TL;DR;
- AI'ı iyi kullanmanın temel becerisi, çıktının kalitesini değerlendirme ve düzeltme yeteneğidir; ancak bu yetenek, AI'a bağımlılık arttıkça tam tersine zayıflar
- Bjork'un "arzu edilen zorluklar" teorisine göre, kolayca işlenen bilgi uzun süreli bellekte kalmaz
- Roediger & Karpicke (2006) çalışmasında, hatırlama alıştırması yapan grubun bir hafta sonraki bellek koruma oranı, tekrar tekrar okuyan gruba göre yaklaşık %50 daha yüksekti
- AI kodu sizin yerinize yazdığında, özsel bilişsel yükü (
germane load) bile ortadan kaldırır; böylece şema oluşturma fırsatının kendisi yok olur
- Gelişmiş geliştiricilerde sinirsel verimlilik nedeniyle, sadece AI çıktısını okumak beynin üzerine neredeyse hiç yük bindirmez
- AI'dan önce de gelişimin durduğu yollar vardı, ancak AI bu yolun sürtünmesini dramatik biçimde ortadan kaldırır
Ayrıntılı özet
AI'ı iyi kullanmak için kodu bilmek gerektiği paradoksu
- "Bunu yap" diyebilen çok kişi vardır; ancak AI sonucuna bakıp "bu yapı değişikliğe karşı kırılgan", "bu arayüz iki farklı sorumluluk taşıyor" diye somut düzeltmeler yapabilen kişi çok daha azdır
- Bu yetenek, sayısız başarısızlık, debug ve refactoring deneyiminden oluşmuş bir sezgiye yakındır
- AI kullanmayı öğrenmek ile kod kalıplarını öğrenmek birbirinin alternatifi değil; ikincisi birincisinin temelidir
- "AI'ı en iyi kullanabilen geliştirici, AI olmadan da kodu değerlendirebilen geliştiricidir"
Beyin rahatsa hatırlamaz
- Bjork'un "arzu edilen zorluklar" yaklaşımı: öğrenme sürecinde uygun düzeyde zorluk ve direnç olduğunda kısa vadeli performans yavaşlasa da uzun vadeli bellek koruma ve transfer artar
- Roediger & Karpicke (2006): tekrar okuma vs hatırlama alıştırması deneyi
- 5 dakika sonraki test: tekrar okuma grubunun puanı daha yüksektir
- Bir hafta sonraki tekrar test: hatırlama alıştırması grubunun bellek koruma oranı yaklaşık %50 daha yüksektir
- Aktif hatırlama yapan grupta hipokampus–prefrontal korteks bağlantısı güçlenir ve duyu-motor ağ etkinliği artar
- Pasif öğrenme durumundaki beyinde ise yalnızca hipokampus–fusiform girus bağlantısı etkinleşir — bu, "bilgiye bakmak ama onu gerçekten işlememek" durumuna daha yakındır
- Üretim etkisi (Slamecka & Graf, 1978): "sıcak-soğ___" gibi ifadeleri kendisi tamamlayan grubun bellek koruma oranı, tamamlanmış eşleri okuyan gruba göre anlamlı biçimde daha yüksektir
- Akıcılık yanılsaması: bilgiyi kolay işleyebilme hissi, onu iyi hatırlayacağımız yanılgısına yol açar
Kodlama becerisi prosedürel bellektir
- Kodlama becerisinin önemli bir bölümü prosedürel bellektir — bisiklete binmek gibi, bir kez içselleştirilince bilinçli çaba olmadan otomatik çalışır
- Anderson'ın Uyarlanabilir Düşünce Kontrolü (ACT) modeli: prosedürel bellek oluşumunun 3 aşaması
- Bilişsel aşama: her şey bilinçli olarak adım adım yürütülür, çalışma belleğinin büyük bölümü tüketilir
- İlişkilendirme aşaması: tek tek prosedürler birleşir ve tek bir akış olarak yürütülebilir hale gelir
- Otomatikleşme aşaması: çalışma belleğini neredeyse hiç kullanmadan otomatik icra edilir — kalan kapasite tasarım kararlarına ayrılabilir
- Aşamalar arası geçiş yalnızca tekrarlanan doğrudan uygulamayla mümkündür
- Chunking (Chase & Simon satranç çalışması): uzman ile acemi arasındaki fark, çalışma belleği yuvası sayısı değil, tek bir chunk içine sığdırılabilen bilgi miktarıdır
