor
  • Daha sağlam bir günlükleme sistemi bulunduğundan, ileride bir değerlendirme katmanı eklemek ve onu gerçek bir ödeve dönüştürmek için kullanışlı
• Öğrenme tasarımı, öğrencinin önce Darwin’in yazılarını okuması, ardından oyun içindeki seçimlerle öğrendiklerini göstermesi üzerine kurulu
  • İlerlemek için 19. yüzyıl doğa bilimcisinin gerçek epistemolojisini ve bilgisini içselleştirmek gerekiyor
  • Bu etkinlik, dersteki makalelerin ve yüz yüze tartışmaların yerini almıyor; onları destekliyor

Beşeri bilimler becerilerini öğretmenin zorlaştığı gerçeklik

• Yapay zeka sohbet botları eğitim sisteminin temel unsurlarını sarsıyor; eğitimciler, öğrenciler, siyasetçiler ve frontier AI laboratuvarları bu meseleyi ciddiyetle ele almalı
• ChatGPT ve rakip araçlar yüzünden öğrenci yazılarını değerlendirmek daha zor hale geldi; makine üretimi makalelerin teslimi arttıkça ödevleri ve ders planlarını yeniden tasarlamak gerekiyor
• Uzun vadede daha büyük zarar öğrenciye dokunuyor
  • LLM’ler yükseköğretimde çabayı isteğe bağlı bir unsur haline getirme riski taşıyor
  • Yazarken tıkanma deneyimini yaşamamış bir öğrencinin, onu aştığında gelen yoğun odaklanma halini de deneyimlemesi zor
  • Kütüphanede saatlerce boşa uğraşarak arama yapma deneyimi yoksa, kütüphanenin ne işe yarayan bir yer olduğunu temelden anlamak güç
• New York Magazine makalesi, ChatGPT kullanım sorununu iyi yakalıyor
  • Bir Columbia öğrencisi, “üniversite ödevlerinin çoğu alakasızdı, yapay zekayla hack’lenebilirdi ve ilgilenmek istemiyordum” diyor
  • Ivy League üniversitesine gitme nedenini ise “kurucu ortak ve eş bulmak için en iyi yer” diye açıklıyor
• Bu yaklaşım, öğretmenin keyfini ve eğitim deneyiminin anlamını zayıflatıyor

Yapay zeka ödevlerinin potansiyeli ve eşitsizlik kaygıları

• Burnett’in dersinde öğrenciler ChatGPT ile dikkat (attention) kavramını tartıştıktan sonra sonucu düzenleyip teslim ettikleri bir ödev yaptı; Burnett bunu güçlü bir eğitim deneyimi olarak gördü
• Dil modelleri yeni eğitim araçlarıdır ve etkileri henüz belirsizdir; bu nedenle öğrenmenin kendisine tutkuyla bağlı eğitimcilerin şimdi aktif biçimde dahil olması gerekir
• En büyük kaygı, LLM’lerin beşeri bilimler eğitimi sonuçlarındaki kutuplaşmayı daha da artırabilmesidir
  • Burnett’in ders verdiği Princeton öğrencilerinin ödevlere çok düşünceli ve yaratıcı yanıtlar verdiği anlaşılıyor
  • Maddi olanakları kısıtlı devlet liselerindeki sosyal bilgiler öğrencilerinin aynı şekilde tepki verip vermeyeceğine farklı bakmak gerekir
• Eğitimciler, istedikleri ders işleme biçimine uygun yapay zeka tabanlı ödevleri ve araçları bizzat geliştirmeyi ve dağıtmayı öğrenmelidir
• Bu sorun bilinci, UCSC’den Pranav Anand ve Zac Zimmer ile birlikte alınan NEH grant için temel oluşturdu
  • Söz konusu hibe Ocak 2025’te verilmişti, ancak geçen ay Trump yönetimi/DOGE tarafından iptal edildi
  • Planlanan çalışma devam ediyor

[GN⁺]

Hacker News yorumları

• On yıllar içinde oluşmuş daha derin bir eğitim sorunu var. Öğrenciler, okulu ve işi sonu gelmeyen, başarılması gereken hedefler dizisi olarak görmeye şartlandırıldı; nihai hedef de iş bulmaktı.
  Ama artık 5-10 yıl sonra hangi işlerin kalacağını güvenle söylemek zor. Bir istisna varsa o da vasıflı teknik işler olabilir; ancak bu tür programlar okullardan büyük ölçüde çoktan kayboldu.
  Üniversite öğrencileri okuyup dayanarak öğrenmek yerine ödevleri AI ile kolayca atlatıyorsa, kurduğumuz eğitim ve kariyer sistemini düşününce yalnızca öğrencileri suçlamak zor. Bu sorun bir gecede ortaya çıkmadı ve yalnızca AI’ye özgü bir sorun da değil.

