AI'nın en iyi kullanımı, tek tıklamayla oluşturulan "büyü" arayışında değil, iterasyon hızını artırmaktır.
Düzenleyen: Founder Park
YC AI Startup School'un ikinci gününde, Microsoft CEO'su Satya Nadella, Deep Learning.AI kurucusu Andrew Ng, Physical Intelligence kurucu ortağı Chelsea Finn, Cursor CEO'su ve kurucu ortağı Michael Truell, Figma CEO'su ve kurucu ortağı Dylan Field, Tesla'nın eski AI direktörü Andrej Karpathy ve Beyaz Saray yapay zeka kıdemli politika danışmanı Sriram Krishnan olmak üzere yedi önemli konuk ağırlandı.
AI teknolojisi, girişimcilik gibi konular etrafında, bu büyük isimler konuşmalarında birçok harika görüş paylaştı, örneğin:
AI'yi insanileştirmeyin. AI insan değildir, bir araçtır. Bir sonraki sınır, ona bellek, araçlar ve eyleme geçme yeteneği vermektir, ancak bu insanın akıl yürütme yeteneğinden temel bir farktır.
Gelecekte, akıllı varlıklar yeni nesil bilgisayarlar haline gelecek. Bu gelecek sadece teknolojinin doğruluğuna değil, kullanıcı güvenine ve kesintisiz bir etkileşim deneyimine de bağlıdır.
Geri bildirim döngüleri içeren ürünler, örneğin Agentic AI, yalnızca "tek seferlik" görevleri tamamlayabilen araçlardan çok daha iyi performans gösterir. Sürekli etkileşim sonuçları optimize edebilirken, iterasyon performansın bileşik bir şekilde artmasını sağlar.
Prototip oluşturma hızı 10 kat arttı, üretim düzeyinde yazılım geliştirme verimliliği de %30-50 arttı. Bu avantajı iyi değerlendirmek, gerçek zamanlı kullanıcı geri bildirimleri ile piyasa riskini azaltmak gerekir.
Kod artık geçmişteki gibi kıt bir çekirdek varlık değil. Hızlı prototipleme araçları ve AI ile kod üretmek çok kolay. Gerçekten önemli olan, kodun sağladığı değerdir.
Gerçek dünya verileri benzersizdir. Sentetik ve simüle edilmiş veriler yardımcı olabilir, ancak gerçek veriler hala kritik öneme sahiptir, özellikle karmaşık görsel ve fiziksel görevler için.
AI'nın en iyi kullanımı iterasyon hızını artırmaktır, tek tuşla oluşturulan "büyü" aramak değil. Tasarımcılar ve ürün yöneticileri artık AI değerlendirmelerine katkıda bulunmak zorundadır.
Andrej Karpathy (Andrej Karpathy'nin paylaşımına dün yayımladığımız "YC AI Girişim Kampı'nın İlk Günü, Andrej Karpathy'nin Konuşması Sosyal Medyada Gündem Oldu" başlıklı makalemizde yer verilmiştir) ve Sriram Krishnan dışında, diğer beş konukların paylaşımlarının ana noktalarını derledik.
Microsoft CEO: Satya Nadella
Platformun bileşik etkisi: AI birdenbire ortaya çıkmadı, onlarca yıllık bulut altyapısının üzerine inşa edildi ve bu altyapılar büyük ölçekli model eğitimini destekleyecek şekilde gelişti. Her nesil platform, bir sonraki nesil platformun ortaya çıkması için zemin hazırlamaktadır.
Model altyapıdır, ürün ekosistemdir: Temel model bir altyapı türüdür ve yeni nesil SQL veritabanlarına benzer. Gerçek ürün, modelin kendisi değil, etrafında inşa edilen tüm ekosistemdir: geri bildirim döngüsü, araç entegrasyonu ve kullanıcı etkileşimi.
Ekonomik etki referans noktasıdır: Satya'nın AI değerini ölçmek için kullandığı Kuzey Yıldızı göstergesi şudur: "Bu ekonomik fazla yaratıyor mu?" Eğer bir teknoloji GSYİH büyümesini teşvik etmiyorsa, o devrimci değildir.
Hesaplama gücü ve zeka arasındaki sınır: Zeka seviyesi, hesaplama gücünün yatırımıyla logaritmik bir şekilde artacaktır. Ancak gelecekteki büyük atılımlar yalnızca ölçekten değil, aynı zamanda paradigma değişiminden kaynaklanacaktır, tıpkı bir sonraki "ölçek yasası anı" gibi.
Enerji ve toplumsal konsensüs: AI'nın ölçeklenmesi daha fazla enerji tüketimini gerektirecek ve toplumsal onay almamız gerekecek. Onayı kazanmak için, AI'nın getirdiği gerçek, olumlu sosyal faydaların maliyetlerini karşılayacak kadar yeterli olduğunu göstermeliyiz.
AI'nin gerçek engeli değişim yönetimidir: Geleneksel sektörlerin gelişimindeki engel teknoloji değil, var olan iş akışlarının kısıtlamalarıdır. Gerçek bir dönüşüm, işin nasıl yapılacağını yeniden düşünmeyi gerektirir, sadece AI'nin basit bir şekilde benimsenmesi değil.
İş rolü entegrasyonu: LinkedIn gibi platformlarda, tasarım, ön uç ve ürün gibi geleneksel roller giderek birleşiyor ve "tam yığın" yetenekler ortaya çıkıyor. AI, daha fazla insanın disiplinler arası yetenekler kazanmasını sağlıyor ve bu trendi hızlandırıyor.
