Yapay Zekâ Çağında Veri Mimarı

🌐 28 dilde daha mevcut

English · Español · 日本語 · Português (Brasil) · Français · Deutsch · Italiano · 한국어 · 简体中文 · Português (Portugal) · 繁體中文 · Bahasa Indonesia · Polski · Tiếng Việt · ไทย · Nederlands · العربية · עברית · Українська · हिन्दी · Русский · Svenska · Dansk · Norsk bokmål · Suomi · Español (México) · Français (Canada) · Deutsch (Schweiz)

Görsel yapay zekâ ile üretilmiştir

Yapay zekâ ile çevrildi. Henüz topluluk tarafından incelenmedi. İngilizcesini oku

Data Architect kursunun ilk bölümü olan Bir Veri Mimarı Gibi Düşünmek bölümündeki 7 modülden 7.‘si. Her modül kendi başına okunabilir. Önceki: Araçlarınızı Tanıyın: Dokuz Soru · Sonraki: sonraki bölüm: Veriyi Anlam İçin Modellemek

Bu modülün yanıtladığı soru: Yapay zekâ veri mimarı için neyi değiştiriyor, neyi değiştirmiyor?

Yapay zekâ mimariyi değiştiriyor, ama belki de insanların ilk düşündüğü şekilde değil.

Bu bölümün nerede başladığını hatırlayın: kariyerimin büyük kısmını bir inşacı olarak geçirdim. O sürenin çoğunda yazılım inşa etmek pahalıydı. Uzmanlaşmış becerilere sahip insanlara ihtiyacınız vardı; kod yazmak, entegrasyonlar kurmak, uygulamalar oluşturmak ve test etmek zaman alıyordu; bir fikri denemek bile anlamlı bir yatırımdı. Yapay zekâ bu denklemi değiştiriyor. Bugün ne istediğimi anlatabiliyorum ve yapay zekâ bir veri modelini, Apex’i, bir Flow’u, bir Lightning bileşenini, bir entegrasyonu, testleri ya da belgeleri dikkat çekici bir hızla üretiyor; yarın daha da fazlasını yapacak.

Dolayısıyla şunu sormak makul: yapay zekâ inşanın bu kadar büyük kısmını yapabiliyorsa mimara ne olacak? Bence yanıt şu: mimari daha az değil, daha çok önem kazanıyor.

Yapay Zekâ Bir Roket İticisidir

Konuşmalarımda bu benzetmeyi kullandım:

Yapay zekâ roket iticisidir. Mimari güdüm sistemidir.

Yapay zekâ bize olağanüstü bir ivme veriyor. Uygulamaları, veri modellerini, entegrasyonları, testleri ve belgeleri her zamankinden hızlı üretebiliyoruz. Ama bir roket iticisi roketin nereye gideceğine karar vermez. İtki sağlar. Rotayı güdüm sistemi belirler ve yol boyunca düzeltmeleri yapar.

Sağlam bir güdüm olmadan daha fazla itki işe yaramaz. Sizi yanlış hedefe daha hızlı götürür. Mimarın işi her şeyi yavaşlatmak değildir; doğru yönde hızlandığımızdan emin olmaktır.

Görsel yapay zekâ ile üretilmiştir.

Bir uygulamayı eskisinden on kat hızlı inşa eden bir yapay zekâ aracı düşünün. Doğru uygulamaysa harika. Peki ya veri modeli yanlışsa, yanlış standart nesneyi seçtiysek, ana verinin nereye ait olduğunu yanlış anladıysak ya da tasarım bugünkü hacimde çalışıp bir sıfır daha eklendiğinde çöküyorsa? Yapay zekâ hatayı ortadan kaldırmadı. Hatayı daha hızlı inşa etmemize ve kimse fark etmeden üzerine çok daha fazlasını inşa etmemize yardım etti.

Ucuz Uygulama Değeri Yer Değiştirtir

Uygulama pahalı olduğunda dikkat doğal olarak uygulamaya gider: kim inşa edebilir, ne kadar sürer, hiç çalışır hale getirilebilir mi. Uygulama ucuzladıkça başka bir soru daha önemli hale gelir: ne inşa etmeliyiz? Bu bir mimari sorudur.

Yapay zekâ yirmi nesne üretebilir; beş nesnemiz olması gerekip gerekmediğine veri mimarı karar verir. Yapay zekâ bir entegrasyon üretebilir; verinin hiç kopyalanması gerekip gerekmediğine mimar karar verir. Yapay zekâ saniyeler içinde bir alan oluşturabilir; mimar onun net bir anlamı, bir sahibi ve var olmak için bir nedeni olup olmadığını sorar. Yapay zekâ ne istersek onu inşa eder; dolayısıyla ne istediğimizin kalitesi her zamankinden önemlidir.