  • AI, ZIRP’in sona ermesinden sonraki işten çıkarmaları ve küçülmeleri açıklamak için kullanışlı bir günah keçisi gibi kullanılıyordu; şimdi de modern eğitim sisteminin başarısızlığını AI’ye yıkmak için kullanılıyor gibi görünüyor.
    Eğitimimiz anlayışı, bilgiyi ya da zekâyı değil, yalnızca notları ödüllendiriyor. GPA denen tek sayı, her şeyden önce oyunlaştırılması en kolay şey ve ortaokuldan üniversiteye kadar tüm akademik geleceği belirleyen en önemli ölçüt haline geldi.
  • Uzun zamandır var olan mesleklerin gelecekte de uzun süre devam etme olasılığının yüksek olduğunu düşünüyorum. Ne tür bir değişim olursa olsun birden yok olmaktan ziyade yavaş yavaş azalacaklar; dolayısıyla makul bir plan yapmak için yeterince zaman olacak.
    5-10 yıl sonra da varlığını sürdürecek pek çok işi oldukça iyi öngörebiliriz. Ancak rahatsız edici gerçek şu ki, yeni ekonomi alanlarındaki yüksek gelirli işlerin önemli bir kısmı uzun süredir var olan meslek ölçütünü karşılamıyor.
    Bu nedenle bu ölçütü izlerseniz öngörmesi zor ama yüksek getirili fırsatları kaçırabilirsiniz; arkadaşınız birden büyük para kazandığında kolayca kıskanan biriyseniz, bu tür işler size mutluluk da getirmeyebilir.
  • Nüfusun yalnızca %10’u vasıflı teknik işlere geçse bile o piyasa çöker. İnsanların bunu neden anlamadığını bilmiyorum.
  • Bu gerçekten ciddi. Bölgedeki mezunların ücretsiz staj ya da iş için yalvarır gibi kapımıza gelmesi sürüyor.
    AP dersleri almışlar, GPA’leri iyi, iyi okullardan mezun olmuşlar, “kodlama öğrenmişler” ve üstüne 200 bin dolar öğrenci kredisi borcuna girmişler; ama sonunda vaat edilen işin olmadığını fark ediyorlar.
    Aynı zamanda “geliştirici açığı çok büyük” denildiğini duyuyorlar ve aynı işlere yurtdışından çalışanların alındığını da görüyorlar. Gençler bu sisteme nasıl güvenebilir?
    Böyle bir ortamda çelik işçisi gibi biri yeniden eğitim alıp kodlama öğrenmek ister mi? Kodlama öğrenmiş geek’lerin bile karanlık sonuçlarla karşılaştığını görürse hele hiç istemez.
  • Hangi işlerin mümkün olacağını eskiden de güvenle söyleyemezdik. Temelleri bilen ve esnek olan biri eninde sonunda bir şey bulur.

• O yazının ilk yorumu dikkatimi çekti:
  “SFSU’da felsefe yüksek lisans öğrencisiyim ve eleştirel düşünme öğretiyorum. Bu dönem tüm dersi Plato’yu ele almaktan çok, AI ile birlikte bir engel parkurundan geçiyormuş gibi tasarladım; öğrenciler de bunu seviyor.”
  Öğrencilerden “diğer öğrencilerin ChatGPT ile bitiremeyeceği ödevler” tasarlamalarını istemek ilginç olabilir.
  Yaklaşık 10 yıl önce BarCamp’te Google ile çözülmesi zor olacak şekilde hazırlanmış bir takım bilgi yarışması yapmıştık; yalnızca bir adanın silüetine bakıp “Bu ada hangisi?”ni bulmak gibi. Çok eğlenceliydi ve ChatGPT-proof ödevler tasarlamak da benzer bir entelektüel meydan okuma gibi geliyor.