Tekrar eden işlerin değerini küçümsemeyin: Bilgi işlerinde, büyük miktarda tekrar eden fiziksel iş bulunmaktadır. AI'nın en iyi uygulaması, bu "görünmez sürtünme maliyetlerini" ortadan kaldırmak ve insan yaratıcılığını serbest bırakmaktır.
Geleceğe açık kalın: Hatta Satya'nın kendisi bile "test sırasında hesaplama" ve "güçlendirilmiş öğrenme" teknolojilerinin bu kadar hızlı ilerleyeceğini öngörmemişti. AI'nın son halini gördüğümüzü varsaymayın, gelecekte muhtemelen daha fazla atılım olacak.
AI'yı insanlaştırmayın: AI insan değildir. O bir araçtır. Bir sonraki sınır, ona hafıza, araçlar ve eyleme geçme yeteneği kazandırmaktır, ancak bu, insan akıl yürütme yeteneğinden köklü bir şekilde farklıdır.
Geliştirmenin geleceği: AI geliştiricilerin yerini almayacak, aksine onların güçlü yardımcıları olacak. VSCode, AI ile iş birliği yapan bir tuvaldir. Yazılım mühendisliğinin temeli kod yazmaktan sistem tasarımına ve kalite güvencesine kayacaktır.
Sorumluluk ve güven vazgeçilmezdir: AI'nın ortaya çıkması, insanın sorumluluğundan kurtulmasını sağlamaz. Şirketler, ürünlerinin davranışlarından yasal olarak sorumlu olmaya devam etmelidir. Bu nedenle, gizlilik, güvenlik ve egemenlik temel bir konumda tutulmalıdır.
Güven pratik değerden gelir: Güven, sözlerden değil, pratiklikten gelir. Satya, Hindistan'daki çiftçilere yönelik olarak dağıtılan bir sohbet robotunu örnek göstererek, görünür yardımın güven inşa etmenin temel taşı olduğunu vurguladı.
Sesten akıllı varlığa: Microsoft'un AI yolculuğu 1995'teki ses teknolojisi ile başladı. Bugün, stratejik odak noktası ses, görsel ve her yerde bulunan çevresel hesaplama cihazlarını birleştiren tam donanımlı "akıllı varlıklar"a kaymıştır.
Akıllı varlıklar geleceğin bilgisayarlarıdır: Satya'nın uzun vadeli vizyonu şudur: "Akıllı varlıklar yeni nesil bilgisayarlar olacak." Bu gelecek yalnızca teknolojinin doğruluğuna değil, aynı zamanda kullanıcı güvenine ve kesintisiz etkileşim deneyimine de bağlıdır.
Liderlik üzerine dersler: Onun önerisi, en alt kademeden başlamaktır, ancak en büyük hedeflerle dolu bir kalple. Bir ürün geliştirmekten ziyade bir ekip oluşturmayı öğrenmelisiniz.
Satya'nın aradığı kişi: karmaşayı basite dönüştüren, net düşünceler getiren; ekip enerjisini artıran, insanları bir araya getiren; zorlu koşullar altında karmaşık sorunları çözmekten keyif alan kişidir.
En sevdiğiniz mülakat sorusu: "Size nasıl çözeceğinizi bilmediğiniz bir sorun söyleyin ve onu nasıl çözdüğünüzü anlatın." Bu soruyla, adayın merakını, uyum sağlama yeteneğini ve azmini görmek istiyor.
Kuantum hesaplamanın potansiyeli: Bir sonraki yıkıcı teknoloji kuantum alanından gelebilir. Microsoft, "hata düzeltme kuantum bitleri" üzerinde çalışmaya odaklanıyor; bu teknoloji, doğa dünyasını eşi benzeri görülmemiş bir hassasiyetle simüle etmemizi sağlayabilir.
Gençlere tavsiye: Başkalarının iznini beklemeyin. İnsanlara gerçek güç veren araçlar oluşturun. Sürekli olarak şunu sorguluyor: "Başkalarına yaratmaları için ne yaratabiliriz?"
En sevdiğim ürünler: VSCode ve Excel — çünkü insanlara süper güçler veriyorlar.
Deep Learning.AI Kurucusu: Andrew Ng
Uygulama hızı başarının belirleyicisidir: Bir girişimin başarılı olup olmadığını değerlendirmenin en iyi göstergesi, inşa etme, test etme ve yineleme hızıdır. Hız, öğrenmenin bileşik etkisini getirir, AI bu etkiyi üstel bir şekilde artırır.
Çoğu fırsat uygulama katmanında: Mevcut en büyük kazançlar yeni modeller geliştirmekten değil, mevcut modelleri değerli, kullanıcı odaklı senaryolarda uygulamaktan gelmektedir. İşte bu, kurucuların odaklanması gereken yerdir.
Agentik AI, "tek seferlik" araçlardan üstündür: Geri bildirim döngüleri içeren ürünler, Agentik AI gibi, yalnızca "tek seferlik" görevleri yerine getirebilen araçlardan çok daha iyi performans gösterir. Sürekli etkileşim sonuçları optimize edebilirken, yineleme performansta bileşik bir artış sağlayabilir.
"Orkestrasyon Katmanı" yükseliyor: Temel modeller ile uygulamalar arasında, ortaya çıkan yeni bir ara katman oluşuyor: Temsilci temelli orkestrasyon. Bu katman, araçlar ve veri kaynakları arasında karmaşık çok adımlı görevleri destekleyebilme yeteneğine sahip.
Fikirler ne kadar somut olursa, uygulama o kadar hızlı olur: Hızlı hareket etmenin en iyi yolu, mühendislerin hemen inşa etmeye başlayabileceği kadar ayrıntılı bir somut fikirle başlamaktır. İyi somut fikirler genellikle sezgisel bir netliğe sahip alan uzmanlarından gelir.