- Satranç ustaları taşların tek tek konumlarını değil, "Sicilya savunmasının tipik orta oyun dizilimi" gibi anlamlı kalıpları tek bir chunk olarak algılar
- Bunun kanıtı, rastgele dizilim deneyinde uzman ve acemi arasındaki farkın ortadan kalkmasıdır
AI bu süreci bozar
- Uygulamayı AI'a bıraktığınızda, AI özsel bilişsel yükü (
germane load) bile sizin yerinize üstlenir — böylece şema inşası fırsatı tamamen kaybolur
- Prosedürel bellek açısından bakıldığında, bilişsel aşamada zorlanarak geçirilen süre azalır; bu da ilişkilendirme aşamasına geçişi geciktirir ve otomatikleşme aşamasına ulaşmayı zorlaştırır
- AI çıktısı olan kodu okumak, üretim etkisi deneyindeki "tamamlanmış kelime çiftlerini okumak" ile aynıdır — anladığınızı sanırsınız ama derine kazınmaz
- Gelişmiş geliştiricilerde sinirsel verimlilik nedeniyle kod daha az kaynakla işlenir → AI çıktısını okumak, sanıldığından çok daha az bilişsel yük oluşturur
- Kodu doğrudan yazarken sinapslar tahmin–geri bildirim döngüsüyle değişir; ancak tamamlanmış AI kodunu okumak, tahmin süreci atlandığı için yalnızca sonradan yapılan bir yorumlamadır
- Özellikle junior geliştiriciler için daha ciddidir: bilişsel aşamadaki kalıpların çok olduğu bir dönemde AI bu aşamayı atlatırsa, prosedürel bellek oluşmadan yalnızca kıdem birikir
Beyne nasıl yük bindirilir
- AI'a bırakmadan önce önce kendi tasarımınızı yazın: üretim etkisini bilinçli olarak kullanın — AI çıktısıyla karşılaştırma ve değerlendirme sürecinde beynin anlam işleme ve yürütücü kontrol alanları aynı anda etkinleşir
- Ciddi code review yapın: "Neden bu yapı seçildi?", "Bunu 6 ay sonra değiştirmek gerekse sorun nerede çıkar?" diye bilinçli olarak sorun — rahatsızlık hissinin kendisi arzu edilen zorluktur
- Doğrudan kod yazmaya zaman ayırın: prosedürel bellek oluşumu için bunun yerini tutacak bir şey yoktur — takıldığınızda AI'dan tam çözüm değil, yalnızca minimum ipucu isteyin
- Üretim ile öğrenme için en iyi strateji aynı değildir: AI bir üretim aracı olarak mükemmeldir, ancak bir öğrenme aracı olarak sınırları vardır
- Sonuçta beyinde kalanlar; code review kalitesini, tasarım kararlarının doğruluğunu ve paradoksal biçimde AI'ı kullanma yeteneğini belirler
20 yorum
Ben şahsen kendi uzmanlık alanımda yapay zekanın ne kadar yetersiz olduğunu iliklerime kadar hissediyorum. Muhtemelen başka alanlardaki uzmanlar için de durum aynıdır diye tahmin ediyorum. Elbette büyük yardımı oluyor. Gün boyu durmadan belge yazmak gerekiyor ama yine de önceki üretkenlikle kıyaslanabilecek düzeyde değil.
Attention çoğunluğun oyuyla şekillenir.
Doğrulama ajanlarının tek yapması gereken değerlendirme fonksiyonunu geçmektir.
Nitelikli endüstriyel kodların çoğu kamuya açık değildir.
Açık kaynak, gösterilmek için yazılmış koddur.
Bu noktayı her zaman akılda tutarak kullanmak gerekir.
Katılıyorum. Havacılık-uzay, tıp, hassas kontrol alanları gibi gelişmiş domainlerdeki kritik veriler tamamen kapalı iç ağlarda bulunuyor ve bunlara erişmek için ya kilit bir içeriden biri olmak ya da dışarıdaysanız ciddi bir maliyet ve NDA imzası sürecinden geçmek gerekiyor; ancak o zaman kısmen açılıyor. Yapay zekanın öğrendiği verilerin çoğu internette açık olan şeyler ve Python, JavaScript tabanlı web/uygulama servisleri söz konusuysa Full Automation bir ölçüde mümkün.