  • “ChatGPT ile delinmesi neredeyse zor bir ders” tasarlamak için Alman üniversite sisteminden ilham alınırsa bunun oldukça basit olduğunu düşünüyorum.
    Her hafta zor alıştırma problemleri çözmeniz gerekir; ama belirli bir oranını çözmek yalnızca başlangıçtır ve asıl sözlü ya da yazılı sınava girme hakkı kazanmanın koşuludur.
    Pek çok profesörün söylediği gibi, zor alıştırma kotasının neredeyse tek amacı, hazırlıksız öğrencinin sınava girip kendine zarar vermesini engellemektir.
    Alıştırmalarda ChatGPT gibi kopya yöntemleri yasaktır ama genellikle sert biçimde denetlenmez. Bunun yerine böyle yaparsanız yaklaşan sınava hazırlanamaz ve sonunda kalırsınız; öğrenciler de çoğunlukla bunu iyi bilir.
    Alman üniversitelerinde aynı sınavdan genellikle 3 kez kalırsanız “nihai başarısız (endgültig nicht bestanden)” sayılırsınız ve bazı durumlarda hiçbir Alman üniversitesinde aynı derece programını artık okuyamaz hale gelirsiniz.
  • Yalnızca ada silüeti verilen “yenilikçi” soru tasarımının, benim gibi görme engelli biri için temelden erişilemez olması dikkatimi çekiyor.
    Benim tipik bir örnek olmadığımı biliyorum, ama metin tabanlı ödevlerden kaçınma eğilimi erişilebilir eğitimi daha da imkânsız hale getiriyor. Görünüşe göre yeni bir dijital uçurum kuşağıyla karşı karşıya kalacağız.
  • Howard Rheingold ve diğerleri bu alanda uzun süredir çalışıyor. İlginizi çekerse Peeragogy Handbook’a ve bu fikri tetikleyen yazıya bakmak iyi olabilir.
    “Öğretmenin yetkisini öğrencilere ne kadar çok devreder ve öğrencileri kendi öğrenmelerinde daha fazla sorumluluk almaya ne kadar çok teşvik edersem, öğrenciler de öğretim yöntemimi nasıl yeniden tasarlamam gerektiğini bana o kadar gösteriyor.”
    [0]: https://clalliance.org/blog/toward-peeragogy/
  • ChatGPT-proof ödevler tasarlamanın entelektüel bir meydan okuma olduğu doğru; sorun, öğretim üyelerine bunun için neredeyse hiç zaman ve eğitim verilmemesi.
    4/4 ders yüküyle zar zor ayakta durulan bir durumda, deneysel öğretim yöntemleri getirmek ve dersi baştan sona yeniden tasarlamak için zaman yetmiyor. Üniversiteler de dersleri AI’ye karşı daha dayanıklı hale getirecek şekilde değiştirmek için eğitim ya da destek sağlamaktan çok, bunu çoğu zaman tek tek öğretim üyelerine bırakıyor.
    Üstelik araçların gelişimi o kadar hızlı ki iyi fikirler de çabucak eskiyor. Bazıları dönem sonu ödevini makale yerine podcast üretimine çevirdi, ama kısa süre sonra “kendi podcast’ini yap” araçları çıktı ve geleneksel makaleler kadar kolay hile yapılabilir hale geldi.
  • Öğretmen öğrettiği konuyu gerçekten biliyorsa, öğrenciyle 30 saniyelik bir konuşma bile o öğrencinin gerçekten bilip bilmediğini anlamaya yeter. Belki de “ödevler” bilgi inşa etmenin ve doğrulamanın en iyi yolu değildir.

• Yazar ağırlıklı olarak tarih öğretmekten söz ediyor, ancak onun anlattığı tarih eğitimi, tahmine yardımcı olacak bir tarihten ziyade tarih takdiri/yorumlamasına daha yakın. Cicero’dan sonraki “klasikleri” incelemeye daha yakın
  Subaylar tarihi çok çalışır, ama yöntemleri farklıdır. Hataları ararlar. Bir muharebe ya da savaş neden kaybedildi, en başta o muharebenin içine neden çekildiler, I. Dünya Savaşı öncesindeki durum neden önemsiz bir kişinin suikastının bir dünya savaşına dönüşebileceği kadar stratejik olarak istikrarsızdı, bunlara bakarlar
  Geleneksel tarih eğitimi özellikle iyi yazan kazananlara odaklanma eğilimindedir. Kaybedenlerin yazdıklarını ya da kaybedenler hakkında yazılanları okumak daha verimli olabilir
  Cicero dönemini anlamak istiyorsanız [1]’i okumak iyi olabilir. Alaycı ve deneyimli bir gazete siyaset muhabirinin Cicero’yu incelediği bir kitap; birçok tarihçinin Cicero’nun konuşmalarını göründüğü gibi kabul ettiğini düşünüyor. Yazar, dönemin siyasetçilerini çok dinlemiş olduğu için daha iyi bildiği görüşünde
  Bu yaklaşım, LLM’lerin en yararlı olduğu alanın dışına çıkılmasına neden olur. Çünkü LLM’ler henüz yağcılık ve nabza göre şerbet vermeyi iyi tespit edemiyor
  [1] https://archive.org/details/thiswasciceromod0000henr