"Büyük anlatı" tuzağına dikkat edin: "AI destekli sağlık" gibi soyut hedefler iddialı görünse de genellikle yavaş bir uygulama sürecine yol açar. Gerçek verimlilik getiren, "MRI randevu otomasyonu" gibi somut ve belirli araçlardır.
Yön değiştirmekten çekinmeyin, ön koşul doğru ilk adımı atmaktır: Eğer erken veriler fikrinizin yürümeyeceğini gösteriyorsa, somut bir başlangıç planı yön değiştirmenizi kolaylaştırır. Neyi test ettiğinizi net bir şekilde anlamak, başarısızlıktan sonra başka bir yöne hızla dönmenizi sağlar.
Geri bildirim döngüsünü kullanarak riski azaltma: Şimdi prototip oluşturma hızı 10 kat arttı, üretim seviyesindeki yazılımların geliştirilme verimliliği de %30-50 oranında yükseldi. Bu avantajdan yararlanmalı ve piyasa riskini azaltmak için gerçek zamanlı kullanıcı geri bildirimlerini kullanmalıyız.
Mükemmellik peşinde koşmak yerine daha fazla deneme yapın: İlk versiyonunuzu mükemmelleştirmeye çalışmayın. Hangi taslağın tutunacağını görmek için 20 kaba prototip oluşturun. Öğrenme hızı, cilalamaktan daha önemlidir.
Hızlı hareket et ve sorumluluk al: Andrew Ng, Silikon Vadisi'nin klasik ilkesini yeniden yorumladı: "Hızlı hareket et, kuralları kır" yerine "Hızlı hareket et ve sorumluluk al" demelidir. Sorumluluk duygusu güvenin temeli.
Kodun kıt değerini kaybetmesi: Kod artık geçmişteki gibi kıt bir temel varlık değil. Hızlı prototipleme araçları ve AI ile kodun üretilmesi oldukça kolaylaştı. Gerçekten önemli olan, kodun sağladığı değerdir.
Teknik mimari tersine çevrilebilir: Geçmişte, bir mimari seçmek tek yönlü bir karardı. Şimdi bu, her iki yönde de açılan bir kapı; mimarinin değiştirilme maliyeti büyük ölçüde azaldı. Bu esneklik, daha cesur denemeleri ve daha hızlı deneyleri teşvik ediyor.
Herkes programlama öğrenmeli: "Programlama öğrenmeyin" söylemi yanıltıcıdır. Geçmişte, makine dilinden yüksek seviyeli dillere geçerken benzer endişeler yaşanmıştı. AI, programlamanın erişim sınırlarını düşürüyor, gelecekte daha fazla pozisyondaki insanların programlama becerilerini öğrenmeleri gerek.
Alan bilgisi AI'yi daha iyi hale getirir: Belirli bir alandaki derin anlayış, AI'yi daha iyi kullanmanıza imkan tanır. Sanat tarihçileri daha iyi görüntü ipuçları yazabilir. Doktorlar daha iyi sağlık AI'sı şekillendirebilir. Kurucular, alan bilgilerini AI yetkinliği ile birleştirmelidir.
Ürün yöneticisi şu anda bir darboğaz: Artık yeni kısıtlayıcı faktör mühendislik değil, ürün yönetimidir. Andrew Ng'nin bir ekibi, geri bildirim ve karar alma süreçlerini hızlandırmak için ürün yöneticileri ile mühendislerin oranını 2:1 olarak ayarlamayı önerdi.
Mühendislerin ürün düşüncesine sahip olmaları gerekir: Ürün sezgisine sahip mühendisler daha hızlı hareket eder ve geliştirdikleri ürünler daha iyi olur. Sadece teknik yeterlilik yeterli değildir, geliştiricilerin aynı zamanda kullanıcı ihtiyaçlarını derinlemesine anlamaları gerekmektedir.
Arkadaşlardan görüş alma
Derin AI bilgisi hâlâ bir koruma kalkanıdır: AI yeterliliği henüz yaygınlaşmamıştır. Gerçekten AI teknolojisinin prensiplerini anlayanlar hâlâ büyük bir avantaja sahiptir - daha akıllı, daha verimli ve daha bağımsız bir şekilde yenilik yapabilirler.
Hype ≠ Gerçek: Etkileyici görünen ancak esasen fon toplama veya statü artırma amacı taşıyan anlatılara dikkat edin. AGI, yok olma ve sonsuz zeka gibi terimler genellikle bir heyecan sinyali olup, etki sinyali değildir.
Güvenlik kullanım ile ilgilidir, teknik ile değil: "AI güvenliği" kavramı sıklıkla yanlış anlaşılmaktadır. AI, elektrik veya ateş gibi, kendisi iyi ya da kötü değildir, nasıl uygulandığına bağlıdır. Güvenlik, aracın kendisinden ziyade kullanım ile ilgilidir.
Tek önemli şey, kullanıcıların bunu sevip sevmediğidir: Modelin maliyetine veya performans standartlarına fazla takılmaya gerek yoktur. Tek ilgilenilmesi gereken soru şudur: Gerçekten kullanıcıların sevdiği ve sürekli kullanmak istedikleri bir ürün mü yaratıyorsunuz?
Eğitim AI hâlâ keşif aşamasında: Kira Learning gibi şirketler büyük deneyler yapıyor, ancak AI'nın eğitim alanındaki nihai şekli belirsiz. Hâlâ dönüşümün erken aşamasındayız.
"Kıyamet Teorisi" ve "Regülasyon Kapılması"na dikkat edin: AI'ya yönelik aşırı korku, mevcut şirketleri korumak için yasaların savunulmasında kullanılmaktadır. Güçte olanlara fayda sağlayan "AI güvenliği" anlatılarına şüpheyle yaklaşın.
