TED Salon Zebra Technologies
Matt Beane: How do we learn to work with intelligent machines?
Matt Beane: Akıllı makinelerle çalışmayı nasıl öğreniriz?
Filmed:
Readability: 4.2
1,770,815 views
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.
Matt Beane - Organizational ethnographer
Matt Beane is an Assistant Professor in the Technology Management Program at the University of California, Santa Barbara and a Research Affiliate with MIT's Institute for the Digital Economy. Full bio
Matt Beane is an Assistant Professor in the Technology Management Program at the University of California, Santa Barbara and a Research Affiliate with MIT's Institute for the Digital Economy. Full bio
Double-click the English transcript below to play the video.
00:13
It’s 6:30 in the morning,
0
1292
1875
Sabah saat 6:30
00:15
and Kristen is wheeling
her prostate patient into the OR.
her prostate patient into the OR.
1
3583
4875
ve Kristen prostat hastasını
ameliyathaneye götürüyor.
ameliyathaneye götürüyor.
00:21
She's a resident, a surgeon in training.
2
9500
2250
Kendisi asistan doktor,
cerrahi eğitimi devam ediyor.
cerrahi eğitimi devam ediyor.
00:24
It’s her job to learn.
3
12333
2167
Öğrenmek onun işi.
00:27
Today, she’s really hoping to do
some of the nerve-sparing,
some of the nerve-sparing,
4
15292
3351
Bugün, sinir koruyucu prostatektominin
bir kısmını kendisi yapmayı umuyor;
bir kısmını kendisi yapmayı umuyor;
00:30
extremely delicate dissection
that can preserve erectile function.
that can preserve erectile function.
5
18667
3875
erektil fonksiyonu koruyabilen
inanılmaz hassas bir disseksiyon.
inanılmaz hassas bir disseksiyon.
00:35
That'll be up to the attending surgeon,
though, but he's not there yet.
though, but he's not there yet.
6
23500
3338
Tabii bu uzman cerraha bağlı,
ama kendi orada değil.
ama kendi orada değil.
00:39
She and the team put the patient under,
7
27625
2393
Kristen, ekibiyle birlikte
hastayı uyutuyor
hastayı uyutuyor
00:42
and she leads the initial eight-inch
incision in the lower abdomen.
incision in the lower abdomen.
8
30042
3708
ve alt karında 20 cm.lik
ilk insizyonu açıyor.
ilk insizyonu açıyor.
00:47
Once she’s got that clamped back,
she tells the nurse to call the attending.
she tells the nurse to call the attending.
9
35042
3586
Ameliyat yerini güvenli kılar kılmaz
hemşireden uzmanı çağırmasını istiyor.
hemşireden uzmanı çağırmasını istiyor.
00:51
He arrives, gowns up,
10
39583
2292
Uzman doktor gelip önlüğünü giyiyor,
00:54
And from there on in, their four hands
are mostly in that patient --
are mostly in that patient --
11
42458
5792
sonra da birlikte hastayla ilgileniyorlar,
01:00
with him guiding
but Kristin leading the way.
but Kristin leading the way.
12
48708
2917
işi Kristen yapıyor
ama uzman doktor onu yönlendiriyor.
ama uzman doktor onu yönlendiriyor.
01:04
When the prostates out (and, yes,
he let Kristen do a little nerve sparing),
he let Kristen do a little nerve sparing),
13
52875
4643
Prostatlar çıktığında -- ve uzman,
bir kısmını onun yapmasına izin verdi --
bir kısmını onun yapmasına izin verdi --
01:09
he rips off his scrubs.
14
57542
1226
doktor önlüğünü çıkarıyor.
01:10
He starts to do paperwork.
15
58792
1375
Belgelerle ilgilenmeye başlıyor.
01:12
Kristen closes the patient by 8:15,
16
60833
5375
Saatler 8:15'i gösterdiğinde
Kristen insizyonu kapatmış oluyor,
Kristen insizyonu kapatmış oluyor,
01:18
with a junior resident
looking over her shoulder.
looking over her shoulder.
