21. yüzyıldaki bilgi ekonomisinde ancak fikirleriniz kadar değerlisiniz. Küreselleşmenin, otomasyonun ve yapay zekânın güçlerini birleştirip her ülkedeki her meslekte kaygı yarattığı bir çağda, fikirlerinizin önemli olduğuna başkalarını ikna etme yeteneği size rekabet üstünlüğü kazandıran en büyük beceridir. Gelecek on yılda fikirleriniz –ve bu fikirleri başarılı biçimde ifade etme beceriniz– her zamankinden çok daha önemli olacak. İkna ediciler vazgeçilmezdir.
Bugünün iş dünyasının profesyonelleri için ortalama performans ancak ortalama altı sonuçları garantiler. New York Times’ta köşe yazarı ve çoksatar kitaplar kaleme almış küreselleşme uzmanı Thomas Friedman, “Geçmişte ortalama becerileri olan, ortalama bir iş yapan işçiler ortalama bir yaşam biçimine ulaşabiliyordu. Ancak bugün ortalama resmen sona ermiş durumda,” diye yazar.3 “Herkesin kendi ekstrasını, istihdam alanı ne olursa olsun onu önce çıkaracak eşsiz katkısını bulması gerek.”
Ekonomist Tyler Cowen ortalama sona erdi ifadesinin bir slogandan fazlası olduğunu söylüyor. Akıllı makinelerin geri döndürülemez güçlerinin ve ekonomik küreselleşmenin sizi şu soruları sormaya yönlendirmesi gerektiğini iddia ediyor: “Akıllı makinelerle çalışmakta iyi misiniz, değil misiniz? Yetenekleriniz bilgisayarın becerilerinin tamamlayıcı bir unsuru mu, yoksa bilgisayar siz olmadan daha mı iyi çalışıyor? En kötüsü de: Bilgisayarla mı rekabet ediyorsunuz?”4 Cowen’a göre: “Eğer siz ve becerileriniz bilgisayarı tamamlıyorsa, maaşınız ile işgücü piyasasının beklentileri büyük ihtimalle keyifli bir görünüm sergiliyordur. Eğer becerileriniz bilgisayarı tamamlamıyorsa, bu uyumsuzluğu irdelemek isteyebilirsiniz.” Bu kitabı o uyumsuzluğa çözüm olarak görün.
Çalışmanın temel yapısı değişiyor; tarihin en dönüştürücü zamanlarından birinde kendini göstermek, öne geçmek ve çok büyük işler başarmak için gereken beceriler de öyle. İkna edebilir, ilham verebilir ve başkalarının hayal gücünü harekete geçirebilirseniz durdurulamaz, karşı konulamaz ve vazgeçilmez olursunuz.
Anthony Goldbloom büyük görevleri gerçekleştirmek için büyük veriyi kullanmakta dünyaca ünlü bir uzman. Kaggle adındaki şirketi NASA, otomobil imalatçıları, sigorta şirketleri, ilaç ve tıbbi cihaz üreticileri ile pek çok başka sektör için karmaşık sorunları çözerken tahmine dayalı modellemeyi kullanıyor. Kaggle’ın biliminsanlarından oluşan ekibi için hiçbir sorun çözülemeyecek kadar büyük değil. MIT’nin dünyadaki en iyi 35 yenilikçiden biri olarak gösterdiği Goldbloom, “makine öğrenmesi”nin yapay zekânın en güçlü dalı olduğuna ve işyerlerinde gerçekleşeceği öngörülen radikal değişimlerin çoğunu yaratacağına inanıyor. Makinelerin verileri kullanarak öğrenmesini sağlayan bir teknoloji olan makine öğrenmesi bazı durumlarda insanların yapabildiği şeyleri taklit eder. Kaggle en ileri seviye makine öğrenmesi teknolojisiyle çalışıyor, bu da Goldbloom’a makinelerin neler yapıp neler yapamayacağına dair eşsiz bir bakış açısı kazandırıyor.
Goldbloom bana, “Makineler yapıları gereği daha önce yapılmış bir şeyi öğrenmekte ve bunları defalarca tekrarlamakta çok iyidir,” demişti.5 “Ama bir insana duygusal anlamda dokunmanın yolu onu şaşırtmaktan geçer. Makineler yeni durumların üstesinden gelmekte çok az yol kat etti. Önceden pek çok görmedikleri şeylerle baş edemezler.”
