Yapay zeka araçları artık araştırmamızı yürütmemize yardımcı olmak için pazarlama ölçümleri tarafından yönlendirilen nispeten basit bir arama motoru değil. Bunun yerine yapay zekayla, sonuçlarda ifade edilen değerleri etkileyen kaynak seçimi kararlarını, bağlamsal ayarları ve anlamsal incelikleri verirken araştırma yürüten ve yönlendirmelerimize yanıt arayan daha karmaşık araçlar kullanıyoruz.
Bu sütunlarda daha önce de belirttiğim gibi, araştırma yaparken çoğu zaman üç sınır modelinin her birinin güncel versiyonundan girdi ararım. Üç bakış açısı yaklaşımı, çeşitli kaynakları ve bakış açılarını araştırmamı ve çıktıyı etik ve sosyal perspektifleri ele alacak şekilde dengelememi sağlıyor. Bu makalede, 19 Nisan’daki yönlendirmelerden elde ettiğim temel araştırma yanıtlarının hemen altına bir köprü ekledim.
ChatGPT 5.4 Düşünme modeli “Yüksek öğretimde etik açıdan tercih edilen yapay zeka modeli mutlaka en güçlü model değildir; insan merkezli tasarım, şeffaflık, güvenlik testi ve kurumsal kontrol edilebilirliğin en güçlü kanıtını sunarken kullanım durumu için yeterince iyi performans gösteren modeldir.”
Claude Sonnet 4.6 Uyarlanabilir model “Bir yapay zeka modeli seçmek artık sadece teknik değil, etik bir eylem. Alan, ‘bu işe yarıyor mu?’ yaklaşımından hareket etti. ‘bu işe yarar mı?’ Yazınız dekanların ve bölüm başkanlarının bilgili etik tüketiciler (AI mühendisleri değil, kritik görevliler) olmalarına yardımcı olabilir.”
İkizler 3 Düşünme modeli “Yapay zeka yönetiminde getirileri en üst düzeye çıkarmaya yönelik son çalışmanız göz önüne alındığında, odağı ‘R-Değerleri’ne (Değerlerin Dönüşü) kaydırmak, Yüksek Öğretim konuşması için zamanında ve gerekli bir evrimdir.”
Önde gelen yapay zeka modellerinden bazılarının doğasında bulunan varsayılan değerlere ve yönelimlere bakmadan önce, isteminizi hazırlarken aracı, etik hususları ele alan yönelimleri ve bakış açılarını içeren yanıtlar oluşturmaya vurgu yapmaya teşvik edebileceğinizi hatırlatmama izin verin. İsteminiz, modeli, toplum yanlısı veya insan merkezli çözümleri ve örnekleri araştıran, vurgulayan veya vurgulayan sonuçlar sağlayacak şekilde yönlendirebilir. Zamanla, eğer istemlerinize bu tür yönergeleri dahil ederseniz, önceki istemlerinizin hafızasını koruyan daha karmaşık modeller, bu değerlerle ilgilendiğinizi öğrenecektir. Tercih ettiğiniz bakış açıları dahil edilmemişse, yinelenen bir takip istemine bir istek ekleyerek yanıtları hassaslaştırabilirsiniz.
Cornelia C.Walther Pensilvanya Üniversitesi Wharton Okulu’nda misafir akademisyen ve Birleşmiş Milletler’de 20 yıldan fazla çalışmış insani yardım uzmanıdır. Araştırması yapay zekayı toplumsal fayda için kullanmaya odaklanıyor. Walther’in yakın tarihli bir baskısında şunu belirtiyor: Wharton’da Bilgi Yapay zeka modelleri üzerine yapılan araştırmaların çoğunun “yalnızca verimlilik kazanımları, maliyet düşüşleri ve gelir artışı bakış açısıyla” yapıldığını söylüyor. Ancak Walther şöyle diyor: “Mevcut gösterge tabloları, bir yapay zeka sisteminin adil olup olmadığını, aşındırıp aşındırmadığını veya güven inşa edip etmediğini, onu kullanan insanları daha yetenekli hale getirip getirmediğini veya onları sessizce beceriksiz hale getirip getirmediğini ve çevresel ayak izinin hesaba katılıp katılmadığını veya basitçe göz ardı edilip edilmediğini tespit edemiyor.”
Geçen yazın sonlarında Walther, Forbes’ta şu başlıklı bir makale yayınladı:ProSocial AI Neden ProPlanetary AI’dır? Gezegensel Uyum İçin Bir VaatBurada sosyal faydaya olan duyarlılığı belirlemek için kullanılabilecek yapay zekayı değerlendirmenin bir dizi unsurunu açıkladı. Walther, sosyal yanlısı yapay zekanın “yalnızca yapay zekayı daha yararlı veya etik hale getirmekle ilgili olmadığını” belirtiyor. Bu, aynı anda insan yanlısı, gezegen yanlısı ve potansiyel yanlısı bir teknoloji yaratmakla ilgilidir.”
