Bu sayfa, Bilgisayar Kavramları YouTube kanalında yayımlanan “Yapay Zekâda Kanıt Krizi: O Rakam Aslında Neyi Ölçüyor?” videosunun eşlik sayfasıdır. Videoyu aşağıdan izleyebilir, konuyla ilişkili araçlara sayfanın devamından ulaşabilirsiniz.
Video hakkında
Bu hafta beş ayrı kurumdan aynı itiraf geldi: yapay zekâ hakkında söylediklerimizi doğrulayamıyoruz.
MIT CSAIL'de bir model, başka bir modelin ağırlıklarının yalnızca binde on altısına dokunarak matematik skorunu %7,9'dan %48,1'e çıkardı. Manşetler "yapay zekâ kendini geliştiriyor" diye yazdı. Araştırmacıların kendi makalesinde yazan şey ise çok farklı: model altı kat daha fazla matematik bilmiyor, sadece cevaplarını bitirmeye başladı. Üstelik aynı yöntem ikinci bir modelde hiç işe yaramadı.
Aşağıdaki bölümlerden merak ettiğiniz soruya doğrudan atlayabilirsiniz.
BÖLÜMLER
00:00 Açılış
00:28 MIT: bir model, başka bir modeli "akıllandırdı" mı?
01:48 Texas Demokratlara geçti — veri merkezlerine etkisi
02:41 "Guardrail" ne demek: politik mi, teknik mi?
03:10 Haber abartısı: %7,9'dan %48'e iddiası
03:36 Yapay zekanın matematik başarısı nasıl ölçülür?
04:57 MATH-500 ve sınav temelli testler
05:54 Yapay zeka balon mu? Teknolojik değil, finansal
06:46 Solution Architect / Forward Deployed Engineer
08:05 Üniversitelerin geleceği ve değişen rolü
09:55 Eğitim enflasyonu ve üniversite süresi
10:48 Üniversite bir eğitim endüstrisine mi dönüştü?
11:44 P vs NP iddiaları: Anthropic ve OpenAI
12:42 Mülakatlar: LeetCode'dan sistem tasarımına
14:03 Başvuru formlarında yapay zeka tespiti
14:29 Kuantum bilgisayar: IBM kursları ve alternatifler
15:48 Faiz, yatırım ve daralan talep
16:43 Kooperatifle girişim kurmak
17:41 RISC mimarisi
18:07 Yapay zeka mali müşavirliği bitirdi mi?
19:26 e-Devlet: veri katmanından karar katmanına
21:16 Şirketlerin sürekli denetimi mümkün mü?
22:10 Araştırma görevliliğine hazırlık
23:04 DevSecOps'ta ilerlemek
24:22 Eksiklerinizi ölçülebilir şekilde kapatın
25:41 Yapay zekanın matematik tarafında çalışmak
26:35 İyi üniversite mi, iyi bölüm mü?
27:56 Dersler ile gündemi takip etmeyi dengelemek
29:17 Lisanstan yeni mezun olsam ne yapardım?
30:37 Avrupa'da mühendislik iş piyasası
31:57 "Neredesiniz?" — ofis ve Türk kahvesi
32:26 İstatistik mi, Yönetim Bilişim Sistemleri mi?
33:44 Ürün tasarımı yapay zekadan sonra
34:11 Mentörlük veriyor musunuz?
34:38 Büyük şirketler erişimi kısıtlar mı?
35:07 Small Language Model mi, fine-tuning mi?
35:35 Sağlıkta yapay zeka neden yavaş ilerledi?
36:31 "Jagged frontier": girintili çıkıntılı ilerleme
37:27 Model geliştirmek mi, entegre etmek mi?
37:55 Yapay zeka akademisyenliği bitirdi mi?
38:22 Blue team ve sistem yöneticiliğinin geleceği
39:42 SaaS/PaaS ve sahada mühendislik
40:09 Haberleri nereden takip ediyorum?
41:32 Yapay zeka sesi ve videoyu "insan gibi" anlıyor mu?
41:58 Oyun geliştirme sektörü
42:25 Şirket içi yerel modeller ve otonom ajanlar
43:16 Staj ve ilk iş: rekabetin doğası
45:03 Kendi işini kurmak bir seçenek mi?
45:56 Tek kişilik süper mühendis mi, dikey uzmanlık mı?
46:53 Full stack kalmak derinleşmeyi engelliyor mu?
47:45 Yapay zeka çağında meslek kaygısı
48:36 Kültür değişimi: daktilodan yapay zekaya
49:05 Önümüzdeki bir iki yılda ne olacak?
50:00 Sosyal bilimler, hukuk ve yapay zeka regülasyonu
52:15 Matematikten bilişime geçiş
52:40 Aile baskısıyla üniversiteye gitmek
53:36 Üniversitede dersler nasıl çalışılır?
54:31 Ders kitabı okumayan yeni nesil
55:24 Seçim sonrası akademiyi ne bekliyor?
56:24 Zaman yönetimi ve yolda geçen süre
57:48 İngilizce konuşma pratiği
58:42 Biyomedikal mühendisliği
59:09 Avrupa ve Amerika'da ayrımcılık
59:36 Yapay zeka alanında iş bulma yol haritası
1:00:31 Çevre nasıl gelişir? Fayda sağlamak
1:01:54 Daron Acemoğlu: yapay zeka ve demokrasi
1:03:16 "Yazılımda iş yok" tespiti
1:03:44 Göç, aile ve iş arama kültürü
1:06:23 Odak kayması, Reels ve irade
1:08:37 Kapanış
Hiçbir ifade yatırım tavsiyesi değildir.
#YapayZeka #AçıklanabilirYapayZeka #SorumluYapayZeka