17
66583
2435
daha yeni bir asistan da
bu esnada onu izliyor.
bu esnada onu izliyor.
01:21
And she lets him do
the final line of sutures.
the final line of sutures.
18
69042
3083
Kristen son dikişleri
onun halletmesine izin veriyor.
onun halletmesine izin veriyor.
01:24
Kristen feels great.
19
72833
3042
Kristen harika hissediyor.
01:28
Patient’s going to be fine,
20
76250
1559
Hasta iyiye gidiyor,
01:29
and no doubt she’s a better surgeon
than she was at 6:30.
than she was at 6:30.
21
77833
3167
Saat 6.30'da olduğundan
daha iyi bir cerrah olduğuna şüphe yok.
daha iyi bir cerrah olduğuna şüphe yok.
01:34
Now this is extreme work.
22
82208
2834
Bu ekstrem bir iş.
01:37
But Kristin’s learning to do her job
the way that most of us do:
the way that most of us do:
23
85417
3833
Ancak Kristen hepimizin yaptığı gibi
işini yapmayı öğreniyor:
işini yapmayı öğreniyor:
01:41
watching an expert for a bit,
24
89625
1893
Bir uzmanı bir süre izliyor,
01:43
getting involved in easy,
safe parts of the work
safe parts of the work
25
91542
3142
işin kolay ve güvenli
kısımlarına dâhil oluyor
kısımlarına dâhil oluyor
01:46
and progressing to riskier
and harder tasks
and harder tasks
26
94708
2185
ve giderek daha zorlu ve riskli
görevler alıyor,
görevler alıyor,
01:48
as they guide and decide she’s ready.
27
96917
2333
bu esnada ona rehberlik ediyor,
hazır olmasını sağlıyorlar.
hazır olmasını sağlıyorlar.
01:52
My whole life I’ve been fascinated
by this kind of learning.
by this kind of learning.
28
100042
2892
Tüm hayatım boyunca
bu öğrenme şekli çok ilgimi çekti.
bu öğrenme şekli çok ilgimi çekti.
01:54
It feels elemental,
part of what makes us human.
part of what makes us human.
29
102958
3667
Çok temel bir his,
bizi insan yapan şeyin bir parçası.
bizi insan yapan şeyin bir parçası.
01:59
It has different names: apprenticeship,
coaching, mentorship, on the job training.
coaching, mentorship, on the job training.
30
107750
5417
Farklı isimleri var: çıraklık,
koçluk, mentorluk, saha eğitimi.
koçluk, mentorluk, saha eğitimi.
02:05
In surgery, it’s called
“see one, do one, teach one.”
“see one, do one, teach one.”
31
113542
3291
Cerrahlıkta bunun adı
"birini gör, birini yap, birine öğret"
"birini gör, birini yap, birine öğret"
02:09
But the process is the same,
32
117625
1344
Ama süreç hep aynı
02:10
and it’s been the main path to skill
around the globe for thousands of years.
around the globe for thousands of years.
33
118993
4174
ve dünya çapında yeteneğe giden yol
binlerce yıldır hiç değişmedi.
binlerce yıldır hiç değişmedi.
02:16
Right now, we’re handling AI
in a way that blocks that path.
in a way that blocks that path.
34
124333
4500
Bugün yapay zekâyla bu yolu tıkayacak
bir şekilde ilgileniyoruz.
bir şekilde ilgileniyoruz.
02:21
We’re sacrificing learning
in our quest for productivity.
in our quest for productivity.
35
129625
2690
Üretken olma yolunda
öğrenmeyi feda ediyoruz.
öğrenmeyi feda ediyoruz.
02:25
I found this first in surgery
while I was at MIT,
while I was at MIT,
36
133292
2809
MIT'deyken buna ilk cerrahide tanık oldum
02:28
but now I’ve got evidence
it’s happening all over,
it’s happening all over,
37
136125
2476
ama her yerde olduğuna dair
artık kanıtlarım var,
artık kanıtlarım var,
02:30
in very different industries
and with very different kinds of AI.
and with very different kinds of AI.
