Bu makaleyi tamamen okudum ve AI eğitimi konusundaki düşüncemi sessizce yeniden düzenledi. Çalışmanın son halinden değil, bir üst düzey kişinin neyin yanlış olduğunu ve nedenini gösterdiği düzenleme aşamasından iyi olunur. Temiz, nihai taslak değil, düzenleme dersdir... Ve tam olarak bu şekilde AI da kodda iyi hale geldi. Nihai kodlardan değil, farklardan (diff'lerden) öğrendi. Yıllar boyunca git'in kaydettiği her düzeltme, her yeniden yazma, her "hayır, bunu böyle yap" gibi anlar. Ancak diğer tüm alanlarda bu kısmı atıyoruz. Sunum teslim edilir, notlar dosyalanır, sözleşme imzalanır ve onu üreten düşünce kaybolur. Bir belge, yargı kaldırılmış bir yargı çıktısıdır. > Bu yüzden "bilginizi eski belgeleri arayarak kaydedin" diyenler asla başarılı olamadı. Her şirket bir kayıt sistemi kurdu… ne bildiğini. Kimse yargı sistemi kurmadı… neyi gerçekten iyi olarak karar verdiğini. Ve yargı ortaya çıkar, ifade edilmez… röportajlar yalan söyler, düzenlemeler söylemez. > Bu noktayı "eğitilemez / özel doğruluk" tartışması sürekli kaçırmaktadır: eğitilemez değil, sadece herkesin sildiği yerde yaşıyor. Herhangi bir şirketten kabul oranını sorun, hatta bunu söyleyemiyorlar… kimse kırmızı çizgileri tutmadı. Yazılım sadece faturalarını tutmayı başardı. Hukuk ve finans git sistemini kurmadı. Jüri, farklarda saklıdır.

Anthropic mühendisleri, sadece bir dizi ajan döngüsüyle tam bir uygulama oluşturdu. Claude Code'u geliştiren ekip tarafından 40 dakikada. Üç ajan döngü içinde çalışıyor: biri planlıyor, biri oluşturuyor, biri değerlendiriyor; uygulama gerçekten çalışana kadar döngü devam ediyor. Bu demo sırasında kimse aynı promtu iki kez yazmadı. Döngüyü bir kez tasarladılar ve ayrıldılar. İzleyin, ardından aşağıda nasıl oluşturulacağına dair tam rehberi okuyun.

AI'ye geç kaldığımı düşünüyordum, ancak yoğun bir araştırma sonucunda bunun sadece başlangıç olduğunu düşünüyorum. Elbette hiçbir şey düz bir çizgiyle yükselmaz. Patlamalar ve çöküşler yaşanacaktır. Ancak bununla ilgilenmemek ve ona bir balon diyecek olmak kabul edilemez.

Yapay zeka hakimleri insan benzeri akıl yürütme hataları yapabilir mi? İki zar atın. En az biri 6. Çoğu kişi 6'da 1 diyor. Doğru cevap: 11'de 1 Basit bir mantık tuzağı—aynı şekilde yapay zeka modellerinde de görülüyor. #AI #Ontoloji #DID #Web3

2 dakikalık bir temizlik, Claude'ın modeli yükselttiğinizi hissetmesini sağlayabilir. Video, gizli bir prompt hakkında değil. Claude'a zaten verdiğiniz çöpleri silmek hakkında. Eski beceriler, ölü bağlantılar, yarım kullanılmış araçlar, rastgele çalışma alanı talimatları, terk edilmiş deneyler. Bunların hepsi arka planda oturup bağlamı sessizce zehirleyebilir. Sonra insanlar "Claude daha kötüleşti" diyor. Belki. Ya da ona net düşünmesini isteyip, 47 sekme açık bir tarayıcıya dönüştürdünüz mü? Bu önemli çünkü ajan performansı sadece model kalitesi değil. Bağlam hijyeni, araç disiplini ve sistemin cevap vermeden önce taşıdığı ilgisiz çöp miktarıdır. Makale aslında aynı operatör dersi hakkında: Daha akıllı bir AI, düzensiz bir kurulumu kurtaramaz. Model güçlü olabilir ama etrafındaki ortam gürültülüyse hâlâ zayıf sonuçlar üretebilir. Bazen darboğaz Claude değil. Bağladığınız çöp çekmecesidir.

