Yapay zekâ ile ilgili bir kısmı bilim kurgu filmlerine dayanan bir kısmı da gerçekçi pek çok geleceğe yönelik fikir var. İnsanlığı alt mı edecekler, bize hizmet mi edecekler yoksa sınırsız bilginin yolunu mu açacaklar şu anlık bilmiyoruz. Bizim onun hakkında yaptığımız gibi yapay zeka da insanlıkla alakalı pek çok gelecek tahmininde bulunuyor. Seçim sonuçlarından borsaya, insanların ne zaman hastalanacağından ne zaman öleceğine kadar tahminler yapan pek çok algoritma mevcut. Tabii ki bunlar oluşturulurken geçmişe yönelik verilerden ve durumları etkileyen parametrelerden yararlanılıyor.
Örneğin politikacılar bir yasanın istihdamı veya suç oranları gibi sosyal sonuçları nasıl etkileyeceğini görmek için sosyal bilimcilerin çalışmalarından yararlanırlar. Ana fikir şu, nasıl farklı faktörler bir araya geldiğinde insanların hayatını değiştirebiliyorsa aynı şekilde sosyal açıdan en iyi sonuçları alabilmek için farklı müdahalelerde bulunulabilir. Önemli olan en etkili kombinasyonu tahmin edebilmek. Bunun için de geniş veri gruplarının detaylı ve objektif bir biçimde değerlendirilmesi önemli bir faktör tabii ki. Bu nedenle son yıllarda çok miktarda veriden çok daha kesin tahminler üretmeyi vaat eden makine öğrenimine olan güven giderek artıyor. Makine öğrenmesi şu an bir davalının ikinci bir suç için tutuklanabileceğini veya bir çocuğun evde istismar altında olma ihtimali gibi riskli durumları tahmin etmek için kullanılıyor. Sonuçta bir durumla alakalı yeterli veriyle beslenen bir algoritmanın bir insandan daha doğru tahminlerde bulunacağı su götürmez bir gerçek. Fakat şu günlerde Ulusal Bilimler Akademisi Bildiriler Kitabı’nda yayınlanan yeni bir çalışma bu yaklaşımla ilgili soru işaretleri yaratıyor.
Princeton Üniversitesi’nden üç sosyolog, yüzlerce araştırmacıdan; 4000’den fazla ailede yaklaşık 13000 veri noktası kullanarak çocuklar, ebeveynler ve ev hayatı için altı değişkene bağlı hayat tahmini yapmalarını istedi. Sonuçta gün boyu ürettiğimiz verilerle hayatımızı tanımlayan dijital bir ayak izi bırakıyoruz. Peki bu veriler geleceklerimizi tahmin etmek için kullanılabilir mi? Bu sorunun cevabını arayan araştırmacıların hiçbiri makul bir doğruluk seviyesine yaklaşamadı, işin ilginç yanı kimileri sonuca ulaşmak için basit istatistiklerden yararlanırken kimileri de ileri düzey makine öğrenimi kullandı.
Kâr amacı gütmeyen yapay zekâ yardımıyla adalet ve hesap verebilirlik adına araştırmalar yapan bir oluşumun başkanı olan Alice Xiang’ın “Her şeyi göz ardı ettiğinizde, bu çalışma makine öğrenmesi araçlarının sihirli olmadığına vurgu yapıyor” açıklaması pek çok alanda çok güvendiğimiz ve ciddi konularda tahminlerinden yararlandığımız yapay zekâ uygulamaları hakkında bizi düşünmeye itiyor.