38
138625
3875
çok farklı sektörlerde
ve çok farklı türde yapay zekâlarla.
ve çok farklı türde yapay zekâlarla.
02:35
If we do nothing, millions of us
are going to hit a brick wall
are going to hit a brick wall
39
143083
5851
Bir şey yapmazsak milyonlarca kişi
bununla başa çıkmayı öğrenirken
bununla başa çıkmayı öğrenirken
02:40
as we try to learn to deal with AI.
40
148958
2417
büyük bir engelle karşılaşacak.
02:45
Let’s go back to surgery to see how.
41
153125
1772
Cerrahiye geri dönüp görelim.
02:47
Fast forward six months.
42
155708
1935
Altı ay ileri alalım.
02:49
It’s 6:30am again, and Kristen
is wheeling another prostate patient in,
is wheeling another prostate patient in,
43
157667
5476
Saat yine 6:30 ve Kristen,
başka bir prostat hastasını içeri alıyor
başka bir prostat hastasını içeri alıyor
02:55
but this time to the robotic OR.
44
163167
3166
fakat bu sefer robotik ameliyathaneye.
02:59
The attending leads attaching
45
167667
1684
Uzman cerrahın önderliğiyle
03:01
a four-armed, thousand-pound
robot to the patient.
robot to the patient.
46
169375
2833
hasta, 400 küsur kiloluk
dört kollu bir robota bağlanıyor.
dört kollu bir robota bağlanıyor.
03:04
They both rip off their scrubs,
47
172750
2434
Önlüklerini çıkartıyorlar,
03:07
head to control consoles
10 or 15 feet away,
10 or 15 feet away,
48
175208
3125
Üç veya dört metre ilerideki
konsollara yöneliyorlar
konsollara yöneliyorlar
03:11
and Kristen just watches.
49
179167
3750
ve Kristen sadece izliyor.
03:16
The robot allows the attending
to do the whole procedure himself,
to do the whole procedure himself,
50
184375
3053
Robot tüm prosedürü
uzman cerrahın yapmasına izin veriyor,
uzman cerrahın yapmasına izin veriyor,
03:19
so he basically does.
51
187452
1583
yani temelde cerrah yapıyor.
03:21
He knows she needs practice.
52
189917
2101
Kristen'in pratiğe ihtiyacı
olduğunu biliyor.
olduğunu biliyor.
03:24
He wants to give her control.
53
192042
1583
Kontrolü ona vermek istiyor.
03:26
But he also knows she’d be slower
and make more mistakes,
and make more mistakes,
54
194250
3393
Ancak onun çok yavaş olacağını
ve daha fazla hata yapacağını da biliyor,
ve daha fazla hata yapacağını da biliyor,
03:29
and his patient comes first.
55
197667
1500
hastalar önce gelir.
03:32
So Kristin has no hope of getting anywhere
near those nerves during this rotation.
near those nerves during this rotation.
56
200250
4625
Bu şekilde Kristen'in ameliyatın kritik
noktalarına müdahale etme umudu yok.
noktalarına müdahale etme umudu yok.
03:37
She’ll be lucky if she operates more than
15 minutes during a four-hour procedure.
15 minutes during a four-hour procedure.
57
205417
4375
Dört saatlik bir prosedürün 15 dk.sını
bile kendisi idare etse şanslı olacak.
bile kendisi idare etse şanslı olacak.
03:42
And she knows that when she slips up,
58
210250
2625
Şunu da biliyor ki eğer hata yaparsa
03:45
he’ll tap a touch screen,
and she’ll be watching again,
and she’ll be watching again,
59
213458
3042
uzman, dokunmatik ekrana dokunacak
ve kendi yine izliyor olacak,
ve kendi yine izliyor olacak,
03:48
feeling like a kid in the corner
with a dunce cap.
with a dunce cap.
60
216917
2625
köşeye oturtulmuş cezalı çocuk gibi.
