TL;DR:
- Üretim artık kıt değil. Everypixel, iki yıldan kısa sürede yapay zeka araçlarıyla 15 milyardan fazla görselin, günde ortalama yaklaşık 34 milyon adetle üretildiğini tahmin etti. Herhangi bir yetkin çıktı bir prompt uzaktayken darboğaz üretmekten seçmeye kayar.
- Kıt olan beceri zevktir: iyiyi harikadan ayırma, binlerce makul seçenekten doğru olanı seçme ve bu seçimi somut terimlerle savunma yeteneği. Bu yazı zevki, sahip olduğunuz ya da olmadığınız bir armağan olarak değil, beş öğrenilebilir katmandan oluşan bir yığın olarak ele alır.
- Bolluğun içinde gizlenen gerçek bir risk var. Science Advances’ta yayımlanan 2024 tarihli bir çalışma, üretken yapay zekanın bireysel yazımı daha yaratıcı hale getirdiğini ama ortaya çıkan hikayeleri birbirine daha benzer kıldığını, yani toplu çeşitliliği azalttığını buldu. Yargısız akıcılık ortalamaya yakınsar.
- Zevk öğrenilebilir, ama yalnızca maruz kalmayla değil. Onlarca yıllık kasıtlı-pratik araştırması, belirleyici bileşenin tekrar değil yapılandırılmış geri bildirim olduğunu gösteriyor. Meta-analizler, uzman performansının kasıtlı pratikle açıklanan payını kabaca yüzde 30 ila 34 arasında koyuyor; büyük, ama yalnızca pratik gerçek bir değerlendirme içerdiğinde.
- Yığını aynı anda bir CEO ve bir öğrenci gibi çalıştırın. Nihai kararı bir CEO’nun bir çağrıyı sahiplendiği gibi sahiplenin ve gözünüzü, mevcut sürümün yalnızca bir taslak olduğunu varsayan bir öğrenci gibi sürekli yükseltin.
Tarihin çoğu boyunca yaratıcı ve bilgi işinin zor kısmı üretimdi. Metni yazmak, düzeni tasarlamak, analizi taslaklamak, fotoğrafı çekmek. Beceri, şeyi hiç olmazsa yapabilmek demekti ve onu iyi yapabilenler varsayılan olarak değerli sayılacak kadar nadirdi.
O dünya sona eriyor. 2024 başında McKinsey, kuruluşların yüzde 65’inin üretken yapay zekayı düzenli olarak kullandığını, bu oranın yalnızca on ay önceki anketten neredeyse iki katına çıktığını bildirdi. Üç kuruluştan ikisi talep üzerine yetkin bir taslak üretebiliyorsa, yetkin taslaklar bir farklılaştırıcı olmaktan çıkar. Fabrika artık herkeste. Neredeyse kimsede olmayan şey, fabrikanın çıktısına bakıp hangi parçanın saklanmaya değer olduğunu bilmenin güvenilir bir yoludur.
Bu becerinin eski bir adı var: zevk. Ve bu yazının merkez iddiası, zevkin doğuştan sahip olduğunuz ya da olmadığınız bir kişilik özelliği olmadığıdır. O, belirli ve öğrenilebilir yeteneklerden oluşan bir yığındır. Ona kasıtlı olarak tırmanabilirsiniz ve yapay zeka çağında tırmanmak, zamanınızla yapabileceğiniz en yüksek getirili şeylerden biridir.
Bolluk neden yargıyı moat haline getirir
Araçlar daha iyi olduğunda insan işinin sadece bir seviye yukarı çıktığı ve her şeyin yolunda olduğu şeklinde rahatlatıcı bir varsayım var. Veriler bu hikayeyi karmaşıklaştırıyor.
2024’te Science Advances’ta yayımlanan Doshi ve Hauser çalışması en keskin örnek. Araştırmacılar, bazı yazarlara bir büyük dil modelinden hikaye fikirleri verildiği, bazılarına verilmediği bir deney yürüttü. Yapay zeka destekli hikayeler daha yaratıcı, daha iyi yazılmış ve daha keyifli olarak değerlendirildi; etki, işe daha az yaratıcı başlayan yazarlarda en güçlüydü. İyimser manşet bu. Rahatsız edici kısım grubun bütününe olan şey: yapay zeka destekli hikayeler yalnızca insan işi hikayelere göre birbirine daha benzerdi. Bireysel kalite yükselirken toplu çeşitlilik düştü.
