OpenAI’nin üretken yapay zeka (GenAI) aracı ChatGPT’nin piyasaya sürülmesinden bu yana iki yıl geçti ve o günden bu yana piyasada birçok rakibin ortaya çıkmasıyla GenAI teknolojisi, mühendislik sektörü de dahil olmak üzere birçok sektörde kullanılmaya başlıyor ancak uygulanabilirliğine ilişkin endişeler sürüyor. ve uygunluk.
Mühendislik sektörü Birleşik Krallık’ın toplam işgücünün yaklaşık beşte birini oluşturuyor ve 2022’de Birleşik Krallık ekonomisine 646 milyar £ gelir sağladı. Mühendislik, Kovid-19 koronavirüs salgını sırasında yaşanan çöküşün ardından bir artış yaşıyor.
Ancak erken emekli olan deneyimli mühendis sayısının kritik becerilerin kaybolmasına yol açabileceğine dair endişeler var. Rolls-Royce ve BAE Systems gibi daha büyük mühendislik şirketleri yeni personel yetiştirmek için beceri akademilerini kullanıyor ve hükümet çıraklık eğitimini teşvik ediyor.
Ancak bazı şirketler, deneyimli mühendislerin zamanlarını daha verimli kullanmasını sağlayarak beceri eksikliğini gidermeye yardımcı olmak için yapay zekayı (AI) kullanmayı düşünüyor.
2024 yazında, Profesyonel MühendislikMakine Mühendisleri Enstitüsü’nün (IMechE) dergisi, yapay zekanın sektördeki kullanımı ve zorlukları üzerine bir anket gerçekleştirdi.
Doğal olarak, IMechE’nin makine mühendisliğine odaklanması göz önüne alındığında, bu spesifik disipline odaklanmıştır, ancak bulgulara ilişkin raporu bir bütün olarak mühendislik sektörüne ilişkin bilgiler sunmaktadır.
Beklenenden daha az olmasına rağmen IMechE’nin 125 üyesi ankete yanıt verdi. Ankete katılanların %40’ından fazlası çalıştıkları şirketlerin yapay zeka araçlarını kullandığını söylerken, %20’den fazlası bunu yapmayı planladıklarını belirtti.
Son iki yılda üretken yapay zekanın nispeten hızlı bir şekilde yaygınlaşmasının nedenlerinden biri, bazı araçlara erişimin nispeten kolay olması ve özel donanım gerektirmemesidir. Örneğin ChatGPT’ye erişmek için gereken tek şey bir internet tarayıcısıdır.
IMechE küresel üyelik geliştirme stratejisi başkanı Alan King, “Bu teknolojiyi mühendislikte kullanmak için büyük bir fırsat var, ancak aynı zamanda bazı önemli riskleri de beraberinde getiriyor” diyor.
“Güvenlik önlemlerinin uygulamaya konması gerekecek çünkü mühendislik gibi bir meslekte işlerin ters gitme potansiyeli daha da artıyor.”
Mühendislik, uyulması gereken çeşitli kurallar, standartlar ve düzenlemelerle iyi düzenlenmiştir. Bunlar arasında hükümet mevzuatı, Sağlık ve Güvenlik İdaresi (HSE) tarafından yayınlanan kılavuz belgeler, standartlar (İngiliz Standartları gibi) ve çeşitli iyi uygulama kılavuzları yer almaktadır. Bunların hepsi yapay zeka için kılavuz görevi görebilir.
İş yerinde yapay zeka
Ankete göre şirketlerin %58’i mühendislik ekiplerine yapay zeka araçlarını tanıtıyor ve %42’si yapay zeka araçlarını yalnızca işin farklı bölümlerinde kullanıyor. Kullanılan en yaygın yapay zeka aracı, işletmelerin yaklaşık %60’ının bunu kullandığı büyük dil modelidir (LLM).
Bu arada şirketlerin neredeyse üçte biri işlerine yardımcı olmak için Microsoft 365 Copilot gibi makine öğrenimi ve üretkenlik araçlarını kullanıyor.
Tasarımları optimize etmek veya potansiyel hataları belirlemek için simülasyonlarda kullanılanlar gibi üretken tasarım araçları daha az yaygındır ve kuruluşların beşte birinden azı bunları kullanmaktadır. Bilgisayarla görme ve sinir ağları daha da az; onda birinden biraz fazlası bunları kullanıyor.
