Güne güzel bir haberle başladım. Telefonlarımızdaki ve platformlardaki “akıllı hafıza” özelliklerinin, neyi hatırlayıp neyi unutacağımızı nasıl şekillendirdiğini tartıştığım makalem yayımlandı.
Araştırmamın linki: https://t.co/SjJiieFnC9
Araştırma, Almanya’da 2019 yılında 30 üretim işçisiyle yapılan nitel derinlemesine görüşmelere dayanıyor. Görüşülen kişiler ağırlıklı olarak inşaat, sanayi ve küçük zanaat/üretim alanlarında çalışan kol emeği işçileri. Çoğu erkek, Alman kökenli, mesleki eğitim almış ve çoğunlukla orta ölçekli firmalarda çalışan işçilerden oluşuyor. Yaş aralığı 20-58. Görüşmeler iş yerlerinde, iş yerlerine yakın mekanlarda, evlerde veya kamusal alanlarda yapılmış; kayıt altına alınmış ve anonimleştirilmiş. Görüşmelerin tipik süresi yaklaşık 1.5 saat.
Araştırmacılar işçilere gündelik çalışma hayatlarını, toplumdaki konumlarını nasıl gördüklerini, farklı toplumsal gruplara ve siyasal meselelere nasıl baktıklarını ve gelecek beklentilerini sormuş. Analizdeyse özellikle işçilerin durum böyle ama böyle olmamalı dediği eleştiri anlarına odaklanılmış. Bu şekilde birkaç yüz sayfalık görüşme materyali içinden yaklaşık 500 eleştirel bölüm çıkarılmış. Sonra bu bölümler yeniden dağıtım, tanınma ve siyasal temsil başlıkları altında incelenmiş. Sonuçta işçilerin gündelik adaletsizlik anlatıları yedi temel eleştiri repertuarı halinde sınıflandırılmış: Sosyal kutuplaşma, aşırı sömürü, piyasa baskısı, hak eden/hak etmeyen ayrımı, kol emeğinin değersizleşmesi, siyasal eşitsizlik ve siyasal dışlanma.
https://t.co/pdZkHxxuiu
İşçiler partilerden ve siyasal temsil sisteminden uzaklaştığı için sessiz görünse de bu onların mevcut düzene rıza gösterdikleri anlamına gelmiyor; bunun altında “bizi kimse temsil etmiyor, emeğimiz değersizleşiyor, düzen adil değil” duygusu var.
@tfnkymz Böyle bir sığlığın olduğunu kabul etmekle birlikte, hayatımda ifade özgürlüğü veya ifade yasağı kadar anlamsız bir nosyon görmedim. Sosyal çürüme kadar uçsuz bucaksız bir tasavvur; nereye çekseniz oraya gider.
@tunctataker “Onları sınıfsal değil, hayata uygun yetiştirin” lafı herhalde bu zamana kadar duyduğum en anlamsız sözlerden biri.
Mesela ben çocuklarımı sınıf bilince sahip olacak şekilde yetiştirmeyi düşünüyorum.
Gerisi fasa fiso.
Yani evet AI’ı beyaz yaka emeğin makineleşmesi olarak okuyabiliriz, bunu yaparken de klasik makineyle birebir aynı kefeye koymadan yapmalıyız ama, çünkü burada makine bedensel işler kadar bilişsel süreçleri de otomatikleştiriyor.
Yine de insanı tamamen devreden de çıktı diyemeyiz (ekteki paylaştığım çalışmaya göz atabilirsiniz), nitelik daha çok doğru inputu kurma, bağlam verme, çıktıyı denetleme becerisi üzerinden dönüyor.
Araştırmacılar yatırım almış AI girişimlerine bakıyor, yani piyasada para hangi AI uygulamalarına gidiyor ve bu girişimler hangi mesleklerle ilişkilendirilebiliyor?