Kaggle’ın veri bilimci grubunun üstlendiği bir proje makine öğrenmesinin vaatlerini –ve sınırlarını– gösteriyor. Hewlett Vakfı’nın ortak sponsorluğunu üstlendiği bir yarışmada, biliminsanları bir öğrencinin kaleme aldığı makaleye bir insan değerlendirici kadar ya da ondan daha iyi not verebilen bir yazılım üretmeye davet edildi. Bu, yazılım geliştirmenin önemli bir alanı. Hewlett Vakfı Amerika’daki devlet okulu öğrencilerine 21. yüzyılda başarılı olmak için ihtiyaç duydukları becerileri kazandırmaya kendini adamış bir yardım kuruluşu. Bu beceriler arasında eleştirel düşünme ve etkili iletişim öne çıkıyor. Bu alanlardaki eğitim kalitesini iyileştirmenin yollarından biri, çoktan seçmeli testlerden yüksek seviye düşünme ve yazma becerileri gerektiren makalelere geçmek. Yine de makalelere elle not vermek maliyetlidir ve çok zaman alır. Bu yüzden Hewlett, makalelere not verme görevini otomatikleştirmek için Kaggle topluluğuna ellerinden gelenin en iyisini yapma konusunda bir fırsat sundu.
Kaggle/Hewlett görevinin sonuçları umut vericiydi.6 Yarışmayı kazanan yazılım, elle not verilmiş 22 bin makaleyi değerlendirdi. Bu yazılım cümle yapısını, imlayı ve noktalamayı analiz ederek, özellikle ortalama makaleler için insanların verdiği notları taklit etmekte yeterli derecede iyi iş çıkardı. Ama Goldbloom’a göre bu algoritma çok önemli bir alanda yetersiz kaldı. Ortalama üstü makaleleri ayırt etmekte başarısız oldu – yani sıradışı, yeni ve çığır açıcı olanları. Aslında yaratıcı makaleler gerçekte hak ettiklerinden daha düşük notlar aldı! Makineler çok büyük miktarda mevcut veriden öğrenirken, biz insanlar tanım gereği daha önce hiç görülmedik yeni fikirler ortaya koyup paylaşmak için hayal gücümüzü kullanırız. “Sorunları çözmek için görünüşte birbirinden tamamen farklı dizileri birbirine bağlarız,” diyor Goldbloom.7 “Bu da makinelerin otomatikleştireceği insan görevlerine temel bir sınır getirir.” Eğer bir bilgisayar ortalamayı tespit edebilirse ortalamanın aynısını yapabilir. Oysa dijital çağda öne çıkmak için ortalama yeterince iyi değil.
Matematikçi Noriko Arai, bu kez Japonya’da gerçekleştirilen başka bir makale deneyinde, zorlu bir üniversite giriş sınavında lise öğrencilerinin yüzde 80’ini geçen bir YZ sistemi tasarladığında endişe dalgası yarattı. “Todai Robot” sınavın matematik ve fen bölümünde ilk yüzde 1’e girdi ve 600 kelimelik bir kompozisyonu çoğu öğrenciden daha iyi yazdı. Bu sonuçlara rağmen Arai, uzmanlaşmaları gereken becerileri yeniden gözden geçirmeleri koşuluyla insanların YZ-doygun bir dünyada başarılı olacağından emin. Deneyinde yapay zekânın olguları daha hızlı ve doğru biçimde bir araya getirebildiği için öğrencilerin yüzde 80’inden daha başarılı olduğunu fark etti. Bu da aslında çoğu öğrenciye öğretilen şey – bilgileri ezberlemek ve onları tekrarlamak. Ama Todai öğrencilerin yüzde 20’sini, yani yaratıcı düşünebildikleri ve olgulardan yola çıkarak “bir sorunun sınırlarının ötesindeki” anlamı tahmin edebildikleri için öne çıkanları geçmeyi başaramadı.8 Başka bir deyişle, YZ insanlar gibi okumaz ya da düşünmez. Todai Robot anahtar kelimeleri tanır ve bir soruya yanıt vermek mevcut bilgilerden topladığı metni ve olguları bir araya getirir. Arai’ye göre, eğer “bilgi” olguları ezberleme ve hatırlama anlamına geliyorsa, o zaman YZ insanların yaptığını, hatta daha iyisini yapabilir. Arai, insanlara avantaj sağlayan becerilerin halihazırda hiçbir robotun ya da makinenin yerini dolduramayacağı şeyler olduğunu söylüyor: Bunlar eleştirel düşünme, yaratıcılık ve iletişim.
Makineler hızlı, insanlar yaratıcıdır. Makineler verilerden içgörü toplar, insanlarsa verilerin ne anlama geldiğine ışık tutar. Makineler bize geçmişi öğretir, insanlarsa geleceği kurar. Makineler bizi daha verimli kılar, insanlarsa dünyayı yaratıcı ve öngörülemez yollarla daha iyi bir yer haline getirir. Lin-Manuel Miranda, MacArthur Vakfı Deha Ödülü’nü bir şarkıyı bilgisayardan daha hızlı yazdığı için kazanmadı. İnsan ruhunu ateşleyip ona ilham verdiği için kazandı.
Duygusal