RÖPORTAJ | “Algoritmalar insanın karmaşık yapısını gözden kaçırıyor”

Hayatınızı anomaliler arayarak geçirdiğinizi söylüyorsunuz…

Martinez: Frank Zappa’nın bir sözü vardır: “Standartlardan sapmadan ilerlemek mümkün değildir.” Hiç kimse normların dışına çıkmazsa hepimiz koyun gibi oluruz. Değişim ve evrim olmaz. Sürekli bir dönüşüm içinde olmak dünyanın ve tabii ki hayatın doğasında var. Anomaliler de bir şeylerin olacağının ilk emareleri. Bu grubun neden diğerlerinin yaptığı şeyi yapmadığını sorarsınız. Bunun genellikle bir ya da birkaç nedeni vardır, buradan da bir eğilimin geliştiğini anlamaya başlarsınız.

 Koronavirüste de böyle mi oldu?

Koronavirüs kelimesini Toronto’daki BlueDot isimli şirket buldu. Yerel gazetelerde, bloglarda, forumlarda, çevrimiçi sobetlerde ve sosyal medyada kullanılan sözcükleri işlediler. Bu yapay zekânın doğal dil işleme (NLP) olarak adlandırılan bir branşı. NLP ile bu dönemde “korona,” “hasta,” “Wuhan,” “pazar” sözcüklerinin kümelendiğini görmeye başladılar. Yapay zekâda sözcükleri, söylediklerinizi vektör algoritmalar yoluyla işleyerek analiz ederiz: Söz gelimi “korona” sözcüğü 26,000 kez “pazar” ve “Wuhan” sözcüklerinin yanına düşmüş. Buradan yola çıkarak “Burada bir şeyler oluyor” dediler. Gerçekten de Wuhan pazarı çevresinde, o zamanlar SARS’ın semptomları diye düşündüğümüz, benzer semptomlar göstermeye başlayanlar olduğunu gördük. BlueDot 31 Aralık 2019’da Dünya Sağlık Örgütü’ne bir rapor sundu. Bu raporda da “Wuhan’da bir acil durumun, tip 2 koronavirüs salgınının olduğuna ve bu salgının oldukça açık bir biçimde pandemi görüntüsünde olduğuna inanıyoruz” diyorlardı.

Bu konuda araştırma yapmayı sürdürdüler mi?

Kimlerin Wuhan’da bulunduğuna ve bu kişilerin daha sonra nerelere uçtuğuna ilişkin uçuş verilerini girdikleri için virüsün diğer ülkelere nasıl yayıldığını tespit etmeye başladılar. Sonra da hastalığa yakalanan ilk kişiyi, yani hasta sıfırı bulana kadar diğer veri türlerini tutmaya başladılar. Örneğin Almanya’da hastalığı ilk yayan kişiyi buldular. Veriyi nasıl analiz edeceğinizi biliyorsanız, bu veri de iyi ve güvenilirse mucize yaratabilirsiniz.

Keşfettiğiniz bir eğilim örneği verebilir misiniz?

Gençken bir yatırım bankasında çalışıyor ve hisse senetleri satıyordum. Latin Amerika’da gelişmekte olan bir piyasayla ilgiliydim ve Brezilya’da olan biteni anlamıyordum. Oradaki menkul değerler piyasası hiçbir anlam ifade etmeyen örüntülerle işliyordu. Benden yaşça büyük bir çalışma arkadaşım, “Oradaki insanların ne yapacağı belli olmaz. Yarın tekrar satın alacaklar. Makroekonomiyle ilgilenmiyorlar” dedi. Ancak ben çok meraklıyımdır ve “Başka bir nedeni olmalı. İşler böyle yürümez normalde” dedim. Sonra araştırdım ve Sao Paulo Menkul Kıymetler Borsası’ndaki tacirlerin, tuttukları futbol takımı akşamki maçı kazandığında sevinçten havalara uçarak maçtan hemen sonraki gün herşeyi sattıkları ve ertesi gün öğleden sonra da tekrar satın aldıkları sonucuna vardım. Yani tüm bunlar futbolla ilgiliydi.

Ne yaptınız peki?

Bloomberg bağlantımda küçük bir model oluşturdum ve beş Sao Paulo takımının maç sonuçlarını takip etmeye başladım. Oluşturduğum model tahminde bulunmamı sağlayan bir modeldi ve hatasız işlemeye başladı. Bir gün patron geldi ve “Neler oluyor, bunu nasıl biliyorsun ve neye dayandırıyorsun?” diye sordu. “Futbol” diye cevapladım.

Gelecek bu mu?

Gelecek, aslında şu an gelecekte yaşıyoruz, yapay zekâyı tek başına işleyen ve kendi başına çalışacak bir oluşum olarak görmekten uzaklaşıp bir araç olarak nasıl kullanacağımızı bilmek.

Peki, geleceği tahmin etmek ahlaki sorunlara yol açar mı?