03:53
Like all the studies of robots and work
I’ve done in the last eight years,
I’ve done in the last eight years,
61
221583
3501
Son sekiz yılda yaptığım
tüm robot ve iş çalışmaları gibi
tüm robot ve iş çalışmaları gibi
03:57
I started this one
with a big, open question:
with a big, open question:
62
225108
2118
buna da büyük
ve açık bir soruyla başladım:
ve açık bir soruyla başladım:
03:59
How do we learn to work
with intelligent machines?
with intelligent machines?
63
227250
2792
Akıllı makinelerle çalışmayı
nasıl öğrenebiliriz?
nasıl öğrenebiliriz?
04:02
To find out, I spent two and a half years
observing dozens of residents and surgeons
observing dozens of residents and surgeons
64
230792
5809
Cevabı bulmak için iki buçuk yıl boyunca
onlarca asistan ve cerrah gözlemledim,
onlarca asistan ve cerrah gözlemledim,
hem geleneksel hem robotik cerrahi
yapan doktorlar, onlarla bizzat görüştüm,
yapan doktorlar, onlarla bizzat görüştüm,
04:08
doing traditional and robotic surgery,
interviewing them
interviewing them
65
236625
3476
04:12
and in general hanging out
with the residents as they tried to learn.
with the residents as they tried to learn.
66
240125
3338
genellikle öğrenme çabasında olan
asistan doktorlarla vakit geçiriyorlar.
asistan doktorlarla vakit geçiriyorlar.
04:16
I covered 18 of the top
US teaching hospitals,
US teaching hospitals,
67
244250
3351
ABD'nin en önde gelen
18 eğitim hastanesini inceledim
18 eğitim hastanesini inceledim
04:19
and the story was the same.
68
247625
1458
ve hikâye aynıydı.
04:21
Most residents were in Kristen's shoes.
69
249875
2542
Çoğu asistan doktor
Kristen'ın durumunda olmuştu.
Kristen'ın durumunda olmuştu.
04:24
They got to “see one” plenty,
70
252958
1792
"Birini gör" kısmı çok kez deneyimlenmiş
04:27
but the “do one” was barely available.
71
255583
2292
fakat "birini yap" kısmı
neredeyse hiç olmamıştı.
neredeyse hiç olmamıştı.
04:30
So they couldn’t struggle,
and they weren’t learning.
and they weren’t learning.
72
258333
2528
Zorluklarla karşılaşmadıkları
sürece öğrenemezlerdi.
sürece öğrenemezlerdi.
04:33
This was important news for surgeons, but
I needed to know how widespread it was:
I needed to know how widespread it was:
73
261291
3810
Cerrahlar için bu önemli bir haberdi
ama ne kadar yayıldığını bilmem gerekti.
ama ne kadar yayıldığını bilmem gerekti.
04:37
Where else was using AI
blocking learning on the job?
blocking learning on the job?
74
265125
3833
Sahada öğrenmeyi engelleyen
yapay zekâ kullanımı başka nerede vardı?
yapay zekâ kullanımı başka nerede vardı?
04:42
To find out, I’ve connected with a small
but growing group of young researchers
but growing group of young researchers
75
270208
4310
Bunun cevabı için küçük ama büyüyen
bir grup genç araştırmacıya ulaştım,
bir grup genç araştırmacıya ulaştım,
04:46
who’ve done boots-on-the-ground studies
of work involving AI
of work involving AI
76
274542
3434
yapay zekâyla ilgili
temel alan araştırmaları yapmışlardı
temel alan araştırmaları yapmışlardı
ve çalışmaları çok çeşitli
alanları kapsıyordu; mesela startup'lar
alanları kapsıyordu; mesela startup'lar
04:50
in very diverse settings
like start-ups, policing,
like start-ups, policing,
77
278000
2976
04:53
investment banking and online education.
78
281000
2601
poliçeler, yatırım bankacılığı
ve çevrimiçi eğitim.
ve çevrimiçi eğitim.