Bu, en olası bir sonraki tokeni tahmin etmek üzere eğitilmiş bir araçtan tam olarak bekleyeceğiniz şey. Herkesi aynı yetkin ortaya çeker. Çıktı akıcı, güvenli ve unutulabilirdir ve akıcı olduğu için iyi sanılması kolaydır.
İşte stratejik açık burası. Üretim bedavayken ve ortalamaya yakınsarken kıt kalan iki şey, ortalamanın üstündekini tanıma yeteneği ve onu yalnızca idare eder olana tercih etme istekliliğidir. İkisi de zevkin işlevidir. Bu, CEO-ve-öğrenci tezinin en saf halidir: CEO yarısı, neyin yayına yetecek kadar iyi olduğuna dair kararı sahiplenmektir; öğrenci yarısı, o kararı veren gözü sürekli keskinleştirmektir. Hiçbir yarı otomatikleştirilemez, çünkü makinenin sonuçta bir payı ve savunacak bir bakış açısı yoktur.
Araştırma ne diyor (doğrulanmış kamuya açık veri)
| Bulgu | Kaynak | Zevk için ne anlama geliyor |
|---|---|---|
| İki yıldan kısa sürede 15 milyardan fazla yapay zeka görseli, günde yaklaşık 34 milyon adet | Everypixel görsel istatistikleri, 2023 | Çıktı artık kıt değil; darboğaz üretmekten seçmeye kayıyor |
| Yapay zeka destekli hikayeler bireysel olarak daha yaratıcı, ama birbirine daha benzer bulundu, toplu çeşitlilik azaldı | Doshi ve Hauser, Science Advances, 2024 | Akıcılık ortalamaya yakınsar; savunulabilir bir bakış açısı farklılaştırıcı olur |
| Kuruluşların yüzde 65’i üretken yapay zekayı düzenli kullanıyor, on ayda kabaca iki kat | McKinsey, State of AI, 2024 başı | Üretim artık herkeste olan varsayılan bir yetenek; yargı değil |
| Kasıtlı pratik uzman performansının kabaca yüzde 30 ila 34’ünü açıklar ve belirleyici özelliği tekrar değil geri bildirimdir | Ericsson ve ark. 1993; Macnamara ve ark. 2014 | Zevk öğrenilebilir, ama yalnızca yapılandırılmış geri bildirim döngüleriyle, tek başına maruz kalmayla değil |
Zevk Yığını: tırmanabileceğiniz beş katman
Çoğu insanın zevkle ilgili yaptığı hata, onu sahip olduğunuz ya da olmadığınız tek bir şey gibi ele almaktır. Onu, her katmanın altındakine dayandığı bir yığın olarak görmek daha yararlıdır. Farkı önce algılayamıyorsanız bir şeyin neden işe yaradığını ifade edemezsiniz ve bireysel yargı çağrıları yapamıyorsanız tutarlı bir eser bütününe yön veremezsiniz.
Aşağıdaki tablo özgün bir CEOtudent çerçevesidir, bir veri seti değil. Zevki temelden yukarıya beş katmana ayırır ve her birini sahiplenmeniz gereken CEO kararı ve onu inşa eden öğrenci pratiğiyle eşleştirir. Alttan okuyun, çünkü beceri gerçekte bu sırayla gelişir.
