Yapay Zeka, bizim projelerimizi planlarken yardımcı olsa güzel olmaz mı?
İşte, geçen hafta bana ulaşan bir öğrencimin isteğinden yola çıkarak hazırladığım videom. Şirketi için PYO kurma görevi üstlenen arkadaşımız, yapay zekayı kullansa nasıl bir proje planı ortaya çıkar acaba.
Planın tüm detaylarını önümüzdeki videolarda oluşturacağım ama ilk videom bir Proje Başlatma Belgesi oluşturmak üzerinedir.
Sonraki videoları izlemek için kanalıma abone olmayı ve bildirim zilini açmayı lütfen unutmayınız.
Gökrem Tekir’in Yorumuyla Dünyada Haber Olmuş Proje Örnekleri
1- Yapay zekâ destekli işe alımlar başladı. Bu durum şirketleri ve iş arayanları perişan ediyor.
Yapay zekâ destekli işe alım artık hayatımızda.
Ama beklenenin aksine, bu sistemler ne şirketleri ne de iş arayanları mutlu ediyor.
ABD’de yapılan araştırmalara göre, şirketlerin yarısından fazlası 2025 itibarıyla işe alım süreçlerinde yapay zekâ kullanıyor. Aynı şekilde iş arayanların yaklaşık üçte biri de ChatGPT gibi araçlarla CV ve ön yazı hazırlıyor. Sonuç? Başvuru sayıları patlıyor, ama işe alımlar azalıyor.
Araştırmalar gösteriyor ki:
Yapay zekâ ile yazılan ön yazılar daha uzun ve daha “düzgün”
Ancak hepsi birbirine benziyor
Bu da nitelikli adayları ayırt etmeyi zorlaştırıyor
İşe alım oranları ve başlangıç maaşları düşüyor
Şirketler başvuru seliyle baş edebilmek için bu kez mülakatları da otomatikleştiriyor.
ABD’de iş arayanların %54’ü yapay zekâ destekli bir mülakata girdiğini söylüyor. Ancak bu sistemler, sanıldığı gibi tarafsız değil.
Uzmanlara göre:
Algoritmalar insan önyargılarını kopyalayabiliyor, hatta büyütebiliyor
Adaylar isim, posta kodu, aksan, hatta gülümseme sıklığı gibi kriterlerle elenebiliyor
Bu durum bir kısır döngü yaratıyor:
Adaylar başvuruları otomatikleştiriyor
Şirketler eleme süreçlerini otomatikleştiriyor
Sonuçta herkes daha fazla emek harcıyor ama daha az sonuç alıyor
Sendikalar ve çalışan temsilcileri bu duruma sert tepki gösteriyor. Bazı eyaletler işe alımda yapay zekâ kullanımını düzenleyen yasalar çıkarmaya başladı. Hatta erişilebilirlik kurallarını ihlal ettiği gerekçesiyle açılmış davalar bile var.
Buna rağmen uzmanlar şunu söylüyor:
Yapay zekâ işe alım süreçlerinden tamamen çıkmayacak.
Doğru kullanıldığında, daha önce fark edilmeyen adaylar için kapılar açabilir.
Ama insani temasın tamamen ortadan kalktığı bir işe alım süreci, birçok yetenekli insanın sistem dışında kalmasına yol açabilir.
2- Michigan Üniversitesi, Dünyanın En Küçük Programlanabilir Robotu İçin ‘Beyin’ Geliştirdi
Bu haberde, dünyanın şimdiye kadar geliştirilen en küçük, tamamen programlanabilir ve otonom robotu anlatılıyor.
Bu robot o kadar küçük ki, neredeyse çıplak gözle fark edilemiyor.
Michigan Üniversitesi’nin geliştirdiği “beyin” sayesinde robotlar:
Çevrelerini algılayabiliyor
Sıcaklık değişimlerine tepki verebiliyor
Karmaşık desenlerde hareket edebiliyor
Aylarca çalışabiliyor
Tanesi sadece bir kuruşa mal oluyor
Bu mikro robotlar, geleneksel motorlar yerine suyu hareket ettiren elektrik alanları kullanarak ilerliyor. Yani kendileri yüzmüyor, çevrelerindeki sıvıyı iterek hareket ediyorlar.