Ankete katılanların neredeyse üçte biri, e-postalar ve sunumlar gibi yazılı görevler için yapay zeka araçlarını kullanıyor. Bu arada, yanıt verenlerin yaklaşık dörtte biri veri analizi için yapay zeka kullanıyor. Bununla birlikte, yapay zekanın veri analizinde kullanımının artması bekleniyor; zira katılımcıların yaklaşık %60’ı yapay zeka yardımını kabul edeceğini belirtti.
Mühendislerin yapay zekanın kullanılmasını en çok istedikleri görevler simülasyon ve üretkenliği artırabilecek araçlardır. Tasarım optimizasyonu, tahmine dayalı bakım ve araştırmaya yönelik yapay zeka araçları da onları yakından takip ediyor. Yanıt verenlerin neredeyse üçte ikisinin yapay zeka araçlarının sıradan ve tekrarlanan görevleri otomatikleştireceğine, bunun da mühendisleri daha üretken hale getireceğine ve karmaşık veya yaratıcı görevlere odaklanmalarına olanak sağlayacağına inandığını belirtmekte fayda var.
“Kısa vadede yapay zeka çoğunlukla mühendislerin yardımcı pilotu olarak faaliyet gösterecek. Yapay zeka ile göreceğimiz şey, zaman alıcı olabilecek sıradan görevleri otomatikleştirmek için bu teknolojiyi kullanmaya başlama yeteneğidir ve mühendislerin daha ilginç faaliyetlere geçmesine olanak tanır,” diyor King. “Burada büyük bir fırsat var ancak insan temelli bilgiyi kaybetmemek için dikkatli olmalıyız.”
Endişeler devam ediyor
Yapay zekanın yaygın şekilde benimsenmesinin, mühendislik rollerinin yerini yapay zeka araçlarına bırakacağına dair endişeler (%37) var. Dörtte birinden biraz fazlası mühendislerin değiştirileceğine inanıyor. Benzer şekilde, yanıt verenlerin %40’ından fazlası yapay zeka araçlarının mühendislerin aynı seviyede kalmasını sağlayacağını düşünmüyor.
Ayrıca yapay zeka araçlarının yaygın şekilde benimsenmesinin proje gözetiminin azalmasına yol açacağı endişesi de var (yanıt verenlerin %66’sı). Bunun nedeni kısmen yapay zeka araçlarının, yapay zekanın nasıl bir çözüm ürettiğini anlamak için yeterli şeffaflığın bulunmadığı bir kara kutuya benzemesidir.
“Yapay zeka dünyası biraz Vahşi Batı’ya benzeyebilir ama mühendislik bağlamında bu işe yaramıyor. Güvenilir, doğru yanıtları veren, emniyetli ve etik bir şekilde davranan sistemlere sahip olmanız gerekiyor” diyor King.
“Yıllardır özellikle havacılık ve nükleer mühendislik gibi alanlarda kullandığımız çerçeveye bakarsak, çok katı kurallar ve yönlendirmeler olduğunu görürüz. Neredeyse bu öğrendiklerimizin bir kısmını alıp, bunu sunduğumuz tüm yapay zeka sistemlerine koruma ilkeleri olarak uygulamamız gerekiyor.”
Yapay zekanın tasarım metodolojisinin arkasındaki anlayış eksikliği ve çözümün doğru şekilde sorgulanamaması, tasarımların doğrulanmasında sorunlara neden olabilir. Yapay zeka sistemleri tarafından üretilen çözümlerin sayısı arttıkça, yetenekli mühendislerin bu tasarımları uygun ve uygun olduklarından emin olmak için sorgulamaları daha da hayati hale gelecektir.
Yanıt verenlerin yarısından fazlası yapay zeka araçlarının potansiyel güvenlik riskleri hakkındaki endişelerini dile getirirken, yaklaşık %50’si verilerdeki olası tarihsel önyargılardan endişe duyuyor. Genel olarak yanıt verenlerin yaklaşık %55’i, mühendislikte kritik kararların alınmasında yapay zekanın kullanılmasından memnun değil.