04:55
Like me, they spent at least a year
and many hundreds of hours observing,
and many hundreds of hours observing,
79
283625
5851
Benim gibi en az bir yıl harcayarak
yüzlerce saat gözlem yaptılar,
yüzlerce saat gözlem yaptılar,
05:01
interviewing and often working
side-by-side with the people they studied.
side-by-side with the people they studied.
80
289500
3917
araştırdıkları insanlarla birlikte
çalıştılar ve bizzat mülakat yaptılar.
çalıştılar ve bizzat mülakat yaptılar.
05:06
We shared data, and I looked for patterns.
81
294458
2417
Verileri paylaştık
ve bir şablon bulmaya çalıştık.
ve bir şablon bulmaya çalıştık.
05:09
No matter the industry, the work,
the AI, the story was the same.
the AI, the story was the same.
82
297917
5208
Sektör ne olursa olsun,
iş, yapay zekâ, hikaye aynıydı.
iş, yapay zekâ, hikaye aynıydı.
Organizasyonlar yapay zekâdan sonuç
almak için giderek daha çok uğraşıyorlardı
almak için giderek daha çok uğraşıyorlardı
05:16
Organizations were trying harder
and harder to get results from AI,
and harder to get results from AI,
83
304042
3642
05:19
and they were peeling learners away from
expert work as they did it.
expert work as they did it.
84
307708
3542
ve bunu yaparken öğrencileri
uzman işinden uzaklaştırıyorlardı.
uzman işinden uzaklaştırıyorlardı.
05:24
Start-up managers were outsourcing
their customer contact.
their customer contact.
85
312333
2875
Startup'lar, müşteri hizmetlerini
dış kaynaklara yaptırıyordu.
dış kaynaklara yaptırıyordu.
05:27
Cops had to learn to deal with crime
forecasts without experts support.
forecasts without experts support.
86
315833
4042
Polisler suç tahminleriyle uzman desteği
olmadan baş etmek zorunda kalıyorlardı.
olmadan baş etmek zorunda kalıyorlardı.
05:32
Junior bankers were getting
cut out of complex analysis,
cut out of complex analysis,
87
320875
3250
Genç bankacıların karmaşık analiz
yapmasına izin verilmiyordu
yapmasına izin verilmiyordu
05:36
and professors had to build
online courses without help.
online courses without help.
88
324500
3083
ve akademisyenler yardımsız
çevrimiçi dersler oluşturuyordu.
çevrimiçi dersler oluşturuyordu.
05:41
And the effect of all of this
was the same as in surgery.
was the same as in surgery.
89
329125
3226
Tüm bunların etkisi
cerrahide olanın aynısı.
cerrahide olanın aynısı.
05:44
Learning on the job
was getting much harder.
was getting much harder.
90
332375
2917
Sahada öğrenme giderek zorlaşıyor.
05:48
This can’t last.
91
336958
1417
Bu böyle süremez.
05:51
McKinsey estimates that between half
a billion and a billion of us
a billion and a billion of us
92
339542
4267
McKinsey'nin tahminine göre
yarım milyar ve bir milyar arası kişi
yarım milyar ve bir milyar arası kişi
05:55
are going to have to adapt to AI
in our daily work by 2030.
in our daily work by 2030.
93
343833
4125
2030'a kadar günlük yaşamda
kendimizi yapay zekâya uyarlayacağız.
kendimizi yapay zekâya uyarlayacağız.
06:01
And we’re assuming
that on-the-job learning
that on-the-job learning
94
349000
2011
Ve ben öyle sanıyorum ki
sahada öğrenme
sahada öğrenme
06:03
will be there for us as we try.
95
351035
1917
biz denedikçe orada olacak.
06:05
Accenture’s latest workers survey showed
that most workers learned key skills
that most workers learned key skills
96
353500
4268
Accenture'ın son personel anketine göre
çoğu çalışan önemli yetileri
sahada edindi, resmi eğitimde değil.
sahada edindi, resmi eğitimde değil.
06:09
on the job, not in formal training.
