Yapay Zeka Eğitimi Neden Gerçek Çalışmaya Yönelik İzini Kaçırıyor?
Burada oldukça düzenli olarak gördüğüm bir şey var. Bir kuruluş yapay zeka eğitimini uygulamaya koyuyor, tamamlama oranları iyi görünüyor ve altı ay sonra sahadaki işçiler, aracı tam olarak kursu almadan önceki kadar kullanıyor. Bu hiç de değil. Eğitim işe yaradı. Bu belirli insanların çalışma şeklini değiştirmek için tasarlanmadı. Çoğu yapay zeka eğitiminin başarısızlığını açıklayan üç tasarım kararı vardır. Kursu oluştururken hiçbiri açık değildir. Neye baktığınızı bildiğinizde bunların hepsi düzeltilebilir.
Senaryo Yanlış Kişi İçin Yazıldı
Yapay zeka eğitim senaryolarının çoğu masa başı bir iş etrafında inşa edilmiştir. Birisi bir belgeyi inceliyor, bir e-posta taslağı hazırlıyor, bir toplantıyı özetliyor. Yapay zeka bu konuda yardımcı oluyor. İyi.
Şimdi, işi tezgahta durup yükleniciye işi için hangi ürünü kullanacağını söyleyen bir distribütör satış temsilcisini hayal edin. Veya nemli bir iklimde dış cephedeki ahşabın hangi kaplama sistemine dayanabileceğini bulan bir ressam. Bu insanlar yapay zeka eğitimindeler, bir proje teklifinin özetlenmesiyle ilgili bir senaryoya tıklıyorlar ve yaptıkları hiçbir şey gerçek günlerini haritalandırmıyor.
Bu, gerçekte kullanacakları araç tam boyutlu bir pikap olduğunda, birine kompakt bir arabanın nasıl paralel park edileceğini göstererek araba kullanmayı öğretmeye benzer. Beceri ilişkilidir. Bağlam, dersin sonuç vermemesine ve yapay zeka eğitiminin başarısız olmasına yetecek kadar uzakta.
Birkaç hafta önce doğru tasarımın neye benzediğine dair güzel bir örnekle karşılaştım. Canlı bir araç olarak Claude ile sesli komutlu bir sınıf oturumu yürütüyordum; hakkında konuştuğumuz bir konu değildi ama aslında odada birlikte kullandığımız bir şeydi. Öğrencilerden biri bir gruptaydı ve yerel barların onlara yer ayırtmasını sağlamakta zorlanıyordu. Bu nedenle, standart bir yapay zeka istem-cevap alıştırması üzerinde çalışmak yerine bu problemi kullandık. Claude, gruba rezervasyon yaptırmamak için gizli bir nedeni olan bir bar sahibini canlandırdı; bu, öğrencinin içeri girerken bilmediği bir şeydi. Öğrencinin bu karakterle gerçek bir konuşma yapması, tereddütün gerçekte ne olduğunu çözmesi ve bir deneme rezervasyonu için adım atması gerekiyordu.
Sonunda oraya varmıştı. Ve uyguladığı şey (dirençli bir müşteriyi okumak, ses tonunu ayarlamak, ilk cevap “hayır” olduğunda vazgeçmemek) gerçek bir bar sahibiyle gerçek bir odada yapacaklarına doğrudan uygulanabilirdi. Yapay zeka bir demo değildi. Kendi gerçek dünyasına uygun bir rol oynayan bir antrenman arkadaşıydı.
Tasarım farkı bu. Genel bir ofis durumu değil; bu kişinin, onun için bir anlam ifade eden risklerle çözmeye çalıştığı gerçek bir sorun.
Uygulama Yanlış Yerde Gerçekleşiyor
Esnaf işçilerinin fiziksel herhangi bir şeyi nasıl öğrendiğini düşünün. Bir bitirme teknisyeni, yeni bir püskürtme sistemini kullanmayı bir video izleyip daha sonra şantiyeye giderek öğrenmez. Bunu iş başında, kapladıkları yüzeyin yanında ve sorumlu oldukları gerçek bir sonuçla öğreniyorlar. Beceri ve bağlam aynı anda oluşur. Bu, sınıftaki öğrenime bir darbe değil; sadece becerikli fiziksel çalışmanın aslında nasıl öğrenildiğiyle ilgili.
Yapay zeka aracı kullanımında da aynı sorun var. İş akışının belirli bir adımında aracı kontrol etme alışkanlığı bir Öğrenme Yönetim Sistemi içerisinde oluşmaz. Bunu, o gerçek adımda, o gerçek iş akışında, yeni bir davranış gibi hissetmeyi bırakacak kadar yeterince uyguladığınızda oluşur.