Araştırmacılar Princeton Üniversitesi’nde bir Sosyoloji ve Halkla İlişkiler Profesörü ve bir makalenin baş yazarlarından biri olan Sara McLanahan liderliğindeki Kırılgan Aileler ve Çocuk Esenliği (Fragile Families and Child Wellbeing) adlı 15 yıllık bir sosyoloji çalışmasının verilerini kullandılar. Orijinal çalışmanın amacı evli olmayan ebeveynlerden doğan çocukların hayatlarının zaman içinde nasıl yönlendiğini anlamaya çalışmaktı. Aileler 2000 yılında ABD’deki büyükşehir hastanelerinde doğan çocukların arasından rastgele seçildi. Çocuklar 1, 3, 5, 9 ve 15 yaşındayken veri toplamak için takip edildiler.
Makine öğrenimi (machine learning) kusursuz değil
McLanahan ve meslektaşları Matthew Salganik ve Ian Lundberg daha sonra sosyolojik olarak önemli gördükleri son aşamadaki altı değişkenin üzerine kitle kaynak tahminleri için bir zorluk tasarladılar ve şunların üzerine yoğunlaşmalarını istediler:
- Çocukların okuldaki not ortalamaları,
- azim düzeyleri
- evlerindeki genel yoksulluk düzeyi
Çeşitli üniversitelerden bu meydan okuma için gelen katılımcılara algoritmalarını eğitebilmek için verilerin sadece bir kısmı verildi. Beş ay boyunca bilgisayar bilimciler, istatistikçiler, hesaplamalı sosyologlar da dahil yüzlerce araştırmacı tahminler için en iyi tekniklerini kullandılar. Sürecin sonunda yüzlerce sunumun hiçbirinde yüksek doğruluk elde edilememesi bunun bir tesadüf olmadığını gösterdi. Sosyoloji profesörü Salganik sonuçlardan yola çıkarak makine öğrenmesi araçlarına sırf güçlüler diye yenilmez muamelesi yapılmaması gerektiğini belirtti. Sonuçta basit tekniklerin yanında oldukça karmaşık ve çok daha zor işlerin altından kalkmış sistemler de kullanıldı.
“Bu sonuçlar bize makine öğreniminin sihir olmadığını gösteriyor. Yaşam seyrini tahmin etmekte açık şekilde başka faktörler de var. Bu çalışma aynı zamanda bize öğrenecek çok şeyimiz olduğunu ve bunun gibi kitlesel işbirliklerinin araştırma dünyası için ne kadar önemli olduğunu da gösteriyor.”
-Salganik
McLanahan’a göre ise sonuçlar göz açıcı. Şansın insan hayatında önemli bir rol oynadığını ve bunun öngörülemez olduğunu, ayrıca sosyal bilimciler olarak teorilerinde bazı değişkenlerin eksik olduğunu fark ettiklerini söylüyor.
Tüm bunlar yapay zekânın toplumda kullanımını inceleyen uzmanlar için şaşırtıcı değil. Xiang örneğin ceza adalet sistemindeki en doğru risk değerlendirme algoritmalarının bile %60-70 oranında olduğunu söylüyor. Genel olarak ele aldığımızda bu sonuçlar bazı ortamlarda yaşam sonuçlarının öngörülebilirliğine pratik sınırlar getiriyor. Yapay zekânın en azından şu şartlar altında insan hayatına dair belirli parametrelerle tahmin yapmasının imkansız olduğunu görüyoruz. İnsan hayatında hesaba katılmayan en ufak bir faktör bile hayatın gidişatını tamamen değiştirebilir. Buna şans, kader, tesadüf ne dersek diyelim makine öğrenmesi ile çalışan bir sistemin şu anlık tüm bu beklenmedik detayları öngörüp tahmin yapması çok zor. Bu kadar kapsamlı olmasa da bu durum sosyal bilimler için de geçerli. Bu nedenle kitlesel işbirliklerinin ne kadar değerli olduğunu gözler önüne seriyor. Kimi zaman toplumsal hayatımızı düzenleyen yasalara, adalet sistemine veya bir çocuğun evdeki refahına direkt olarak etki eden yapay zekâ uygulamaları konusunda daha sıkı çalışmaların yapılması ve iş birliği şart.
Kaynak: MIT Technology Review