Bu amaçla AI Startup Exposure, yani AISE adlı bir ölçüm geliştiriyorlar. Yöntem temel olarak O*NET’teki meslek açıklamaları ile Y Combinator tarafından fonlanmış AI startup’larının ürün açıklamalarını karşılaştırmaya dayanıyor. Çalışmada 2005-Mart 2024 arasında Y Combinator tarafından fonlanmış 958 AI startup’ı kullanılıyor. Sonuçların sağlamlığını test etmek için ayrıca Avrupa merkezli 830 AI startup’ı da karşılaştırmaya dahil ediliyor.
Eşleştirme işlemi için açık ağırlıklı Llama 3 8B modeli kullanılıyor. Modelden her startup-meslek çifti için şu soruya evet veya hayır demesi isteniyor. Bu startup’ın geliştirdiği ürün, bu meslekteki bazı görevlerde insanın yerini doğrudan alabilir mi? Daha sonra her meslek için kaç startup’ın evet aldığı hesaplanıyor ve bu sayı toplam AI startup sayısına bölünerek AISE skoru oluşturuluyor.
AISE doğrudan iş kaybı veya tam otomasyon ölçüsü değil. Bir startup’ın bir meslekteki sadece bazı görevlerle ilişkili olması bile o mesleğin AI’a maruz kaldığını gösterebiliyor. Öyle ki çalışma AI girişim ekosisteminin hangi meslek ve sektörlere yöneldiğini ölçmeye çalışıyor.
https://t.co/OCqo70CYEa
Marx, otomasyon ve yapay zeka üzerine açık erişimli bir çalışmaya denk geldim.
Yapay zeka ve robot emeğini Marx’ın politik ekonomi eleştirisi üzerinden tartışıyor. Robotlar sadece insanların yerini alan makineler mi olacak yoksa kapitalist üretim içinde yeni bir emek gücü biçimi olarak mı konumlanacak?
Araştırmacılar yatırım almış AI girişimlerine bakıyor, yani piyasada para hangi AI uygulamalarına gidiyor ve bu girişimler hangi mesleklerle ilişkilendirilebiliyor?
Bu amaçla AI Startup Exposure, yani AISE adlı bir ölçüm geliştiriyorlar. Yöntem temel olarak O*NET’teki meslek açıklamaları ile Y Combinator tarafından fonlanmış AI startup’larının ürün açıklamalarını karşılaştırmaya dayanıyor. Çalışmada 2005-Mart 2024 arasında Y Combinator tarafından fonlanmış 958 AI startup’ı kullanılıyor. Sonuçların sağlamlığını test etmek için ayrıca Avrupa merkezli 830 AI startup’ı da karşılaştırmaya dahil ediliyor.
Eşleştirme işlemi için açık ağırlıklı Llama 3 8B modeli kullanılıyor. Modelden her startup-meslek çifti için şu soruya evet veya hayır demesi isteniyor. Bu startup’ın geliştirdiği ürün, bu meslekteki bazı görevlerde insanın yerini doğrudan alabilir mi? Daha sonra her meslek için kaç startup’ın evet aldığı hesaplanıyor ve bu sayı toplam AI startup sayısına bölünerek AISE skoru oluşturuluyor.
AISE doğrudan iş kaybı veya tam otomasyon ölçüsü değil. Bir startup’ın bir meslekteki sadece bazı görevlerle ilişkili olması bile o mesleğin AI’a maruz kaldığını gösterebiliyor. Öyle ki çalışma AI girişim ekosisteminin hangi meslek ve sektörlere yöneldiğini ölçmeye çalışıyor.
https://t.co/OCqo70CYEa
Yapay zeka her sektörü aynı ölçüde etkilemiyor. AI girişimleri en çok bilgi ve veri yoğun alanlara, finans, yönetim, profesyonel hizmetler ve idari destek sektörlerine yöneliyor; tarım, inşaat ve ulaşım gibi bedensel emeğe dayalı alanlarda etki daha sınırlı görünüyor.
Ayrıca mesele yapay zekanın meslekler üzerindeki etkisi sadece AI teknik olarak ne yapabilir sorusuyla açıklanamıyor.
