< Return to Video

Makine sayesinde kaybedeceğimiz işler -- ve kaybetmeyeceklerimiz

  • 0:01 - 0:02
    İşte yeğenim.
  • 0:03 - 0:04
    Adı Yahli.
  • 0:04 - 0:06
    Kendisi 9 aylık bebek.
  • 0:06 - 0:09
    Annesi doktor ve babası avukat.
  • 0:09 - 0:11
    Yahli okula gittiğinde,
  • 0:11 - 0:15
    ebeveynlerinin yaptığı işler,
    oldukça farklı görünecek.
  • 0:15 - 0:18
    2013 yılında Oxford Üniversitesinde
    araştırmacılar,
  • 0:18 - 0:21
    işin geleceği üzerine
    bir çalışma yaptılar.
  • 0:21 - 0:24
    Araştırmacılar, neredeyse her iki işten
    birinde makineler sayesinde
  • 0:24 - 0:27
    otomatikleşmenin yüksek bir riski
    olduğu hususunda karara vardılar.
  • 0:28 - 0:30
    Makine öğrenmesi
  • 0:30 - 0:33
    bu karmaşanın çoğunluğundan
    sorumlu olan teknolojidir.
  • 0:33 - 0:35
    Makine Öğrenimi, yapay zekanın
    en güçlü dalıdır.
  • 0:35 - 0:37
    Yapay zeka, insanın yapabileceği
    bazı şeyleri
  • 0:37 - 0:40
    veri ve mimikden öğrenmesi için
    makineye olanak sağlar.
  • 0:40 - 0:43
    Şirketim Kaggle, modern makine
    öğrenimini kullanmaktadır.
  • 0:43 - 0:47
    Endüstri ve akademik çevreye yönelik
    önemli problemleri çözmek için
  • 0:47 - 0:49
    yüz binlerce uzmanı bir araya getiriyoruz.
  • 0:49 - 0:52
    Bu bize makinelerin ne yapacaklarını,
    ne yapamayacaklarını ve
  • 0:52 - 0:55
    hangi işleri otomatikleştirecekleri veya
    tehdit oluşturabilecekleri üzerine
  • 0:55 - 0:57
    benzersiz bir bakış açısı vermektedir.
  • 0:57 - 1:01
    Makine öğrenme, doksanlı yılların
    başlarında endüstride yer almaya başlar.
  • 1:01 - 1:03
    Makine Öğrenme, nispeten basit
    görevler ile başladı.
  • 1:03 - 1:07
    Makine öğrenme, kredi taleplerinden kredi
    riski değerlendirme, posta kodlarından
  • 1:07 - 1:12
    el yazısı karakterleri okuyarak posta
    sınıflandırma gibi şeylerle başladı.
  • 1:12 - 1:15
    Geçtiğimiz bir kaç yıldır,
    belirgin bir çıkış yaptık.
  • 1:16 - 1:19
    Makine öğrenme, artık çok daha
    karmaşık görevleri yapabiliyor.
  • 1:20 - 1:23
    2012’de Kaggle, liselerde
    makaleleri puanlayabilen
  • 1:23 - 1:26
    bir algoritma yapmak için
    çevresindekilere meydan okudu.
  • 1:26 - 1:29
    Kazanan algoritmaların puanlamasıyla
    öğretmenlerin puanlaması
  • 1:29 - 1:31
    birbirlerine eşdeğerdi.
  • 1:31 - 1:34
    Geçtiğimiz yıl, daha da zor bir
    meydan okuma sergiledik.
  • 1:34 - 1:37
    Gözdeki görüntüleri alabilir ve şeker
    hastalığı retinopatisi olarak adlandılan
  • 1:37 - 1:39
    göz hastalığını teşhis edebilir misiniz?
  • 1:39 - 1:41
    Yine, kazanan algoritmalar,
  • 1:41 - 1:45
    göz doktorları tarafından koyulan
    tanılarla eşleşiyordu.
  • 1:45 - 1:47
    Artık verilen doğru data ile,
  • 1:47 - 1:50
    bu tür işlerde makinalar, insanlardan
    daha iyi performans sergileyecekler.
  • 1:51 - 1:54
    Bir öğretmen, kırk yıllık kariyer
    süresince 10,000 makale okuyabilir.
  • 1:55 - 1:57
    Bir göz doktoru, elli bin göze bakabilir.
  • 1:57 - 1:59
    Bir makine, dakikalar içerisinde
  • 1:59 - 2:02
    milyonlarca makale okuyabilir veya
    milyonlarca göze bakabilir.
  • 2:03 - 2:05
    Sık tekrarlanan, büyük çaplı görevlerde
  • 2:05 - 2:08
    makineler ile rekabet etme
    şansımız hiç yok.
  • 2:09 - 2:12
    Az gelişim gösterdikleri yeni alanlarda,
  • 2:13 - 2:17
    makineler bizim yaptığımız
    şeyleri yapamazlar.
  • 2:17 - 2:21
    Daha önce birçok defa
    görmedikleri işleri yapamazlar.
  • 2:21 - 2:23