Fiziksel Zeka İnovasyon: Chelsea Finn
Robot teknolojisi tam yığın düşünme gerektirir: Sadece robot teknolojisini mevcut bir şirkete ekleyemezsiniz. Tüm teknoloji yığını - veriler, modeller, dağıtım - sıfırdan inşa etmeniz gerekir.
Veri kalitesi miktardan daha önemlidir: Sektörden, YouTube'dan veya simülasyon ortamlarından gelen büyük veri setleri genellikle çeşitlilik ve gerçeklikten yoksundur. Doğru ve yüksek kaliteli veriler, ölçekten daha önemlidir.
En İyi Mod: Ön Eğitim + İnce Ayar: Önce geniş bir veri kümesinde ön eğitim yapın, ardından yaklaşık 1000 yüksek kaliteli, sahne tutarlı örnek kullanarak ince ayar yapın. Bu yöntem robot performansını önemli ölçüde artırabilir.
Genel Robotlar, Özel Robotları Geçecek: Farklı görevler ve donanım platformları (örneğin, üçüncü taraf robotlar) arasında geçiş yapabilen genel modeller, belirli bir amaç için inşa edilen sistemlerden daha başarılı olduğu kanıtlanıyor.
Gerçek dünya verileri yerine geçilemez: Sentetik ve simüle edilmiş veriler yardımcı olsa da, gerçek veriler hala kritik öneme sahiptir, özellikle karmaşık görsel ve fiziksel görevler için.
Aşırı kaynak kullanımı ters etki yapabilir: aşırı finansman veya işleri fazla karmaşık hale getirmek ilerlemeyi yavaşlatabilir. Sorunun netliği ve odaklanmış uygulama en önemlisidir.
Cursor CEO&Kurucu Ortak: Michael Truell
Erken başlayın ve devam edin: Ortaklardan biri ayrıldığında bile, Michael programlamaya devam etti. Erken dönem virüs gibi yayılan (bir Flappy Bird kopyası) projesi ona güven ve beceri kazandırdı.
Hızlı doğrulama, tanımadığınız alanlarda bile: Ekipleri, daha önceki deneyimleri olmadan, mekanik mühendislik alanında bir programlama asistanı geliştirdi. İnançları "uygulamada öğrenmek".
Farklı konumlandırma, devlerden korkmaya gerek yok: GitHub Copilot ile rekabet edip etmeme konusunda tereddüt ettiler, ancak sonra, "tam süreç geliştirme otomasyonu" hedefiyle çok az şirketin bulunduğunu fark ettiler. Bu konumlandırma onlara pazarı açtı.
Koddan yayınlamaya, hızlı hareket: İlk satır koddan kamuya yayıma sadece 3 ay harcadılar. Hızlı iterasyon, ürün yönlerini hızla ayarlamalarına yardımcı oldu.
Odaklanma karmaşıklıktan daha üstündür: Aynı anda IDE (Entegre Geliştirme Ortamı) ve AI araçları geliştirme planlarını kararlı bir şekilde terk ettiler. AI işlevine odaklanarak daha hızlı bir gelişim sağladılar.
Dağıtım bir tweet ile başlayabilir: Cursor'un erken kullanıcı büyümesi, kurucularından birinin sosyal medyadaki bir tweet'inden kaynaklanıyor. Resmi pazarlama öncesinde, ağızdan ağıza iletişim ana itici güç olmuştur.
Uygulama gücünün bileşik etkisi: 2024 yılında, Cursor'un yıllık tekrarlayan geliri bir yıl içinde 1 milyon dolardan 100 milyon dolara yükseldi ve ürün iyileştirmeleri ile kullanıcı taleplerinin etkisiyle %10'luk haftalık bileşik büyüme sağlandı.
En iyi tavsiye, merakınızı takip edin: Özgeçmişinizi güzelleştirmek için yaptığınız şeyleri unutun. Michael'ın ana tavsiyesi: Zeki insanlarla ilginizi çeken şeyleri yapın.
Figma CEO&Kurucu Ortak: Dylan Field
Sizi motive eden bir ortak kurucu bulun: Dylan'ın motivasyonu, ortak kurucusu Evan Wallace ile iş birliği yapmaktan geliyor, "Her hafta geleceği yaratıyormuş gibi hissediyorum."
Erken başla, yaparak öğren: Dylan 19 yaşındayken üniversitedeyken girişim projelerine başladı. İlk aşamada "emoji oluşturucu" gibi projelerin başarısızlığı, nihayetinde Figma gibi harika bir fikri şekillendirdi.
Hızlı yayın, daha hızlı geri dönüş alma: Erken kullanıcılarla e-posta aracılığıyla iletişim kurarak hızlı iterasyonlar gerçekleştiriyorlar ve başından itibaren ücret talep etmeye devam ediyorlar. Geri bildirim, ürünün evriminin sürekli bir itici gücüdür.
Uzun vadeli yol haritasını kısa vadeli sprintlere bölün: Büyük vizyonu daha küçük parçalara ayırmak, hız ve icra yeteneğini sağlamak için anahtardır.
Ürün pazar uyumu yıllar alabilir: Figma, Microsoft'un "Eğer Figma daha fazla ücret talep etmezse, iş birliğimizi sona erdirmek zorunda kalacağız" dediği belirleyici bir sinyali beklemek için beş yıl harcadı.
Tasarım yeni bir farklılaştırıcı faktördür: AI'nin yükselişi nedeniyle tasarımın giderek daha önemli hale geldiğine inanıyor. Figma da bu trende uyum sağlamak için Draw, Buzz, Sites ve Make gibi bir dizi yeni ürün piyasaya sürüyor.