Zevk Yığını (CEOtudent editöryel çerçevesi)
| Katman | Nedir | CEO kararı (sahiplen) | Öğrenci pratiği (inşa et) |
|---|---|---|---|
| 5. Yön | Tüm bir eser bütününe tek tutarlı bir bakış açısı dayatmak ve ona hizmet etmeyen her şeyi budamak | İşinizin neyi temsil ettiğine karar verin ve onu sulandıran yüzde 90’ı kesin | Tek parçaları değil eser bütünlerini inceleyin; ortak eksenin ne olduğunu ve sizinkinde bir tane olup olmadığını sorun |
| 4. Yargı | Gerçek kısıtlar altında birçok makul seçenekten doğru olanı seçmek | Çağrıyı yapın, yayınlayın ve kaçınmak yerine sonucu sahiplenin | Bir teslim tarihiyle karar verin; sonra hangi çağrıların tuttuğunu ve hangilerinin tutmadığını gözden geçirin |
| 3. İfade | Bir seçeneğin neden diğerinden daha iyi olduğunu somut terimlerle açıklamak | Ekibin bağlı tutulacağı ölçütleri, hislerle değil sözcüklerle belirleyin | Kısa eleştiriler yazın; içgüdüsel bir tepkiyi üç somut nedene dönüştürün |
| 2. Ayırt etme | İyi ile harika arasındaki ince farkları algılamak | Hızlı diye akıcı-ama-jenerik olanı kabul etmeyi reddedin | Karşılaştırma tatbikatları yapın: seçenekleri sıralayın ve birinciyi ikinciden tam olarak neyin ayırdığını adlandırın |
| 1. Maruz kalma | Bir alandaki en iyi işi inceleyerek kafanızda oluşturduğunuz referans kütüphanesi | Akışın önünüze koyduğu her şeyi tüketmek yerine girdilerinizi kasıtlı olarak seçin | En iyi yüzde 1’i bilerek inceleyin; ortalama artık sonsuz ve öğretmen olarak değersiz |
Başarısızlık modlarının da nasıl yığıldığına dikkat edin. Birinci katmanda takılıp kalan biri çok şey görmüştür ama neyin neden iyi olduğunu size söyleyemez. İkinci katmandaki biri bir şeyin ters olduğunu hissedebilir ama adını koyamaz, bu da başkasına yön veremeyeceği anlamına gelir. Yapay zeka çağında gerçekten tehlikeli olanlar dördüncü ve beşinci katmanlarda yaşar: yüz yapay zeka çıktısına bakabilir, doksan beşini tereddütsüz öldürebilir ve hayatta kalanları omurgası olan bir şeye şekillendirebilir.
Her katman gerçekte nasıl inşa edilir
Katman 1, Maruz kalma. Zevk bir referans kütüphanesi olarak başlar. İçsel karşılaştırma kümeniz ortalama işten oluşuyorsa harika işi tanıyamazsınız. Yapay zeka çağı bunu kolaylaştırmaz, zorlaştırır, çünkü yetkin ve unutulabilir içeriğin hacmi artık fiilen sonsuzdur ve akışın size gösterdiği varsayılan şeydir. Kasıtlı hamle, bir alanın tepesini bilerek incelemektir. Başka denemelerin atıf yaptığı denemeleri okuyun. İnsanların kopyaladığı ürünleri parçalarına ayırın. Ortalamayı tüketmek size ortalamayı öğretir.
Katman 2, Ayırt etme. Algının belirsiz bir histen ince taneli bir hisse keskinleştiği yer burası. Mekanizma karşılaştırmadır. İki seçeneği yan yana koyun ve bir sıralamaya zorlayın. Çoğu insan bunu asla yapmaz; tek bir şeye bakar ve beynin “idare eder” diye yanıtladığı “bu iyi mi?” sorusunu sorar. Bunun yerine “bu ikisinden hangisi daha iyi ve tam olarak ne kadar?” diye sorun; göz, eskiden kaçırdığı farkları çözmeye başlar. Bu, yapay zekanın sizin adınıza ulaşmakta zorlandığı katmandır, çünkü olası ortayı optimize eden bir model istisnayı el üstünde tutmak üzere kurulmamıştır.
Katman 3, İfade. Açıklayamadığınız algı henüz kullanılabilir değildir, çünkü onu öğretemez, onunla yön veremez ya da baskı altında savunamazsınız. İfade, bir tepkiyi ölçütlere dönüştürme disiplinidir. Pratik açıktır: bir şeyi yargıladıktan sonra düz bir dille üç somut neden yazın. “Temiz hissettiriyor” değil, “hiyerarşi net, tek bir odak noktası var ve hiçbir şey başlıkla yarışmıyor.” Zevkiniz bir kez sözcüklerde yaşadığında başka insanlara ve kendi gelecekteki kararlarınıza taşınabilir.