ExpRL hakkında beni özellikle dikkat çeken şey, şu anda yapay zeka ilerlemesini nasıl düşündüğümüzün bir sınırlamasını ortaya koyuyor olması. Çoğu performans ölçütü, modelin doğru cevaba ulaşıp ulaşmadığını ölçer sadece. Nadir olarak, yol boyunca keşfedilen ve reddedilen kaç faydalı fikrin ölçüldüğüne bakar. İnsan yenilikçiliği sıklıkla başarısız denemelerden gelir. Mükemmel olanlardan değil. Bir bilim insanı, doğru hipotezi bulmadan önce yüzlerce yanlış hipotezi test edebilir. Ancak geleneksel RL, her başarısız yolu eşit derecede değersiz olarak görür. ExpRL, bu başarısızlıkların içinde değerli bilgilerin gizli olabileceğini öne sürer. Bu fikir, matematiksel performans ölçütlerinin ötesinde de önemli görünüyor. Yapay zeka ajanları daha yetenekli hale geldikçe, en hızlı cevabı bulan modeller kazanmayabilir. En çok yanlışlıktan öğrenen modeller kazanabilir. Bu, doğrulamanın neden önemli olduğunu da açıklar. Ara süreçlerdeki akıl yürütme ve çıktıları değerlendirmek için güvenilir yollar olmadan, üretken keşifleri saf hayal kırıklığından ayırt edemeyiz. Yapay zekanın geleceği, cevaplar üretmekten ziyade, hangi hataların öğrenmeye değer olduğunun anlaşılmasına daha az bağlı olabilir. @ritualnet

Yapay zekanın ardından hayatta kalmanıza yardımcı olacak tek tweet. Son zamanlarda oturup, yaklaşan yapay zeka döneminden hayatta kalmak için 10 kural yazdım. Yapay zeka çöpü değil—sadece samimi düşüncelerim. İş kaybı veya yapay zekanın diğer etkilerinden endişeleniyorsanız, lütfen bunu okuyun: Kural #1: Hızlı olun Yapay zeka döneminde en önemli beceri yüksek eylem gücüdür. Bilgi artık bir koruma duvarı değildir. Avantajınız artık hızdır. Hızla eyleme geçen biri olmayı hedefleyin. Kural #2: Bir iş kurun Yapay zeka çok sayıda iş fırsatı yaratıyor. Bilgi artık bol, bu yüzden nakit akışı sağlayan bir iş kurmamanız için hiçbir gerekçe yok. Kural #3: Her gün yapay zekayı kullanın Yapay zeka nesli olmak artık isteğe bağlı değil. Hayatınıza entegre edin ve en önde olmaya çalışın. Kural #4: EQ > IQ Herkes aynı yapay zeka araçlarına sahip olduğunda, fark yaratan artık zeka değil, diğer insanlarla bağlantı kurma yeteneğinizdir. Kural #5: Sağlığı öncelikli tutun Basit şeylerle başlayın: Uyku, egzersiz, hidrasyon ve diyet. Kural #6: Kişisel marka oluşturun Dağıtım yeni koruma duvarıdır. İçerik üretmek ücretsizdir ve en iyi dağıtım kanalıdır. Kural #7: Satmayı öğrenin Bu, kimse konuşmayan beceridir. Yapay zeka ürünü oluşturabilir, metni yazabilir, siteyi tasarlayabilir ve reklamları çalıştırabilir, ancak hâlâ insan bağları kuramaz. Kural #8: Yatırım yapın Kendinize (beceriler) ve yapay zekaya (kürek ve küreği) yatırım yapın. Bu, şimdiye kadar gördüğümüz en büyük balon—bundan faydalanın. Kural #9: Ağ oluşturun Ağınızı inşa edin. Ağınız son güvenli ağınızdır ve yeni fırsatları elde etmenizin yoludur. Kural #10: Meraklı kalın Bu, yukarıdakilerin hepsini besleyen meta beceridir. Hızlı öğrenen ve yineleyenler, şimdiye kadar olduğundan daha değerlidir. Unutmayın diye kaydedin.

[APRO İncelemesi #07] ──────────────── Yapay zeka, STEM, kodlama ve matematikte inanılmaz. Ancak empati, estetik yargı, bir ortamı okuma, yavaş neden-sonuç ilişkilerini algılama — Yapay zeka hâlâ bizden çok, çok uzak. Anthropic’tan Daniela bunu mükemmel şekilde ifade etti: “İnsan çekirdeğinin unprecedentedly pahalı hale geldiği bir döneme doğru ilerliyoruz.” Yapay zeka ile oluşturun. Sizi yerine geçilemez kılan şeyi unutmayın. → @APRO_Oracle

@vercel CEO Guillermo Rauch: "Dünyadaki her görev nihayetinde bir kodlama görevine dönüşür. Bu yüzden her laboratuvar aynı şeye doğru yarışıyor... senin olmadan çalışan bir kodlama ajanı." Kodlama AI'nın aslında nereye gideceğinin en net açıklaması. $500 değerindeki herhangi bir ajan kursundan daha değerli. İzleyin, ardından aşağıda uykunuz sırasında nasıl çalıştırabileceğinizi okuyun.