Akıllı makinelerle çalışmayı nasıl öğreniriz?

Tüm dünyada yeteneğe giden yol binlerce yıldır hiç değişmedi: Bir uzmanın altında eğitim al, daha zor ve riskli işler almadan önce küçük, kolay adımlar at. Ancak bugün, yapay zekâyla ilgilenme şeklimiz bu yolu tıkıyor ve üretken olmaya yönelik ilerleyişimizi feda ediyoruz. Bunlar örgütsel etnografikçi Matt Beane'in sözleri. Ne yapılabilir? Beane, yeteneklerimizi geliştirirken aynı anda yapay zekânın tüm kabiliyetlerinden tamamen yararlanabileceğimiz makineli ve dağılımlı bir mentorluk hikâyesine dönüşen bir vizyon paylaşıyor.

Sabah saat 6:30

ve Kristen prostat hastasını
ameliyathaneye götürüyor.

Kendisi asistan doktor,
cerrahi eğitimi devam ediyor.

Öğrenmek onun işi.

Bugün, sinir koruyucu prostatektominin
bir kısmını kendisi yapmayı umuyor;

erektil fonksiyonu koruyabilen
inanılmaz hassas bir disseksiyon.

Tabii bu uzman cerraha bağlı,
ama kendi orada değil.

Kristen, ekibiyle birlikte
hastayı uyutuyor

ve alt karında 20 cm.lik
ilk insizyonu açıyor.

Ameliyat yerini güvenli kılar kılmaz
hemşireden uzmanı çağırmasını istiyor.

Uzman doktor gelip önlüğünü giyiyor,

sonra da birlikte hastayla ilgileniyorlar,

işi Kristen yapıyor
ama uzman doktor onu yönlendiriyor.

Prostatlar çıktığında -- ve uzman,
bir kısmını onun yapmasına izin verdi --

doktor önlüğünü çıkarıyor.

Belgelerle ilgilenmeye başlıyor.

Saatler 8:15'i gösterdiğinde
Kristen insizyonu kapatmış oluyor,

daha yeni bir asistan da
bu esnada onu izliyor.

Kristen son dikişleri
onun halletmesine izin veriyor.

Kristen harika hissediyor.

Hasta iyiye gidiyor,

Saat 6.30'da olduğundan
daha iyi bir cerrah olduğuna şüphe yok.

Bu ekstrem bir iş.

Ancak Kristen hepimizin yaptığı gibi
işini yapmayı öğreniyor:

Bir uzmanı bir süre izliyor,

işin kolay ve güvenli
kısımlarına dâhil oluyor

ve giderek daha zorlu ve riskli
görevler alıyor,

bu esnada ona rehberlik ediyor,
hazır olmasını sağlıyorlar.

Tüm hayatım boyunca
bu öğrenme şekli çok ilgimi çekti.

Çok temel bir his,
bizi insan yapan şeyin bir parçası.

Farklı isimleri var: çıraklık,
koçluk, mentorluk, saha eğitimi.

Cerrahlıkta bunun adı
"birini gör, birini yap, birine öğret"

Ama süreç hep aynı

ve dünya çapında yeteneğe giden yol
binlerce yıldır hiç değişmedi.

Bugün yapay zekâyla bu yolu tıkayacak
bir şekilde ilgileniyoruz.

Üretken olma yolunda
öğrenmeyi feda ediyoruz.

MIT'deyken buna ilk cerrahide tanık oldum

ama her yerde olduğuna dair
artık kanıtlarım var,

çok farklı sektörlerde
ve çok farklı türde yapay zekâlarla.

Bir şey yapmazsak milyonlarca kişi
bununla başa çıkmayı öğrenirken

büyük bir engelle karşılaşacak.

Cerrahiye geri dönüp görelim.

Altı ay ileri alalım.

Saat yine 6:30 ve Kristen,
başka bir prostat hastasını içeri alıyor

fakat bu sefer robotik ameliyathaneye.

Uzman cerrahın önderliğiyle

hasta, 400 küsur kiloluk
dört kollu bir robota bağlanıyor.

