DeepSeek’in R1’si: Faydalı Bir Hatırlatma

Üniversite eğitimi veren ve eski bir BT endüstrisi veteranı olarak, Çin’in DeepSeek R1 modeli etrafındaki hype üç şey hakkında faydalı bir hatırlatma.

İlki, generative AI artık sadece büyük miktarda içeriği işlemek ve promtlere ilgili yanıtlar üretmekle ilgili değil; aynı zamanda bilişsel akıl yürütme (R1’deki “R”) hakkında.

Büyük dil modelleri (LLM’ler) vaat ediyor ki, büyük bilgi alma ve bilişsel işleme yetenekleri – eskiden süper bilgisayarlarla çalışan zeki insanların özel alanı – artık几乎 herkesin elinde.

İkincisi, generative AI devrimi öncelikle inovasyon ve yaratıcılık hakkında – sadece en güçlü donanım, eğitim veri setlerinin büyüklüğü veya model parametrelerinin sayısı için bir silah yarışması değil. Bu teknolojilerin başarılı benimsemesi, büyük teknoloji şirketleri tarafından değil, insan sermayesine yatırım yapan ve bu yeni dalgaya hazırlayan ülkeler ve organizasyonlar tarafından belirlenecek.

Üçüncüsü ve önceki noktaya dayanarak, Amerika’nın ekonomi ve toplumda gelen dramatik değişikliklere karşı iyi bir konumda olmadığı görünüyor. İki örnek vereceğim: yüksek öğrenim ve kurumsal Amerika.

Yüksek Öğrenim

Çoğu yüksek öğrenim kurumunda, bir lisans öğrencisinin ilk büyük kararı, daha geniş ve disiplinler arası bir eğitimle ilgili bir Sanat Lisans (BA) derecesi peşinde koşup koşmama kararı vermektir.

AI çağındayız ve bu artık eskimiş bir ikilem, çünkü her iki disiplin de işyerinde vazgeçilmez hale geliyor.

Gerçek şu ki, çoğu ilk yıl öğrencisi farklı iş türlerinde çalışmanın neye benzediğini, kendi yetenekleri, yetenekleri, becerileri ve kabiliyetlerinin göreli güçlerini ve zayıflıklarını bilmeye yakın bir bilgiye veya görüşe sahip değil. Ve yine de, çoğu ilk yıl öğrencisi bir ana dal belirtmek zorunda, ki bu sadece küçük bir yüzde için kolay bir karar olacak – iyi veya kötü – hangi alanda çalışmak istediklerini bilen veya en azından bildiklerini sanan öğrenciler için: mühendislik, bilim, tıp, hukuk, vb.

İhtiyacımız olan, kariyer için hazır, daha geniş, disiplinler arası bir yüksek öğrenim yaklaşımı – bir üniversite mezununun ilk tam zamanlı işinin aldığı derece veya ana dalı ile hiçbir ilgisi olmayabileceğini, üniversite deneyiminin sadece yaşam boyu sürekli öğrenmenin ilk aşamasını temsil ettiğini, sürekli öğrenme, beceri kazandırma, yeniden icat, kariyer değiştirme – henüz hayal bile edemeyeceğimiz roller için.

Ayrıca, eğitimciler olarak, AI intihalini yönetmek ve sohbet botlarının bilişsel kısaltmalar haline gelme tehlikesini, yani “bilişsel boşaltma” – dış araçlara güvenme eğilimini – yönetmek için yeni stratejiler geliştirmemiz gerekiyor.

Bilgi anlaşılmazken, AI’dan hemen bir cevap veya çözüm istemek yerine bir kavramı anlamak veya bir problemi çözmek için mücadele vermek yerine AI’ı kullanmak için çok fazla cazibe var.

Kurumsal BT

Çoğu şirket de bu yeni teknolojilerin organizasyonel etkilerini anlamakta başarısız oluyor.

Mevcut BT rolleri ve yapılar, önceki dijital devrimin organizasyonel gereksinimlerini yansıtıyor. Bu işlevler, insanların bilgisayarları kullanması ve etkileşimi için gereken özel uzmanlık alanından ortaya çıktı – programlama, veri mühendisliği, bilgisayar mimarisi, ağ yönetimi, bilgi güvenliği, vb.

Öte yandan, generative AI (ve onu önceleyen tüm Doğal Dil İşleme alanı) bilgisayarların insanlarla etkileşime girmesi hakkında.

Sonuç olarak, sıradan çalışanlar bu teknolojileri kullanmak için akıllıca (ve bazen tehlikeli) yollar buluyor. Organizasyonlar, potansiyel üretim faydalarını en üst düzeye çıkarmak ve riskleri en aza indirmek için çalışabilir politikalar, prosedürler ve kontroller geliştirmeye çalışıyor.

Önemli bir sorun, çoğu şirketin veri bilimi uzmanlığının BT departmanlarında yoğunlaşması, bunların çoğu hala kendi gizemli dilleri ve uygulamalarıyla organize ve işlevsel olarak iş birimleriyle izole edilmiş “gizli loncalar” olarak çalışması.

Ve ayrıca veri meydan okumamız var. Çoğu organizasyonda, AI’ı benimsemek, özel kullanım durumlarını gerçekleştirmek için büyük dil modellerini (LLM’ler) özelleştirmek demektir. İş birimlerindeki veri kullanıcıları, tam, temiz ve iyi yönetilen veri istiyor, ancak verinin sahibi olan BT’deki bireyler, bu düzeyde kalite ve şeffaflığı garantilemek için bütçeye, mali teşviklere veya organizasyonel yetkiye sahip değil.

Sonuç

​Generative AI, tüm bilgi işlerini dönüştürme potansiyeline sahip. Bu teknolojinin temelinde, uzmanlık demokrasisi (hem iyi hem de kötü) – kodlayıcılar, videografçılar, illüstratörler, yazarlar, editörler ve her türlü bilgi işçi veya “uzman” arasında aracıların ortadan kaldırılması yer alıyor. İnsanların bilişsel işleme ve akıl yürütme yetenekleriyle rekabet edebilecek bir teknolojiyle hiç karşılaşmadık – sadece fiziksel güç, dayanıklılık, hassaslık veya büyük miktarda veri işleme yeteneği.

Bu heyecan verici yeni verimlilik devrimi, yeni beceri setleri, yetenekler ve organizasyonel yapılar gerektiriyor; burada veri uzmanlığı几乎 her türlü iş sürecinin ayrılmaz bir parçasıdır.

Ironi, makinelerin daha büyük analitik güçlere ulaştıkça, bir organizasyonel hiyerarşideki bir çalışanın statüsü ve değeri, uzmanlık, deneyim ve kimlik bilgilerinin bir fonksiyonu olmaktan çok, yaratıcı, çok disiplinli ve kişiler arası becerilerinin bir fonksiyonu haline gelebilir.

Bu yetenekleri geliştirmek ve bunlara yatırım yapmak için zaman şimdi.