Şuna işaret ediyor: Hayatın Geleceği Enstitüsü’nden 2025 Yapay Zeka Güvenlik Endeksi böyle bir değerlendirmenin erken bir örneği olarak. Bu endekste, en büyük yedi model arasında Anthropic 2,64 ile C artı, OpenAI 2,10 ile C ve Google DeepMind 1,76 ile C eksi puan aldı. DeepSeek’in 0,37 ile F puanı alması dikkat çekicidir.
Üniversitenizin belirli amaçlar için kullanabileceği özel araçlar da dahil olmak üzere kullandığınız yapay zeka araçlarına daha yakından bakmak istiyorsanız Walther, dörde dörtlük bir tablo oluşturmak için sosyal yanlısı temel unsurların kullanılmasını öneriyor. Bu unsurlar ayrıntılı olarak Wharton’da Bilgi madde:
4 T’ler
- Özel: Yapay zeka sistemi, genel bir şablondan kopyalayıp yapıştırılarak değil, kullanıcılarının belirli bağlamı, kültürü ve kısıtlamaları için mi tasarlandı?
- Eğitimli: Sistem, yalnızca uygun olan temsili ölçümler yerine, kuruluşun gerçekten teşvik etmek istediği değerleri kodlayan temsili, kapsayıcı veriler ve hedefler üzerine mi kurulu?
- Test edildi: Dağıtımdan önce ve sonrasında önyargı, sağlamlık ve istenmeyen sonuçlar açısından titizlikle değerlendiriliyor mu?
- Hedefli: Yapay zekanın gerçek değer kattığı ve insan yargısının yeri doldurulamaz olduğu durumlarda -kasıtlı olarak- saklandığı durumlarda mı uygulanıyor?
4 P’ler
- Amaç: Sistem, bir sonraki üç aylık döngünün ötesinde tüm paydaşların gurur duyabileceği bir misyonu ilerletiyor mu?
- İnsanlar: Onu inşa eden, kullanan ve bundan etkilenen herkesin deneyimini, eylemliliğini ve refahını artırıyor mu?
- Kâr: Maliyetleri topluma dışsallaştırarak değil, gerçek değer yaratarak kalıcı finansal değer üretiyor mu?
- Gezegen: Enerji tüketimi, malzeme ayak izi ve sistemik çevresel etki hesaba katılıyor ve aktif olarak azaltılıyor mu?
Walther, hemen harekete geçmeye hazır bir liderlik ekibinin kurulmasını öneriyor. Giriş noktası kasıtlı olarak düşük sürtünmedir. Müşteriye yönelik bir sohbet robotu, işe alım tarama aracı veya talep tahmin modeli gibi halihazırda üretimde olan bir yapay zeka sistemini seçin ve teknoloji, İK, finans, hukuk ve sürdürülebilirlik alanlarından temsilcilerle 90 dakikalık işlevler arası bir atölye çalışması düzenleyin. Matrisin 16 hücresinden oluşan dörde dört ızgara üzerinde çalışarak, her birini basit bir trafik ışığı sistemine göre puanlayın: yeşil (güçlü), sarı (gelişen) veya kırmızı (uyumlu değil).
Bunu yapmak için bir danışmana ya da yeni bir yazılım platformuna ihtiyacınız yok. Entelektüel dürüstlüğe, bulduklarınıza göre hareket etme istekliliğine ve algoritmik çağda gelişen kurumların, öncelikle neyin yönetilmeyi hak ettiğine karar verme ve ardından buna uygun araçları oluşturma bilgeliğine sahip kurumlar olacağı inancına ihtiyacınız var. Bu 90 dakikalık konuşma, “ölçebildiğinize değer verin” yaklaşımından “değer verdiğiniz şeye değer verin” yaklaşımına geçişin başladığı yerdir.
Kurum çapındaki misyonunuz veya hedefleriniz etik, insan merkezli veya sosyal yanlısı değerleri içeriyorsa, kolektif değerlerin gerisinde kalan yapay zeka araçlarını değerlendirmeli ve gerektiğinde iyileştirmelisiniz. Üniversitenizde, bölümünüzde, yüksekokulunuzda, okulunuzda veya bölümünüzde kullandığınız yapay zeka araçlarının sosyal yanlısı yönelimini ele almaya başlama girişimine liderlik etmeye hazır mısınız?