    Makine öğrenmenin temel engelleri,
  • 2:23 - 2:27
    geçmiş datadan büyük miktarda
    öğrenme gereksinimidir.
  • 2:28 - 2:29
    İnsanlarda böyle değil.
  • 2:29 - 2:32
    Daha önce karşılaşmadığımız
    problemleri çözmek için,
  • 2:32 - 2:35
    görünürde farklı konularda ilişki
    kurma yeteneğine sahibiz.
  • 2:35 - 2:38
    Percy Spencer magnetronnun çikolata
    kalıbını erittiğini fark ettiğinde,
  • 2:38 - 2:42
    ikinci dünya savaşı sırasında,
    radarlar üzerine çalışan bir fizikçiydi.
  • 2:42 - 2:44
    Percy Spencer, yeni bir icat için
  • 2:44 - 2:48
    yemek pişirme bilgisi ile elektromanyetik
    radyasyon kavramını birleştirebildi--
  • 2:48 - 2:51
    herhangi bir tahmin ?-- mikrodalga fırın.
  • 2:51 - 2:55
    Şimdi,bu özellikle yaratıcılığın
    dikkat çekici bir örneğidir.
  • 2:55 - 2:58
    Ancak bu tür çapraz birleşmeler
    her birimiz için
  • 2:58 - 3:00
    günde binlerce kez oluşur.
  • 3:01 - 3:02
    Konu yeni işleri başarmak olduğunda,
  • 3:02 - 3:04
    makineler bizimle rekabet edemezler ve
  • 3:04 - 3:07
    bu, makinelerin insanların işlerini
    otomatize etmelerinde
  • 3:07 - 3:09
    temel engel oluşturur.
  • 3:10 - 3:13
    Öyleyse, işin geleceği için
    bu ne anlama geliyor ?
  • 3:13 - 3:17
    Herhangi bir işin gelecekteki durumu,
    bir sorunun cevabında yatar:
  • 3:17 - 3:22
    Meslek ne ölçüde sık tekrarlanan,
    büyük çaplı işe indirgenebilir ve
  • 3:22 - 3:25
    ne ölçüde yeni görevleri içerir?
  • 3:26 - 3:30
    Sık tekrarlanan, büyük-çaplı görevlerde
    makineler, gitgide akıllı olmaktadırlar.
  • 3:30 - 3:33
    Bugün denemeleri puanlayabiliyorlar.
    Bazı hastalıkları teşhis ediyorlar.
  • 3:33 - 3:36
    Gelecek yıllarda makineler,
    denetimlerimizi yürütecekler ve
  • 3:36 - 3:38
    yasal sözleşmelerden
    standart metni okuyacaklar.
  • 3:38 - 3:41
    Muhasebeci ve avukatlara
    hala gereksinim var.
  • 3:41 - 3:44
    karmaşık vergi yapısı, çığır açan
    hukuk davaları için ihtiyaç duyulacak.
  • 3:44 - 3:47
    Ancak makineler, bu işlerin
    kademelerini daraltacak
  • 3:47 - 3:48
    ve onları elde etmeyi zorlaştıracak.
  • 3:48 - 3:50
    Günümüzde söz konusu makineler,
  • 3:50 - 3:53
    alışılmışın dışındaki durumlarda
    ilerleme gösterememektedir.
  • 3:53 - 3:56
    pazarlama kampanyasının ardındaki
    metin,müşterilerin ilgisini çekmelidir.
  • 3:56 - 3:58
    Kendini göstermelidir.
  • 3:58 - 4:00
    İş stratejisi, pazarda
    başkalarının bulmadığı
  • 4:00 - 4:02
    boşlukları bulmak demektir.
  • 4:02 - 4:06
    Pazarlama kampanyalarımızın ardındaki
    metni yaratacak olanlar ve
  • 4:07 - 4:10
    iş stratejimizi geliştirecek
    olanlar insanlar olacaktır.
  • 4:10 - 4:13
    Bu yüzden Yahli, ne yapmaya
    karar verirsen ver,
  • 4:13 - 4:15
    her gün sana yeni bir
    meydan okuma getirsin.
  • 4:16 - 4:19
    Eğer bunu yaparsan, o zaman
    makinelerden önde olursun.
  • 4:19 - 4:20
    Teşekkürler.
Title:
Makine sayesinde kaybedeceğimiz işler -- ve kaybetmeyeceklerimiz
Speaker:
Anthony Goldbloom
Description:

Makine öğrenmesi artık sadece kredi riskini değerlendirme ve postaları ayırma gibi basit işler için değil -- bugün kompozisyonları notlama ve hastalıklara tanı koyma gibi daha karmaşık uygulamalar için yeterli. Bu ilerlemeler zor bir soruyu beraberinde getiriyor: Gelecekte bir robot işinizi mi yapacak?
more » « less
Video Language:
English
Team:
closed TED
Project:
TEDTalks
Duration:
04:36

Turkish subtitles

Revisions

Our website uses cookies for analysis purposes.