Yapay zekânın geliştirdiği, otomatikleştirdiği veya optimize ettiği ne varsa bize faydası dokunmalı. Aynı zamanda güvenlik ve emniyet parametreleri içinde de olmalı ki kimse bunu kendi çıkarına kullanmasın. Yapay zekâ dünyayı daha az karmaşık hale getirmek için ve daha iyi, daha düşük maliyetli ancak daha uygun hale getirilmiş hizmetlere sahip olmak için kullanılmalı.

İdeal olan bu. Ama verilerimiz çalınabiliyor, birilerinin yararına kullanılabiliyor, yani istismar edildiği de oluyor.

Pekçok şirket yapay zekâyı neredeyse yasal olmayan bir biçimde kullanıyor ve insanlardan, insanların bağımlılıklarından ve bilişsel zayıflıklarından çıkar sağlıyor. Bu tür kullanımlara son verilmesi gerek.

Ama bu verilere sahip olmak da oldukça önemli.

Veri tutmak kendi başına pek işe yaramaz. Yapay zekâ ile çalışanların, insanların faaliyette bulunduğu bağlamı da anlaması gerek. Bir web sayfası hakkınızda veri toplar: Kim olduğunuzu, e-posta adresinizi, söz konusu web sayfasında ne yaptığınızı, bu sayfadan nereye geçtiğinizi, kaç sayfa gördüğünüzü, ne kadar süre okuduğunuzu… Ancak bunları bir bağlama oturtmazsanız söz konusu kişinin tüm bunları neden yaptığını bilmeniz imkânsızdır. Yapay zekâyı kullanarak insan davranışlarına ilişkin tahminde bulunmaya çalışanların mahareti de budur. İnsanlar bağlamlara tepki verir. Birşeyleri bir nedeni olduğu için yaparız. Bir web sayfasına girersiniz, bir şeyler arıyorsunuzdur, hediye almak istemişsinizdir. Varsayımlar üretmeye başlayanların marifetlerini gösterdikleri yer şurasıdır: Bu kişi neden her Çarşamba bu sayfaya uğruyor? Teknoloji ve antropoloji bilmek durumundasınız. Cambridge’de ekibimle kurduğum ilk yapay zekâ sistemi mobil internet hizmetlerinin kişiselleştirilmesine odaklanmıştı: Bir yerde kişinin ne aradığını biliyor, aradığı şeyi önüne getiriyorduk.

Yapay zekâ kalıp yargıları, ön yargıları ve ayrımcılığı da kopyalayabilir.

Görüntü tanıma sistemlerinin ilk versiyonları sadece erkeklerce geliştirilmişti. Bunun sonuçları oldu. Yapay zekânın başlarında görüntü tanımada tarama yaparken Google algoritmasını geliştirenler “ayakkabı” dendiğinde erkek ayakkabısı koymuştu. Haliyle topuklu bir ayakkabı geldiğinde robot “Bu nedir?” diyordu. Bu nedenle daima farklı bakış açılarıyla katkı sunacak birkaç kişiden oluşan bir ekip olmalı.

Geleceğin arabaların yapımında da şeylerin bu şekilde filtrelenmesine başvuruluyor.

Yapay zekânın bir zanaatkârlık boyutu var. Söz gelimi arabalar bilgisayar görüşüne sahip olacak şekilde nasıl eğitilir? Nesneleri tanımayı ve onları etiketlemeyi öğreterek. Örneğin “insan,” “kedi,” “trafik ışığı,” “kamyonet.” Bir web sayfasını ziyaret ettiğinizde size “Bir robot musunuz?” diye soruluyor ve siz de size sunulan resimde kaç bisiklet gördüğünüzü söylemek zorunda kalıyorsunuz. Böylece Google’ın seviye 5 arabası meşhur Waymon’un bilgisayar görüşü algoritmasını eğitmiş oluyorsunuz. Bunu bedavaya yapıyorsunuz. Aslında Google size küçük bir ücret ödemeli, yanılıyor muyum?

Son çalışmanız otomobil endüstrisi hakkında bir kitaptı. Autonomous cars (Otonom arabalar).

Arabalar hızlı gitmeye başladığında, tüm hükümetler güvenlik önlemlerinin alınması çağrısında bulundu. Güç destekli frenler, emniyet kemerleri, hava yastıkları, çarpma anında çarpışma kuvvetini yayacak malzemeler ve bunun gibi ürünler piyasaya sürülmeye başlandı. Peki ne oldu? Biz arabalara kendi kendilerine gitmeyi öğretmeye başladığımızda, bu sürüşü yüzde 1000 güvenli hale getirmek istiyorsak, makinelerin kesin hassasiyetiyle işleyen bir sistem bir insanın sürüşünden daha iyidir. Çünkü insanların çoğu hız sınırına uymuyor ya da şoförlükleri iyi olmayabiliyor veya belki de sarhoş olabiliyorlar. İnsan sürücülerin emniyet oranı her zaman otomatik bir sistemin sürücülüğünden daha kötü oluyor.

Ama tabii sadece bununla sınırlı değil, değil mi?