En çarpıcı nokta şu:
Bu robotlar sadece 75 nanowatt güçle çalışıyor. Bu, bir akıllı saatin harcadığı enerjinin yaklaşık 100 bin kat daha azı.
Araştırmacılara göre bu teknoloji:
Tek tek hücrelerin sağlığını izleyebilir
Mikro cerrahi ve tıp alanında devrim yaratabilir
Gelecekte sürü halinde çalışan mikro robotlara kapı açabilir
Kısacası, robotik artık gözle görülemeyecek kadar küçük bir ölçeğe inmiş durumda.
username = "admin"
password = "1234"
if username == "admin" and password == "1234":
print("Giriş başarılı")
else:
print("Giriş başarısız")
Özet
bool sadece True veya False olabilir.
Karşılaştırma operatörleri ile bool değerler elde edilir.
and, or, not gibi mantıksal operatörler koşulları birleştirmekte kullanılır.
bool() fonksiyonu, her ifadeyi True/False’a çevirir.
Örnek 1: Basit Karşılaştırma
a = 15
b = 20
print(a > b)
Beklenen Çıktı:
False
Açıklama: 15, 20’den büyük olmadığı için sonuç False olur.
Örnek 2: Mantıksal and Operatörü
age = 25
has_license = True
if age >= 18 and has_license:
print("Araç kullanabilirsiniz.")
else:
print("Araç kullanamazsınız.")
Beklenen Çıktı:
Araç kullanabilirsiniz.
Açıklama: Hem 18 yaşından büyük hem de ehliyeti olduğu için şartlar sağlanır.
Örnek 3: not Kullanımı
is_raining = False
if not is_raining:
print("Şemsiye almanıza gerek yok.")
else:
print("Şemsiye alın!")
Beklenen Çıktı:
Şemsiye almanıza gerek yok.
Açıklama: Yağmur yağmıyorsa (is_raining = False), not ile bu ifade tersine çevrilir ve True olur.
Örnek 4: bool() ile Boşluk Kontrolü
text = ""
if bool(text):
print("Metin boş değil.")
else:
print("Metin boştur.")
Beklenen Çıktı:
Metin boştur.
Açıklama: Boş bir string (“”) Python’da False olarak değerlendirilir.
Örnek 5: or ile Çoklu Koşul
temperature = 35
is_hot = temperature > 30
is_humid = True
if is_hot or is_humid:
print("Bol su için!")
else:
print("Hava güzel.")
Beklenen Çıktı:
Bol su için!
Açıklama: Sıcaklık 30’dan büyük veya nemli hava varsa, uyarı mesajı gösterilir.
Örnek 6: Proje Zaman ve Bütçe Durumu Değerlendirmesi
# Proje bilgileri
actual_duration = 45 # Gerçekleşen gün sayısı
planned_duration = 40 # Planlanan gün sayısı
actual_cost = 110000 # Harcanan para (TL)
budget = 100000 # Bütçe (TL)
# Karşılaştırmalar
is_delayed = actual_duration > planned_duration
is_over_budget = actual_cost > budget
# Durumu değerlendirme
if is_delayed and is_over_budget:
print("Proje hem gecikmiş hem de bütçeyi aşmış durumda.")
elif is_delayed and not is_over_budget:
print("Proje gecikmiş ama bütçe içinde kalmış.")
elif not is_delayed and is_over_budget:
print("Proje zamanında tamamlanmış ama bütçeyi aşmış.")
else:
print("Proje zamanında ve bütçe içinde tamamlanmış.")
Beklenen Çıktı:
Proje hem gecikmiş hem de bütçeyi aşmış durumda.
Açıklama:
Bu örnek, bir projenin zaman ve maliyet performansını kontrol eden bir yapı sunar. and, not, karşılaştırma operatörleri ve bool mantığı birlikte kullanılmıştır. Bu tür bir yapı, ileride daha büyük bir proje yönetim sisteminin temeli olabilir (örneğin Earned Value hesaplamaları gibi).