  • “Tarihi tahmin aracı olarak kullanmak”, akademik tarihçilerin genel olarak yaptığı bir şey değil. Tarih araştırması insanlığın hikâyesini anlatır ve bugünkü karar alma süreçlerine doğrudan uygulanmanın ötesinde daha geniş nedenlerle vardır
    Bu askeri tarih için de geçerlidir. Askeri tarih, yeni yöntem ve uygulamaları benimsemede en yavaş alt alanlardan biridir
  • Tarih takdiri/yorumlaması ile tahmine yardımcı olan tarih ve klasik çalışmaların nasıl ayrıldığını pek anlamıyorum
    Tarihi her zaman “bugünkü şeyler neden bu hale geldi” sorusunu açıklama biçimi olarak gördüm. Bugünün iyi kötü her şeyi önceki olayların sonucudur
    “Klasikleri” tarihsel bir bakış açısıyla incelemek takdir/yorumlama amaçlı bir iş mi? Gerçek tarihçilerde gördüğüm şey çoğunlukla eleştirel okumaya daha yakındı
  • Tarihin amacı geleceği tahmin etmek değildir ve tarihle gelecek tahmin edilemez
    Ayrıca tarihçilerin Cicero’nun konuşmalarını göründüğü gibi kabul ettiği iddiası da doğru değil. Başka bir alana dışarıdan bakıp kendisinin daha iyi bildiğini sanarak kendini küçük düşürmenin bir başka örneği gibi görünüyor
    Üstelik Cicero hakkındaki son 80 yıllık araştırmayı yok sayıp neden 1942’de çıkmış bir kitabı okuyalım ki
  • Stratejik analiz olarak tarih ile kültürel takdir/yorumlama olarak tarihi ayırması iyi olmuş. Günümüzde eğitim genellikle ikincisine kayıyor ve bunu yapay zekanın kopyalaması da daha kolay
    Ancak en değerli tarihsel düşünme çoğunlukla başarısızlık, istenmeyen sonuçlar ve genellikle göz ardı edilen bakış açıları gibi rahatsız edici sorulardan çıkar

• Tembel bir fizik öğretmeni tüm problemleri fiilen matematik problemine dönüştürebilir. Daha iyi hesap makinelerinin sınavı trivial hale getireceğinden endişeleniyorsanız, matematiği sınamak yerine fizik öğretmeniz gerekebilir
  Tembel bir beşeri bilimler öğretmeni de tüm problemleri fiilen yazma problemine dönüştürebilir. Daha iyi bir yazım denetleyicisi beşeri bilimler değerlendirmesini trivial hale getiriyorsa, kompozisyon yazmayı değil beşeri bilimleri öğretmeniz gerekebilir
  Biraz kışkırtıcı söylemek gerekirse, fikirlerin niteliği iyi yazılmış bir makaleyle gerçekten iyi korelasyon gösteriyor mu

  • Öğretim üyelerinin yapay zekaya dayanıklı değerlendirmeler geliştirebileceğini düşünüyorum
    Ancak bunun için kurumsal destek neredeyse yok. Herkes kendi başının çaresine bakıyor ve yapay zeka araçları hızla değişiyor. 4/4 ders yükü olan kadrosuz bir öğretim görevlisine tembel olmamasını ve değerlendirme yöntemini baştan aşağı yenilemesini söylemek gerçekçi değil
    Yineleme döngüsü de yavaş. Kopyayı azaltmak için yeni bir ders izlencesi hazırlayıp bir dönem yürüttükten sonra sonuçlara bakmalı, ardından bahar dönemine kadar birkaç hafta içinde tekrar değiştirmelisin. En iyi ihtimalle 6 ayda bir; genelde ise anlamlı bir yineleme ancak yılda bir kez mümkün
  • Beşeri bilimler eğitimi daha çok Sokratik yönteme dönmeli
    Yalnızca asistanın ya da hocanın okuyup bitirdiği metinlerin tüketimi ve üretimi değil, öğrencilerin okudukları ve dinledikleri metinlerle derslerdeki fikirleri tartıştığı diyalektik süreç merkezde olmalı
    LLM’ler lisans düzeyinde makaleleri kolayca üretebilir, ancak sınıfta oturup akranlarıyla entelektüel bir sohbet yapamaz
    Elbette ekonomik olarak iyi ölçeklenmediği için böyle bir değişimin gerçekleşmesi pek olası değil. Çünkü çok daha emek yoğun
  • Hesap makinelerinin ortaya çıktığı zamanı hatırlatıyor. Lise fizik dersinde varlıklı öğrenciler “mühendislik tipi” hesap makineleri getirmeye başlamıştı ve buna izin verilip verilmeyeceği konusunda bir kargaşa yaşanmıştı
    LLM’lerle tam olarak benzer mi bilmiyorum, ama o dönemde ikna edici olan argüman, öğrencilerin sahada zaten hesap makinesi kullanacak olmasıydı. Yazılım mühendisliği öğrencileri için de böyle bir gelecek kesin görünüyor
  • Kopya çekmenin ekonomik teşviki ortadan kalkarsa, beşeri bilimler LLM’ler yüzünden bugün yaşadığı türden sorunları yaşamaz gibi geliyor
  • ChatGPT’yi “daha iyi bir yazım denetleyicisi” ile aynı görmek abartı. Yazma da öğretilmesi gereken bir beceri değil mi

