Telefon : +90 212 275 71 06  
AÇIKLANABİLİRLİĞİN SINIRLARI

AÇIKLANABİLİRLİĞİN SINIRLARI

Akademisyenler, ekonomistler ve AI araştırmacıları genellikle sezginin bilimdeki rolünü küçümsüyor. Peki bu konuda neden hatalılar.


Bir blok istifine baktığımızda sezgisel olarak ne kadar dengeli olduğunu, devrilip devrilmeyeceğini ve hangi yöne devrileceğini düşünürüz. Bu, istifteki nesnelerin kütle, doku, boyut, şekil ve yönelim gibi özelliklerini içeren oldukça sofistike bir hesaplamadır.


Josh Tenenbaum liderliğindeki MIT araştırmacılarının hipotezine göre beyinlerimizi bir çeşit "sezgisel fizik motoruna" sahip: Duyularımızla elde edebileceğimiz bilgi kesin değil ve hatalar içerebiliyor, ancak yine de düşündüğümüz şeyin olabileceğine ilişkin bir çıkarım yaratıyor, bu sayede bir çuval pirincin devrilmesini önleyebilir ya da devrilirken yolundan kaçabiliriz. Böyle bir "gürültülü Newton tipi” sistem olasılık anlayışları içerir ve hata yapabilir. Bunu bir de kararsız formasyonlar da istiflenmiş kayalarla düşünün.


Deneyimlerinizin çoğuna göre, beyniniz bunların ayakta kalmasının mümkün olmadığını söyler. Ama yine de oradadırlar. (Bu, bir oyuncunun kendi 3B dünyasındaki nesnelerle etkileşimlerini simüle eden Grand Theft Auto gibi video oyunlarının fizik motorlarına çok benzer.)


Sağ duyulu yapay zeka, on yıllardır alandaki en zorlu araştırma konularından biri olmuştur; gerçek dünyadaki şeylerin işlevini ve bunlar arasındaki ilişkiyi "anlayan" ve bu sayede niyeti, nedenselliği ve anlamı çıkartabilen bir yapay zeka. AI yıllar içinde göz alıcı bir gelişme sergiledi, ama hali hazırda konuşlandırılan AI, istatistiksel bir model oluşturmak için Google'daki görseller gibi tonlarca eğitim verisini alan istatistiksel makine öğrenimini temel alıyor. Veriler insanlar tarafından "kedi" ya da "köpek" gibi etiketlerle etiketleniyor ve bir makinenin sinir ağı, görseli bir insan gibi hatasız şekilde tahmin edebilene kadar tüm görseller maruz bırakılıyor.


Bu gibi istatistiksel modellerde eksik olan şeylerden biri nesnelerle ilgili her türlü veridir; örneğin köpekler hayvandır ve bazen arabaları kovalarlar. Bu nedenle, bu sistemler doğru modeller oluşturmak için çok miktarda veri gerektirir, çünkü bunlar bir görselde olup biteni anlamak yerine model tanımaya çok daha yakın bir şeyler yapar. Bu, "öğrenme" için artık var olan daha hızlı bilgisayarlar ve büyük veri kümeleri ile mümkün olan bir kaba kuvvet yaklaşımıdır.


Bu ayrıca çocukların öğreniminden de oldukça farklıdır. Tenenbaum genellikle, Almanya'daki Max Planck Evrimsel Antropoloji Enstitüsü'nden Felix Warneken, Frances Chen ve Michael Tomasello'nun hazırladığı, bir gizli odanın kapısına yürüyen, odaya girmek isteyen ama kapıyı düzgün açamayan bir yetişkini izleyen bir çocuğun videosunu gösterir. Birkaç denemeden sonra çocuk kapıyı çekerek açar ve yetişkinin içeri girmesini sağlar. Şirin görünen ve kesinlikle insanların yapacağı bir şey olan bu davranış (birkaç örnek görmek ve bir çözüm bulmak) gerçekte bilgisayarlar için çok zordur. Kapıyı yetişkin için açan çocuk durumun fizik koşullarını içgüdüsel olarak anlar: Bir kapı vardır, kapının menteşeleri vardır, kapı çekilerek açılabilir ve odaya girmeye çalışan yetişkin öylece içeri girememektedir. Anladığı fiziksel koşullara ek olarak, çocuk bir kaç denemeden sonra yetişkinin kapıdan geçmeye niyetli ancak bu konuda başarısız olduğunu da anlayabilmektedir.


