Matt Beane: How do we learn to work with intelligent machines?
Matt Beane: Akıllı makinelerle çalışmayı nasıl öğreniriz?
Matt Beane is an Assistant Professor in the Technology Management Program at the University of California, Santa Barbara and a Research Affiliate with MIT's Institute for the Digital Economy. Full bio
Double-click the English transcript below to play the video.
her prostate patient into the OR.
ameliyathaneye götürüyor.
cerrahi eğitimi devam ediyor.
some of the nerve-sparing,
bir kısmını kendisi yapmayı umuyor;
that can preserve erectile function.
inanılmaz hassas bir disseksiyon.
though, but he's not there yet.
ama kendi orada değil.
hastayı uyutuyor
incision in the lower abdomen.
ilk insizyonu açıyor.
she tells the nurse to call the attending.
hemşireden uzmanı çağırmasını istiyor.
are mostly in that patient --
but Kristin leading the way.
ama uzman doktor onu yönlendiriyor.
he let Kristen do a little nerve sparing),
bir kısmını onun yapmasına izin verdi --
Kristen insizyonu kapatmış oluyor,
looking over her shoulder.
bu esnada onu izliyor.
the final line of sutures.
onun halletmesine izin veriyor.
than she was at 6:30.
daha iyi bir cerrah olduğuna şüphe yok.
the way that most of us do:
işini yapmayı öğreniyor:
safe parts of the work
kısımlarına dâhil oluyor
and harder tasks
görevler alıyor,
hazır olmasını sağlıyorlar.
by this kind of learning.
bu öğrenme şekli çok ilgimi çekti.
part of what makes us human.
bizi insan yapan şeyin bir parçası.
coaching, mentorship, on the job training.
koçluk, mentorluk, saha eğitimi.
“see one, do one, teach one.”
"birini gör, birini yap, birine öğret"
around the globe for thousands of years.
binlerce yıldır hiç değişmedi.
in a way that blocks that path.
bir şekilde ilgileniyoruz.
in our quest for productivity.
öğrenmeyi feda ediyoruz.
while I was at MIT,
it’s happening all over,
artık kanıtlarım var,
and with very different kinds of AI.
ve çok farklı türde yapay zekâlarla.
are going to hit a brick wall
bununla başa çıkmayı öğrenirken
is wheeling another prostate patient in,
başka bir prostat hastasını içeri alıyor
robot to the patient.
dört kollu bir robota bağlanıyor.
10 or 15 feet away,
konsollara yöneliyorlar
to do the whole procedure himself,
uzman cerrahın yapmasına izin veriyor,
olduğunu biliyor.
and make more mistakes,
ve daha fazla hata yapacağını da biliyor,
near those nerves during this rotation.
noktalarına müdahale etme umudu yok.
15 minutes during a four-hour procedure.
bile kendisi idare etse şanslı olacak.
and she’ll be watching again,
ve kendi yine izliyor olacak,
with a dunce cap.
I’ve done in the last eight years,
tüm robot ve iş çalışmaları gibi
with a big, open question:
ve açık bir soruyla başladım:
with intelligent machines?
nasıl öğrenebiliriz?
observing dozens of residents and surgeons
onlarca asistan ve cerrah gözlemledim,
yapan doktorlar, onlarla bizzat görüştüm,
interviewing them
with the residents as they tried to learn.
asistan doktorlarla vakit geçiriyorlar.
US teaching hospitals,
18 eğitim hastanesini inceledim
Kristen'ın durumunda olmuştu.
neredeyse hiç olmamıştı.
and they weren’t learning.
sürece öğrenemezlerdi.
I needed to know how widespread it was:
ama ne kadar yayıldığını bilmem gerekti.
blocking learning on the job?
yapay zekâ kullanımı başka nerede vardı?
but growing group of young researchers
bir grup genç araştırmacıya ulaştım,
of work involving AI
temel alan araştırmaları yapmışlardı
alanları kapsıyordu; mesela startup'lar
like start-ups, policing,
ve çevrimiçi eğitim.
and many hundreds of hours observing,
yüzlerce saat gözlem yaptılar,
side-by-side with the people they studied.
çalıştılar ve bizzat mülakat yaptılar.
ve bir şablon bulmaya çalıştık.
the AI, the story was the same.
iş, yapay zekâ, hikaye aynıydı.
almak için giderek daha çok uğraşıyorlardı
and harder to get results from AI,
expert work as they did it.
uzman işinden uzaklaştırıyorlardı.
their customer contact.
dış kaynaklara yaptırıyordu.
forecasts without experts support.
olmadan baş etmek zorunda kalıyorlardı.
cut out of complex analysis,
yapmasına izin verilmiyordu
online courses without help.