Önlüklerini çıkartıyorlar,

Üç veya dört metre ilerideki
konsollara yöneliyorlar

ve Kristen sadece izliyor.

Robot tüm prosedürü
uzman cerrahın yapmasına izin veriyor,

yani temelde cerrah yapıyor.

Kristen'in pratiğe ihtiyacı
olduğunu biliyor.

Kontrolü ona vermek istiyor.

Ancak onun çok yavaş olacağını
ve daha fazla hata yapacağını da biliyor,

hastalar önce gelir.

Bu şekilde Kristen'in ameliyatın kritik
noktalarına müdahale etme umudu yok.

Dört saatlik bir prosedürün 15 dk.sını
bile kendisi idare etse şanslı olacak.

Şunu da biliyor ki eğer hata yaparsa

uzman, dokunmatik ekrana dokunacak
ve kendi yine izliyor olacak,

köşeye oturtulmuş cezalı çocuk gibi.

Son sekiz yılda yaptığım
tüm robot ve iş çalışmaları gibi

buna da büyük
ve açık bir soruyla başladım:

Akıllı makinelerle çalışmayı
nasıl öğrenebiliriz?

Cevabı bulmak için iki buçuk yıl boyunca
onlarca asistan ve cerrah gözlemledim,

hem geleneksel hem robotik cerrahi
yapan doktorlar, onlarla bizzat görüştüm,

genellikle öğrenme çabasında olan
asistan doktorlarla vakit geçiriyorlar.

ABD'nin en önde gelen
18 eğitim hastanesini inceledim

ve hikâye aynıydı.

Çoğu asistan doktor
Kristen'ın durumunda olmuştu.

"Birini gör" kısmı çok kez deneyimlenmiş

fakat "birini yap" kısmı
neredeyse hiç olmamıştı.

Zorluklarla karşılaşmadıkları
sürece öğrenemezlerdi.

Cerrahlar için bu önemli bir haberdi
ama ne kadar yayıldığını bilmem gerekti.

Sahada öğrenmeyi engelleyen
yapay zekâ kullanımı başka nerede vardı?

Bunun cevabı için küçük ama büyüyen
bir grup genç araştırmacıya ulaştım,

yapay zekâyla ilgili
temel alan araştırmaları yapmışlardı

ve çalışmaları çok çeşitli
alanları kapsıyordu; mesela startup'lar

poliçeler, yatırım bankacılığı
ve çevrimiçi eğitim.

Benim gibi en az bir yıl harcayarak
yüzlerce saat gözlem yaptılar,

araştırdıkları insanlarla birlikte
çalıştılar ve bizzat mülakat yaptılar.

Verileri paylaştık
ve bir şablon bulmaya çalıştık.

Sektör ne olursa olsun,
iş, yapay zekâ, hikaye aynıydı.

Organizasyonlar yapay zekâdan sonuç
almak için giderek daha çok uğraşıyorlardı

ve bunu yaparken öğrencileri
uzman işinden uzaklaştırıyorlardı.

Startup'lar, müşteri hizmetlerini
dış kaynaklara yaptırıyordu.

Polisler suç tahminleriyle uzman desteği
olmadan baş etmek zorunda kalıyorlardı.

Genç bankacıların karmaşık analiz
yapmasına izin verilmiyordu

ve akademisyenler yardımsız
çevrimiçi dersler oluşturuyordu.

Tüm bunların etkisi
cerrahide olanın aynısı.

Sahada öğrenme giderek zorlaşıyor.

Bu böyle süremez.

McKinsey'nin tahminine göre
yarım milyar ve bir milyar arası kişi

2030'a kadar günlük yaşamda
kendimizi yapay zekâya uyarlayacağız.

Ve ben öyle sanıyorum ki
sahada öğrenme

biz denedikçe orada olacak.

Accenture'ın son personel anketine göre

çoğu çalışan önemli yetileri
sahada edindi, resmi eğitimde değil.