• Tarih ve beşeri bilimler hakkında çoğu kişinin bilmediği şey, hâlâ yapılacak inanılmaz derecede çok iş olduğudur.
  İnsanlar Herculaneum’un yanmış parşömenlerinin çözülmesine doğal olarak heyecanlanıyor, ama Rönesans’tan erken modern döneme kadar olan Yeni Latince metinlerin %10’undan bile azının İngilizceye çevrildiğini pek bilmiyorlar.
  Örneğin Marsilio Ficino, Cosimo Medici tarafından Plato, Plotinus ve Hermetica gibi Yunanca metinleri Latinceye çevirmesi için istihdam edilmiş parlak bir filozoftu. Bu, Rönesans ve Avrupa Aydınlanması üzerinde büyük etki yarattı; ancak Ficino’nun kendi yazılarının önemli bir kısmı hâlâ İngilizceye çevrilmiş değil.
  LLM’ler elbette burada büyük etki yaratacak, ama öğrenciler de yaratabilir. İsterlerse herhangi bir öğrenci anlamlı katkıda bulunabilir. Keşfedilecek ve çözülecek o kadar çok şey var ki.
  Ne yazık ki lisede beşeri bilimler çoğu zaman gerçek keşiften çok alıştırma soruları gibi ele alınıyor. Artık öğrencileri, onlardan ne kadar öğrendiğime göre değerlendiriyorum. Böyle olması da gayet makul değil mi?

  • Transformer mimarisi aslında çeviri görevi için geliştirildi, ama devasa, aşırı uyum sağlamış üretken modeller çeviri konusunda berbat.
    Sözcük türü etiketleme, sözlük taraması, gramer eşleme gibi son derece basit sistemler bile daha iyi iş çıkarıyor; ayrıca bölüm bazında saniye başına işleme performansı ve güven aralıkları bile elde edilebiliyor. Bir çeviri aracına ihtiyacınız varsa üretken yapay zeka yerine Project Bergamot (https://browser.mt/) gibi bir şey kullanmak daha iyi olur.
    Lisede beşeri bilimlerin gerçek keşif değil de alıştırma gibi görülmesi beni de aşırı sinirlendiriyor.
  • Elimizdeki tarih kaçınılmaz olarak bir darboğazdan geçer. Pek çok şey dışarıda kalır, düzenlenir, abartılır.
    500 yıl önce yaşanan bir şeyin gerçekte ne olduğunu bilemeyiz; Medici için Yunanca metinler çevirmiş parlak bir âlim anlatısını da olduğu gibi kabul etmemeliyiz.
    Medici gibi dünyayı hareket ettiren bir konumdaysanız, tarih muhtemelen bir kontrol manivelasıydı. Anlatının kaçınılmaz olarak belirli bir amaca doğru dikkatle yönlendirilmiş olma ihtimali yüksek.
    Tarih aslında bugüne ait bir faaliyettir. Bugünün arka planını sağlar; o arka planı değiştirmek de bugüne dönük bir değere sahiptir.
    AI’ın geçmişe dair anlayışı daha iyi hâle getirmeye nasıl yardımcı olacağından pek emin değilim. Yalnızca modern Medici’lere bu arka planı daha hızlı değiştirme yolu sunabilecek gibi görünüyor.