Gelişmiş domainlerde kullanılan 3D grafikler ve CAD tabanlı algoritmalar internette ya parçalı halde dağılmış durumda ya da hiç yok; bu yüzden yapay zeka da vibe coding ile olsa olsa yüzeysel sonuçlar üretebilir. Tek bir ana ajanı merkeze koyup, domain bağlamını mikro yönetim seviyesinde sürekli enjekte ederek Planning → Redirection → Review döngüsüyle, geliştiricinin doğrudan yönettiği, tam otomasyon değil sürekli güçlendirme yaklaşımıyla geliştirme yapmanın güvenli ve gerçekçi bir yaklaşım olduğunu düşünüyorum.
Ben de kendi uzmanlık alanımda hâlâ eksiklerim olduğunu hissettiğim için, yardım aldığım alanlarda da seviyenin aşağı yukarı bu kadar olacağını düşünüp dikkatli davranıyorum. Öte yandan gelişim hızı oldukça yüksek olduğu için, kalite beklentisi uzun süre bu düzeyde kalacak işlerde kullanmayı deniyorum.
Acaba burada da AI tarafından bırakılmış gibi görünen çok yorum varmış gibi gelmesi sadece benim kuruntum mu?
Distopyaya varmış gibi hissediyorsunuz.
Sonuçta insan rahat olan seçimi yapar. Bunun sonucu olarak, short-form içeriğin kötü olduğunu bilsek de bugün neredeyse herkes short-form içerik tüketiyor. Devamında AI da bir seçenek değil, zorunluluk haline gelecek; fiilen kullanıp kullanmama arasındaki üretkenlik farkı farklıdır. Bu, geliştirici olsun olmasın herkes için geçerli. Sadece yöntem ve biçim değişir. Aşağıda telefona benzeterek artık telefon numaralarını ezberlemek zorunda olmamaktan söz ettiğiniz gibi, modern insanlar navigasyon olmadan artık sadece haritaya bakarak araba kullanamıyor ve sürekli gittikleri yolu bile özellikle ezberlemiyor.
Bu durumda sürüş becerimiz mi köreldi, ya da uzamsal algımız veya hafızamız mı geriledi? Hayır; navigasyonun gelişmesi sayesinde artık elimizde navigasyon varsa her yere gidebiliyoruz.
Ayrıca AI kullanımı nedeniyle insanın bilişsel yeteneklerinin gerilediğine dair konuşmalar var; bence bu bir gerileme değil, bilişsel yeteneklerin farklı bir biçime dönüşmesi.
Son zamanlarda elde kod yazma da konuşuluyor; kişinin kendi legacy becerilerinin gözden düşmesi korkusunu hobi kapsamında çözmeye çalışmasına katılıyorum, ancak bunun sanki tek doğruymuş gibi "geliştirici temel becerilerini artırmak için mutlaka elde kod yazmalı!" yönüne gitmemesini isterim.
Programlama dillerinin gelişimi de aslında nihayetinde giderek insanın aşina olduğu doğal dile yaklaşma yönünde ilerledi. Ama şu an bunun o nihai hedefe giden bir geçiş dönemi olduğunu düşünüyorum.
Bu tür içerikler, geçmişteki çalışma biçimlerine duyulan bir takıntı gibi görünüyor. Nasıl olsa o tür kısımları yapay zeka daha iyi yapar hale gelecek. Şu anda önemli olan, yapay zekayı kullanırken iyi gitmeyen kısımları iyileştirme deneyimi edinmek. Ama bunun da geçici olduğunu düşünüyorum.
Bunu sadece kodlamayla sınırlamak gerekmez. Arzu edilen zorluk, yalnızca klişe bir slogan değil; çeşitli bilimsel dayanaklara dayanıyor.
Hesap makinesi varken çarpım tablosunu ezberlemek, geçmiş çalışma biçimine yönelik bir takıntı gibi görünüyor. Nasıl olsa bu tür şeyleri hesap makinesi daha iyi yapacak. Şimdi önemli olan, hesap makinesini kullanırken iyi gitmeyen kısımları iyileştirme deneyimi. Ama bunun da geçici olduğunu düşünüyorum.