Çoğu e-Öğrenim bu şekilde tasarlanmamıştır. Eğitim modülü her şeyden ayrı olarak kendi başına durur. Bunu tamamlarsınız, işe geri dönersiniz ve bu alışkanlığın gidecek hiçbir yeri kalmaz çünkü onu gerçekte çalıştığınız yerde hiç uygulamamışsınızdır. Gününü bilgisayar karşısında geçiren biri için bu fark daha küçüktür; genellikle bunu kendi başlarına kapatabilirler. Gününü ayakta geçiren birinin çoğu bunu yapmaz.
Çözüm, uygulamanın gerçek işmiş gibi hissettirilmesidir. Araç, bir teklif oluştururken kullanılacaksa, uygulama, beyaz arka plana sahip boş bir bilgi istemi alanı değil, bir teklif oluşturmaya benzeyen bir şeyin içinde gerçekleştirilmelidir. Uygulama bağlamı gerçek iş akışına ne kadar yakınsa, alışkanlığın gerçekten kalıcı olma şansı da o kadar artar.
Kimse Öğrencilere Araca Güvenmemeleri Gerektiğini Öğretemez
GPS navigasyonuna ne zaman güveneceğinizi nasıl anladığınızı düşünün. Kursa gitmedin. Onu bir inşaat alanına kadar takip ettiniz ya da o sizi yolunuzdan çekti ve bu gibi durumlarda onu geçersiz kılmayı öğrendiniz. Güven, size fazla bir maliyetinin olmadığı anlarda küçük başarısızlıklarla kalibre edilir ve bunlar sayesinde ne zaman onu takip edeceğinizi ve ne zaman kendi muhakeme yeteneğinizi kullanacağınızı bilirsiniz.
Yapay zeka araçlarına resmi bir eğitim programı aracılığıyla katılan esnaf çalışanları bu deneyime sahip değil. Kendilerinden emin bir şekilde yanlış cevap alıyorlar (etiket üzerindeki bilgilerle eşleşmeyen bir ürün spesifikasyonu, kulağa doğru gelen ancak uymayan bir parça numarası) ve alet, daha adil bir sonuç elde etmeden iptal ediliyor. Mantıksız olduklarından değil. Çünkü herhangi bir uzman kaynağa uygulayacakları standardın aynısını uyguluyorlar: Emin olmadığınızı belirtmeden bana kötü bilgi verirseniz, muhtemelen size bir daha sormayacağım. Ve dürüst olmak gerekirse, bu tutulması gereken adil bir standart. Eğitim onlara o noktaya gelmeden önce ihtiyaç duydukları düşük riskli başarısızlıkları vermedi.
Eğitim sektörü çoğunlukla bunun tersi konusunda endişeleniyor; öğrencilerin yapay zeka çıktılarına çok fazla güveneceğinden. Bu, bazı izleyiciler için gerçekten endişe verici bir durum. Ticaret ve endüstri alanında öğrenim gören öğrencilerle olan deneyimime göre, çoğunlukla gördüğüm başarısızlık diğer tarafa gidiyor. Erken bir yanlış cevap ve araç, daha adil bir şansa sahip olmadan iptal edilir.
Çözüm, gerçek dünyadaki ilk başarısızlık yaşanmadan önce eğitime kalibrasyon uygulamasını eklemektir. Öğrencilere, aracın bu tür bir iş için gerçekte nasıl başarısız olduğuyla eşleşen şekillerde kasıtlı olarak yanlış olan yapay zeka çıktıları verin; bariz saçmalık değil, ancak makul görünen ince hatalar. Onlardan neyin yanlış olduğunu bulmalarını ve nasıl kontrol edeceklerini bulmalarını isteyin. Bu, standart bir modüle göre daha fazla tasarım çalışması gerektirir çünkü makul bir yanlış cevap oluşturmak için alanı yeterince iyi bilmeniz ve birinin bunu incelemesi gerekir. Bu gerçek bir maliyet. Bunun alternatifi ise ya her şeye güvenen ya da hiçbir şeye güvenmeyen öğrencilerdir ve bunların hiçbiri için para ödemezsiniz.
Yapay Zeka Eğitimindeki Ortak Konu Başarısız
Bu yapay zeka eğitimi başarısızlıklarının üçü de aynı yerden kaynaklanıyor: Kurs, gerçek iş akışında ilk olarak gerçek öğrenciyle birlikte oturan kimse olmadan tasarlandı. Böyle bir öğleden sonra, inşa ettiğiniz şeyi değiştirir. Bu olmadan, zamanında tamamlanan ve sahada hiçbir şeyi değiştirmeyen bir eğitim alırsınız.
Bir yanıt yazın