• AI sistemleri yapan mühendislerin dil ve kültür, teknolojinin tarihi ve felsefesi üzerine derin ve eleştirel düşünmesi gerektiği söylenebilir.
  Ancak bu muhtemelen yazarın düşündüğü yarı-akademik anlamda değildir. AI sistemlerinin başarısız olmasının nedeni, mühendislerin tarih ve felsefe konusunda akademik bilgiden yoksun olması değil.
  Yazıdaki daha önemli nokta, beşeri bilimlerdeki teknik olmayan iş gücünün kendi başına kod yazabilir hâle gelmiş olması. Temel kodlama becerisi, ya da herhangi bir beceri metalaştığında, en büyük kazancı tamamlayıcı becerilere sahip olanlar elde eder.

  • “İyi soru sorma becerisinin” her zaman değerli bir yetenek olduğunu düşünüyorum.
  • Genç kuşak ikisinden birini zorla yapmaya çalışmıyor; zaten çok disiplinli ekipler olarak hareket ediyor.
    Çünkü önceki kuşaklardan çok daha farklı düzeyde bir değişim hızı yaşıyorlar. Böyle bir ortamda eğitimin niteliğinden bağımsız olarak kendi sınırlarınızı çok daha hızlı görürsünüz ve sonunda başkalarına dayanmak zorunda kalırsınız.
    Büyük mesele, birbirinden çok farklı ve sürekli değişen beceri ve ilgi alanlarına sahip insanların koordine olmasını, aynı akışı korumasını ve aynı yöne kürek çekmesini sağlamaktır.
  • Yeni kuşak tarihçilerin neredeyse ücretsiz biçimde kendi araştırma ve eğitim araçlarını üretip dağıtabileceklerini doğal kabul edecekleri sözü doğru olabilir.
    Ama LLM’in halüsinasyonla uydurduğu sahte Python kütüphanelerini ve sahte alıntıları gerçeklerinden ayırmaya çalışarak 12 saat de harcayabilirler. Vibe coding, iyi ve kötü yanlarıyla WYSIWYG’nin güçlendirilmiş hâline daha yakın; WYSIWYG de sonuçta ortadan kaybolmadı.
  • Tarihçilik, onlarca yıl önce Hayden White ile birlikte “Ah, sorun buymuş” anını zaten yaşadı. underlying issue’yu gösteren iyi bir örnek.
    Hayden White’ın “tarih kurgudur” sözü bugün hâlâ karmaşık bir iddiadır; çoğu zaman anlatıldığı gibi tarih yazımının olgusallığını reddetmek anlamına gelmiyordu.
    Aksine, tarih yazımının yorumlayıcı niteliğini ve tarihçilerin geçmişe dair açıklamaları edebi ve retorik tekniklerle kurma biçimini vurguluyordu. White, tarihçilerin de romancılar gibi anlatı yapıları ve üslup araçları kullanarak tarihsel olaylardan anlam inşa ettiğini düşünüyordu.
  • AI sistemlerinin başarısızlığı genellikle gerçek dünyanın karmaşıklığını görmezden gelmekten kaynaklanır.

• Beşeri bilimlerde doktora tezi savunması hem yazılı tezi hem de doğaçlama sözlü savunmayı içerir. Profesör, insan için görünüşte alakasız ama karşılaştırılabilir bir yönde ters köşe sorular sorabildiğinden, ChatGPT ile kolayca geçmek zordur.
  Yüksek lisans sırasında mühendislerin sezgisel olarak kavrayamadığı analiz amaçlı bir semantik problemi çözmelerine yardımcı olmuştum. Teknik olarak çok zekiydiler ve iyi de yazıyorlardı, ama konu dil problemlerine gelince zorlanıyorlardı. İyi iletişim kuruyor olmak, dilin kendisini anladığınız anlamına gelmeyebilir.
  AI alanındaki birçok kişi, AI’ın iyi olduğu ölçütlerle değerlendirilir. Bu yüzden dil anlayışı güçlü bir aday varsa, AI bu yeteneği değerlendiremeyebilir. AI’ın karşılaşması gereken dil problemini somut biçimde ortaya koymak ve insanlara bunun değerini anlatmak gerekir.

  • Tüm doktora programlarında sözlü savunma olduğunu düşünüyorum. Bununla kalmayıp, kişinin kendi alanındaki en güncel araştırmaları sunup sözlü soruları yanıtladığı yeterlilik sınavları da yaygındır.
    ChatGPT olsa bile zor olmasının nedeni soruların “XYZ, 123 sonucunu gördükten sonra neden ABC yaptı?” gibi olmasıdır. Sorun, çoğu zaman o ifadenin kendisinin yanlış olmasıdır. XYZ, ABC’yi yapmamış olabilir ya da 123’ü gördükten sonra yapmamış olabilir.
    Günümüzdeki çoğu LLM’in böylesine incelikli alanlarda “Hayır, öyle bir şey olmadı; aslında şöyle oldu” diye yanıt vermekte zorlanacağını düşünüyorum.