AI'yi prototip tasarımını hızlandırmak için kullanmak: AI'nın en iyi kullanımı, tek tuşla oluşturma "büyüsü" peşinde koşmak yerine iterasyon hızını artırmaktır. Tasarımcılar ve ürün yöneticileri artık AI değerlendirmelerine katkıda bulunmalıdır.
Reddetmeyi kucaklayın, kaçmayın: Dylan'ın çocukluk dönemindeki performans deneyimleri, eleştiri ve geri bildirimle yüzleşmeyi öğrenmesine yardımcı oldu. Reddedilmenin, başarı yolunun bir parçası olduğuna inanıyor.
İnsan bağlantıları her zaman merkezdir: AI ile insan ilişkilerini değiştirmemek için uyarı. Hayatın anlamı sorulduğunda, "Bilinci keşfetmek, sürekli öğrenmek, sevgiyi paylaşmak" diye yanıtladı.
View Original
The content is for reference only, not a solicitation or offer. No investment, tax, or legal advice provided. See Disclaimer for more risks disclosure.
YC AI Girişimcilik Programı 2. Gün: Nadella, Ng ve Cursor CEO'su buradalar
Düzenleyen: Founder Park
YC AI Startup School'un ikinci gününde, Microsoft CEO'su Satya Nadella, Deep Learning.AI kurucusu Andrew Ng, Physical Intelligence kurucu ortağı Chelsea Finn, Cursor CEO'su ve kurucu ortağı Michael Truell, Figma CEO'su ve kurucu ortağı Dylan Field, Tesla'nın eski AI direktörü Andrej Karpathy ve Beyaz Saray yapay zeka kıdemli politika danışmanı Sriram Krishnan olmak üzere yedi önemli konuk ağırlandı.
AI teknolojisi, girişimcilik gibi konular etrafında, bu büyük isimler konuşmalarında birçok harika görüş paylaştı, örneğin:
Andrej Karpathy (Andrej Karpathy'nin paylaşımına dün yayımladığımız "YC AI Girişim Kampı'nın İlk Günü, Andrej Karpathy'nin Konuşması Sosyal Medyada Gündem Oldu" başlıklı makalemizde yer verilmiştir) ve Sriram Krishnan dışında, diğer beş konukların paylaşımlarının ana noktalarını derledik.
Microsoft CEO: Satya Nadella
Platformun bileşik etkisi: AI birdenbire ortaya çıkmadı, onlarca yıllık bulut altyapısının üzerine inşa edildi ve bu altyapılar büyük ölçekli model eğitimini destekleyecek şekilde gelişti. Her nesil platform, bir sonraki nesil platformun ortaya çıkması için zemin hazırlamaktadır.
Model altyapıdır, ürün ekosistemdir: Temel model bir altyapı türüdür ve yeni nesil SQL veritabanlarına benzer. Gerçek ürün, modelin kendisi değil, etrafında inşa edilen tüm ekosistemdir: geri bildirim döngüsü, araç entegrasyonu ve kullanıcı etkileşimi.
Ekonomik etki referans noktasıdır: Satya'nın AI değerini ölçmek için kullandığı Kuzey Yıldızı göstergesi şudur: "Bu ekonomik fazla yaratıyor mu?" Eğer bir teknoloji GSYİH büyümesini teşvik etmiyorsa, o devrimci değildir.
Hesaplama gücü ve zeka arasındaki sınır: Zeka seviyesi, hesaplama gücünün yatırımıyla logaritmik bir şekilde artacaktır. Ancak gelecekteki büyük atılımlar yalnızca ölçekten değil, aynı zamanda paradigma değişiminden kaynaklanacaktır, tıpkı bir sonraki "ölçek yasası anı" gibi.
Enerji ve toplumsal konsensüs: AI'nın ölçeklenmesi daha fazla enerji tüketimini gerektirecek ve toplumsal onay almamız gerekecek. Onayı kazanmak için, AI'nın getirdiği gerçek, olumlu sosyal faydaların maliyetlerini karşılayacak kadar yeterli olduğunu göstermeliyiz.
AI'nin gerçek engeli değişim yönetimidir: Geleneksel sektörlerin gelişimindeki engel teknoloji değil, var olan iş akışlarının kısıtlamalarıdır. Gerçek bir dönüşüm, işin nasıl yapılacağını yeniden düşünmeyi gerektirir, sadece AI'nin basit bir şekilde benimsenmesi değil.
İş rolü entegrasyonu: LinkedIn gibi platformlarda, tasarım, ön uç ve ürün gibi geleneksel roller giderek birleşiyor ve "tam yığın" yetenekler ortaya çıkıyor. AI, daha fazla insanın disiplinler arası yetenekler kazanmasını sağlıyor ve bu trendi hızlandırıyor.
Tekrar eden işlerin değerini küçümsemeyin: Bilgi işlerinde, büyük miktarda tekrar eden fiziksel iş bulunmaktadır. AI'nın en iyi uygulaması, bu "görünmez sürtünme maliyetlerini" ortadan kaldırmak ve insan yaratıcılığını serbest bırakmaktır.
Geleceğe açık kalın: Hatta Satya'nın kendisi bile "test sırasında hesaplama" ve "güçlendirilmiş öğrenme" teknolojilerinin bu kadar hızlı ilerleyeceğini öngörmemişti. AI'nın son halini gördüğümüzü varsaymayın, gelecekte muhtemelen daha fazla atılım olacak.
AI'yı insanlaştırmayın: AI insan değildir. O bir araçtır. Bir sonraki sınır, ona hafıza, araçlar ve eyleme geçme yeteneği kazandırmaktır, ancak bu, insan akıl yürütme yeteneğinden köklü bir şekilde farklıdır.