Katman 4, Yargı. Zevkin gerçeklikle buluştuğu katman burası. Sonsuz seçenek, birini seçip arkasında durma istekliliği olmadan bir lanettir. Yargı, yığının içindeki CEO eylemidir: bir teslim tarihiyle ve eksik bilgiyle çağrıyı yaparsınız, yayınlarsınız ve olanı sahiplenirsiniz. Öğrenci yarısı sonrasındaki gözden geçirmedir. Kasıtlı-pratik araştırması bu noktada nettir. Gelişmeye devam edenleri platoya vuranlardan ayıran şey daha fazla tekrar değil, çağrının doğru olup olmadığına dair yapılandırılmış geri bildirimdir. Yayınlayın, sonra hangi yargıların tuttuğuna dürüstçe bakın.
Katman 5, Yön. Yığının tepesi, tüm bir eser bütününde ifade edilen bir bakış açısıdır. Herkes iyi bir prompttan bir iyi çıktı alabilir. Neredeyse kimse elli çıktıya tutarlı bir estetik dayatamaz ve ait olmayan her şeyi acımasızca kesemez. Doshi ve Hauser sonucunun çoğu yapay zeka destekli işin aynı yetkin merkeze doğru sürükleneceğini öngördüğü bir dünyada, yön, sizinkini tanınabilir biçimde sizinki tutan şeydir. Bu, bir yığın idare eder parça ile bir anlam ifade eden bir portföy arasındaki farktır.
Yığını CEO-ve-öğrenci tarzında çalıştırmak
Zevk iki başarısızlık moduna çağrı çıkarır ve CEOtudent çerçevesi ikisinden de kaçınmak için tasarlanmıştır.
İlk başarısızlık saf CEO’dur: güçlü görüşler, hızlı kararlar, öğrenme yok. Bu kişi zevke sahiptir ya da bir zamanlar sahipti ve artık her çağrıyı bir otorite meselesi olarak savunur. Yeni araçlarla aylık yeniden şekillenen bir alanda donmuş bir göz hızla bayatlar. İkinci başarısızlık saf öğrencidir: bitmek bilmeyen inceleme, karşılaştırma ve iyileştirme, ama asla yayınlamama, asla çağrıyı yapmama, yalnızca bir kararın gerçeklikle buluşmasından gelen geri bildirimi asla almama.
Yığın, iki yarıyı aynı anda çalıştırdığınızda işler. Her yargıyı bir CEO gibi, bir teslim tarihiyle, adınız üzerinde sahiplenin. Sonra onu, mevcut zevk sürümünüzün bir sonraki yüz kararın gözden geçireceği bir taslak olduğunu varsayan bir öğrenci gibi sorgulayın. O döngü (karar ver, yayınla, gözden geçir, ayarla) kasıtlı-pratik yazınının uzmanlığın gerçek sürücüsü olarak tanımladığı aynı yapılandırılmış geri bildirim motorudur. Araçlar üretmekte gitgide daha iyi olacak. Sizin işiniz seçmekte gitgide daha iyi olmak.
Sıkça sorulan sorular
Zevk gerçekten öğrenilebilir mi, yoksa bazı insanlar onunla mı doğar?
Öğrenilebilir ve mekanizma iyi çalışılmıştır. Ericsson ile ilişkilendirilen kasıtlı-pratik yazını ve Macnamara ile meslektaşlarının sonraki meta-analizleri, yapılandırılmış pratiğin uzman performansının önemli bir payını, yüzde 30 veya daha fazlası mertebesinde açıkladığını, kilit bileşenin ham tekrar değil geri bildirim olduğunu buldu. Doğal eğilim vardır, ama eğitilmiş bir gözle eğitilmemiş bir göz arasındaki fark çoğunlukla inşa edilir, miras alınmaz.
Yapay zeka sonunda zevk geliştirip bu beceriyi geçersiz kılar mı?