21. yüzyıl, insanlık tarihinin en hızlı değişen dönemlerinden biri olarak öne çıkıyor. Teknoloji, her geçen gün daha karmaşık hale gelirken, iş dünyası, eğitim, sağlık ve sosyal yaşam gibi pek çok alanda yapay zekâ (YZ) sistemleri etkisini artırıyor. Ancak bu gelişmelerin merkezinde hâlâ insan var. İnsan zekâsı denildiğinde ise yalnızca IQ’dan, yani bilişsel kapasiteden bahsetmek yeterli değil. Son yıllarda giderek önem kazanan duygusal zekâ (EQ), bireylerin hem özel yaşamlarında hem de profesyonel dünyada başarılı olmasında kritik bir rol oynuyor.
Bu yazıda, duygusal zekânın insan etkileşimlerindeki rolü ile yapay zekânın algoritmik kapasitesi arasındaki farklar ele alınacak, ardından bu iki kavramın birbirini nasıl tamamladığı ve gelecekte nasıl bir birleşime evrilebileceği tartışılacaktır.
Duygusal Zekâ Nedir ve Neden Önemlidir?
Duygusal zekâ, ilk kez 1990’lı yıllarda psikologlar Peter Salovey ve John D. Mayer tarafından tanımlanmış, daha sonra Daniel Goleman’ın çalışmaları ile geniş kitlelere ulaşmıştır. EQ, bireyin kendi duygularını tanıma, yönetme, başkalarının duygularını anlama ve bu duygulara uygun şekilde tepki verme becerisini ifade eder.
Özellikle liderlik, takım çalışması, müşteri ilişkileri ve kriz yönetimi gibi alanlarda duygusal zekâ, teknik becerilerin önüne geçebilir. Çünkü insanlar karar verirken yalnızca mantıkla değil, duygularla da hareket eder. Empati kurabilen, açık iletişim kuran, stresle baş edebilen bireyler, hem kendilerini hem çevrelerini olumlu yönde etkiler.
Yapay Zekâ: Mantıksal ve Hesaplamalı Gücün Zirvesi
Yapay zekâ ise insanların bilişsel yetilerini taklit eden bilgisayar sistemlerini ifade eder. Öğrenme, analiz etme, karar verme gibi süreçleri algoritmalarla gerçekleştiren YZ; özellikle büyük veri analizi, tahminleme ve otomasyon konularında çığır açmıştır.
Bugün YZ; finansal tahminlerden sağlık teşhislerine, sürücüsüz araçlardan müşteri hizmetlerine kadar sayısız alanda kullanılmaktadır. Ancak yapay zekâ, henüz insanların duygusal zekâsına tam olarak yaklaşabilmiş değildir. Bir algoritma ne kadar gelişmiş olursa olsun, bir insanın gözünden anladığı hüznü ya da ses tonundan algıladığı öfkeyi sezme konusunda hâlâ sınırlıdır.
EQ ve AI: Farklı Zekâ Türlerinin Bütünleşmesi
Duygusal zekâ ile yapay zekâ ilk bakışta birbirine zıt gibi görünse de, aslında birbirlerini tamamlayan iki güçtür. EQ, insan ilişkilerinde başarıyı artırırken; YZ, bilgiye daha hızlı ve doğru ulaşmayı sağlar. Günümüz iş dünyasında, hem duygusal hem dijital zekâyı bir araya getirebilen bireyler “hibrit profesyonel” olarak tanımlanmakta ve geleceğin liderleri olarak görülmektedir.
Örneğin bir çağrı merkezinde çalışan müşteri temsilcisi düşünelim. Müşterinin ses tonundan kızgın olduğunu anlayarak onu yatıştırmak, EQ becerisidir. Ancak bu temsilcinin ekranına, müşterinin geçmiş sorunları ve çözüm önerileriyle ilgili bilgileri saniyeler içinde getiren bir yapay zekâ sistemi de devrededir. Bu iki sistemin birlikte çalışması, hem müşteri memnuniyetini artırır hem de çalışan verimliliğini destekler.
Yapay zekânın gelişimiyle birlikte artık makinelerin de duyguları tanıma çabaları gündeme gelmiştir. Bu alana “duygusal yapay zekâ” veya “affective AI” denir. Affective AI; yüz ifadelerini, ses tonlarını, beden dilini ve dil analizini kullanarak insanların duygusal durumlarını algılamaya çalışır.
