Dünya Gerçekten Zenginleşiyor Mu?

Küreselleşen dünyada finansal araçların ve serbest ticaret anlaşmalarının etkisiyle muazzam bir ekonomik büyüme söz konusu. Toplama bakıldığında dünya zenginleşiyor ancak işsizlik ve yoksulluk rakamları tam tersini işaret ediyor. Bu yaman çelişkinin nedeni ise, gelirin dağıtılmasındaki adaletsizlik. Oldukça derin bir tartışma konusu olan gelir adaletsizliğine, vergilendirme politikalarını ele alarak bakalım. Devletler vatandaşlarına eğitim, sağlık gibi sosyal hizmetler sunmak için ve devletin çeşitli giderlerini finanse etmek için vergi toplar. Çok çeşitli vergi türleri olmasına rağmen, temelde gelir ve tüketim vergileri olarak gruplandırabiliriz. Gelir eşitsizliğinin ortadan kaldırılmasında, özellikle gelir vergilerinin planlaması çok kritiktir. Progresif vergi sisteminde vergi oranları dar ve orta gelirli vatandaşların daha az vergi ödemesini sağlar, ancak regresif yani oransal vergi sisteminde gelirin belirli bir oranının vergilendirilmesi söz konusudur, bu da yüksek gelir gruplarına kıyasla düşük ve orta gelir grubuna ağır vergi yükü anlamına gelir.

Türkiye 2019 gelir vergi dilimleri

 

Yine tüketim vergilerinde, temel ihtiyaç ürünlerine ve lüks ürünlere uygulanan vergiler farklıdır. Temelde bu vergi miktarlarıyla oynanarak, gelir ve tüketim dengesinin sağlanması, vatandaşa kaldırabileceğinden ağır vergiler yüklenmemesi amaçlanır. Peki bahsedilen tüm bu vergi kalemlerinde, en adil sistem nasıl belirlenebilir? Sayısız değişkenin ve öngörülemez etkilerin olduğu bir sistemde insan çözümleri yetersiz kalıyor, peki yapay zekâ neler yapabilir?

Amerikalı bir teknoloji firması olan Salesforce, Richard Socher liderliğindeki çalışma grubuyla AI Economist adını verdikleri yapay zekâ ile bu soruna çözüm arıyor. Reinforcement Learning (Pekiştirmeli Öğrenme) yöntemini kullanan model, simüle edilmiş bir ekonomide optimal vergi miktarlarını bulmayı hedefliyor.

Pekiştirmeli Öğrenme Nedir?

Pavlov’un klasik koşullanma deneylerini düşünelim, köpekler ortamda bulunan insanın hareketlerinden belirli sonuçlara varır. Zil sesi verildiğinde ağzının sulanması, et geleceğinden emin olması demektir. Yine Skinner’ın davranışsal koşullanma deneyinde, aç bir fareyi düzeneğe yerleştirir, fare rastlantısal olarak ilk pedala basışında peynir düştüğünü görür. Bundan sonraki turlarda fare doğrudan pedala ilerler, çünkü bu eyleminin sonucunda peynirle ödüllendirileceğini bilir. Deneyin bir sonraki aşamasında, pedala basmanın elektroşok sonucunu vermesi farenin önceki öğrendiklerini bırakıp, artık pedala basmaktan vazgeçmesine neden olur.

Pekiştirmeli Öğrenme de bu yapıya oldukça benzer. Boş bir zihinle başlayan model, edindiği bilgiler arasında neden sonuç ilişkileri kurmaya ve böylece hareketlerinin sonucunu öğrenmeye başlar. Asıl amacı en faydalı ödülü elde etmek olduğundan, seçimler yaparak ilerler.

“Vergilendirme politikalarını siyasi motivasyondan bağımsız kılıp, veriye dayalı hale getirmek inanılmaz olurdu.” Alex Trott

Yapay Zekâ Vergi Politikası Simülasyonu

İlk sonuçlarda, üretkenlik ve gelir adaletini birlikte maksimize etme hedefinde, mevcut akademik çalışmalara kıyasla %16 daha adil bir model oluşturuldu. Simülasyonda, 4 adet yapay zekâ işçi kendilerine ait RL modeli tarafından kontrol ediliyor. Yalnızca odun ve taş toplama, bu kaynakları alıp-satarak gelir elde etme veya bu kaynakları kullanıp ev inşa ederek gelir elde etme seçeneklerinin yer aldığı modelde, her işçi farklı kabiliyet seviyesine sahip. Bu durum işçilerin belirli alanlarda özelleşmesini sağlıyor, düşük kabiliyeti işçiler kaynak toplamanın kendilerine daha fazla fayda sağlayacağını öğrenirken, yüksek kabiliyetliler ise ev inşa etmek için gerekli kaynakları satın almanın kendilerine daha fazla fayda getireceğini öğreniyor.

Her simülasyon yılının sonunda, işçiler yapay zekâ tarafından kurulan ve üretkenlik ile gelir adaletini birlikte maksimize etmeyi amaçlayan RL vergi modeli ile vergilendiriliyor. Bu sürecin milyonlarca kez tekrarlanması ile model optimal sonuca yakınsıyor.

Oldukça basit bir model gibi görünse de, aslında uzun vadede çok derin detayları barındırıyor. RL modellerinin dinamik koşullarda verimli sonuçlar vermemesi bir sorun olarak görülürken, aslında oldukça gerçekçi bazı insan davranışlarının geliştirilmesine de olanak veriyor. Örneğin, bazı işçiler ödemeleri gereken vergi miktarını azaltabilmek için üretkenliklerini bir süreliğine düşürüp düşük vergi dilimine giriyor ve belirli bir süre sonra bilinçli olarak artırıyor. Salesfroce ekibi akademide uygulanan Neural Network destekli vergi modellemelerine kıyasla, bu özgürlüğün simülasyonu daha gerçekçi kıldığını ifade ediyor.

Günümüz ve Gelecekte Bu Simülasyon Ne Konumda Olur?

Yapay zekâ modeli ile, Covid-19 pandemisinin ekonomi ve insan davranışı üzerindeli etkisi bir bakıma simüle edilebilir. Çünkü simülasyondaki parametreleri değiştirerek veya belirli kısıtlar koyarak aslında işçilerin kaynaklara ulaşmasını zorlaştırmak, sosyal izolasyonu zorunlu kılmak veya iş alanlarına ulaşmalarını engellemek mümkün.

“Gelecek beklediğimizden çok farklı olacaksa, elimizdeki geçmiş veriyi kullanarak optimal vergi politikaları belirlemek neredeyse imkansız.” Richard Socher

Ekonomistler ise genel anlamda modelin oldukça kullanışlı olduğunu ancak kişi sayısının artırılması ve ticari şirketler gibi kritik etkenlerin de eklenmesinin gerekliliğini savunuyor. Salesforce ekibi de çalışmalarının kodlarını paylaşarak, akademisyenlerin bu çalışmaya katkıda bulunmasından memnuniyet duyacaklarını ifade ediyor.

Veri tabanlı politikalar yardımıyla tüm toplumun refah seviyesinin yüksek olduğu bir gelecek umuduyla…

Kaynak: MIT Technology Review

Share:

administrator

Boğaziçi Üniversitesi Endüstri Mühendisliği mezunu Öykü, gastronomiye ve mutfak sanatlarına meraklı, ekonomi ve politikaya ilgili ve aynı zamanda veri çağında geleceğin nerede olduğunu araştırıyor.

Bir yanıt yazın

E-posta adresiniz yayınlanmayacak. Gerekli alanlar * ile işaretlenmişlerdir