97
357792
2291
06:13
So while we talk a lot about its
potential future impact,
potential future impact,
98
361292
3517
Bu yüzden bunun potansiyel geleceği
hakkında konuşurken
hakkında konuşurken
06:16
the aspect of AI
that may matter most right now
that may matter most right now
99
364833
3685
yapay zekânın bizi ilgilendiren
en önemli kısmı,
en önemli kısmı,
06:20
is that we’re handling it in a way
that blocks learning on the job
that blocks learning on the job
100
368542
3375
onu kullanış şeklimizin
sahada öğrenmeyi engellemesi,
sahada öğrenmeyi engellemesi,
06:24
just when we need it most.
101
372375
1625
en çok ihtiyacımız olan da bu.
06:27
Now across all our sites,
a small minority found a way to learn.
a small minority found a way to learn.
102
375458
6042
Tüm sahalarımızda
küçük bir grup öğrenmeye bir yol buldu.
küçük bir grup öğrenmeye bir yol buldu.
06:35
They did it by breaking and bending rules.
103
383625
3042
Bunu kuralları yıkarak buldular.
06:39
Approved methods weren’t working,
so they bent and broke rules
so they bent and broke rules
104
387083
4643
Kabul edilen yöntemler işe yaramıyordu,
bu yüzden kuralları ihlal ettiler,
bu yüzden kuralları ihlal ettiler,
sırf uzmanlarla
deneyimli pratik yapmak için.
deneyimli pratik yapmak için.
06:43
to get hands-on practice with experts.
105
391750
1976
06:45
In my setting, residents got involved
in robotic surgery in medical school
in robotic surgery in medical school
106
393750
5601
Benim alanımda, tıp fakültesinde
asistanlar robotik cerrahiye dâhil oldu,
asistanlar robotik cerrahiye dâhil oldu,
06:51
at the expense
of their generalist education.
of their generalist education.
107
399375
3583
çok yönlü eğitimleri pahasına.
06:56
And they spent hundreds of extra hours
with simulators and recordings of surgery,
with simulators and recordings of surgery,
108
404417
5851
Simülator ve ameliyat video kayıtlarına
yüzlerce ekstra saat harcıyorlar;
yüzlerce ekstra saat harcıyorlar;
07:02
when you were supposed to learn in the OR.
109
410292
2541
ameliyathanede öğrenmeleri gereken işi.
07:05
And maybe most importantly,
they found ways to struggle
they found ways to struggle
110
413375
3476
Ve belki de en önemlisi,
kısıtlı uzman rehberliğinde
kısıtlı uzman rehberliğinde
07:08
in live procedures
with limited expert supervision.
with limited expert supervision.
111
416875
3750
gerçek prosedürlerle
mücadele etmenin yolunu buldular.
mücadele etmenin yolunu buldular.
07:13
I call all this “shadow learning,”
because it bends the rules
because it bends the rules
112
421792
4309
Ben bunu "gölge öğrenme" olarak
adlandırıyorum çünkü kuralları esnetiyor
adlandırıyorum çünkü kuralları esnetiyor
07:18
and learner’s do it out of the limelight.
113
426125
2000
ve öğrenen bunu
ilgi odağı dışında yapıyor.
ilgi odağı dışında yapıyor.
07:21
And everyone turns a blind eye
because it gets results.
because it gets results.
114
429542
4101
Herkes bunu görmezden geliyor
çünkü sonuç veriyor.
çünkü sonuç veriyor.
07:25
Remember, these are
the star pupils of the bunch.
the star pupils of the bunch.
115
433667
3166
Unutmayın, bunlar
grubun yıldızlı öğrencileri.
grubun yıldızlı öğrencileri.
07:29
Now, obviously, this is not OK,
and it’s not sustainable.
and it’s not sustainable.
116
437792
3208
Apaçık belli ki bu böyle olmaz
ve sürdürebilir değil.
ve sürdürebilir değil.
07:33
No one should have to risk getting fired
117
441708
2185
Hiç kimse işini yapmak için
gereken yetileri öğrenmek adına
gereken yetileri öğrenmek adına
07:35
to learn the skills
they need to do their job.
they need to do their job.