Bu yüzden bunun potansiyel geleceği
hakkında konuşurken

yapay zekânın bizi ilgilendiren
en önemli kısmı,

onu kullanış şeklimizin
sahada öğrenmeyi engellemesi,

en çok ihtiyacımız olan da bu.

Tüm sahalarımızda
küçük bir grup öğrenmeye bir yol buldu.

Bunu kuralları yıkarak buldular.

Kabul edilen yöntemler işe yaramıyordu,
bu yüzden kuralları ihlal ettiler,

sırf uzmanlarla
deneyimli pratik yapmak için.

Benim alanımda, tıp fakültesinde
asistanlar robotik cerrahiye dâhil oldu,

çok yönlü eğitimleri pahasına.

Simülator ve ameliyat video kayıtlarına
yüzlerce ekstra saat harcıyorlar;

ameliyathanede öğrenmeleri gereken işi.

Ve belki de en önemlisi,
kısıtlı uzman rehberliğinde

gerçek prosedürlerle
mücadele etmenin yolunu buldular.

Ben bunu "gölge öğrenme" olarak
adlandırıyorum çünkü kuralları esnetiyor

ve öğrenen bunu
ilgi odağı dışında yapıyor.

Herkes bunu görmezden geliyor
çünkü sonuç veriyor.

Unutmayın, bunlar
grubun yıldızlı öğrencileri.

Apaçık belli ki bu böyle olmaz
ve sürdürebilir değil.

Hiç kimse işini yapmak için
gereken yetileri öğrenmek adına

işten kovulma riskini almamalı.

Ama bu insanlardan öğrenmemiz gerek.

Öğrenmek için ciddi riskler aldılar.

İşlerinde mücadele ve zorluğun
önemini anladılar,

böylece zor sorunlara doğru
kendilerini zorlayabileceklerdi,

tüm kapasitelerini kullanabileceklerdi.

Yakınlarda bir uzman
olduğundan emin oldular,

bir felakete karşı
kendilerine yol göstersin diye.

Bu mücadele ve uzman desteği
kombinasyonunu

tüm yapay zekâ uygulamasına dâhil edelim.

Buna dair hâlihazırda
çok net bir örneğim var.

Robotlardan önce

bomba imha teknisyeni olsaydınız
el yapımı patlayıcı kullanırdınız.

Yeni bir görevli yüzlerce metre ileride,

sadece izleyebilir ve güvenli olduğuna
karar verip ana bölgeye çağırırsanız

yardım edebilir.

Bugün ise bomba korumalı bir kamyonette
bombayla yan yana duruyorsunuz.

Videoyu ikiniz de izlediniz.

Robotu uzaktan kontrol ediyorlar,
siz de sesli yönlendirme yapıyorosunuz.

Eğitim alanlar, robotlardan önce
daha iyi öğreniyordu.

Bunu pek çok şeye ölçeklendirebiliriz;
cerrahi, startup, poliçeler,

yatırım bankacılığı, çevrimiçi eğitim
ve daha fazlası.

İyi haber şu ki
bunu yapacak yeni araçlarımız var.

İnternet ve bulutla her öğrenci için
her zaman bir uzmana ihtiyacımız yok,

birbirlerine yakın olmak hatta aynı
organizasyonda olmak zorunda değiller.

Yapay zekâya şunları yaptırabiliriz:

öğrenciler mücadele ederken koçluk yapmak,
uzmanlar koçluk yaparken koçluk yapmak

Bu iki grubu zekice birbirine bağlamak.

Bunun benzeri sistemlerde
çalışan insanlar var

ama genel olarak
resmi eğitime odaklanıyorlar.

Asıl köklü sorun ise sahada öğrenme.

Daha iyisini yapmalıyız.

Bugünün sorunları
bizden daha iyisini bekliyor;

yapay zekânın harika kabiliyetlerinden
tamamen yararlanmamızı

ve bu esnada
yeteneklerimizi geliştirmemizi.

Çocukken böyle bir gelecek hayal ederdim.

Şimdi bunu yaratmanın zamanı.

Teşekkürler.

(Alkışlar)