Yapay zeka, olası ve ortalama olanı üretmekte çok iyidir ki bu zevkin tam tersidir. Science Advances araştırması, bireysel kalite yükselse bile yapay zeka destekli işin benzerliğe yakınsadığını gösterdi. Zevk temelde istisnayı el üstünde tutmak ve bir bakış açısını savunmaktır; sonuçta payı ve koruyacak bir perspektifi olmayan bir modelin ikisi için de bir temeli yoktur. Araç seçenek kümenizi genişletebilir; aralarından seçmek hala sizin işiniz.
Bu, sadece bir görüş sahibi olmaktan nasıl farklı?
Bir görüş en iyi ihtimalle ikinci ya da üçüncü katmandır: bir tepki, belki açıklanmış. Tam yığın, gerçek kısıtlar altında yargıyı ve bir eser bütününde yönü içerir. Test, neyi sevdiğinizi söyleyip söyleyemediğiniz değil, bir teslim tarihiyle birçok seçenekten doğru olanı seçip seçemediğiniz, onu somut terimlerle savunup savunamadığınız ve yayınladığınız her şeyde tutarlı bir çizgi tutup tutmadığınızdır.
Hiç geçmişi olmayan biri nereden başlamalı?
En alttan. Akışın size sunduğu ortalama işi değil, önemsediğiniz alandaki en iyi işi inceleyerek maruz kalmayı inşa edin. Sonra ikinci katmanda karşılaştırma tatbikatlarına başlayın: iki seçeneği sıralayın ve birinin tam olarak neden kazandığını adlandırın. Bu iki alışkanlık tek başına, sizi daha fazla içerik tüketmekten daha ileri götürür.
Bu yalnızca tasarımcılar ve yazarlar için mi geçerli?
Hayır. Genel anlamda zevk, kalite hakkında yargıdır ve yapay zekanın artık makul bir taslak üretebildiği her yerde geçerlidir: strateji, kod, analiz, ürün kararları, işe alım. Üretimin ucuzladığı her yerde, üretimi değerlendirme yeteneği, kalan insan değerinin yoğunlaştığı yerdir.
Kaynakça
- Everypixel Journal, “AI Image Statistics,” iki yıldan kısa sürede yapay zeka araçlarıyla 15 milyardan fazla görselin üretildiği ve DALL-E 2’nin lansmanının ardından günde ortalama yaklaşık 34 milyon görsel tahmini üzerine.
- Anil R. Doshi ve Oliver P. Hauser, “Generative AI enhances individual creativity but reduces the collective diversity of novel content,” Science Advances (2024), yapay zeka destekli hikayelerin bireysel olarak daha yaratıcı bulunduğu ama birbirine daha benzer olduğu ve toplu çeşitliliği azalttığı bulgusu üzerine.
- McKinsey and Company, “The state of AI in early 2024,” anket edilen kuruluşların yüzde 65’inin en az bir iş işlevinde üretken yapay zekayı düzenli kullandığını, bunun on ay önce bildirilenin neredeyse iki katı olduğunu bulan çalışma üzerine.
- K. Anders Ericsson, Ralf Th. Krampe ve Clemens Tesch-Romer, “The Role of Deliberate Practice in the Acquisition of Expert Performance,” Psychological Review (1993), kasıtlı pratik ve geri bildirim ile uzman rehberliğinin merkezi rolü üzerine.
- Brooke N. Macnamara, David Z. Hambrick ve Frederick L. Oswald, “Deliberate Practice and Performance in Music, Games, Sports, Education, and Professions: A Meta-Analysis,” Psychological Science (2014), kasıtlı pratiğin uzman performansının önemli ama kısmi bir payını açıkladığı bulgusu üzerine.
- Herbert A. Simon ve William G. Chase, uzmanlığın ham işlem hızı değil, saklanmış geniş bir anlamlı örüntü kütüphanesini tanımak üzerine kurulduğu klasik bulgusu üzerine.
- Rick Rubin, “The Creative Act: A Way of Being,” yargının temeli olarak kişinin kendi tepkilerine disiplinli dikkat verme pratiği üzerine.
Bu içerik, derinlemesine bir araştırmanın ardından yapay zeka desteğiyle derlenmiş ve CEOtudent editör ekibi tarafından yazılıp yayına hazırlanmıştır.