Otomobil sanayii 5. düzey otomasyonu geliştirdi bile. Ancak bu otomobilleri henüz yollarda görmeyeceksiniz. Çünkü arabaların kaza yapmamasını garantileyen tek şey bilgisayar görüşü değil. Akıllı yollara ihtiyacınız var. Araçlar arasında sinyal alışverişi yapan ve böylece birbiriyle bağlantı kurabilen, her şeyin güvenli bir biçimde gitmesini sağlayacak şekilde şeylerin de internetinin olması lazım. Önümüzdeki on yılda bunları geliştireceğiz. Sadece akıllı kentler olmayacak, yol güvenliğini sağlamak için yollar da akıllı olacak. Japonya ve bazı Avrupa Birliği ülkeleri kaza olması halinde kazanın sorumluluğunun kimde olacağına karar vermeye yönelik mevzuatı oluşturmaya başladı. Başka bir deyişle bir kaza olursa ne olacağı konusunda çok net olmadan dünyaya araba büyüklüğünde nesneler salmayacağız.

Sağlıkta yapay zekânın kullanımı farklı.

Örneğin radyolojide, algoritmaların romatoid artridin ya da bir beyin tümörünün nasıl yayılacağını öngörmeye yönelik olarak eğitilmesi konusunda çalışmalar yapılıyor. Tanısal görüntülemeyle ilişkili her şey toplum için önemli bir adım. Zira gözlerimiz sahip olduğumuz en zayıf duyu organımız çünkü gözlerimiz bozulur. İnsanlar sadece gözleriyle görmez: Beyin gözün gördüğünü yorumlar, eklemeler yapar ve görüntüyü tamamlar. Görme çok güvenilir bir duyu değildir. Bu konuda hassasiyet isteyeceğiz. Bu tür bir hassaslığın tedavi edilecek kişi için daha iyi, daha ince ayarlı hizmetler yaratmamızı sağlayacağı bir dünyaya doğru ilerliyoruz.

Ameliyatlarda da kullanılıyor.

Özellikle de kardiyolojide. Kimileri “Ah, o zaman cerrahlar işsiz mi kalacak?” diye sorabilir. Hayır, öyle bir şey olmayacak. Geçmişte cerrahlar milimetrik bir kalp kasını yerinden çıkararak başka bir milimetrik yere taşıma becerisine sahip değildi, artık bunu yapabiliyorlar. Artık cerrahların programladığı bir robot yarım milimetrelik bir yeri kesebiliyor. Eskiden daha çok insan ölüyordu, artık çok daha az insan ölüyor. Bir kişinin ateşinin bir derece düştüğünü fark edecek bir sistem yerleştirmelisiniz. Bunu yorgun, kontrol etmeyi unutabilecek ya da buna benzer bir şey yapabilecek bir insandansa akıllı bir makinenin yapması daha iyi. Kendimizi hatalar yapabileceğimiz durumların dışına alıyoruz ve sıfır hatayı garanti eden bir sistemin devreye girmesine müsaade ediyoruz. Yapay zekânın kıymeti bu.

Bir çiftlik projesi üzerinde çalıştınız.

En sosyal ineklerin en çok süt üretenler olup olmadığını bulmaya çalıştık ve bu varsayımımız doğruydu! Şimdi de yapay zekânın tarımda mahsul verimini nasıl daha iyi tahmin etmemizi sağlayacağına ilişkin uluslararası bir proje üzerinde çalışıyorum. Ekilebilir alanların iklim değişikliği nedeniyle daraldığını biliyoruz ve beslememiz gereken yedi milyardan fazla insanımız var. Yapay zekâ ile toprağın yapısını, ne kadar ısındığını, nem oranlarını, ne kadar su tutacağını ve suyu ne kadar yayacağını analiz edebilirsiniz. Bir hesap yababilir ve “Sana şu kadara mal olacak 50000 hektar yerine 39000 hektar ekip daha fazla kazanacaksın: Daha az emek, daha az masraf” diyebilirsin. 

Yapay zekâ romantik ilişkilerinizde de yardımcı olabilir mi?

Her birey aşkı kendince hisseder. Aşkı herkese uyacak bir kalıba sokmak mümkün değil. eHarmony isimli şirket insanları partnerinde ne ararsın, ne kadar eğitimlisin ve şöyle bir durumda ne yapardın gibi birçok konuda verdikleri yanıtlara göre eşleyecek algoritmaları kullanan ilk şirketti. İnsanları verdikleri yanıtlara göre eşleyecek küçük botlar oluşturdu. Botların eşlediği bu insanlar birbiriyle geçinebilir mi? Evet geçinirler çünkü birçok ortak noktaları var, aynı şekilde tepki vereceklerini de biliyoruz. Ama aşk bir kimya. Bu algoritmalar kişiler daha soyut ve daha karmaşık olduğunda yanılmaya başlıyor.

 Alexa’nız var mı?

Alexa’m yok. Telefonumun ve etrafımda başka ne varsa onun mikrofonunu bazen bir gün, bazen yarım gün kapatıyorum, onlara daha zor olsun diye.