ChatGPT gibi kamuya açık LLM’leri kullanan şirketler özellikle risk altındadır. Yapay zeka tarafından oluşturulan içeriği ağlarına aktarırken yalnızca kendilerini zayıf veri kümelerine ve yanlış bilgilere maruz bırakmakla kalmıyorlar, aynı zamanda potansiyel olarak hassas bilgileri de sızdırıyorlar.
Katılımcılar arasında yapay zekanın mühendislikte uygun şekilde konuşlandırılmasını ve kullanılmasını sağlamak için düzenleyici gözetimin gerekli olduğuna dair güçlü bir his var. Ancak yapay zeka araçlarındaki teknolojik gelişmenin hızı ve nispeten yavaş yasama süreçleri göz önüne alındığında, bunu söylemek yapmaktan daha kolaydır.
Avrupa Birliği’nin Yapay Zeka Yasası gibi bazı yapay zeka düzenlemeleri geliştiriliyor ancak mevzuatın hızla geçerliliğini kaybetmesi yönünde önemli bir risk var.
“Yapay zeka geliştiricileri, takviyeli öğrenmeyi insan geri bildirimiyle uyguluyor; modellerin bir şey yaptığını gördüklerinde, modellerin doğru şekilde davranıp davranmadığını söyleyecekler. Bu onların algılarına ve önyargılarına dayanıyor ancak Orta Doğu’da ya da Rusya’da yaşayan biri, modelin nasıl tepki vermesi gerektiği konusunda çok farklı bir görüşe sahip olabilir” diyor King.
“Ayrıca, Yüksek Lisans eğitimini verdikleri, genellikle internetten alınan ve çoğunlukla İngilizce olan verilere de bakmalısınız. Yalnızca İngilizce dilindeki web sitelerinde eğitim alıyorsanız, bunun Batı kültürlerine karşı önyargılı olma ihtimali vardır.”
Mühendislikte yapay zekanın geleceği
Yapay zeka araçlarının mühendislikte kullanıma sunulması halihazırda oldukça iyi bir şekilde devam ediyor ancak potansiyel tehlikeleri de beraberinde getiriyor.
Bu düşünce, ankete katılanlardan biri tarafından açıkça ifade edildi ve şunu belirtti: “Bir bilgisayar, kalıpları daha kolay ve daha hızlı bir şekilde tanımlayabilmeli ve bilinen sorunları kontrol edebilmelidir. Öte yandan insan doğası, insanları herhangi bir yapay zeka görevinin sonuçlarına körü körüne inanmaya teşvik edecektir ki bu da sorun teşkil edebilir.”
Şirketler ayrıca potansiyel riskleri belirlemek için yeni teknolojilerin önceki uygulamalarından da öğrenebilirler. Önemli bir unsur, farklı ülkelerin farklı mühendislik düzenlemelerine ve kılavuz belgelere sahip olmasıdır.
Bu nedenle, bir bölge için geliştirilen bir yapay zeka aracı, farklı bir bölgeye uygulanmadan önce uyumsuz olabilir veya en azından yeniden öğrenmeyi gerektirebilir.
King, “Mühendislik için tek umudum, yapay zekayı paradan tasarruf etmenin bir yolu olarak değil, performansı hızlandırmanın bir yolu olarak kullanmaya çalışmasıdır” diyor. “Uzun vadede yapay zeka hepimiz için bir dönüm noktası yaratıyor, çünkü sistemleri ve ürünleri daha hızlı ve daha iyi geliştirebiliyoruz, o zaman bu teknolojinin daha önce hiç olmadığı kadar hızlandığını görmelisiniz. Büyük atılımlara yol açmalı.”
Yapay zeka araçlarının sıradan ve tekrarlanan görevlerin otomasyonu açısından belirgin faydaları olsa da mühendislerin yapay zekayla tam olarak etkileşime geçmek, güvenliği sağlamak ve faydaları en üst düzeye çıkarmak için hâlâ yeni beceriler öğrenmesi gerekecek.
Yapay zeka sistemleriyle çalışmak için kodlama ve hızlı mühendislik eğitimi almış mühendislere ihtiyaç duyulacak, eleştirel düşünme ise yapay zeka tarafından üretilen çözümleri sorgulamak için temel bir beceri haline gelecek.