118
443917
2150
işten kovulma riskini almamalı.
07:38
But we do need to learn from these people.
119
446792
2056
Ama bu insanlardan öğrenmemiz gerek.
07:41
They took serious risks to learn.
120
449917
2250
Öğrenmek için ciddi riskler aldılar.
07:44
They understood they needed to protect
struggle and challenge in their work
struggle and challenge in their work
121
452792
4351
İşlerinde mücadele ve zorluğun
önemini anladılar,
önemini anladılar,
07:49
so that they could push themselves
to tackle hard problems
to tackle hard problems
122
457167
2892
böylece zor sorunlara doğru
kendilerini zorlayabileceklerdi,
kendilerini zorlayabileceklerdi,
07:52
right near the edge of their capacity.
123
460083
1959
tüm kapasitelerini kullanabileceklerdi.
07:54
They also made sure
there was an expert nearby
there was an expert nearby
124
462458
2216
Yakınlarda bir uzman
olduğundan emin oldular,
olduğundan emin oldular,
07:56
to offer pointers and to backstop
against catastrophe.
against catastrophe.
125
464698
3094
bir felakete karşı
kendilerine yol göstersin diye.
kendilerine yol göstersin diye.
08:00
Let’s build this combination
of struggle and expert support
of struggle and expert support
126
468875
3458
Bu mücadele ve uzman desteği
kombinasyonunu
kombinasyonunu
08:04
into each AI implementation.
127
472708
2750
tüm yapay zekâ uygulamasına dâhil edelim.
08:08
Here’s one clear example
I could get of this on the ground.
I could get of this on the ground.
128
476375
2828
Buna dair hâlihazırda
çok net bir örneğim var.
çok net bir örneğim var.
08:12
Before robots,
129
480125
1226
Robotlardan önce
08:13
if you were a bomb disposal technician,
you dealt with an IED by walking up to it.
you dealt with an IED by walking up to it.
130
481375
4792
bomba imha teknisyeni olsaydınız
el yapımı patlayıcı kullanırdınız.
el yapımı patlayıcı kullanırdınız.
08:19
A junior officer was
hundreds of feet away,
hundreds of feet away,
131
487333
2143
Yeni bir görevli yüzlerce metre ileride,
08:21
so could only watch and help
if you decided it was safe
if you decided it was safe
132
489500
3309
sadece izleyebilir ve güvenli olduğuna
karar verip ana bölgeye çağırırsanız
karar verip ana bölgeye çağırırsanız
08:24
and invited them downrange.
133
492833
1417
yardım edebilir.
08:27
Now you sit side-by-side
in a bomb-proof truck.
in a bomb-proof truck.
134
495208
3893
Bugün ise bomba korumalı bir kamyonette
bombayla yan yana duruyorsunuz.
bombayla yan yana duruyorsunuz.
08:31
You both watched the video feed.
135
499125
1809
Videoyu ikiniz de izlediniz.
08:32
They control a distant robot,
and you guide the work out loud.
and you guide the work out loud.
136
500958
4310
Robotu uzaktan kontrol ediyorlar,
siz de sesli yönlendirme yapıyorosunuz.
siz de sesli yönlendirme yapıyorosunuz.
08:37
Trainees learn better than they
did before robots.
did before robots.
137
505292
3208
Eğitim alanlar, robotlardan önce
daha iyi öğreniyordu.
daha iyi öğreniyordu.
08:41
We can scale this to surgery,
start-ups, policing,
start-ups, policing,
138
509125
3933
Bunu pek çok şeye ölçeklendirebiliriz;
cerrahi, startup, poliçeler,
cerrahi, startup, poliçeler,
08:45
investment banking,
online education and beyond.
online education and beyond.
139
513082
2625
yatırım bankacılığı, çevrimiçi eğitim
ve daha fazlası.
ve daha fazlası.
08:48
The good news is
we’ve got new tools to do it.
we’ve got new tools to do it.