Geliştirmenin geleceği: AI geliştiricilerin yerini almayacak, aksine onların güçlü yardımcıları olacak. VSCode, AI ile iş birliği yapan bir tuvaldir. Yazılım mühendisliğinin temeli kod yazmaktan sistem tasarımına ve kalite güvencesine kayacaktır.
Sorumluluk ve güven vazgeçilmezdir: AI'nın ortaya çıkması, insanın sorumluluğundan kurtulmasını sağlamaz. Şirketler, ürünlerinin davranışlarından yasal olarak sorumlu olmaya devam etmelidir. Bu nedenle, gizlilik, güvenlik ve egemenlik temel bir konumda tutulmalıdır.
Güven pratik değerden gelir: Güven, sözlerden değil, pratiklikten gelir. Satya, Hindistan'daki çiftçilere yönelik olarak dağıtılan bir sohbet robotunu örnek göstererek, görünür yardımın güven inşa etmenin temel taşı olduğunu vurguladı.
Sesten akıllı varlığa: Microsoft'un AI yolculuğu 1995'teki ses teknolojisi ile başladı. Bugün, stratejik odak noktası ses, görsel ve her yerde bulunan çevresel hesaplama cihazlarını birleştiren tam donanımlı "akıllı varlıklar"a kaymıştır.
Akıllı varlıklar geleceğin bilgisayarlarıdır: Satya'nın uzun vadeli vizyonu şudur: "Akıllı varlıklar yeni nesil bilgisayarlar olacak." Bu gelecek yalnızca teknolojinin doğruluğuna değil, aynı zamanda kullanıcı güvenine ve kesintisiz etkileşim deneyimine de bağlıdır.
Liderlik üzerine dersler: Onun önerisi, en alt kademeden başlamaktır, ancak en büyük hedeflerle dolu bir kalple. Bir ürün geliştirmekten ziyade bir ekip oluşturmayı öğrenmelisiniz.
Satya'nın aradığı kişi: karmaşayı basite dönüştüren, net düşünceler getiren; ekip enerjisini artıran, insanları bir araya getiren; zorlu koşullar altında karmaşık sorunları çözmekten keyif alan kişidir.
En sevdiğiniz mülakat sorusu: "Size nasıl çözeceğinizi bilmediğiniz bir sorun söyleyin ve onu nasıl çözdüğünüzü anlatın." Bu soruyla, adayın merakını, uyum sağlama yeteneğini ve azmini görmek istiyor.
Kuantum hesaplamanın potansiyeli: Bir sonraki yıkıcı teknoloji kuantum alanından gelebilir. Microsoft, "hata düzeltme kuantum bitleri" üzerinde çalışmaya odaklanıyor; bu teknoloji, doğa dünyasını eşi benzeri görülmemiş bir hassasiyetle simüle etmemizi sağlayabilir.
Gençlere tavsiye: Başkalarının iznini beklemeyin. İnsanlara gerçek güç veren araçlar oluşturun. Sürekli olarak şunu sorguluyor: "Başkalarına yaratmaları için ne yaratabiliriz?"
En sevdiğim ürünler: VSCode ve Excel — çünkü insanlara süper güçler veriyorlar.
Deep Learning.AI Kurucusu: Andrew Ng
Uygulama hızı başarının belirleyicisidir: Bir girişimin başarılı olup olmadığını değerlendirmenin en iyi göstergesi, inşa etme, test etme ve yineleme hızıdır. Hız, öğrenmenin bileşik etkisini getirir, AI bu etkiyi üstel bir şekilde artırır.
Çoğu fırsat uygulama katmanında: Mevcut en büyük kazançlar yeni modeller geliştirmekten değil, mevcut modelleri değerli, kullanıcı odaklı senaryolarda uygulamaktan gelmektedir. İşte bu, kurucuların odaklanması gereken yerdir.
Agentik AI, "tek seferlik" araçlardan üstündür: Geri bildirim döngüleri içeren ürünler, Agentik AI gibi, yalnızca "tek seferlik" görevleri yerine getirebilen araçlardan çok daha iyi performans gösterir. Sürekli etkileşim sonuçları optimize edebilirken, yineleme performansta bileşik bir artış sağlayabilir.
"Orkestrasyon Katmanı" yükseliyor: Temel modeller ile uygulamalar arasında, ortaya çıkan yeni bir ara katman oluşuyor: Temsilci temelli orkestrasyon. Bu katman, araçlar ve veri kaynakları arasında karmaşık çok adımlı görevleri destekleyebilme yeteneğine sahip.
Fikirler ne kadar somut olursa, uygulama o kadar hızlı olur: Hızlı hareket etmenin en iyi yolu, mühendislerin hemen inşa etmeye başlayabileceği kadar ayrıntılı bir somut fikirle başlamaktır. İyi somut fikirler genellikle sezgisel bir netliğe sahip alan uzmanlarından gelir.
"Büyük anlatı" tuzağına dikkat edin: "AI destekli sağlık" gibi soyut hedefler iddialı görünse de genellikle yavaş bir uygulama sürecine yol açar. Gerçek verimlilik getiren, "MRI randevu otomasyonu" gibi somut ve belirli araçlardır.
Yön değiştirmekten çekinmeyin, ön koşul doğru ilk adımı atmaktır: Eğer erken veriler fikrinizin yürümeyeceğini gösteriyorsa, somut bir başlangıç planı yön değiştirmenizi kolaylaştırır. Neyi test ettiğinizi net bir şekilde anlamak, başarısızlıktan sonra başka bir yöne hızla dönmenizi sağlar.
Geri bildirim döngüsünü kullanarak riski azaltma: Şimdi prototip oluşturma hızı 10 kat arttı, üretim seviyesindeki yazılımların geliştirilme verimliliği de %30-50 oranında yükseldi. Bu avantajdan yararlanmalı ve piyasa riskini azaltmak için gerçek zamanlı kullanıcı geri bildirimlerini kullanmalıyız.