çevrimiçi dersler oluşturuyordu.
was the same as in surgery.
cerrahide olanın aynısı.
was getting much harder.
a billion and a billion of us
yarım milyar ve bir milyar arası kişi
in our daily work by 2030.
kendimizi yapay zekâya uyarlayacağız.
that on-the-job learning
sahada öğrenme
that most workers learned key skills
sahada edindi, resmi eğitimde değil.
potential future impact,
hakkında konuşurken
that may matter most right now
en önemli kısmı,
that blocks learning on the job
sahada öğrenmeyi engellemesi,
a small minority found a way to learn.
küçük bir grup öğrenmeye bir yol buldu.
so they bent and broke rules
bu yüzden kuralları ihlal ettiler,
deneyimli pratik yapmak için.
in robotic surgery in medical school
asistanlar robotik cerrahiye dâhil oldu,
of their generalist education.
with simulators and recordings of surgery,
yüzlerce ekstra saat harcıyorlar;
they found ways to struggle
kısıtlı uzman rehberliğinde
with limited expert supervision.
mücadele etmenin yolunu buldular.
because it bends the rules
adlandırıyorum çünkü kuralları esnetiyor
ilgi odağı dışında yapıyor.
because it gets results.
çünkü sonuç veriyor.
the star pupils of the bunch.
grubun yıldızlı öğrencileri.
and it’s not sustainable.
ve sürdürebilir değil.
gereken yetileri öğrenmek adına
they need to do their job.
struggle and challenge in their work
önemini anladılar,
to tackle hard problems
kendilerini zorlayabileceklerdi,
there was an expert nearby
olduğundan emin oldular,
against catastrophe.
kendilerine yol göstersin diye.
of struggle and expert support
kombinasyonunu
I could get of this on the ground.
çok net bir örneğim var.
you dealt with an IED by walking up to it.
el yapımı patlayıcı kullanırdınız.
hundreds of feet away,
if you decided it was safe
karar verip ana bölgeye çağırırsanız
in a bomb-proof truck.
bombayla yan yana duruyorsunuz.
and you guide the work out loud.
siz de sesli yönlendirme yapıyorosunuz.
did before robots.
daha iyi öğreniyordu.
start-ups, policing,
cerrahi, startup, poliçeler,
online education and beyond.
ve daha fazlası.
we’ve got new tools to do it.
bunu yapacak yeni araçlarımız var.
always need one expert for every trainee,
her zaman bir uzmana ihtiyacımız yok,
or even to be in the same organization.
organizasyonda olmak zorunda değiller.
to coach experts as they coach
uzmanlar koçluk yaparken koçluk yapmak
in smart ways.
on systems like this,
çalışan insanlar var
on formal training.
resmi eğitime odaklanıyorlar.
is in on-the-job learning.
bizden daha iyisini bekliyor;
of AI’s amazing capabilities
tamamen yararlanmamızı
yeteneklerimizi geliştirmemizi.
I dreamed of as a kid.
ABOUT THE SPEAKER
Matt Beane - Organizational ethnographerMatt Beane is an Assistant Professor in the Technology Management Program at the University of California, Santa Barbara and a Research Affiliate with MIT's Institute for the Digital Economy.
Why you should listen
Matt Beane does field research on work involving robots to help us understand the implications of intelligent machines for the broader world of work. Any of his projects mean many hundreds of hours -- sometimes years -- watching, interviewing and often working side by side with people trying to work with robots to get their jobs done.
Beane has studied robotic surgery, robotic materials transport and robotic telepresence in healthcare, elder care and knowledge work. He has published in top management journals such as Administrative Science Quarterly, he was selected in 2012 as a Human Robot Interaction Pioneer and is a regular contributor to popular outlets such as Wired, MIT Technology Review, TechCrunch, Forbes and Robohub. He also took a two-year hiatus from his doctoral studies to help found and fund Humatics, an MIT-connected, full-stack IoT startup.
Beane is an Assistant Professor in the Technology Management Program at the University of California, Santa Barbara and a Research Affiliate with MIT's Institute for the Digital Economy. He received his PhD from the MIT Sloan School of Management.
Matt Beane | Speaker | TED.com