Bunun için, insanın planları ve niyetleri olduğuna ve bunları tamamlamak ihtiyacı ya da isteği içinde olduğuna ilişkin bir anlayış da gereklidir. Karmaşık bir olguyu ve ayrıca bu olgunun gerçekleştiği özel koşulları öğrenebilme kapasitesi, çocukların doğal, denetimsiz ustalık sergilediği bir alandır.


9 aylık kendi çocuğum gibi bebekler gerçek dünya ile etkileşime girerek öğrenir, görünüşte bu bir çeşit beyindeki çeşitli sezgisel motorların ya da simülatörlerin eğitilmesi gibidir. Bunlardan biri, blok dizerek, bardakları devirerek ve sandalyelerden düşerek, yer çekiminin, sürtünmenin ve diğer Newton yasalarının yaşamlarımızı nasıl etkilediğini yapabileceğimiz şeyleri nasıl belirlediğini anlamayı öğrenen bir fizik motorudur (Tenenbaum'un terimine göre).


Ek olarak bebekler doğumdan itibaren yüzleri tanıyan, bakışları takip eden ve dünyadaki diğer sosyal nesnelerin nasıl düşündüğünü, davrandığını ve birbirine nasıl davrandığını anlamaya çalışan bir sosyal motor sergiler. Washington Üniversitesi'nden konuşma ve işitme bilimleri profesörü Patricia Kuhl'un önerdiği bu “sosyal geçit hipotezi”, konuşma yeteneğimizin temelde, bebekler olarak sosyal etkileşimlerimiz ile gelişen sosyal anlayışımıza bağlıdır. Harvard Üniversite'nden bilişsel psikolog Elizabeth Spelke ve meslektaşları bebeklerin 10 aylıktan itibaren insanların amaçlarını çıkarmak bir “sezgisel psikolojiyi” nasıl geliştirdiğini göstermeye çalışıyor.


Daniel Kahneman, kitabı "Thinking, Fast and Slow"da beynimizin sezgisel kısmının istatistik ya da matematik kısmı kadar iyi olmadığını açıklıyor. Aşağıdaki sorunu ortaya atıyor. Bir beysbol sopası ve topu birlikte 1,1 liradır. Sopa toptan 1 lira daha pahalıdır. Topun fiyatı nedir? Sezgilerimiz buna 10 kuruş demek istese de yanıt bu değildir. Top 10 kuruş olsa, sopa 1 lira daha pahalı olduğundan, sopanın fiyatı 1,1 lira ve ikisinin toplam fiyatı 1,2 lira olurdu. Doğru yanıt topun 5 kuruş olması ve sopanın 1,05 lira olmasıdır, bu da toplamda 1,1 lira yapar. Açıkçası, doğada var olan istiflenmiş kayaların dahili fizik motorumuzu yanıltması gibi istatistiksel konularda da sezgilerimize yenilebiliriz.


Ama akademisyenler ve ekonomistler genellikle bu gibi örnekleri role of sezginin bilimdeki ve akademik çalışmadaki rolünü küçümseme nedenleri olarak kullanıyor ve bu büyük bir hata. Fiziksel ya da sosyal durumları hızlı şekilde değerlendirmemize yardımcı olan sezgisel motorlar belki de açıklanamayacak kadar karmaşık hesaplamalar gerçekleştiriyor; bunları doğrusal olarak hesaplamak imkansız olabilir. Örneğin, uzman bir kayakçı ne yaptığını açıklayamaz ya da siz sadece talimatları okuyarak kayak yapmayı öğrenemezsiniz. Beyniniz ve tüm vücudunuz, her şeyin doğrusal düşünme olmaksızın akış halinde olduğu bir durumuna geçecek şekilde hareket etmeyi, senkronize olmayı ve çok karmaşık bir şekilde çalışmayı öğrenebilir.