Sanki hep buna benzer bir mantıkla karşı argüman getiriliyor gibi.. Hesap makinesi hesapta hata yapmaz. Kendi görevini düzgün yapar.
Bir gün hesap makinesi bozulup
3 X 3 = 10diye sonuç verirse ve kimsenin bunun yanlış olduğunu fark edemeyeceğinden endişe ediyorum... Bunun banka hesabımı yöneten programcının bilgisayarında yaşandığını düşünürsek... Dikkatli olmakta zarar yok gibi görünüyor."Kodlama becerisinin önemli bir kısmı prosedürel hafızadır" sözü bana gerçekten çok dokundu.
Matematik problemi çözmek de prosedürü hatırlayıp aynı sonucu ortaya çıkarabilecek şekilde pratik yapma eylemi sonuçta.
Yapay zeka ile kod yazmakta sorun yok ama aynı seviyede ya da daha iyi sonuçları tekrar tekrar üretebilmek için beyne yük bindirmek gerekiyor gibi görünüyor.
Kısa bir düşünce ama son zamanlarda ben de bunu düşünmeye başladım. Eskiden assembly uzmanlarının C dili geliştiricilerine bakıp "belleğin kıymetini bilmiyorlar", "donanımı bilmiyorlar" gibi şeyler söyledikleri anlatılır; şimdi de bakınca bunun aynı bağlamda benzer bir eleştiri olduğunu düşünüyorum. Sonuçta biz, yazılım geliştirme açısından mevcut programlama dillerine kıyasla daha soyutlanmış bir dille (AI) geliştirme yapıyor hale geliyor olabiliriz. Dolayısıyla daha önce kullandığımız dil konusunda uzmanlığımızın azalması da gayet doğal. Ama yakın zamana kadar, şu ankinden daha low-level dillerle geliştirme yapanlara "canavar" denildiği gibi, artık vibe coding ile geliştirme yapsa bile mevcut dillerin prensiplerini hâlâ anlayarak çalışan kişiler farklı insanlar olarak görülmeye başlayabilir diye düşünüyorum.
“Eğer o takım elbise olmadan bir hiçsen, o zaman ona sahip olmamalısın.” - Tony Stark
Görünüşe göre kasıtlı olarak da olsa zahmet çekme sürecini yaşamamız gerekecek.
Beynini devreden çıkarıp vibe coding yapan geliştiricileri görünce sinirim tepeme çıkıyor. Ortaya çıkardığı sonucun kalitesi berbatken bir de "AI yazdı" diye bahane uydurmayı denesin. Sorumluluğu yine kendisi almak zorunda.
AI kullanmak elektrikli matkap, motorlu testere ve ekskavatör kullanmak gibi hissettiriyor. Cep telefonu kullanımından sonra artık kendi telefon numarasını bile hatırlayamayan birçok insan var.
...Bunları gerileme olarak da görebiliriz ama ben bunu verimlilik olarak görüyorum. Geliştirici olarak ve çeşitli rollerde çalışmış biri olarak baktığımda, AI araçlarının yalnızca geliştiricilerin dünyasında kalmayıp daha geniş bir bakış açısı kazanmaya fırsat ve yardım sunan araçlar olduğunu düşünüyorum. Bir yönüyle gerileme olabilir ama o alanı başka bir şeyle doldurur.
Ben de bu görüşe katılıyorum.
Sonuçta bunun net takasları olan bir araç olduğunu düşünüyorum.
Yapay zekayı kullandıkça kodlama becerisinin azalacağından endişe etsem de, eskiden yapmadığım (ya da yapamadığım) başka türden meseleler üzerine düşündüğüm de kesin.
En azından yapay zekaya talimat verirken kısa birkaç söz atmak yerine, kendi düşüncelerimi ve mantık akışımı olabildiğince somut biçimde açarak anlatmanın; ardından işe başlamadan önce ayrıca kontrol edilmesi gereken bir şey varsa mutlaka sorup öyle ilerlemesini sağlamanın faydalı olduğunu düşünüyorum.
"Dijital demans" ifadesini akla getiren bir yazı gibi görünüyor.