Mükemmellik peşinde koşmak yerine daha fazla deneme yapın: İlk versiyonunuzu mükemmelleştirmeye çalışmayın. Hangi taslağın tutunacağını görmek için 20 kaba prototip oluşturun. Öğrenme hızı, cilalamaktan daha önemlidir.
Hızlı hareket et ve sorumluluk al: Andrew Ng, Silikon Vadisi'nin klasik ilkesini yeniden yorumladı: "Hızlı hareket et, kuralları kır" yerine "Hızlı hareket et ve sorumluluk al" demelidir. Sorumluluk duygusu güvenin temeli.
Kodun kıt değerini kaybetmesi: Kod artık geçmişteki gibi kıt bir temel varlık değil. Hızlı prototipleme araçları ve AI ile kodun üretilmesi oldukça kolaylaştı. Gerçekten önemli olan, kodun sağladığı değerdir.
Teknik mimari tersine çevrilebilir: Geçmişte, bir mimari seçmek tek yönlü bir karardı. Şimdi bu, her iki yönde de açılan bir kapı; mimarinin değiştirilme maliyeti büyük ölçüde azaldı. Bu esneklik, daha cesur denemeleri ve daha hızlı deneyleri teşvik ediyor.
Herkes programlama öğrenmeli: "Programlama öğrenmeyin" söylemi yanıltıcıdır. Geçmişte, makine dilinden yüksek seviyeli dillere geçerken benzer endişeler yaşanmıştı. AI, programlamanın erişim sınırlarını düşürüyor, gelecekte daha fazla pozisyondaki insanların programlama becerilerini öğrenmeleri gerek.
Alan bilgisi AI'yi daha iyi hale getirir: Belirli bir alandaki derin anlayış, AI'yi daha iyi kullanmanıza imkan tanır. Sanat tarihçileri daha iyi görüntü ipuçları yazabilir. Doktorlar daha iyi sağlık AI'sı şekillendirebilir. Kurucular, alan bilgilerini AI yetkinliği ile birleştirmelidir.
Ürün yöneticisi şu anda bir darboğaz: Artık yeni kısıtlayıcı faktör mühendislik değil, ürün yönetimidir. Andrew Ng'nin bir ekibi, geri bildirim ve karar alma süreçlerini hızlandırmak için ürün yöneticileri ile mühendislerin oranını 2:1 olarak ayarlamayı önerdi.
Mühendislerin ürün düşüncesine sahip olmaları gerekir: Ürün sezgisine sahip mühendisler daha hızlı hareket eder ve geliştirdikleri ürünler daha iyi olur. Sadece teknik yeterlilik yeterli değildir, geliştiricilerin aynı zamanda kullanıcı ihtiyaçlarını derinlemesine anlamaları gerekmektedir.
Arkadaşlardan görüş alma
Derin AI bilgisi hâlâ bir koruma kalkanıdır: AI yeterliliği henüz yaygınlaşmamıştır. Gerçekten AI teknolojisinin prensiplerini anlayanlar hâlâ büyük bir avantaja sahiptir - daha akıllı, daha verimli ve daha bağımsız bir şekilde yenilik yapabilirler.
Hype ≠ Gerçek: Etkileyici görünen ancak esasen fon toplama veya statü artırma amacı taşıyan anlatılara dikkat edin. AGI, yok olma ve sonsuz zeka gibi terimler genellikle bir heyecan sinyali olup, etki sinyali değildir.
Güvenlik kullanım ile ilgilidir, teknik ile değil: "AI güvenliği" kavramı sıklıkla yanlış anlaşılmaktadır. AI, elektrik veya ateş gibi, kendisi iyi ya da kötü değildir, nasıl uygulandığına bağlıdır. Güvenlik, aracın kendisinden ziyade kullanım ile ilgilidir.
Tek önemli şey, kullanıcıların bunu sevip sevmediğidir: Modelin maliyetine veya performans standartlarına fazla takılmaya gerek yoktur. Tek ilgilenilmesi gereken soru şudur: Gerçekten kullanıcıların sevdiği ve sürekli kullanmak istedikleri bir ürün mü yaratıyorsunuz?
Eğitim AI hâlâ keşif aşamasında: Kira Learning gibi şirketler büyük deneyler yapıyor, ancak AI'nın eğitim alanındaki nihai şekli belirsiz. Hâlâ dönüşümün erken aşamasındayız.
"Kıyamet Teorisi" ve "Regülasyon Kapılması"na dikkat edin: AI'ya yönelik aşırı korku, mevcut şirketleri korumak için yasaların savunulmasında kullanılmaktadır. Güçte olanlara fayda sağlayan "AI güvenliği" anlatılarına şüpheyle yaklaşın.
Fiziksel Zeka İnovasyon: Chelsea Finn
Robot teknolojisi tam yığın düşünme gerektirir: Sadece robot teknolojisini mevcut bir şirkete ekleyemezsiniz. Tüm teknoloji yığını - veriler, modeller, dağıtım - sıfırdan inşa etmeniz gerekir.
Veri kalitesi miktardan daha önemlidir: Sektörden, YouTube'dan veya simülasyon ortamlarından gelen büyük veri setleri genellikle çeşitlilik ve gerçeklikten yoksundur. Doğru ve yüksek kaliteli veriler, ölçekten daha önemlidir.
En İyi Mod: Ön Eğitim + İnce Ayar: Önce geniş bir veri kümesinde ön eğitim yapın, ardından yaklaşık 1000 yüksek kaliteli, sahne tutarlı örnek kullanarak ince ayar yapın. Bu yöntem robot performansını önemli ölçüde artırabilir.
