Yapay zekâ üretimi hızlandırırken inceleme geride kalıyor
Bir iktisat modeli yapay zekânın araştırma sayısını nitelikten hızlı artırabileceğini savunuyor; işyerlerindeki kullanım ile beş saatte yayılan bir filigran sökücü de inceleme ve denetimin aynı hızda büyümediğini gösteriyor.
Yapay Zekâ··Akşam
Kazanılan zaman daha çok araştırmaya gidebilir
Princeton ve Washington Üniversitesi araştırmacılarının kuramsal iktisat çalışması, dil modellerinin kazandırdığı zamanın araştırmacının saatini daha değerli kıldığını savunuyor. Modelde yapay zekâ ilk elemeyi hızlandırdığında araştırmacılar daha seçici davranıyor, fakat sürdürdükleri projeleri daha az titizlikle işliyor. Yazım ile biçimlendirme hızlandığında daha zayıf çalışmalar başvuru aşamasına ulaşıp değerlendirme hattını dolduruyor; yalnızca çözümlemenin çekirdeği hızlandığında nitelik yükseliyor. Yazarların dayanakları arasında, yapay zekâ kullanan geliştiricilerin kendilerini yüzde 24 daha hızlı sanarken görevleri yüzde 19 daha geç tamamladığı METR çalışması da var.[1]
Çalışan kullanımı işyeri kurallarını geçti
Hollanda iktisat dergisi ESB'de yayımlanan çözümlemeye göre her sektörde ChatGPT ve Copilot gibi araçları kullandığını söyleyen çalışanların oranı, işvereninin bu kullanımı etkin biçimde desteklediğini söyleyenlerin oranından yüksek. Fark çoğu alanda 15 puanı aşıyor; kamu ile eğitimde 30 puana yaklaşıyor. De Nederlandsche Bank'ın geçen ekimdeki araştırmasında çalışanların yalnızca yüzde 25'i etkin işveren desteği bildirdi. Resmî araçlar ve kurallar geride kaldığında çalışanlar tüketici hesaplarını kurum ağında kullanabiliyor; şirket verisi, müşteri bilgisi ve kaynak kodu da bu yoldan kurum dışına çıkabiliyor.[2]
Filigran sökücü beş saatte yayıma çıktı
Bir girişimci, Anthropic'in görünmez metin filigranını duyurmasının ardından işareti kaldıran aracın ilk sürümünü yaklaşık beş saatte yazıp GitHub'da yayımladığını Business Insider'a anlattı. Projeyi tanıtan 11 Ağustos tarihli gönderi X'te 2 milyon görüntülenmenin üzerine çıktı ve LinkedIn'e yayıldı. Araç filigranı denetliyor, anlamı koruyan küçük değişiklikler üretiyor ve işaret görünmeyene kadar işlemi yineliyor; benzer döngüyü görsellere de uyguluyor. Geliştirici, istatistiksel sözcük örüntülerine dayanan yöntemin, bir çalışmada yalnızca tek satır için model kullanan kişiyi bile yanlış işaretleyebileceğini savunuyor.[3]