Üretmek Muhakeme Değildir

Yapay zekâ seçenek üretmekte çok iyidir ve bu son derece yararlıdır. Ondan bir şeyi modellemenin üç yolunu, ödünleşimleri, bir mimariye itiraz etmesini, 100 milyon kayıtta ne olacağını ya da bir tasarımın nerede başarısız olabileceğini söylemesini veya Salesforce’un kayıt sistemi olmadığı bir alternatif sunmasını isterim. Mimarların bunu yapmasını isterim.

Ama seçenek üretmek ile onları değerlendirmek farklı şeylerdir. Yapay zekâ bana A seçeneğinin ve B seçeneğinin neler sunduğunu söyleyebilir. Yine de birinin işi, hangi avantajların önemli olduğunu, hangi kısıtların gerçek olduğunu, hangi riskin kabul edilebilir olduğunu ve bir yanıtın teknik olarak makul olup bu kuruluş için ne zaman yanlış olduğunu bilecek kadar iyi anlaması gerekir. Bu muhakemedir ve bu mimaridir.

Bunun kendi işimde nasıl göründüğünü anlatayım. Son bir yıl içinde kodun çoğunu kendim yazmayı bıraktım. Yapay zekâya ayrıntıları veriyorum ve ondan ekranları ve arka uç kodunu üretmesini istiyorum; bunda dikkat çekici derecede iyi.

Ama geri çekilip daha derin, analitik bir bakış atmıyor. Veri modelinde ya da tasarımda bir kusur varsa onu sorgulamıyor. Halihazırda var olanı bir varsayım olarak kabul edip üzerine hızlı ve yetkin biçimde inşa ediyor. “Bunu eklemeden önce, elinizdeki modeli değiştirmek faydalı olabilir” demek için nadiren duruyor. Var olana bakıp yalnızca bir sonraki şeyi onun üzerine inşa edip edemeyeceğimizi değil, onun doğru olup olmadığını sormak hâlâ mimarın işidir. Yapay zekânın bir varsayımı sorgulamasını istiyorsanız bunu ondan istemeniz gerekir.

Tersinirlik Testi Hâlâ Geçerli

Modül 3’ün sorusuna dönün: bu kararı geri almak ne kadar zor olacak? Yapay zekâ yazılım üretmenin ve değiştirmenin maliyetini değiştirir. Gerçekliği değiştirmenin maliyetini değiştirmez. 100 milyon kayıt yüklendiğinde artık vardırlar. On iki sistem bir tanımlayıcıya bağımlı hale geldiğinde o bağımlılıklar vardır. Müşteriler bir süreci kullandığında ya da analitik bir alanın anlamına dayandığında onu değiştirmenin sonuçları olur. Ve veri olmaması gereken bir yerle paylaşıldığında, hiçbir yeni kod onu geri getiremez.

Geri alınamaz olan hâlâ geri alınamaz.

Ajanlar Yeni Bir Veri Tüketicisi Türüdür

Eskiden veriyi iki tür tüketici için tasarlardık: insanlar ve yazılım. Bir kişi bir kaydı okur; bir rapor, bir entegrasyon ya da bir uygulama veriyi okur. Şimdi bir üçüncüsü var: ajanlar. Bir ajan veriyi alabilir, yorumlayabilir, başka bilgilerle birleştirebilir, karar verip harekete geçebilir; bazen arada hiçbir insan olmadan.

Bu, riskleri artırıyor. Bir alanın ne anlama geldiği, sahibinin kim olduğu, ne kadar güncel ve güvenilir olduğu, hassas olup olmadığı, bir ajanın onu görüp göremeyeceği ve görmesi gerekip gerekmediği, iki kaynak çeliştiğinde ne olduğu: bunlar eskiden belgelemeydi. Şimdi akıllı bir sistemin işi nasıl anladığıdır.

Ve kötü veri, yapay zekâ onu okuyor diye akıllanmaz. Çöp giren çöp çıkar kuralı hâlâ geçerlidir. Mükerrer müşteriler, belirsiz sahiplik, tutarsız tanımlayıcılar ve çelişen kayıt sistemleri bir ajanı bağladığınızda yok olmaz; yalnızca sonuçları daha görünür hale gelir. Bir kişi bir alana bakar ve onu üç yıldır kimsenin güncellemediğini bilir. Ajanda bu kurumsal bilgi yoktur ve herkesin sessizce güvenmemeyi bildiği veriye dayanarak kendinden emin biçimde harekete geçebilir. Veri mimarisi yapay zekâ mimarisinin bir parçası haline gelir.

Şema Yayılmasına Dikkat Edin

Yapay zekâ bir şeyler oluşturmayı da inanılmaz kolaylaştırıyor. Başka bir nesneye, altı alana daha, başka bir otomasyona mı ihtiyacınız var? Üretin. Her karar ucuz görünür, ama modül 3’teki mimari çekim gücünü hatırlayın: o nesneler ve alanlar bağımlılıklar toplar (otomasyon, entegrasyonlar, raporlar, ajanlar) ve çok geçmeden kimsenin tasarlamadığı bir veri modeliniz olur. Sadece büyümüştür.