Beyniniz bebekliğinizde muazzam bir dönüşüm geçirir. Bebek beyinleri nöronlar arasındaki, yetişkinlere göre iki kat fazla bağlantı geliştirir ve bunlar, çocuğun beyni olgunlaştıkça budanır. Çocukları beyinleri etkileşime girdikleri merdiven, anne, baba, arkadaşlar, arabalar, karlı dağlar gibi karmaşık sistemlere ilişkin sezgisel bir anlayış geliştirir. Bazıları denizlerde seyretmelerine yardımcı olacak onlarca dalga türü arasındaki farkları öğrenirken, bazıları bir çok kar türü arasındaki farkları öğrenir. Beyin geliştikçe, olgunlaştığımızda önemli görülmeyen bağlantılar da ortadan kaybolur.


Birbirimizi sözcükler kullanarak açıklama, savunma ve anlama kabiliyeti son derece önemlidir, ama aynı zamanda sözcüklerin basitleştirilmiş gösterimler olduğunu ve farklı kişiler için farklı anlamlara gelebileceğini anlamak da önemlidir. Bildiğimiz bir çok fikir ya da şey sözcüklere indirgenemez; indirgendiklerinde, kullanılan sözcükler ilgili gerçek fikir ya da anlayışın yalnızca bir özetini sunar.


Nasıl kayak yaptığını anlatamayan usta kayakçıyı ciddiye almazlık yapamayacağımız gibi, doğanın kendilerine varlıkların dengesinin bozulduğunu söylediğini duyan şamanları da göz ardı edemeyiz. Yerli insanların duyarlılıklarının ve doğa ile olan ilişkisinin bize "ilkel" gelmesinin (çünkü bunu açıklayamazlar ve biz de anlayamayız) nedeni gerçekte daha çok bir çevresel sezgi motorundan yoksun olmamız olabilir. Kent yaşamında bunlara ihtiyaç duymadığımız için duyularımız bu nöronları budamış olabilir. Yaşamlarımızın çoğunu kafalarımızı kitaplara ve ekranlara gömerek ve kapalı odalarda eğitim alarak geçiririz ve dünyayı bu şekilde anlarız. Şeyleri matematiksel ya da ekonomik olarak açıklama yeteneğimiz gerçekte ekolojik sistemler gibi olguları bebekliğinden itibaren doğal ortama maruz kalan ve bunları sezgisel olarak anlayanların beyinlerinden daha iyi anladığımız anlamına mı geliyor?


Belki de aşırı doz tevazu ve daha az eğitimli gördüğümüz insanların (bir şeyleri kitaplardan değil de yaparak ve gözlemleyerek öğrenen kişilerin) zihinlerinin doğrusal olmayan ve sezgisel anlayışını bütünleştirmeye yönelik bir çaba, şeylerin nasıl çalıştığını ve halihazırda modern araçlarımızla çözülemeyen sorunlar hakkında ne yapabileceğimizi anlamamız açısından büyük yarar sağlayabilir. Bu ayrıca çeşitlilik için de başka bir argümandır. İndirgemeci matematiksel ve ekonomik modeller bir mühendislik bakış açısından yararlıdır, ancak karmaşık uyarlamalı sistemleri böyle modeller kullanarak açıklama yeteneğimizin sınırlı olduğuna dikkat etmeliyiz, bu modeller sezgiye hitap etmez ve insan deneyimindeki rolünü gözden kaçırma riski taşır.


Tenenbaum ve meslektaşları dünyanın sezgisel modellerini öğrenebilen makineler geliştirmede başarılı olurlarsa, belki o zamana bu makineler başlangıçta açıklayamadıkları ya da geçerli teoriler ve araçlarla algılayamayacağımız kadar karmaşık şeyler önerebilirler. İster makine öğreniminde ve AI modellerinde daha fazla açıklana bilirlik arzusundan bahsedelim ister yerli insanların doğa ile etkileşimlerinin iç yüzünü araştırmaya çalışalım, açıklana bilirliğin sınırlarına erişeceğiz. Burası, açıklana bilirliğin ötesinde, bilimin sınırlarının dayandığı heyecan verici alan, ve burada dünyaya ilişkin algımızın ötesini keşfe çıkıyoruz.



Yazının orijinali için tıklayınız.