Örneğin bazı ileri düzey müşteri hizmeti sistemleri, müşterinin sesindeki gerginliği algılayıp, onu doğrudan bir insan temsilciye yönlendirebilir. Eğitim teknolojilerinde ise öğrencinin yüz ifadesinden sıkıldığını anlayan bir yazılım, konuyu daha etkileşimli hale getirebilir.
Ancak burada dikkat edilmesi gereken temel konu, mahremiyet ve etik sınırların korunmasıdır. Duyguları algılayan bir sistemin, bu bilgileri nasıl kullandığı, bireyin rızası ve güvenliği açısından kritik önemdedir.
EQ ve AI’ın Geleceği: Rekabet mi, İş Birliği mi?
Bazı eleştirmenler, yapay zekânın ilerlemesiyle birlikte insani becerilerin ikinci planda kalacağından endişe etmektedir. Oysa geleceğin iş dünyasında başarı, makinelerle rekabet etmekten çok, onlarla iş birliği kurabilen bireylerde olacaktır. EQ sahibi bireyler, yalnızca teknolojiyle değil, insanlarla olan etkileşimleri sayesinde fark yaratacaktır.
Eğitim sistemleri de bu dönüşüme ayak uydurmalı; sadece kodlama ya da veri okuryazarlığı değil, aynı zamanda duygusal farkındalık, empati ve iletişim becerilerini de önceliklendirmelidir. Aynı şekilde, YZ sistemlerinin geliştirilmesinde çalışan mühendis ve yazılımcıların da, insan psikolojisi ve davranış bilimleri konusunda temel bilgi sahibi olmaları gerekecektir.
Sonuç: Zekânın Geleceği Hem Duygusal Hem Dijital
Duygusal zekâ ve yapay zekâ, insanlığın bugünü ve yarınına dair iki farklı ama tamamlayıcı perspektif sunar. EQ, insan olmanın özünü temsil ederken; YZ, insanın teknik kapasitesini genişleten bir araçtır. Birlikte kullanıldıklarında, hem bireysel hem toplumsal düzeyde büyük değer yaratabilirler.
Gelecek, yalnızca makineleri anlayan değil, insanı da anlayan sistemlerin çağı olacak. Ve bu çağda en başarılı olanlar, hem duygularını yönetebilen hem de teknolojiyi etkili kullanabilen bireyler olacaktır.
Günümüzün teknolojik olarak gelişmiş dünyasında yapay zeka (YZ), dil öğreniminin ayrılmaz bir parçası haline geldi. Almanca, karmaşık dilbilgisi ve zorlu kelime hazinesi nedeniyle YZ destekli araçlardan en çok fayda sağlayan diller arasında yer alıyor. Bu makalede, YZ’den geri bildirim alarak Almanca öğrenme deneyimimi ve Duolingo’nun tanıttığı canlı YZ konuşma özelliğini inceleyeceğim.
Almanca Öğreniminde YZ ile Öz Değerlendirme
Almanca öğrenmek, dilbilgisel yapıları, isimlerin cinsiyetleri, dört farklı dilbilgisi durumu ve fiil çekimleri gibi karmaşık kurallar nedeniyle zorlu olabilir. Öğrenme sürecimi geliştirmek için kişiselleştirilmiş bir YZ tabanlı yaklaşımı benimsedim. Öğrenme rutinim, İngilizce’den Almanca’ya cümleler çevirip bunları YZ dil modeliyle doğrulamak üzerine kurulu.
Süreç oldukça basit: Farklı zorluk derecelerinde cümleler seçiyorum, bu cümleleri Almanca’ya çeviriyorum ve çevirilerimin doğru olup olmadığını YZ’ye soruyorum. YZ, dilbilgisi, sözdizimi ve bağlam hatalarını anında belirterek ayrıntılı geri bildirim veriyor. Ayrıca, çevirilerimin doğruluğuna göre bir puan vererek ilerlememi takip etmeme olanak tanıyor.
Örneğin, “I am going to the supermarket” cümlesini “Ich gehe zum Supermarkt” olarak çevirirsem, YZ alternatif olarak “Ich gehe in den Supermarkt” ifadesini önerebilir ve iki çeviri arasındaki bağlamsal farkı açıklayabilir. Bu tür anlık ve ayrıntılı geri bildirim, daha etkileşimli ve ilgi çekici bir öğrenme deneyimi sağlıyor. Puanlama sistemi ise motivasyonumu yüksek tutarak bir başarı hissi yaratıyor.