Mimar “Buna gerçekten ihtiyacımız var mı?” diye sormaya istekli olmalıdır. Bazen en değerli karar bir şeyi oluşturmamaktır. İyi mimari, neyi koyduğunuz kadar neyi dışarıda bıraktığınızla da ilgilidir.

İnsan İncelemesi Bir Tören Değildir

Yapay zekânın ürettiği bir veri modelini bir insan mimarın incelemesi gerektiğini söylediğimde “Yapay zekâ oluşturdu, Steve diyagrama beş dakika bakıp onayladı” demek istemiyorum. Bu gözetim değildir. Mimar modeli anlamalıdır: neden bu nesneler, neden bu ilişkiler, hangi alternatifler değerlendirildi, anahtarlar ve ana veri nerede, hacim büyüdükçe ne oluyor, erişim açısından sonuçları neler ve hangi ödünleşimler yapıldı. Bunları yanıtlayamıyorsam mimarinin sahibi değilimdir; onu körü körüne onaylamışımdır. Yapay zekâ bir mimariye katkıda bulunabilir, ona itiraz edebilir ve onu belgeleyebilir, ama insan mimar onu savunabilmelidir.

Aynısı olgular için de geçerli. Öğrenmek ve araştırmak için sürekli yapay zekâ kullanıyorum ve kuralım şu: güven ama doğrula. Soruyu sorun; açıklamayı, alternatifleri ve kendi yanıtına bir itirazı isteyin. Sonra mimariniz için önemli olan her şeyde bağlantıyı takip edin, belgeleri okuyun, sınırı kontrol edin, lisansı teyit edin ve davranışı test edin. Yapay zekâ yanıldığında çok ikna edici olabilir ve olguları varsayımlardan ayırmak artık işin daha da büyük bir parçası.

Yapay Zekâ Yolculuğu Kısaltmaz

Mimar olmaktan bahsederken kullandığım bir söz var:

Yapay zekâ yolculuğu kısaltmaz. Her adımın daha değerli olmasını sağlayabilir.

Veriyi, güvenliği, entegrasyonu, platformu ve işi anlamanız hâlâ gerekir; karar verme ve sonuçlarıyla yaşama deneyimine de hâlâ ihtiyacınız vardır. Yapay zekâ öğrenmenizi hızlandırabilir, karşılaşmadığınız senaryoları gösterebilir, bir şeyleri açıklayabilir, size itiraz edebilir, inşa etmenize yardım edebilir ve ikinci bir göz olabilir. Hepsini kullanın. Yalnızca yanıtı bilen bir yapay zekâyı, yanıtı sizin anlamanızla karıştırmayın.

Mimar Yönetir

Bu bölüme planı elinde tutan kişiyle başladık. Yapay zekâ o kişiye olağanüstü yeni araçlar veriyor: planın parçalarını çizebilen, malzemeleri araştırabilen, alternatifler önerebilen, yükleri hesaplayabilen, belgeleri yazabilen ve hatta gözden kaçırdığınız sorunları fark edebilen bir asistan. Kullanın. Ama yine de birinin binanın bütününü anlaması, doğru bina olup olmadığını sorması, gereksinimler değiştiğinde ne olacağını ve hangi kararların geri alınmasının pahalı olacağını bilmesi ve sonuçtan hesap verebilir olması gerekir.

Bu kursun son düzeyinin adının Direct (yönetmek) olmasının nedeni budur. Her kod satırını yazmayabilir, her Flow’u oluşturmayabilir ya da her nesneyi inşa etmeyebilirsiniz. Yine de birinin çözümü yönetmesi gerekir ve o kişi mimardır. Yapay zekâ mimariyi ortadan kaldırmıyor; mimarların değer yarattığı yeri değiştiriyor. Mimar olmak için olağanüstü bir dönem.

Mimarın Burada Karar Verdikleri

• İnşa etmek ucuzladığına göre neyin inşa edilmesi gerektiği: hangi nesnelerin, alanların ve entegrasyonların yerini hak ettiği.
• Yapay zekânın ürettiği hangi seçeneklerin bu işe uyduğu, hangilerinin makul görünüp yanlış olduğu.
• Yapay zekânın hızla geçip gittiği hangi kararların geri alınmasının pahalı olacağı.
• Ajanların neyi okuyup neye göre hareket edebileceği ve verinin bunun için yeterince iyi ve iyi tanımlanmış olup olmadığı.
• Yapay zekâdan gelen hangi olguların tasarımı şekillendirmeden önce doğrulanması gerektiği.

İşte yapay zekâ çağında bir mimar gibi düşünmek budur.