Bazı meslekler teorik olarak AI’a çok açık da görünse AI girişimleri bu alanlara aynı ölçüde yönelmiyor. Bilhassa yüksek hata riski, etik sorumluluk ve insan kararı gerektiren mesleklerde bu fark belirginleşiyor.
Fakat veri, analiz, ofis yönetimi ve bilgi işleme gibi daha rutin ve piyasada otomasyonu daha cazip görülen işler AI girişimleri tarafından daha fazla hedefleniyor.
Haliyle AI etkisinin teknik kapasitenin yanı sıra piyasa ilgisi, toplumsal kabul ve mesleğin taşıdığı sorumlulukla da şekillendiğini görebiliyoruz.
Araştırmacılar bunu birkaç farklı yolla test ediyor. İlk deneylerde katılımcılardan yetişkin ve çocuk yüzlerini doğru isimlerle eşleştirmeleri isteniyor. Şans düzeyi %25’ken yetişkin yüzlerinde doğru eşleştirme oranı şansın üstüne çıkıyor; çocuk yüzlerindeyse çıkmıyor.
Makine öğrenmesiyle yapılan analizde de benzer bir netice var. Aynı isme sahip yetişkinlerin yüzleri birbirine, farklı isim taşıyan yetişkinlerden daha fazla benziyor. Çocuklardaysa bu benzerlik görülmüyor.
Ayrıca çocuk yüzleri dijital olarak yetişkinleştirildiğinde bile isimleriyle eşleşmiyor. Bu da meselenin biyolojik yaşlanmanın yanı sıra zaman içinde oluşan sosyal beklentiler ve kendini sunma biçimiyle ilgili olabileceğini düşündürüyor bize.
https://t.co/5lJjt0myhF
İsimlerimiz yüz görünümümüzü şekillendirebilir mi?
Bu çalışmaya göre, kısmen evet. İnsanlar isimlerine uygun bir yüzle doğmuyor olabilir; ama isimlerin taşıdığı sosyal beklentiler zamanla tarzımıza, mimiklerimize ve kendimizi sunma biçimimize yansıyabiliyor.
Çalışma, 8.097 akademik ebeveynin verisine dayanıyor ve araştırmacıların 16-40 yaş arasındaki doktora ve ebeveynlik süreçlerini inceliyor. Yazarlar, doktora tamamlama zamanıyla çocuk sahibi olma zamanını birlikte ele alarak beş farklı kariyer-ebeveynlik rotası belirliyor.
https://t.co/WfwwZzZa1z
Akademide ebeveynlik cinsiyet açısından farklı sonuçlar doğurabiliyor.
Çocuk sahibi olmak özellikle kariyerlerinin başında kadınların doktorayı bitirme, görünür olma ve akademide kalma ihtimalini azaltırken, erkeklerin kariyerini aynı ölçüde kesintiye uğratmıyor.
Veri ekonomisi ve platformlar üzerinden işleyen kapitalizmin dikkatimiz, hafızamız, arzularımız ve gelecek kurma kapasitemiz üzerindeki etkileri büyük.
Eleştirel bir teknoloji felsefesi metni okumak isteyenlere tavsiye ederim.
Bugün bile bu classifier’lar hatalı pozitif ve hatalı negatif üretebiliyorlar. Teknik olarak tamamen bunun önüne geçmek eğitsel anlamda şu an pek mümkün görünmüyor. Farklı bir imtihan sistemine geçilebilir; mesela süreç takibi, sınıf içi yazma, taslaklar, sözlü savunma, kaynak kullanımı gibi yöntemlerle kullanmak…
Yapay zekayla hazırlanan kitaplar hızla çoğalıyor.
Amazon’daki yeni e-kitaplarda yapay zeka izi 2020-2022’de neredeyse yokken, 2023’te %30’a, 2024’te %45’e, 2025’te ise %60’ın üstüne çıkıyor.