140
516375
2500
İyi haber şu ki
bunu yapacak yeni araçlarımız var.
bunu yapacak yeni araçlarımız var.
08:51
The internet and the cloud mean we don’t
always need one expert for every trainee,
always need one expert for every trainee,
141
519750
4082
İnternet ve bulutla her öğrenci için
her zaman bir uzmana ihtiyacımız yok,
her zaman bir uzmana ihtiyacımız yok,
08:56
for them to be physically near each other
or even to be in the same organization.
or even to be in the same organization.
142
524167
4458
birbirlerine yakın olmak hatta aynı
organizasyonda olmak zorunda değiller.
organizasyonda olmak zorunda değiller.
09:01
And we can build AI to help:
143
529292
3041
Yapay zekâya şunları yaptırabiliriz:
09:05
to coach learners as they struggle,
to coach experts as they coach
to coach experts as they coach
144
533167
5059
öğrenciler mücadele ederken koçluk yapmak,
uzmanlar koçluk yaparken koçluk yapmak
uzmanlar koçluk yaparken koçluk yapmak
09:10
and to connect those two groups
in smart ways.
in smart ways.
145
538250
2542
Bu iki grubu zekice birbirine bağlamak.
09:15
There are people at work
on systems like this,
on systems like this,
146
543375
2542
Bunun benzeri sistemlerde
çalışan insanlar var
çalışan insanlar var
09:18
but they’ve been mostly focused
on formal training.
on formal training.
147
546333
2792
ama genel olarak
resmi eğitime odaklanıyorlar.
resmi eğitime odaklanıyorlar.
09:21
And the deeper crisis
is in on-the-job learning.
is in on-the-job learning.
148
549458
2584
Asıl köklü sorun ise sahada öğrenme.
09:24
We must do better.
149
552417
1851
Daha iyisini yapmalıyız.
09:26
Today’s problems demand we do better
150
554292
2583
Bugünün sorunları
bizden daha iyisini bekliyor;
bizden daha iyisini bekliyor;
09:29
to create work that takes full advantage
of AI’s amazing capabilities
of AI’s amazing capabilities
151
557375
4875
yapay zekânın harika kabiliyetlerinden
tamamen yararlanmamızı
tamamen yararlanmamızı
09:35
while enhancing our skills as we do it.
152
563042
2750
ve bu esnada
yeteneklerimizi geliştirmemizi.
yeteneklerimizi geliştirmemizi.
09:38
That’s the kind of future
I dreamed of as a kid.
I dreamed of as a kid.
153
566333
2750
Çocukken böyle bir gelecek hayal ederdim.
09:41
And the time to create it is now.
154
569458
2167
Şimdi bunu yaratmanın zamanı.
09:44
Thank you.
155
572333
1226
Teşekkürler.
09:45
(Applause)
156
573583
3625
(Alkışlar)
ABOUT THE SPEAKER
Matt Beane - Organizational ethnographerMatt Beane is an Assistant Professor in the Technology Management Program at the University of California, Santa Barbara and a Research Affiliate with MIT's Institute for the Digital Economy.
Why you should listen
Matt Beane does field research on work involving robots to help us understand the implications of intelligent machines for the broader world of work. Any of his projects mean many hundreds of hours -- sometimes years -- watching, interviewing and often working side by side with people trying to work with robots to get their jobs done.
Beane has studied robotic surgery, robotic materials transport and robotic telepresence in healthcare, elder care and knowledge work. He has published in top management journals such as Administrative Science Quarterly, he was selected in 2012 as a Human Robot Interaction Pioneer and is a regular contributor to popular outlets such as Wired, MIT Technology Review, TechCrunch, Forbes and Robohub. He also took a two-year hiatus from his doctoral studies to help found and fund Humatics, an MIT-connected, full-stack IoT startup.
Beane is an Assistant Professor in the Technology Management Program at the University of California, Santa Barbara and a Research Affiliate with MIT's Institute for the Digital Economy. He received his PhD from the MIT Sloan School of Management.
Matt Beane | Speaker | TED.com