Genel Robotlar, Özel Robotları Geçecek: Farklı görevler ve donanım platformları (örneğin, üçüncü taraf robotlar) arasında geçiş yapabilen genel modeller, belirli bir amaç için inşa edilen sistemlerden daha başarılı olduğu kanıtlanıyor.
Gerçek dünya verileri yerine geçilemez: Sentetik ve simüle edilmiş veriler yardımcı olsa da, gerçek veriler hala kritik öneme sahiptir, özellikle karmaşık görsel ve fiziksel görevler için.
Aşırı kaynak kullanımı ters etki yapabilir: aşırı finansman veya işleri fazla karmaşık hale getirmek ilerlemeyi yavaşlatabilir. Sorunun netliği ve odaklanmış uygulama en önemlisidir.
Cursor CEO&Kurucu Ortak: Michael Truell
Erken başlayın ve devam edin: Ortaklardan biri ayrıldığında bile, Michael programlamaya devam etti. Erken dönem virüs gibi yayılan (bir Flappy Bird kopyası) projesi ona güven ve beceri kazandırdı.
Hızlı doğrulama, tanımadığınız alanlarda bile: Ekipleri, daha önceki deneyimleri olmadan, mekanik mühendislik alanında bir programlama asistanı geliştirdi. İnançları "uygulamada öğrenmek".
Farklı konumlandırma, devlerden korkmaya gerek yok: GitHub Copilot ile rekabet edip etmeme konusunda tereddüt ettiler, ancak sonra, "tam süreç geliştirme otomasyonu" hedefiyle çok az şirketin bulunduğunu fark ettiler. Bu konumlandırma onlara pazarı açtı.
Koddan yayınlamaya, hızlı hareket: İlk satır koddan kamuya yayıma sadece 3 ay harcadılar. Hızlı iterasyon, ürün yönlerini hızla ayarlamalarına yardımcı oldu.
Odaklanma karmaşıklıktan daha üstündür: Aynı anda IDE (Entegre Geliştirme Ortamı) ve AI araçları geliştirme planlarını kararlı bir şekilde terk ettiler. AI işlevine odaklanarak daha hızlı bir gelişim sağladılar.
Dağıtım bir tweet ile başlayabilir: Cursor'un erken kullanıcı büyümesi, kurucularından birinin sosyal medyadaki bir tweet'inden kaynaklanıyor. Resmi pazarlama öncesinde, ağızdan ağıza iletişim ana itici güç olmuştur.
Uygulama gücünün bileşik etkisi: 2024 yılında, Cursor'un yıllık tekrarlayan geliri bir yıl içinde 1 milyon dolardan 100 milyon dolara yükseldi ve ürün iyileştirmeleri ile kullanıcı taleplerinin etkisiyle %10'luk haftalık bileşik büyüme sağlandı.
En iyi tavsiye, merakınızı takip edin: Özgeçmişinizi güzelleştirmek için yaptığınız şeyleri unutun. Michael'ın ana tavsiyesi: Zeki insanlarla ilginizi çeken şeyleri yapın.
Figma CEO&Kurucu Ortak: Dylan Field
Sizi motive eden bir ortak kurucu bulun: Dylan'ın motivasyonu, ortak kurucusu Evan Wallace ile iş birliği yapmaktan geliyor, "Her hafta geleceği yaratıyormuş gibi hissediyorum."
Erken başla, yaparak öğren: Dylan 19 yaşındayken üniversitedeyken girişim projelerine başladı. İlk aşamada "emoji oluşturucu" gibi projelerin başarısızlığı, nihayetinde Figma gibi harika bir fikri şekillendirdi.
Hızlı yayın, daha hızlı geri dönüş alma: Erken kullanıcılarla e-posta aracılığıyla iletişim kurarak hızlı iterasyonlar gerçekleştiriyorlar ve başından itibaren ücret talep etmeye devam ediyorlar. Geri bildirim, ürünün evriminin sürekli bir itici gücüdür.
Uzun vadeli yol haritasını kısa vadeli sprintlere bölün: Büyük vizyonu daha küçük parçalara ayırmak, hız ve icra yeteneğini sağlamak için anahtardır.
Ürün pazar uyumu yıllar alabilir: Figma, Microsoft'un "Eğer Figma daha fazla ücret talep etmezse, iş birliğimizi sona erdirmek zorunda kalacağız" dediği belirleyici bir sinyali beklemek için beş yıl harcadı.
Tasarım yeni bir farklılaştırıcı faktördür: AI'nin yükselişi nedeniyle tasarımın giderek daha önemli hale geldiğine inanıyor. Figma da bu trende uyum sağlamak için Draw, Buzz, Sites ve Make gibi bir dizi yeni ürün piyasaya sürüyor.
AI'yi prototip tasarımını hızlandırmak için kullanmak: AI'nın en iyi kullanımı, tek tuşla oluşturma "büyüsü" peşinde koşmak yerine iterasyon hızını artırmaktır. Tasarımcılar ve ürün yöneticileri artık AI değerlendirmelerine katkıda bulunmalıdır.
Reddetmeyi kucaklayın, kaçmayın: Dylan'ın çocukluk dönemindeki performans deneyimleri, eleştiri ve geri bildirimle yüzleşmeyi öğrenmesine yardımcı oldu. Reddedilmenin, başarı yolunun bir parçası olduğuna inanıyor.
İnsan bağlantıları her zaman merkezdir: AI ile insan ilişkilerini değiştirmemek için uyarı. Hayatın anlamı sorulduğunda, "Bilinci keşfetmek, sürekli öğrenmek, sevgiyi paylaşmak" diye yanıtladı.