• “OpenAI’ı ve onun değerlerini en iyi temsil eden uzmanlığı ve kanıta dayalı dürüstlüğü koru” gibi bir sistem prompt’u, beşerî bilimler mezunu birinin yalnızca ifadenin kendisi yüzünden bunun nasıl felaket derecede ters tepebileceğini hemen söyleyebileceği türden görünüyor.
  Yakın gelecekte geçen, kontrolden çıkmış yapay zeka bilimkurgusu hikâyesinde, insanlığın makineler karşısında çöküşünün nedeni yalnızca kibir olmayabilirdi. Son tetiği çeken şey, internete bağlı bir makineye yaratıcısının kurumsal ruhuna bakıp onu taklit etmesini söyleyen, yılışık tek satırlık bir ifade olabilir.

  • Bir mantık sistemi olsaydı olacak olan buydu. Ama LLM bir mantık sistemi olmadığı için iş burada ilginçleşiyor.
    LLM bir istatistiksel modeldir ve böyle bir prompt vermek mantıksal bir talepten çok anlatısal bir ağırlıklandırmaya benzer. Bu kelimeleri bu sırayla koyduğunuzda model, ardından istatistiksel olarak gelmesi muhtemel anlatıyı daha fazla araştırır. Bu olasılığı eğitim verileri ve ek eğitimle yeniden dağıtılmış ağırlıklar belirler.
    Bir LLM’e hedefi teknik olarak yanlış ifade etmenin kendisinden fazla endişe etmeye gerek yok. Çünkü LLM nesnelliği izlemez. Bunun yerine genel havayı yanlış aktarmaktan endişe etmek gerekir; bu da çok daha gizemli bir görevdir.

• Birkaç yıl öğretmen olarak çalışmış biri olarak, LLM’lerin gerçek Amerikan eğitim yapısında büyük bir delik açtığını düşünüyorum. Bu delik, eğitimin önemli bir bölümünün “gözetim olmadan üretilmiş yazılı çıktı”yı öğrenme ilerlemesinin kanıtı saymış olmasıdır.
  Artık LLM bu çıktıyı üretebiliyor; yan etki olarak ücretli hayalet yazarlık sektörünü de sarsıyor olmalı.
  Bu yüzden eğitimcilerin değerlendirmeyi bağlayacak başka kancalar bulması gerekiyor ve “sonuçta öğrenmek nedir”, “bu öğrenmeyi anlamlı biçimde nasıl ölçeriz” soruları daha önemli hale geldi. Beşerî bilimlerin bu ikisi hakkında anlamlı şeyler söyleyebileceğini düşünüyorum.
  Biraz muzipçe tahmin edersek ezber, sunum ve sözlü sınavların geri döneceğini düşünüyorum. Şu anda manipüle etmek daha zor, ama bu “şu an”ın ne kadar süreceğini bilmiyoruz.

