Kapsamlı Dil Modelleri yapay zeka değil ancak DevOps faaliyetlerine önemli destek verebilir,
Yazan: Red Hat Küresel Geliştirici Araçları Pazarlama Başkanı Markus Eisele
Yapay zekaya yönelik anlatılanlar hepimizin süper insan olacağı ve yapay zekanın yardımıyla her alanda efor harcamadan uzman olabileceği bir geleceği resmediyor. Oluşan bu resimle ilgili sorunlardan birisi ise yapay zeka dediğimizde ne anladığımızla bağlantılı. ChatGPT, DALL-E ve Despcript gibi yapay zeka olarak bildiğimiz araçlar aslında sandığımızın aksine kendi kendine düşünebilen zeki sistemler değil. Onlar asında analitik ve algoritmik imkanlarla donatılan büyük veri seti, yani Kapsamlı Dil Modelleri (Large Language Models, LLM). Her ne kadar sihirli değnekler olmasalar da özellikle yazılım geliştirme alanında insan yeteneğini artırabilen güçlü araçlar.
Geliştirici topluluğunda bu araçların şirketlere getirebildiği değerleri anlıyoruz. Kodlara bakmayı önerebiliyor, komut dizilerini ve rehberleri otomatik tamamlayabiliyor, programları da test edebiliyor ve hatalarını giderebiliyor. Yazılım geliştirme alanında, özellikle de DevOps’ta Kapsamlı Dil Modelleri oyunun kurallarını değiştirecek. Performansı ve verimliliği optimize etmek, geliştirme sürecini hızlandırmak ve hata olasılığını azaltmak için büyük bir fırsat sunuyorlar. LLM’ler sayesinde geliştiriciler, çalışmalarının daha karmaşık ve yaratıcı yönlerine odaklanmalarını sağlayacak özgürlüğe sahip olabiliyor.
IBM’in gelişmiş LLM özelliklerine sahip WatsonX’e bakalım. Karar alma, risk değerlendirme ve problem çözme konularında içgörü sağlamak için büyük miktarda veriyi analiz edebiliyor. Aynı zamanda gelecekte oluşabilecek sorunları tahmin etmek ve engellemek için de geçmiş olaylardan öğrenebiliyor. Bu sayede de DevOps operasyonlarının verimliliğini ve güvenilirliğini artırıyor. Böylece geliştiriciler de geçmiş olaylardan, kod değerlendirmelerinden ve sistem kayıtlarından dersler çıkararak sürekli bir iyileşme ve daha iyi sonuç döngüsüne girebiliyor.
LLM’ler aynı zamanda dil seviyesine ve anlamına bağlı olarak teknik jargonu teknik deneyime sahip olmayan paydaşlar için basit bir dile çevirebiliyor, alarmlar ve bildirimler gibi iletişime öncelik verebiliyor. Ek olarak belgelerin oluşturulmasına, güncellenmesine ve içinde arama yapılmasına destek vererek bilgi paylaşımını daha verimli ve etkili bir hale getiriyor. Bu iş birliği ve iletişim, DevOps için bir dönüm noktası yaratıyor ve LLM’ler de bu dönüm noktasının gerçeğe dönüşmesinde kilit bir rol oynuyor.
Ancak bu araçların bu kadar büyümesi biraz göz korkutuyor olabilir. Doğru aracı seçmek için sağladığı imkanların ve mevcut yazılımlarla uyumluluğunun detaylıca incelenmesi ve bu sırada veri kaynağına ve otonomluğuna (sovereignity) dair eğitimle ilgili sorulara cevap bulunması gerekiyor. Doğru tercihleri yapmak da gittikçe zorlaşıyor ve bu süreçlerden geçmiş geliştiricilerin deneyimine ihtiyaç duyuluyor.
Son on yılda konteyner, mikroservis, kesintisiz geliştirme ve Kod olarak Altyapı (IaC) gibi kavramların oluşmasıyla birlikte geliştirici dünyasında büyük değişimlerin yaşandığını gözlemliyoruz. Şimdi de yapay zeka ve LLM’lerin yükselişiyle bir değişim daha deneyimliyoruz. Ancak bahsedilenin aksine geliştiriciler bunun çok da büyük bir değişim olmadığını, ileriye yönelik bir adım olduğunun bilincinde. Tabii bu adımın dikkatli değerlendirmeler ve yönetimle atılması gerekiyor.
Yapay zeka ve özellikle LLM’ler, yapacakları görevlerde deneyimli kişilerin ellerinde en iyi şekilde optimize edilmiş araçlar haline geliyor. Potansiyel faydalarının da sonu yok. DevOps ekiplerini sıradan işlerden kurtararak oyunun kurallarını değiştirecek inisiyatiflere odaklanmasını sağlıyor.
Yapay zekanın asıl riski makinelerin insanların yerini alacağı korkusu değil. Asıl risk, yapay zekanın ve LLM’lerin ne yapıp yapamayacağının yanlış anlaşılması. Yapay zekanın (veya yapay zeka gibi çalışan bir aracın) kıdemli bir DevOps profesyonelinin yerine geçebilmesi, bir çocuğun Pulitzer kazanmak için ChatGPT’yi kullanabilmesi kadar yanlış. DevOps yapay zeka, uzmanlık ve duygusal zeka gerektiren karmaşık bir faaliyet. Bu yüzden en etkili strateji yapay zekayı bir insanın yerine geçirmek değil, en iyi sonuçları açığa çıkartmak için birlikte çalışmasını sağlayarak hem insanların hem de yapay zekanın güçlü alanlarından faydalanmaktır.