Duolingo’nun Canlı YZ Konuşma Özelliği
YZ’den kişiselleştirilmiş geri bildirim almak yazılı Almancamı önemli ölçüde geliştirse de, konuşma becerilerimi geliştirmek daha kapsamlı bir pratik gerektiriyor. Bu ihtiyacı fark eden Duolingo, gerçek yaşam senaryolarını simüle eden canlı YZ konuşma özelliğini tanıttı.
Bu özellik, kullanıcıların restoran, hastane veya polis karakolu gibi çeşitli günlük yaşam ortamlarında Almanca pratik yapmalarına olanak tanıyor. Gelişmiş doğal dil işleme sayesinde her konuşma, gerçek bir etkileşim gibi hissettiriyor. YZ karakterleri sadece konuşmaları anlamakla kalmıyor, aynı zamanda konuşmacının akıcılığına ve doğruluğuna göre yanıtlarını ayarlıyor.
Örneğin, bir restoranda sipariş verme senaryosunda, “Ich möchte einen Salat bestellen” (Bir salata sipariş etmek istiyorum) dersem, YZ garsonu bana hangi sosu veya garnitürü tercih ettiğimi sorarak kelime dağarcığımı genişletmeme ve hızlı düşünmeme yardımcı olabilir. Bu tür bağlamsal öğrenme, teorik bilgiyi gerçek dünya iletişim becerilerine dönüştürmede çok değerli.
YZ Destekli Dil Öğrenmenin Avantajları
Çeviri yaparak öz değerlendirme ve Duolingo’nun canlı YZ özelliğini kullanmak, kapsamlı bir dil öğrenme ortamı sunuyor. Temel avantajlar şunları içeriyor:
1. Anlık Geri Bildirim ve Düzeltme: YZ araçları, dilbilgisi ve kelime bilgisi kavramlarını pekiştirmeye yardımcı olarak anında düzeltme sağlıyor.
2. Bağlamsal Pratik: Simüle edilmiş konuşmalar gerçek yaşam durumlarını yansıtarak pratik iletişim becerilerini geliştiriyor.
3. Kişiselleştirilmiş Öğrenme Yolu: YZ, kullanıcının seviyesine uyum sağlayarak bireysel ilerlemeye uygun kişiselleştirilmiş alıştırmalar sunuyor.
4. Etkileşim ve Motivasyon: Puanlama sistemleri ve etkileşimli diyaloglar, öğrenme sürecini daha ilgi çekici hale getiriyor.
Zorluklar ve Gelecek Perspektifleri
Bu avantajlara rağmen, YZ ile Almanca öğrenmenin bazı sınırlamaları var. YZ tarafından sağlanan geri bildirim, doğru olsa da, bazen kültürel nüansları veya deyimsel ifadeleri kaçırabiliyor. Ayrıca, canlı konuşmalar gerçekçi olsa da, insan etkileşimindeki duygusal derinlik eksik olabiliyor. Bu zorlukları aşmak, duygu tanıma ve bağlama özel deyim kullanımını içeren daha gelişmiş YZ özelliklerinin entegrasyonunu gerektiriyor.
Geleceğe baktığımızda, YZ destekli dil öğreniminin daha da kapsamlı hale gelmesi muhtemel. Gelecekteki güncellemeler, kullanıcıların sanal Almanca konuşulan şehirleri keşfettiği ve YZ karakterleriyle daha gerçekçi bir şekilde etkileşim kurduğu sanal gerçeklik (VR) entegrasyonunu içerebilir.
Sonuç
YZ ile Almanca öğrenmek, dil öğrenme yolculuğumu dönüştürdü. Cümleleri çevirerek ve ayrıntılı YZ geri bildirimi alarak yazılı Almancamı geliştirdim. Duolingo’nun canlı YZ konuşma özelliği ise konuşma ve dinleme becerilerimi geliştirmeme yardımcı olarak gerçek yaşam senaryolarını simüle etti. YZ geliştikçe, dil öğrenimindeki rolü kesinlikle genişleyecek ve dünya çapındaki öğreniciler için daha kişiselleştirilmiş, ilgi çekici ve kapsamlı deneyimler sunacak.
Gökrem Tekir Blog Sayfası 