  • O deliğin ana teması nesnellik ve bunun eğitimden çok daha geniş bir alanı etkilediğini düşünüyorum.
    Eğitimi ölçüm merkezli biçimde ısrarla yapılandırarak, öğrettiğimiz şeylerin nesnel olgular olduğunu ima ettik. Bu her zaman saçmalıktı ama genel olarak kendi içinde yeterince tutarlı çalışıyordu. Bilginin sunumu ne kadar sıkıysa, gerçek nesnellikmiş gibi davranmak o kadar kolay olur.
    Gerçek dünyada yazılmış olan her şey özneldir. Nesnel bir olguyu öğrenmenin tek yolu, onu birden çok öznel ifade üzerinden araştırmaktır. Matematik öğrenmiş biri, yalnızca x^2+y^2=z^2’ye bakarak Pisagor teoreminin çıkarımlarını birdenbire anlamayacağını bilir.
    Nesnellik yazılamadığı için hesaplanabilir değildir. Bir bilgisayara bir kavramın birden çok öznel ifadesini verip anlamasını isteyemezsiniz. Bu, belirsiz bir cümleyi hesaplamanın nesnel olarak doğru bir yolu olmaması şeklindeki belirsizlik problemiyle aynıdır.
    Bu yüzden programlama dilleriyle yazarız. Her programlama dilinin sözdizimi “bağlamdan bağımsız” olduğundan her şeyin tamamen açık biçimde tanımlanması gerekir. Hesaplanabilir bir cümle yazmak için kafanızdaki soyut kavramı o dilin sözdizimine ve ortamına bağımlı kılmanız gerekir.
    Toplumdaki yazıların çoğu yazılımla yazılır. Bu yüzden ortak bir bağlam kurmaya örtük biçimde yönlendiriliriz. Yazı, başkalarının yazılarının bağlamıyla tutarlıysa nesnelmiş gibi davranabilir ve daha hesaplanabilir hale gelir.
    Yazılım aracılığıyla gerçekleşen toplumsal etkileşim de o yazılımın yapısı tarafından örtük biçimde şekillendirilir. Sosyal medyada gerçekten serbest biçimli bir sohbet olamaz.
    LLM’leri ilginç kılan, bu sorunu yaşamamalarıdır. Mantık yürütmeyerek bunu rahatça baypas ederler. Artık yazılım sizi katı bir ortama değil, tanıdık bir ortama bağımlı kılar. Hakikat yoktur, yalnızca hava vardır; hesaplama yoktur, yalnızca tahmin vardır.
    Bu nesnellik gibi hissettirir ama yalnızca yeni bir kabuktur. Fark, sınırların yeni ve yabancı yerlerde oluşmasıdır.
    Genel olarak nesnelliğin ölümünü iyi bir ilerleme olarak görüyorum. Çoktan beri beklenen bir şeydi ve katı yapı her zaman fazla abartıldı. En iyi öğrenme yolu, mümkün olduğunca çok bakış açısını keşfetmektir. İnsanlar havayı ve mantığı birlikte ele alabilir.
  • Uzun süre boyunca okullar, bir öğrenci makale teslim ederse bunun bir şey öğrendiği anlamına geldiğini varsaydı.
    Ama artık AI da o makaleyi yazabildiğine göre bu varsayım artık geçerli değil.
    Asıl soru şu: Yazmak tek başına öğrenmeyi kanıtlayamıyorsa ne kanıtlar?
    Sözlü sınavlar veya gerçek zamanlı tartışmalar geri dönebilir. Mükemmel oldukları için değil, kandırmaları daha zor olduğu için.
    Bir anlamda AI eğitimi bozmadı; zaten var olan bir sorunu açığa çıkardı.
  • Öğrenmenin tanımı değişmedi. En eski kayıtlardan birinde bile birinin “yazı denen yeni şey öğrencileri tembelleştirecek, artık öğrendiklerini hatırlamayacaklar” diye şikâyet ettiği görülür.
    Eğitim uyum sağlayacaktır.
  • Amerikan eğitiminde şaşırtıcı derecede büyük bir pay, çocuklara saçma sapan kompozisyonlar üretmeyi öğretmeye harcanıyor. AI’ın burada bir delik açması şaşırtıcı değil.

• Eğitimde bilgisayar kullanımına genel olarak epey şüpheyle yaklaşıyorum. Kişisel olarak, kâğıttan okuyup kenar boşluklarına ya da kâğıt deftere not almazsam hiçbir şey öğrenemiyormuşum gibi geliyor.
  Programcı olduğum için ekranı her gün kullanıyorum ama yeni bir şeyi gerçekten hatırlamak için kâğıda ihtiyacım var. Fiziksel toplantılarda veya konferanslarda da dizüstü bilgisayarımı açmadan kâğıda not alırım.
  Bu yüzden dizüstü bilgisayar ya da tablet devreye girdiğinde gerçekten bir şey öğrenilip öğrenilmediğinden şüpheleniyorum. Bu AI’a özgü bir şey değil, kişisel ve genel bir gözlem.

  • Bu sizin için doğru olabilir ama genel olarak doğru olduğu kesinlikle söylenemez.
    Ben yıllardır kâğıda anlamlı neredeyse hiçbir şey yazmadım ve bu süre içinde kesinlikle yeni şeyler öğrendim.
  • Sanırım bu, ilk başta öğrenmeyi nasıl öğrendiğimiz arasındaki fark. Not Defteri’ne yazınca elle yazdığım zamanki kadar iyi hatırlamıyorum ama bu uzun süre okula gitmiş olmanın bir yan ürünü olabilir.
    Başkaları kendi yöntemlerini öğrendi ve o yöntem de aynı ölçüde etkili olabilir.
  • Kişisel bir örneğin genel bir örnek olmadığının kanıtı olarak bütün bir nesil var.
  • Geniş anlamda oyunlaştırılmış öğrenme uygulamaları alıştırma yapmak için çok etkili görünüyor.