Üç saat, altı yazılımcı, 30.000 kayıp. Kuzey Venezuela'yı bir deprem sarstığında, Buenos Aires'teki bir programcı, normalde tam bir gün sürecek bir iş olan kayıp şahıs web portalını üç saat içinde ayağa kaldırmak için Claude Opus'u kullandı. California'daki ikinci bir yazılımcı ise Replit kullanarak dört saat içinde bir tedarik eşleştirme aracı başlattı. Bu hızlı geliştirmeler, ailelere fotoğraf paylaşma ve yüzleri merkezi bir veri tabanıyla karşılaştırma imkanı sağladı; resmi kanallar yetersiz kalırken STK'ların bağışçılarla mağdurları eşleştirmesine yardımcı oldu.

Bu çabanın önemi

Venezuela'nın acil durum altyapısı felç olmuş durumdaydı: Elektrik kesintileri, bozuk yollar ve aşırı yüklenmiş telefon ağları, yetkililerin birleşik bir arama koordinasyonu sağlamasını engelledi. İlk saatlerde aileler, yakınlarını bildirmek ve yardım talep etmek için her türlü kanalı zorluyordu. Diaspora tarafından geliştirilen uygulamalar, devletin yanıtı henüz şekillenirken işlevsel ve düşük internet kullanımı gerektiren hizmetler sunarak bu boşluğu doldurdu.

Yazılımcılar bunu nasıl başardı

Buenos Aires'teki yazılımcı, Claude Opus'a kullanıcıların fotoğraf yükleyebileceği, isim etiketleyebileceği ve mevcut bir liste üzerinde benzerlik araması yapabileceği bir siteyi tanımlayan basit bir istem (prompt) verdi. Claude; ön uç formunu, görüntü işleme hattını ve veri tabanı şemasını oluşturdu, ardından yayına hazır bir kod paketi sundu. Yazılımcı birkaç istemi düzenledi, kodu bir bulut örneğinde (cloud instance) çalıştırdı ve site üç saatten kısa sürede yayına girdi.

Pasifik'in diğer ucunda, California'daki yazılımcı bir Replit çalışma alanı açtı, bağışçı tekliflerini alacak ve yakındaki ihtiyaçları gösterecek bir "tedarik eşleştirme paneli"nin kısa bir açıklamasını yazdı ve yapay zekanın arka uç API'sini, küçük bir yönetici arayüzünü (admin UI) ve basit bir kimlik doğrulama akışının iskeletini oluşturmasına izin verdi. Dört saat sonra araç, mobil uyumlu bir URL üzerinden erişilebilir hale geldi.

Her iki ekip de kullanıcı deneyimini hafif tuttu. Mağdurların çoğunun sadece 2G veriye erişebilmesi ve sınırlı pil ömürlerinin olması nedeniyle WhatsApp tarzı sohbet arayüzlerini tercih ettiler. Ağır yerel (native) uygulamalar geliştirilmedi; bunun yerine hızlı yüklenen ve mümkün olduğunda çevrimdışı çalışan HTML 5 sayfalarına güvenildi.

Pratik çıkarımlar

  • Çarpan olarak yapay zeka – İstem odaklı kod üretimi, bir günlük yoğun çalışmayı birkaç saate indirdi.
  • Modeli değişken bir katman olarak görün – Dil modeli API'leri fiyatlandırmayı, hız sınırlarını değiştirebilir veya tamamen ortadan kalkabilir. Temel mantığı yalnızca istemlere dayalı inşa etmek, ürünü sürekli değişen bir hedefe bağlar.
  • Dayanıklı bir şemaya odaklanın – Kayıp şahıslar için veri modeli (fotoğraf, isim, bilinen son konum, durum) krizler boyunca kullanışlı kalır. Bir kez tanımlandığında, yapay zekayı yeniden eğitmeye gerek kalmadan tekrar kullanılabilir.
  • Kısıtlamalara göre tasarlayın – Düşük bant genişliği, kesintili güç ve e-posta hesabı eksikliği, ekipleri metin tabanlı arayüzler ve basit telefon numarası kimlik doğrulaması seçmeye zorladı. Bu kısıtlamalar, daha zengin çözümlerin başarısız olacağı yerlerde çalışan yazılımlar ortaya çıkardı.

Riskler ve karşı görüşler

Hız artışı bazı ödünleri de beraberinde getirir. Yapay zeka tarafından üretilen kod; hataları, güvensiz varsayılan ayarları veya yalnızca yük altında ortaya çıkan verimsiz sorguları gizleyebilir. Üçüncü taraf yapay zeka hizmetlerine güvenmek aynı zamanda maliyet dalgalanmasına yol açar; ani bir fiyat artışı, ücretsiz çalışan bir aracı bir gecede pahalı hale getirebilir. Son olarak, bu tür acelelerde resmi testlerin eksikliği, uç durumların (edge cases) gözden kaçmasına neden olarak kayıp şahıs veri tabanında yanlış eşleşme riskini doğurabilir; bu da ciddi bir etik sorundur.

Bundan sonra nelere dikkat edilmeli

  • Standartlaştırılmış afet veri şemaları – İnsani yardım grupları insanlar, tedarikler ve konumlar için ortak bir format benimserse, yapay zeka destekli araçlar daha kolay entegre olabilir ve sınırlar arası veri paylaşımı yapabilir.
  • Açık kaynaklı model barındırma – Topluluk tarafından yönetilen dil modeli uç noktaları (endpoints), ani API kapanmaları veya fiyat artışları riskini azaltabilir.
  • Düzenleyici denetim – Hükümetler, özellikle kişisel fotoğraflar ve konum verileri söz konusu olduğunda, yapay zeka tarafından üretilen acil durum yazılımlarını veri gizliliği ve güvenilirlik açısından incelemeye başlayabilir.
  • Topluluk platformları – Diaspora ağları mesajlaşma uygulamalarında halihazırda hızlı müdahale kanalları oluşturuyor; yapay zeka araçlarını doğrudan bu alanlara entegre etmek, gelecekteki dağıtımlarda dakikalar kazanılmasını sağlayabilir.

Yazılımcılar için temel çıkarım

Eğer bugün bir kriz müdahale uygulaması yayına almanız gerekiyorsa; kullanıcı arayüzünü taslaklamak, temel kod yapısını (boilerplate) oluşturmak ve bir bulut örneği ayağa kaldırmak için bir tüketici yapay zeka modeliyle başlayın. Ardından önemli kısımları sağlama alın: net, taşınabilir bir veri şeması, beklediğiniz en düşük donanımlı cihazda bile çalışan minimal bir kullanıcı arayüzü ve e-postaya bağımlı olmayan bir kimlik doğrulama. Yapay zeka çıktısını nihai bir ürün olarak değil, bir taslak olarak ele alın ve kullanım şartları değişirse model katmanını değiştirmeye hazır olun. Bir felaket anında hız hayat kurtarır, ancak istikrar hayatları daha sonra tekrar kurtarır.

Kaynak: dev.to/davekurian/diaspora-coders-assemble-earthquake-response-in-hours-with-ai-4c66